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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 Mtemtk d Ilmu Pegethu Alm Kmpus Bwd Pekbru, 893, Idoes rzphlevmth06@gml.com ABSTRACT Relto betwee two vrbles d re ot lws ler, but lso o-ler. Sctter dgrm from o-ler reltoshp wll show ptter of dt pots tht c be ppromted b epoetl curve. The process of determg epoetl curve tht best fts dt set clled epoetl regresso. I order to get the best epoetl regresso curve ws used stdrd lest squre method wth logrthm trsformto. However, usg ths logrthm cuses error chge from error the vrble to the error the vrble l. To overcome ths problem, Glster Itert. J. Mth. Ed. Sc. Tech.. 38 (007): 4-47 proposes lest squre method tht s bsed o pplg weghtg the stdrd lest squre method tht s bsed o the error the logrthm of vrble. Ths method s clled weghted lest squre method tht we dscuss ths rtcle. B comprg these two methods the cse of epoetl dt, the performce of the weghted lest squre method s better th tht of the stdrd lest squre method. Ke words : epoetl regresso, stdrd lest squre method, weghted lest squre method. ABSTRAK Hubug tr du vrbel d tdk sellu bersft ler, tetp bs jug o ler. Dgrm pecr dr hubug o ler k meujukk sutu pol dr sebr dt g dpt ddekt deg kurv ekspoesl. Proses peetu sutu kurv ekspoesl g plg sesu deg sekumpul dt dsebut deg regres ekspoesl. Utuk medptk kurv regres ekspoesl g sesu, dpt dguk metode kudrt terkecl sederh deg megguk trsforms logrtm. Nmu, deg peggu logrtm megkbtk terjd perubh error tu error d vrbel mejd error d vrbel l. Utuk megts, Glster Itert. J. Mth. Ed. Sc. Tech.. 38 (007): 4-47 merk metode kudrt terkecl g ddsrk pd peerp bobot dlm metode kudrt terkecl sederh g ddsrk pd error dlm logrtm vrbel. Metode lh g

2 ddskusk ds g dkel deg metode kudrt terkecl berbobot. Deg membdgk hsl g ddpt oleh kedu metode tersebut pd ksus dt ekspoesl terlht bhw metode kudrt terkecl berbobot lebh bk dbdgk deg metode kudrt terkecl sederh. Kt kuc : metode kudrt terkecl sederh, metode kudrt terkecl berbobot, regres ekspoesl.. PENDAHULUAN Hubug tr du vrbel d tdk sellu bersft ler, k tetp bs jug o ler. Dgrm pecr dr hubug g ler k meujukk sutu pol tu tred dr sebr dt g dpt ddekt deg grs lurus, sedgk g o ler dpt ddekt deg kurv legkug. Regres dpt dbg du tu regres ler d regres o ler. Regres o ler dpt dbg mejd du jes tu model ler trsk d model o ler trsk [3,h.438]. Model ler trsk dpt dubh betuk mejd ler tu deg cr metrsformsk vrbelvrbel, slh stu cotoh dlh model ekspoesl, sedgk model o ler trsk tdk dpt dlerk mellu trsforms. Apbl terdpt sebr dt g tdk tept ddekt deg kurv ler tu grs lurus, mk dpt ddekt deg kurv o ler. Slh stu kurv o ler dlh kurv regres ekspoesl. Regres ekspoesl dguk utuk meetuk fugs ekspoesl g plg sesu deg sekumpul dt. Regres ekspoesl merupk pegembg dr regres ler deg memftk fugs b logrtm. Slh stu betuk fugs ekspoesl dlh e. Utuk meetuk kurv regres ekspoesl, terlebh dhulu dtetuk koefse regres deg megguk metode kudrt terkecl sederh. Utuk dpt megguk metode b pd regres ekspoesl, mk fugs ekspoesl e dubh ke betuk ler deg megguk logrtm turl, sehgg meghslk sutu persm ler tu l l b. Nmu, deg peggu logrtm tersebut megkbtk terjd perubh error tu error d vrbel mejd error d vrbel l, sehgg perlu dpertmbgk metode kudrt terkecl g ddsrk pd peerp bobot dlm kudrt terkecl sederh. Metode dsebut deg metode kudrt terkecl berbobot. Deg dperoleh koefse regres ekspoesl megguk metode kudrt terkecl sederh d metode kudrt terkecl berbobot, mk dperoleh persm regres ekspoesl d dpt dbdgk resdu pd ksus dt ekspoesl.. FUNGSI EKSPONENSIAL Fugs ekspoesl dlh fugs g vrbel bebs ) ( merupk pgkt dr sutu kostt. Fugs ekspoesl bs dguk utuk meggmbrk pertumbuh tu peluruh g berlgsug secr kotu deg persetse perubh kost.

