Optimalisasi Harga Penjualan Perumahan dengan Metode Goal Programming (Studi Kasus: Golden Gindi Residence Kota Bima Nusa Tenggara Barat)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Optimalisasi Harga Penjualan Perumahan dengan Metode Goal Programming (Studi Kasus: Golden Gindi Residence Kota Bima Nusa Tenggara Barat)"

Transkripsi

1 Jurl Mtemtk Vol. No., Desember 0. ISSN: Optmlss Hrg Peul Perumh deg Metode Gol Progrmmg (Stud Ksus: Golde Gd Resdece Kot Bm Nus Teggr Brt) Llk Ik Rhmwt Jurus Mtemtk FMIPA Uversts Udy, Bukt Jmbr-Bl e-ml: G. K. Gdhd Jurus Mtemtk FMIPA Uversts Udy, Bukt Jmbr-Bl e-ml: N Mde Ash Jurus Mtemtk FMIPA Uversts Udy, Bukt Jmbr-Bl e-ml: Abstrct: Ths reserch ms to determe the mmum sellg prce of ech type of house usg the method of gol progrmmg, so tht the developer get proft pproprte wth the trgets set. Gol Progrmmg method s oe of the method of solvg ler progrmmg to solve the problems tht clude multple trgets. The result of the reserch showed: () the mmum sllg prce type of house 6/50 s Rp ,-; () type 45/50 s Rp ,-; () type 5/50 s Rp ,56. To clculte mothly stllmet purchse of home wth 5 yers d 0 yers usg Cptl Recovery Fctor (CRF) method wth ul terest of.5%. I order to obt the mout of mothly lo stllmets wth 5 yers wth 60 tme stllmets for the type 6/50 s Rp , type 45/50 s Rp d type 5/50 s Rp By usg the sme method obted the mout of mothly stllmets wth 0 yers wth 0 stllmets for the type 6/50 s Rp , type 45/50 s Rp d type 5/50 s Rp Optml sellg prce obted ws lower th the sellg prce from the developer, so the developer eed to cosder g the results obted for the sllg prce of homes. The clculto of credt stllmets depedg o the mout of terest d repymet perod, so ot become burde for the customers. Keywords: rel estte, sellg prce of house, optml sellg prce, gol progrmmg, cptl recovery fctor.. Pedhulu Perumh d pemukm dlh du hl yg tdk dpt dpshk d berkt ert deg ktvts ekoom, dustrlss d pembgu. Meurut Udg-udg Nomor 4 Thu 99, Perumh dlh kelompok rumh yg 86

2 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh berfugs sebg lgkug tempt tggl tu lgkug hu yg dlegkp deg prsr d sr lgkug. Sedgk pemukm dlh bg dr lgkug hdup d lur kws ldug, bk yg berup kws perkot mupu perdes yg berfugs sebg lgkug tempt tggl tu lgkug hu d tempt kegt yg medukug perkehdup d peghdup. Pemukm ug dpt drtk sebg perumh tu kumpul rumh deg segl usur sert kegt yg berkt d yg d d dlm pemukm. Dlm pegert yg lus, rumh tggl buk hy sebuh bgu (strukturl), melk ug tempt kedm yg memeuh syrt-syrt kehdup yg lyk, dpdg dr berbg seg kehdup. Meurut Kursh [5], rumh memlk empt fugs pokok sebg tempt tggl yg lyk d seht bg setp mus, ytu: () Rumh hrus memeuh kebutuh pokok sm mus, () Rumh hrus memeuh kebutuh pokok roh mus, () Rumh hrus meldug mus dr peulr peykt, d (4) Rumh hrus meldug mus dr gggu lur. Dlm pemsr proyek perumh, phk pegembg hrus berldsk pd kosekues trget psr yg k dly. Keyt meuukk bhw pegembg tdk dpt megesmpgk segmets psr utuk trget peul produky. Segmets psr sgt dperluk utuk megethu kods psr yg homoge (golog yg g drekrut dlm peul produk) kre kebyk kosume perumh bsy bersft heteroge. Peetp segmets psr dlm bss propert (perumh) bk perumh sederh, meegh mupu mewh sgt mempegruh kelcr d kesukses dlm pemsry (Sstr & Mrl [6]). Kre phk pegembg memlk trget peul yg tgg tp megesmpgk mutu d hl ly mk dpt dguk metode gol progrmmg. Metode Gol Progrmmg merupk slh stu metode peyeles dr metode ler progrmmg dlm meyelesk permslh yg meckup byk tu mult trget. Oleh kre tu, peuls tertrk utuk melkuk perhtug hrg peul mmum tp tpe rumh deg megguk metode gol progrmmg sehgg phk pegembg (developer) memperoleh keutug yg sesu deg trget yg dtetuk. Kosume dpt membel rumh deg du cr pembyr ytu secr tu (csh) d secr kredt dlm gk wktu 5 thu d 0 thu deg besr gsur bergtug pd besry bug yg dtetuk oleh developer. Dlm hl peuls megguk metode Cptl Recovery Fctor utuk meghtug besry gsur hutg yg hrus dbyr oleh kosume deg besr bug yg kost tp thuy. Rumus mslh dlm peelt dlh: berp hrg peul mmum msg-msg tpe rumh deg megguk metode gol progrmmg? d 87

3 Jurl Mtemtk Vol. No., Desember 0. ISSN: bgm perhtug gsur kredt utuk gk wktu pembyr 5 thu d 0 thu deg megguk metode Cptl Recovery Fctor (CRF)?. Tuu peelt dlh meetuk hrg peul mmum msg-msg tpe rumh d perhtug kredt utuk gk wktu pembyr 5 thu d 0 thu. Bts mslh dlm peelt dlh: () Jes bh mterl yg dguk dlm memproduks perumh dlh sm d by produks sudh melput by mterl d uph teg ker; () Modl yg dguk dlm pembgu perumh dlh modl prbd; d () Metode yg dguk utuk megoptmlk hrg peul tp tpe rumh dlh metode gol progrmmg d utuk meghtug gsur kredt megguk metode Cptl Recovery Fctor (CRF).. K Pustk. Hrg Peul Hrg ul dlh seumlh kompess (ug tupu brg) yg dbutuhk utuk medptk seumlh kombs brg tu s. Perush sellu meetpk hrg produky deg hrp produk tersebut lku terul d boleh memperoleh lb yg mksml. Hse d Mowe (00) medefsk hrg ul dlh umlh moeter yg dbebk oleh sutu ut ush kepd pembel tu pelgg ts brg tu s yg dul tu dserhk. Adpu perhtug yg bs dguk oleh phk pegembg utuk meetuk hrg peul dlh sebg berkut: HJ = HT + HB (.) Dm : HJ = Hrg Peul HT = Hrg Jul Th (per re) HB = Hrg Jul Bgu (per m ). Rsko d By Produks Asyto [] meelsk bhw resko dlh sutu kemugk terdy ked/perstw/ked, yg dpt dhdr tu dkurg sekecl mugk gr dmpky sebts tolers yg dperkek. Pegert rsko dlm koteks proyek dpt ddefsk sebg sutu pebr terhdp kosekues yg tdk megutugk, secr fsl mupu fsk, sebg hsl dr keputus yg dmbl tu kbt kods lgkug d loks sutu kegt. Dr pegert d ts dpt dsmpulk bhw rsko dlh sutu kods yg tmbul kre ketdkpst deg pelug ked tertetu yg k terd k membulk kosekues tdk megutugk. Meurut Asyto [] detfks rsko produks dpt drc sebg berkut: () Pembegkk by pelks (cost overru); (b) Keterlmbt 88

4 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh peyerh peker, bk sebg mupu secr keseluruh (proect dely); (c) Peympg mutu peker terhdp persyrt yg d, bsy sudh dtur dlm meme mutu; (d) Kecelk ker, bsy sudh dtur pd meme keselmt d keseht ker (sfety mgemet); d (e) Ketdkpus pelgg. Oleh kre tu phk pegembg hrus meypk d tk terdug utuk megtsps hl-hl yg tdk dgk. Besry d tk terdug bsy 0% dr by produks. By produks tdk dpt dpshk dr proses produks sebb by produks merupk msuk tu put dklk deg hrgy. Deg demk dpt dktk bhw ogkos produks dlh semu pegelur tu semu beb yg hrus dtggug oleh perush utuk meghslk sutu es brg tu s yg sp utuk dpk kosume. Meurut Asyto [], by produks pd proyek kostruks dbedk med du es ytu by lgsug d By tdk lgsug. By lgsug ytu by yg berkt secr lgsug deg proses produks. By-by tersebut tr l: bh/mterl, uph teg, lt kostruks, by subkotrktor, by persp d peyeles, d by dmstrs/overhed proyek. By tdk lgsug ytu by-by yg dbebk kepd proyek tu by yg tdk terkt secr lgsug deg proses produks. Cotohy: by overhed/dmstrs d umum perush. Bg proyek, by tdk lgsug yg dsedk pd ggr by pelks, pd dsry dlh cdg d utuk kostrbus proyek kepd perush dm relss d tersebut d lur kedl phk proyek.. Tgkt Keutug/Lb Pegert lb yg dut oleh struktur kuts sekrg dlh selsh pegukur pedpt d by. Besr kecly lb sebg pegukur kek sgt bergtug pd ketept pegukur pedpt d by. Lb tu rug serg dmftk sebg ukur utuk mel prests perush tu sebg dsr ukur pel yg l. Usur-usur yg med bg pembetuk lb dlh pedpt d by. Deg megelempokk usur-usur pedpt d by, k dpt dperoleh hsl pegukur lb yg berbed tr l: lb kotor, lb opersol, lb sebelum pk, lb bersh. Adpu perhtug keutug/lb yg bs dperguk oleh phk pegembg : Lb bersh = (HB HP) x Lus Bgu (.) dm: HB = Hrg Jul Bgu (per m ) HP = Hrg Produks Bgu (per m ) 89

5 Jurl Mtemtk Vol. No., Desember 0. ISSN: Dr perhtug d ts dperoleh persetse tgkt keutug yg dperoleh phk pegembg dlh sebg berkut: Persetse Tgkt Keutug = (Keutug/By Produks) x 00% (.).4 Fktor Agsur Hutg (Cptl Recovery Fctor) Meurut Smbodho [7], Cptl Recovery Fctor dlh fktor pegl (pegembl modl) utuk meghtug umlh dr setp tgkt pembyr (A) yg terd pd khr dr setp perode utuk melus umlh sekrg (P) pd khr perode ke pd tgkt bug. ( ) A P (.4) ( ) ( ) dm fktor pegl dsebut deg uform seres cptl recovery fctor ( ) deg smbol fugsol De Grmo dtuls A PA/ P,, Keterg: A = tgkt pembyr P = umlh sekrg = perode gsur = tgkt suku bug.5 Gol Progrmmg. Model Gol Progrmmg (GP) merupk perlus dr model pemrogrm ler (LP) sehgg seluruh sums, ots, formuls model mtemts, prosedur perumus model d peyelesy tdk berbed. Perbed hy terletk pd kehdr sepsg vrbel devsol yg k mucul d fugs tuu d d fugs-fugs kedl. Vrbel devsol berfugs utuk mempug peympg tu devs yg k terd pd l rus kr sutu persm kedl terhdp l rus ky. Bl pd model pemrogrm ler (LP), kedl-kedl fugsol med pembts bg ush pemksmum tu pemmum fugs tuu, mk pd model Gol Progrmmg (GP) kedl-kedl tu merupk sr utuk mewuudk ssr yg hedk dcp. Ssr-ssr tersebut dytk sebg l kost pd rus k kedl tu dsebut sebg kedl tuu. Gol Progrmmg (GP) bertuu utuk memmumk rk (devs) tr trget tu ssr yg telh dtetpk (Sswto [8]). 90

6 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh.5. Vrbel Devsol Vrbel devsol, sesu deg fugsy, ytu mempug devs hsl terhdp ssr-ssr yg dkehedk, dbedk med du ytu:. Vrbel devsol utuk mempug devs yg berd d bwh ssr yg dkehedk. Ssr tu tercerm pd l rus k sutu kedl ssr. Deg kt l, vrbel devsol berfugs utuk mempug devs egtf yg dsmbolk deg ots DB. Kre vrbel devsol DB berfugs utuk mempug devs egtf, mk: tu deg b DB DB b merupk vrbel keputus, keputus, b merupk trget yg dgk, (.5) (.6) merupk koefse dr vrbel,,,..., m d,,,...,. Sehgg DB k sellu mempuy koefse + pd setp kedl ssr.. Vrbel devsol utuk mempug devs yg berd d ts ssr. Deg kt l, vrbel devsol berfugs utuk mempug devs postf yg dsmbolk deg ots DA. Kre vrbel devsol DA berfugs utuk mempug devs postf, mk: tu Deg b DA DA b (.7) (.8) merupk vrbel keputus, merupk koefse dr vrbel keputus, b merupk trget yg dgk,,,,..., m d,,,...,. Sehgg DA k sellu mempuy koefse - pd setp kedl ssr (Sswto [8])..5. Tg Mcm Kedl Ssr Pd dsry, peggu tersebut dpt dkelompokk ke dlm empt mcm cr, ytu:. Utuk mewuudk sutu ssr deg l tertetu. Ssr yg dkehedk dtugk ke dlm prmeter b tu lebh dkel deg stlh l rus k kedl. Agr ssr tercp, mk 9

7 Jurl Mtemtk Vol. No., Desember 0. ISSN: peympg d bwh d d ts l b hrus dmmumk. Dlm hl kt membutuhk vrbel devsol DA d DB sehgg fugs persm kedl ssr deg l tertetu dlh: Agr DA d tuu med: D dlm peyeles optml:. Bl DA > 0 mk DB DA b (.9) DB pd persm d ts mmum, mk persm fugs Mmumk DB DA DB = 0, d bl DA = 0 mk DB > 0. (.0) b. Bl DA > 0 mk terd peympg d ts l b d berrt ssr terlmpu. D seblky DB > 0 mk terd peympg d bwh l b d dktk bhw ssr tdk tercp.. Utuk mewuudk sutu ssr d bwh l tertetu. Ssr hedk dcp dtugk ke dlm b d tdk boleh dlmpu. Oleh kre tu, peympg d ts l b hrus dmmumk gr hsl peyeles tdk melebh l b tu plg byk sebesr b tu deg kt l, kt hy membutuhk vrbel devsol DA sehgg fugs persm kedl ssr d bwh l tertetu dlh: DA b (.) Agr DA pd persm d ts mmum, mk persm fugs tuu med: D dlm peyeles optml, bl Mmumk DA (.) DA 0 mk dktk bhw ssr tercp, k tetp bl DA > 0 mk terd peympg d ts b d hl meuukk bhw ssr yg dkehedk telh terlmpu.. Utuk mewuudk sutu ssr d ts l tertetu. Kedl ssr keblk dr butr du. D s, peympg d bwh l b hrus dmmumk gr hsl peyeles plg sedkt sm deg b. Deg demk, els bhw hy membutuhk kehdr vrbel devsol DB sehgg fugs persm kedl ssr d ts l tertetu dlh: 9

8 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh Agr DB b DB mmum mk persm fugs tuu med: Mmumk DB m (.) (.4) d dlm peyeles optml DB mugk berl ol, rty ssr tercp. Nmu mugk ug berl postf, rty ssr dkehedk tdk tercp (Sswto [8])..5. Tuu deg Prorts Tuu deg prorts dlkuk kre urut pemmum vrbel devsol k meetuk urut ssr yg tercp. Oleh kre tu, pegtur prorts ssr yg hedk dcp dpt dlkuk deg megedlk urut pemlh vrbel devsol yg hrus dmmumk. Ad du mcm ssr d dlm model gol progrmmg, ytu:. Ssr-ssr deg prorts yg sm Model megggp bhw semu ssr sm petgy sehgg pbl terpks hrus d ssr yg dkorbk gr ssr yg l tercp. Dlm hl, peetu ssr m yg hrus dkorbk tu ssr m yg hrus tercp tdk begtu petg kre semu ssr dggp mempuy prorts yg sm deg ssr yg terplh. b. Ssr-ssr deg prorts yg berbed Pd model dplh ssr m yg k memperoleh prorts deg cr memlh vrbel devsol yg berkt deg ssr tu utuk dmmumk pertm kl. Deg demk betuk umum fugs tuu model gol progrmmg deg prorts ssr dlh: m Mmumk P ( DA DB ) (.5) deg P meytk besry prorts yg dgk (Sswto [8])..5.4 Betuk Umum Model Gol Progrmmg Secr umum model mtemts gol progrmmg dpt drumusk sebg berkut: Mmumk m DB DA (.6) 9

9 Jurl Mtemtk Vol. No., Desember 0. ISSN: deg bts/kedl: DB DA b DB DA b (.7) DB DA b m m d DA, d DB 0, utuk =,,,, m., Keterg: DB DA m vrbel devsol egtf vrbel devsol postf koefse kedl/tuu m vrbel keputus b trget/tuu m m m. Metode Peelt Dt yg dguk dlm peelt dlh dt sekuder ytu dt yg dperoleh secr tdk lgsug dr Proyek Perumh Golde Gd Resdece thu 008. Vrbel yg dguk dlm peelt dlh: () Dt tpe rumh yg k dpsrk. Tpe rumh yg dpsrk dlh tpe rumh 6/50, tpe rumh 45/50, tpe rumh 5/50; () Dt umlh lh yg dperutukk utuk membgu perumh Golde Gd Resdece; () Besry by produks tp tpe rumh yg dbgu; (4) Besry rsko produks. Dlm hl besry resko produks utuk tp tpe rumh dlh 0% dr hrg produks; (5) Jumlh mksmum tp tpe rumh yg dbgu; (6) Besry tgkt keutug/lb yg dperoleh phk pegembg dr peul perumh Golde Gd Resdece. Lgkh-lgkh dlm peelt dlh: () Mecr l setp vrbel peelt yg k dguk; () Mecr l mksmum umlh tpe rumh yg dbgu; () Meetukk fugs bts/kedl sesu deg persm (.9) smp deg (.4) utuk mecr l hrg ul mmum tp tpe rumh; (4) Meetuk fugs tuu sesu deg persm (.6); (5) Mecr l hrg ul mmum tp tpe rumh deg megguk metode gol progrmmg deg btu softwre Excel Solver; (6) Meetuk l gsur kredt perumh utuk gk wktu 5 d 0 thu sesu deg persm (.4). 94

10 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh 4. Hsl d Pembhs 4. By Produks, Rsko Produks, d Tgkt Keutug Dt by produks, rsko produks d tgkt keutug peul utuk msg-msg tpe rumh yg dbgu pd tbel 4.. Tbel 4. By d Rsko Produks sert Tgkt Keutug Setp Tpe Rumh Tpe rumh By Produks Rsko Produks Tgkt Keutug 6/50 45/50 5/50 Rp ,- Rp ,- Rp ,- Rp ,- Rp ,- Rp ,- 40% 40% 40% Berdsrk tbel 4. terlht bhw by produks utuk tpe rumh 6/50 dlh sebesr Rp ,-, tpe rumh 45/50 dlh sebesr Rp d tpe rumh 5/50 dlh sebesr Rp By produks sudh termsuk by uph teg ker, by bh/mterl d by ly yg berkt deg proyek perumh tersebut. By produks rumh tpe 5/50 lebh besr dr by produks rumh tpe 6/50 d 45/50. Hl dsebbk oleh perbed lus bgu. Rsko produks utuk tpe rumh 6/50 dlh sebesr Rp ,-, tpe rumh 45/50 dlh sebesr Rp d tpe rumh 5/50 dlh sebesr Rp Rsko produks msg-msg tpe rumh sebesr 0% dr by produks. Aggr by dguk utuk meutup kekurg by produks perumh. Sedgk tgkt keutug utuk tpe 6/50, 45/50 d 5/50 dlh sebesr 40%. 4. Perhtug Jumlh Rumh pd Msg-Msg Tpe Rumh Berdsrk lus lh yg dloksk oleh phk pegembg, dperoleh umlh rumh utuk msg-msg tpe pd tbel 4.. Tpe rumh 6/50 45/50 5/50 Tbel 4. Lus Lh d Jumlh rumh Msg-msg Tpe Rumh Lus msg-msg rumh 50 m 50m 50m Lus keseluruh lh 500m 500m 000m Jumlh rumh (Ut) Berdsrk tbel 4. dperoleh umlh rumh utuk tpe 6/50 dlh sebyk 6 rumh, tpe 45/50 sebyk 0 rumh, d tpe 5/50 sebyk 6 rumh. Terlht perbed umlh rumh yg dperoleh deg dt yg dperoleh dr phk 95

11 Jurl Mtemtk Vol. No., Desember 0. ISSN: pegembg. Hl dsebbk oleh msh d lh yg belum dguk secr optml dlur lur peghu d fslts umum. 4. Pemodel Hrg Peul Mmum Metode gol progrmmg dguk utuk meetuk hrg peul mmum. Pd model dguk beberp sums sebg berkut:. Modl yg dmlk oleh phk pegembg dlh sebesr Rp ,-. Tgkt keutug/lb mmum dlh sebesr 40% dr hrg produks.. Kostt b dlh totl peul mksmum utuk msg-msg tpe rumh d kostt b dlh totl by produks. Sedgk kostt b, b4, b5 dlh hrg ul wl yg dtetuk oleh phk pegembg. Deg rc sebg berkut: Tpe Rumh 6/50 45/50 5/50 Tbel 4. Jumlh Rumh, By Produks d Hrg Jul Awl Rumh Jumlh Rumh (Ut) By Produks/ut Rp ,- Rp ,- Rp ,- Hrg Jul Awl/ut Rp ,- Rp ,- Rp ,- Berdsrk tbel 4. dperoleh totl peul mksmum dr keseluruh tpe rumh yg dpsrk oleh phk pegembg ( b ) dlh sebesr Rp ,- deg rc sebg berkut: Totl = (Jumlh rumh tpe 6/50 Hrg ul wl) + (Jumlh rumh tpe 45/50 Hrg ul wl) + (Jumlh rumh tpe 5/50 Hrg ul wl) = (6 Rp ) + (0 Rp ) + (6 Rp ) = Rp ,- Utuk totl by produks dr keseluruh tpe rumh yg dbgu oleh phk pegembg ( b ) sebesr Rp ,-, deg rc sebg berkut: Totl = (Jumlh rumh tpe 6/50 By produks) + (Jumlh rumh tpe 45/50 By produks) + (Jumlh rumh tpe 5/50 By produks) = (6 Rp ) + (0 Rp ) + (6 Rp ) = Rp ,- Sedgk utuk hrg ul tpe 6/50 ( b ) sebesr Rp , hrg ul tpe 45/50 ( b 4 ) sebesr Rp ,- d hrg ul tpe 5/50 ( b 5 ) sebesr Rp ,-. 4., d dlh hrg ul mmum utuk tpe 6/50, tpe 45/50, d tpe, 5/50. 96

12 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh 4.4 Pemodel Kedl Ssr. Totl mksmum peul rumh Peetu mksmum peul rumh, dperoleh bts sebg berkut: DB DA b (4.) DB DA b. Rsko produks msg-msg tpe rumh. Peetu besry mmum rsko utuk msg-msg tpe rumh dperoleh bts sebg berkut: DB DA 0.b (4.) DB DA c. Keutug/lb yg dhrpk dr peul msg-msg tpe rumh. Utuk meetuk keutug/lb dr peul msg-msg tpe rumh dtetuk dr persetse tgkt keutug/lb dklk deg by produks msg-msg tpe rumh, sehgg dperoleh bts sebg berkut: DB DA 0.4b (4.) DB DA d. Bts mmum peul rumh utuk msg-msg tpe. Peetu bts mmum peul rumh utuk msg-msg tpe rumh dperoleh dr pemmum hrg ul wl rumh, sehgg dperoleh bts sebg berkut: DB DA (4.4) 4 4 b DB4 DA DB4 DA 4 b 4 DB4 DA4 (4.5) DB4 DA 4 b 5 DB4 DA4 (4.6) Berdsrk bts mslh, mk betuk formuls dr permslh dlh sebg berkut:. Fugs Tuu Mmumk DA DA DB DA4 DA4 DA ) ( 4 97

13 Jurl Mtemtk Vol. No., Desember 0. ISSN: b. Fugs Kedl Ssr DB DB 4 4 DB DA DA 4 DA 4 DB DB DA DB DA DA DA, d DB 0, utuk =,,,, m., Deg megguk progrm solver yg d pd Mcrosoft Excel, dperoleh solus optml utuk hrg peul mmum msg-msg tpe rumh yg dpsrk sebg berkut: Tbel 4.4 Solus Optml Hrg Jul Mmum Msg-msg Tpe Rumh Vrbel Hrg Jul Mmum Tpe 6/50 ( ) Rp ,76 Tpe 45/50 ( ) Rp ,66 Tpe 5/50 ( ) Rp ,56 Berdsrk output yg dhslk dpt dkethu bhw trget utuk prorts ytu hrg peul mmum telh terpeuh. Hl dtuukk deg l DA 4, DA 4, d DA4 0 sert hsl peyeles tdk melebh l hrg ul wl, sehgg terd perbed hrg peul msg-msg tpe rumh, deg rc sebg berkut: Tbel 4.5 Selsh Hrg Peul Msg-msg Tpe Rumh Tpe Rumh Hrg Jul Awl Hrg Jul Setelh Optms Selsh 6/50 45/50 5/50 Rp Rp Rp Rp ,76 Rp ,66 Rp ,56 Rp ,4 Rp ,4 Rp ,44 Prorts kedu ytu trget keutug yg dhrpk mmum sebesr 40% dr by produks ug dpt terpeuh, bhk terd over trget ytu sebesr Rp ,8 sehgg totl keutug yg dpt dperoleh phk pegembg sebesr Rp ,8. Hl, dpt terlht dr l DB = 0. Prorts ketg ytu trget rsko yg dhrpk mmum sebesr 0% dr hrg ul wl rumh dpt terpeuh dm l DB = 0, bhk terd over trget sebesr Rp ,79 sehgg besry rsko yg hrus dtggug oleh phk pegembg k memsrk semu tpe rumh deg hrg mmum dlh sebesr Rp ,. 98

14 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh 4.5 Perhtug Agsur Kredt Utuk meghtug gsur kredt deg gk wktu 5 thu d 0 thu deg rc ketetu gsur kredt sebg berkut: Tbel 4.6 Rc Ketetu Agsur Kredt Jgk Wktu 5 d 0 Thu Tpe rumh Hrg ul Ug muk (5% hrg ul) Ss Agsur (HJ - Ug Muk) 6/50 45/50 5/50 Rp ,76 Rp ,66 Rp ,56 Rp ,44 Rp ,4 Rp ,9 Rp , Rp ,5 Rp ,7 Berdsrk tbel 4.6 k dlkuk perhtug gsur kredt bul deg megguk metode Cptl Recovery Fctor (CRF) sebg berkut:. Jgk Wktu 5 thu.. Tpe 6/50 ( =,5% = 60 d P = Rp ,) ( ) A P ( ) /( 0.5/) A ( 0.5/) A Jd gsur setp buly sebesr Rp ,86 b. Tpe 45/50 ( =,5% = 60 d P = Rp ,5) ( ) A P ( ) /( 0.5/) A ( 0.5/) A Jd gsur setp buly sebesr Rp ,74 c. Tpe 5/50 ( =,5% = 60 d P = Rp ,7) ( ) A P ( ) /( 0.5 /) A ( 0.5 /) A Jd gsur setp buly sebesr Rp..89.8,9. Jgk Wktu 0 thu.. Tpe 6/50 ( =,5% = 0 d P = Rp ,) 99

15 Jurl Mtemtk Vol. No., Desember 0. ISSN: ( ) A P ( ) 0 0.5/( 0.5/) A ( 0.5/) A Jd gsur setp buly sebesr Rp ,49 b. Tpe 45/50 ( =,5% = 0 d P = Rp ,5) ( ) A P ( ) 0 0.5/( 0.5/) A ( 0.5/) A Jd gsur setp buly sebesr Rp ,9 c. Tpe 5/50 ( =,5% = 0 d P = Rp ,7) ( ) A P ( ) 0 0.5/( 0.5/) A ( 0.5/) A Jd gsur setp buly sebesr Rp ,7 Berdsrk perhtug d ts dperoleh hsl gsur kredt utuk msg-msg tpe rumh dlh sebg berkut: Tpe rumh 6/50 45/50 5/50 Tbel 4.7 Agsur Rumh Perbul Jgk Wktu 5 d 0 Thu Agsur bul dlm Jgk wktu 5 Thu Rp ,86 Rp ,74 Rp..89.8,9 Agsur bul dlm Jgk wktu 0 Thu Rp ,49 Rp ,9 Rp ,7 5. Kesmpul d Sr Deg megguk metode gol progrmmg dpt dkethu bhw hrg mmum peul rumh utuk rumh tpe 6/50 sebesr Rp ,-, rumh tpe 45/50 sebesr Rp ,- d rumh tpe 5/50 sebesr Rp ,- Hsl perhtug gsur kredt perbul dlm gk wktu 5 thu sebyk 60 kl gsur deg megguk metode Cptl Recovery Fctor 00

16 Rhmwt, L.I., Gdhd, G.K., Ash, N.M./Optmlss Hrg Peul Perumh (CRF) utuk tpe 6/50 sebesr Rp , tpe 45/50 sebesr Rp ,- d tpe 5/50 sebesr Rp Deg megguk metode yg sm dperoleh besr gsur kredt perbul dlm gk wktu 0 thu sebyk 0 kl gsur utuk tpe 6/50 sebesr Rp ,-, tpe 45/50 sebesr Rp ,- d tpe 5/50 sebesr Rp ,-. Berdsrk hsl peelt, beberp hl yg dpt dsrk dlh: () Bts ssr yg dpk utuk meetuk mmum hrg peul deg megguk metode gol progrmmg dlm tuls bs dtmbh deg bts ssr yg l sehgg mmpu memberk hsl yg lebh optml; () Hrg ul optml yg dperoleh oleh peuls lebh redh dbdgk hrg ul dr phk pegembg. Sehgg phk pegembg perlu mempertmbgk lg hsl yg dperoleh oleh peuls utuk meetpk hrg ul rumh; d () Perhtug gsur kredt bergtug pd besry bug d gk wktu gsur, sehgg tdk membertk kosume. Dftr Pustk [] Amud Prsp-prsp Rset Opers. Jkrt: Erlgg [] Asyto. 00. Meme Resko dlm Proyek Kostruks. Jkrt: ANDI. [] Asyto. 00. Meme Produks Utuk Js Kostruks. Jkrt: ANDI. [4] Bwoo, Bu Peyeles Permslh Optms deg Metode Noler Progrmmg. Jurl Tekolog Idustr Vol III No. [5] Kursh, Sr Ush Perbk Pemukm Kumuh d Petukg Jkrt Selt. Jurl Tekk Arstektur Uversts Bud Luhur. [6] Sstr, Supro M d Edy Mrl Perec d Pegembg Perumh. Yogykrt: ANDI. [7] Sum, Smbodho Ekoom d Meme Tekk. Yogykrt: Grh Ilmu. [8] Sswto Opertos Reserch. Jld. Jkrt: Erlgg. 0

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Bab 2 Landasan Teori

Bab 2 Landasan Teori Bb 2 Lds Teor 2.1. Ler Progrmmg Model pemrogrm ler tdk mmpu meyelesk ksus-ksus mjeme yg meghedk ssr-ssr tertetu dcp secr smult. Kelemh dlht oleh A. Chres d W.M. Cooper. Merek berdu kemud megembgk model

Lebih terperinci

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

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

Lebih terperinci

BAB VI ANALISIS REGRESI

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

Lebih terperinci

CNH2B4 / KOMPUTASI NUMERIK

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

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

Lebih terperinci

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

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

Lebih terperinci

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA De Prm Sr Jurus Mtemtk Uersts Neger Pg, Ioes eml: eprmsr@yhoo.com Abstrk. Auts lh rgk pembyr tu peerm lm jumlh tertetu yg lkuk secr berkl p jgk wktu

Lebih terperinci

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

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

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

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

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

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

Lebih terperinci

1 yang akan menghasilkan

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

Lebih terperinci

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

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

Lebih terperinci

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

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

Lebih terperinci

( X ) 2 ANALISIS REGRESI

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

Lebih terperinci

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

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

Lebih terperinci

Bab 2 LANDASAN TEORI

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

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

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

Lebih terperinci

Anuitas. Anuitas Akhir

Anuitas. Anuitas Akhir Auts Auts bersl r kt bhs Iggrs uty yg pt efsk sebg rgk pembyr tu peerm tetp lm jumlh tertetu yg lkuk secr berkl p jgk wktu tertetu. Kt uty sly berrt pembyr ul (thu), k tetp serg eg berjly wktu kt uts jug

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Ltr Belg Istlh Pemrogrm Geometr (PG) dperel oleh Duff, Peterso, d Zeer pd thu 967 Istlh dmbl dr mslh-mslh geometr g dpt dformuls sebg PG Pemrogrm Geometr dlh sutu tpe mslh optmlss mtemt g

Lebih terperinci

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

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

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

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

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

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

Lebih terperinci

BAB V ANALISIS REGRESI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

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

Lebih terperinci

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

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

Lebih terperinci

PROGRAM LINEAR BILANGAN BULAT DUAL SKRIPSI

PROGRAM LINEAR BILANGAN BULAT DUAL SKRIPSI PROGRA LINEAR BILANGAN BULAT DUAL SKRIPSI Duk Utuk emeuh Slh Stu Syrt emperoleh Gelr Sr Ss (S.S) Progrm Stud temtk Oleh: Berdet Wdsh NI : 7 PROGRA STUDI ATEATIKA JURUSAN ATEATIKA FAKULTAS ATEATIKA DAN

Lebih terperinci

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor Bb 1 Av stu Alss Vrs (Alss Of Vrce / ANOVA) stu fktor Lerg Objectves 1. Desg d coduct expermets volvg sgle d two fctors. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc

Lebih terperinci

BAB III STUDI PUSTAKA

BAB III STUDI PUSTAKA BAB III STUDI PUSTAA III.. Btubr Dlm Peggu Eerg d Pembgu Ekoom Idustr btubr memberk kotrbus pd pembgu ekoom dlm betuk, yg berkt deg tmbg btubr d peggu btubr. Hl yg terkt deg peggu btubr dlh pembgkt teg

Lebih terperinci

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

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

Lebih terperinci

Bab 4 Penyelesaian Persamaan Linier Simultan

Bab 4 Penyelesaian Persamaan Linier Simultan Bb Peyeles Persm Ler Smult.. Persm Ler Smult Persm ler smult dlh sutu betuk persm-persm yg ser bersm-sm meyjk byk vrbel bebs. Betuk persm ler smult deg m persm d vrbel bebs dpt dtulsk sebg berkut: b b

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga Rset Opers Probblstk Teor Permnn (Gme Theor) Deprtement of Mthemtcs FMIPA UNS Lecture 4: Med Strteg A. Metode Cmpurn (Med Strteg) D dlm permnn d mn permnn tersebut tdk mempun ttk peln, mk pr pemn kn bersndr

Lebih terperinci

MASALAH PROGRAMA LINIER FUZZY DENGAN FUNGSI KEANGGOTAAN LINIER

MASALAH PROGRAMA LINIER FUZZY DENGAN FUNGSI KEANGGOTAAN LINIER JRNA TEKNIK INDSTRI VO. 2 NO. JNI 2000: 28-33 MASAAH PROGRAMA INIER FZZY DENGAN FNGSI KEANGGOTAAN INIER Nyom Sutp Dose Fkults Tekk Jurus Tekk Idustr versts Krste Petr ABSTRAK Asums kepst l-l prmeter dlm

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BB LNDSN TEORI. lytcl Herrchy Process (HP) lytc Herrchy Process (HP) dlh slh stu metode khusus dr Mult Crter Decso Mkg (MCDM) yg dperkelk oleh Thoms Lore Sty. HP dpt dguk utuk memechk mslh pd stus yg kompleks.

Lebih terperinci

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

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

Lebih terperinci

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1 FITRIANA RICHA HIDAYATI 7 46 Dose Pembimbig M. ARIEF BUSTOMI, M.Si Surby, Jui JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER Alis disesuik deg geometri

Lebih terperinci

BAB III. METODE PENELITIAN

BAB III. METODE PENELITIAN BAB III. METODE PENELITIAN 3.. Kergk Metodologs Pedekt Peelt Kergk metodologs pedekt peelt deg thp sebg berkut:. Membgu model trsforms struktur ekoom Kbupte Sumbw Brt yg bru mellu skero restrukturss keterkt

Lebih terperinci

PENERAPAN CLUSTERING K-MEANS PADA CUSTOMER SEGMENTATION BERBASIS RECENCY FREQUENCY MONETARY (RFM) (STUDI KASUS : PT. SINAR KENCANA INTERMODA SURABAYA)

PENERAPAN CLUSTERING K-MEANS PADA CUSTOMER SEGMENTATION BERBASIS RECENCY FREQUENCY MONETARY (RFM) (STUDI KASUS : PT. SINAR KENCANA INTERMODA SURABAYA) Semr Nsol Mtemtk d Aplksy, 21 Oktober 2017 Surby, Uversts Arlgg PENERAPAN CLUSTERING K-MEANS PADA CUSTOMER SEGMENTATION BERBASIS RECENCY FREQUENCY MONETARY (RFM) (STUDI KASUS : SINAR KENCANA INTERMODA

Lebih terperinci

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif Vol. 3 No. 80-85 Ju 007 Bts Nl Ege Mksl D Mtks Tk Negtf A. Kes Jy Abstk Ide ut skps dlh utuk edptk etode dl eetuk bts d l ege ksl d tks tk egtf deg bedsk bts Fobeus. Ytu R d dlh ulh bs tu kolo u d R dlh

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNAN DERET BERTINKAT BERDAAR BILANAN EULERIAN DENAN OPERATOR BEDA Aleder A uw Jurus Mtetk, Fkults s d Tekolog, Uversts B Nustr Jl. K.H. yhd No. 9, Plerh, Jkrt Brt 48 gug@bus.edu ABTRACT Cscde seres

Lebih terperinci

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11)

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11) III PEMBAHASAN 3 Alisis Metode Perhtik persm itegrl Volterr berikut y ( f( λ Ktyt ( ( (8 deg y( merupk fugsi yg k ditetuk sutu kostt f( fugsi sembrg yg dikethui d terdefiisi pd R d K(ty(t sutu fugsi yg

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 6 BAB II LANDASAN TEORI 2. Shm 2.. Pegert shm Shm dpt ddefsk sebg td peyert tu kepemlk seseorg tu bd dlm sutu perush tu perush terbts. Wujud shm berup selembr kerts yg meergk sp pemlky. Ak tetp sekrg sstem

Lebih terperinci

SOLUSI SISTEM PERSAMAAN LINEAR DENGAN METODE JACOBI. Prasetyo Budi Darmono Jurusan Pendidikan Matematika FKIP Universitas Muhammadiyah Purworejo

SOLUSI SISTEM PERSAMAAN LINEAR DENGAN METODE JACOBI. Prasetyo Budi Darmono Jurusan Pendidikan Matematika FKIP Universitas Muhammadiyah Purworejo SOLUSI SISTEM PERSAMAAN LINEAR DENGAN METODE JACOBI Prsetyo Budi Drmoo Jurus Pedidik Mtemtik FKIP Uiversits Muhmmdiyh Purworejo Abstrk Persm lier dlm vribel 1, 2, 3,.. sebgi sebuh persm yg dpt diytk dlm

Lebih terperinci

RENCANA PELAKSANAAN PERKULIAHAN

RENCANA PELAKSANAAN PERKULIAHAN Lesso Study FMIPA UNY RENCANA PELAKSANAAN PERKULIAHAN MATA KULIAH : ALJABAR LINEAR II SEMESTER : III TOPIK : NILAI EIGEN DAN VEKTOR EIGEN SUB TOPIK : NILAI EIGEN DAN VEKTOR EIGEN WAKTU : X 5 A. Stdr Kompetesi:

Lebih terperinci

SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 (A & B) Dosen: Dr. Asep Juarna Jumlah Soal: 3 Uraian Tanggal Ujian: 02/03/12 Waktu Ujian: 2 jam

SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 (A & B) Dosen: Dr. Asep Juarna Jumlah Soal: 3 Uraian Tanggal Ujian: 02/03/12 Waktu Ujian: 2 jam SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 A & B Dose: Dr. Asep Jur Jumlh Sol: Uri Tggl Uji: // Wktu Uji: jm jik. Solusi t dlh: t + log, yg dpt dibuktik sbb: t jik t t + [t/ + ] + t/ + t/4 + t/8 + 4 t/

Lebih terperinci

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

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

Lebih terperinci

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan )

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan ) Kus Uji d Lem Neym-Perso Kebik sutu uji serig diukur oleh d. Di dlm prktek, bisy ditetpk, d kibty wilyh peolk (WP) mejdi tertetu pul. Kierj sutu uji jug serig diukur oleh p yg disebut kus uji (power of

Lebih terperinci

BAB I SISTEM PERSAMAAN LINEAR

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

Lebih terperinci

SISTEM PERSAMAAN LINEAR. Nurdinintya Athari (NDT)

SISTEM PERSAMAAN LINEAR. Nurdinintya Athari (NDT) SISTEM PERSAMAAN LINEAR Nurdiity Athri (NDT) Sistem Persm Lier (SPL) Sub Pokok Bhs Pedhulu Solusi SPL deg OBE Solusi SPL deg Ivers mtriks d Atur Crmmer SPL Homoge Beberp Apliksi Sistem Persm Lier Rgki

Lebih terperinci

BARISAN DAN DERET. Jawaban : D a = 3, b = 2, U 10 = (a + 9b) U 10 = = 21. Jawaban : E a = 2,5 S ~ =

BARISAN DAN DERET. Jawaban : D a = 3, b = 2, U 10 = (a + 9b) U 10 = = 21. Jawaban : E a = 2,5 S ~ = pge of SOAL Jumlh ke-0 dri bris :,, 7, 9,.dlh.. d. e. 7 9 Ebts 99 Sebuh bol jtuh dri ketiggi, meter d memtul deg ketiggi kli tiggi semul. D setip kli memtul berikuty, mecpi ketiggi kli tiggi ptul sebelumy.

Lebih terperinci

Soal-soal dan Pembahasan Matematika Dasar SBMPTN - SNMPTN 2008

Soal-soal dan Pembahasan Matematika Dasar SBMPTN - SNMPTN 2008 Sol-sol d Pembhs Mtemtik Dsr SBMPTN - SNMPTN 8 y. Dlm betuk pgkt positif, ( y). A. ( + y ) ( y ) C. ( y ) E. - ( y ) B. - ( + y ) ( y ) D. ( y ) y ( y) y ( y) y y ( y) y (y). (y) y - ( y ) ( y + ) - (-y+

Lebih terperinci

ARAH KEBIJAKAN PROGRAM produk perikanan. Program Pengembangan Kawasan budidaya air tawar

ARAH KEBIJAKAN PROGRAM produk perikanan. Program Pengembangan Kawasan budidaya air tawar MS URUSA SASARA STRATEG DKATOR KERJA KODS KODS AKHR produk perik KETAHAA PAGA Meigkt y keth pg Peigkt keth pg dri spek ketersedi,distribusi d kosumsi pg Peigkt ketersedi d cdg pg, distribusi d kses pg,

Lebih terperinci

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT OLUI DERET PANGKAT TETAP DENGAN FUNGI PEMBANGKIT Aleder A Guw Jurus Mtemt d ttst Fults s d Teolog, Uversts B Nustr Jl. K. H. yhd No. 9, Kemggs/Plmerh, Jrt Brt 8 gug@bus.edu ABTRACT Ths rtcle dscusses bout

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

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

Lebih terperinci

Unit 1 KONSEP DASAR ARITMETIKA. Josef Tjahjo Baskoro Clara Ika Sari Budhayanti. Pendahuluan

Unit 1 KONSEP DASAR ARITMETIKA. Josef Tjahjo Baskoro Clara Ika Sari Budhayanti. Pendahuluan Ut KONSEP DASAR ARITMETIKA Josef Tjhjo Bskoro Clr Ik Sr Bdhyt Pedhl M ter yg k Ad peljr pertm kl pd mt klh pemech mslh mtemtk dlh kosep dsr rtmetk. Kompetes dsr yg hrs dks setelh mempeljr t dlh Ad mmp

Lebih terperinci

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

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

Lebih terperinci

HUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNGAN DERET BERTINGKAT BERDAARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA Aleder A.. Guw Jurus Mtetk d ttstk, Fkults s d Tekolog, Bus Uversty Jl. KH. yhd No. 9, Plerh, Jkrt Brt 48. gug@bus.edu ABTRACT

Lebih terperinci

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

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

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON SKRIPSI oleh: KHUTWATUN NASIHA NIM: 4 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI (UIN) MALANG MALANG

Lebih terperinci

MA SKS Silabus :

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 7 BAB TINJAUAN PUSTAKA. Sstem Perml Cerds Perlku Kosume Sstem Perml Cerds Perlku Kosume dlh sebuh sstem g berfugs utuk merml sub produk p g seber dbutuhk oleh kosume ketk g membel sutu produk berdsrk kods

Lebih terperinci

Aljabar Linear Elementer

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

Lebih terperinci

BAB 1 PENDAHULUAN. Gambar 1.1. Kurva y=sinc(x)

BAB 1 PENDAHULUAN. Gambar 1.1. Kurva y=sinc(x) BAB PENDAHULUAN.. Megp Megguk Metode Numerk Tdk semu permslh mtemts tu perhtug dpt dselesk deg mudh. Bhk dlm prsp mtemtk, dlm memdg permslh g terlebh dhulu dperhtk pkh permslh tersebut mempu peeles tu

Lebih terperinci

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

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

Lebih terperinci

PENDAHULUAN. 3). Pembatas linear (linear constraints) Fitriani Agustina Jurusan Pendidikan Matematika UPI

PENDAHULUAN. 3). Pembatas linear (linear constraints) Fitriani Agustina Jurusan Pendidikan Matematika UPI PENDAHULUAN A. Pegerti Umum Pegerti progrm lier yg diteremhk dri Lier Progrmmig (LP) dlh sutu cr utuk meyelesik persol pegloksi sumber-sumber yg terbts di tr beberp ktivits yg bersig, deg cr yg terbik

Lebih terperinci

BAB I KOMBINATORIKA. A. Kaidah Pencacahan Terdapat dua kaidah pencacahan, yaitu kaidah penjumlahan dan kaidah perkaliah.

BAB I KOMBINATORIKA. A. Kaidah Pencacahan Terdapat dua kaidah pencacahan, yaitu kaidah penjumlahan dan kaidah perkaliah. BAB I KOMBINATORIKA Dr. Al Mhmud (Jurus Peddk Mtemtk FMIPA UNY) Combtorcs hs emerged s ew subject stdg t the crossrods betwee pure d plled mthemtcs, the ceter of bustlg ctvty, smmerg pot of ew problems

Lebih terperinci

MODEL TABEL INPUT-OUTPUT NASIONAL (REGIONAL) 1. KERANGKA DASAR MODEL TABEL INPUT-OUTPUT

MODEL TABEL INPUT-OUTPUT NASIONAL (REGIONAL) 1. KERANGKA DASAR MODEL TABEL INPUT-OUTPUT MODEL TABEL INPUT-OUTPUT NASIONAL (REGIONAL) Dlm sutu perec pembgu ekoomi diperluk peetu priorits kegit ditr sektor-sektor perekoomi. Pd dsry msig-msig sektor tersebut tidk berdiri sediri mu slig memiliki

Lebih terperinci

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

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

Lebih terperinci

HUKUM SYLVESTER INERSIA

HUKUM SYLVESTER INERSIA Vol 6 No 3 44-56 Desember 3 ISSN : 4-858 HUKUM SYLVESTER INERSIA R Heru Tjhj Jurus Mtemt FMIPA UNDIP Abstr Mtrs represets sutu betu udrt dpt dsj sebg mtrs dgol Eleme pd dgol utm mtrs represets tersebut

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Penyelesaian Persamaan Linier Simultan

Penyelesaian Persamaan Linier Simultan Peyelesi Persm Liier Simult Persm Liier Simult Persm liier simult dlh sutu betuk persm-persm yg ser bersm-sm meyjik byk vribel bebs Betuk persm liier simult deg m persm d vribel bebs ij utuk i= s/d m d

Lebih terperinci

BAB V INTEGRAL DARBOUX

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

Lebih terperinci

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

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

Lebih terperinci

PENDUGAAN FUNGSI KEUNTUNGAN DAN SKALA USAHA BUDIDAYA IKAN KERAPU MACAN

PENDUGAAN FUNGSI KEUNTUNGAN DAN SKALA USAHA BUDIDAYA IKAN KERAPU MACAN PENDUGAAN FUNGSI KEUNTUNGAN DAN SKALA USAHA BUDIDAYA IKAN KERAPU MACAN (Epephelus fuscogutttus DALAM KERAMBA JARING APUNG DI PERAIRAN TELUK LAMPUNG, PROPINSI LAMPUNG (Estto o Proft Fucto d Ecooc Scle of

Lebih terperinci

PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA

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

Lebih terperinci

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 0 BAB III METODOLOGI PENELITIAN 3. 1. Loks d Wktu Peelt 1.1.1 Loks Peelt Peelt dlksk d MA Neger 3 Kot Gorotlo pd ssw kels. ekolh merupk slh stu sekolh meegh ts yg terletk d Jl KH. Dewtoro Kelurh Lmb U1

Lebih terperinci

UNIVERSITAS INDONESIA METODE STAIRCASE UNTUK MENDAPATKAN BENTUK KANONIK JORDAN DENGAN KARAKTERISTIK WEYR SKRIPSI NURRY WIDYA HESTY

UNIVERSITAS INDONESIA METODE STAIRCASE UNTUK MENDAPATKAN BENTUK KANONIK JORDAN DENGAN KARAKTERISTIK WEYR SKRIPSI NURRY WIDYA HESTY UNIVERSITS INDONESI METODE STIRCSE UNTUK MENDPTKN BENTUK KNONIK JORDN DENGN KRKTERISTIK WEYR SKRIPSI NURRY WIDY HESTY 976 Fkults Mtemtk d Ilmu Pegethu lm Progrm Stud Mtemtk Depok Februr Metode strcse...,

Lebih terperinci

SOLUSI PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 2015

SOLUSI PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 2015 PAKET. Sit: SOLUSI PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN. ~ p q p ~ q. ~ p q~ p ~ q Jdi, igkr dri pert dlh Air sugi melup d kot tidk kejir tu eerp wrg kot tidk hidup mederit. []. Sit:. p q ~ q ~

Lebih terperinci

MAKALAH STATISTIK DAN STOKASTIK

MAKALAH STATISTIK DAN STOKASTIK MAKALAH STATISTIK DAN STOKASTIK DISUSUN OLEH : Yop Mrss Shte 6567 ROGRAM STUDI TEKNIK ELEKTRO DEARTEMEN TEKNOLOGI INDUSTRI SEKOLAH VOKASI UNIVERSITAS DIONEGORO SEMARANG 7 KATA ENGANTAR u syukur kehdrt

Lebih terperinci

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

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

Lebih terperinci

Tekun dan Teliti adalah Kunci Keberhasilan Anda PEMROGRAMAN LINEAR

Tekun dan Teliti adalah Kunci Keberhasilan Anda PEMROGRAMAN LINEAR Teku d Telt dlh Kuc Keberhsl Ad PEMROGRAMAN LINEAR Pdg bg Rset Opers berkut: TSP MP Trss Trsp Network PD PL PNL P Progr Ler (PL) erupk bg dr rset opers (RO) g erupk kupul etode peeles slh-slh t secr tets.

Lebih terperinci

BAB IV METODA ANALISIS RANGKAIAN

BAB IV METODA ANALISIS RANGKAIAN 6 BAB METODA ANALSS RANGKAAN Metod nlss rngkn sebenrny merupkn slh stu lt bntu untuk menyeleskn sutu permslhn yng muncul dlm mengnlss sutu rngkn, blmn konsep dsr tu hukum-hukum dsr sepert Hukum Ohm dn

Lebih terperinci

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD Dydesury Jlro,Dw Ispry Alum Jurus Memk FMIPA UNDIP S Progrm Sud Ssk FMIPA UNDIP Absrk Model regres erpoog s merupk suu model regres

Lebih terperinci