3 Betuk sederh dr fugs ekspoesl, tu f ( ) b, b 0. Fugs ekspoesl mempu du bss, tu bss kostt b d bss blg e. Jk bss e dguk dlm fugs ekspoesl, mk dsebut sebg fugs ekspoesl sl. Nl tksr dr e dlh,788 g dpt dbuktk deg mecr deret Mclur dr fugs f () = e [,h.55]. Defs [6,h.387] Ivers l dsebut fugs ekspoe sl d dtuls sebg ep tu ep l. Defs [6,h.387] Blg e dlh blg rel postf g bersft l e. Fugs ekspoesl sl dpt dubh kebetuk ler deg megguk logrtm sl. Sft-sft fugs logrtm sl dpt dlht pd Defs 3 d Teorem. Defs 3 [6,h.37] Fugs logrtm sl, dtuls sebg l ddefsk deg l dt, 0. t Teorem [6,h.375] Apbl d b blg-blg postf d r sebuh blg rsol, mk : (). l 0 (). (). (v). l b l l b l b l l b l r l r 3. METODE KUADRAT TERKECIL SEDERHANA Regres g plg sederh tu berup grs lurus tu ler, deg megsumsk h vrbel g memlk error, sedgk utuk setp berl tetp. Utuk meetuk kurv ler tu grs lurus g dpt mewkl sebr dt, dpt dguk sutu metode pedekt g memmumk jumlh kudrt error dr ttk dt pegmt ke grs regres. Metode pedekt dsebut deg metode kudrt terkecl sederh. Metode dguk utuk medptk persm grs lurus pd sebr dt g dmt, deg hrp dperoleh jumlh 3

4 kudrt error sekecl mugk. Dlm megguk metode pd regres, hrus dpeuh sums-sums dsr [5,h.79]. Betuk model regres ler sederh dtk dlm persm Y mx c u. () Dr persm (), mk error ke- dtuls u Y mx c. Deg demk, jumlh kudrt error dt terhdp grs regres dtuls Y mx c. u () Sebg l tksr, dplh m d ĉ. Utuk medptk l m d ĉ ddsrk pd memmumk fugs persm () deg cr medffereslk fugs tersebut terhdp m d c, llu dsmk deg ol. c u m u METODE KUADRAT TERKECIL SEDERHANA UNTUK REGRESI EKSPONENSIAL Dgrm pecr dr hubug g ler k meujukk sutu pol dr sebr dt g dpt ddekt deg grs lurus, sedgk g o ler dpt ddekt deg kurv legkug. Regres ekspoesl dguk utuk meetuk fugs ekspoesl g plg sesu deg sekumpul dt. Utuk dpt megguk metode kudrt terkecl sederh pd regres ekspoesl, mk fugs ekspoesl b e dubh ke betuk ler deg megguk logrtm sl tu mejd l l b. Deg megsumsk h vrbel l g memlk error sedgk vrbel memlk l tetp, mk model regres ler dlh l l. (3) b Berdsrk persm (3), mk error ke- dtuls l l b, utuk,,...,, sehgg jumlh kudrt error dlh l l b. S (4) 4

5 5 Sebg l tksr, dplh b d. l Utuk medptk l b d â l ddsrk pd memmumk fugs S pd persm (4) deg cr medffereslk fugs tersebut terhdp b d l, llu dsmk deg ol. 0. l b Deg demk, dperoleh l b utuk kemrg grs regres d l â l utuk perpotog grs regres terhdp sumbu, berturut-turut tu, l l b d. l l l 5. METODE KUADRAT TERKECIL BERBOBOT UNTUK REGRESI EKSPONENSIAL Deg peggu logrtm tersebut megkbtk perubh error tu error d vrbel mejd error d vrbel l, sehgg perlu dpertmbgk metode kudrt terkecl g ddsrk pd peerp bobot dlm kudrt terkecl sederh [4]. Metode dsebut deg metode kudrt terkecl berbobot. Deg megguk teorem Tlor [,h.6], dperoleh error d vrbel l, tu. 3 l l l 3 3 Art, error d l tu sektr tu error d vrbel tu sektr dkl error d vrbel l, sehgg error d vrbel dpt dtuls, tu. l l b (5)

6 6 Sel tu, kre kurv regres ekspoesl ts g dgk drpd kurv ler l ts d error dlm g g dmmlk sert berdsrk persm (5), mk fugs g lebh tept dmmlk dlh :, l l b H tu b H. l l ) (6 Sebg l tksr, dplh q d. l p Utuk medptk l q d p l ddsrk pd memmumk fugs H pd persm (6) deg cr medffereslk fugs tersebut terhdp b d l, kemud dsmk deg ol. 0. l H b H Deg demk, dperoleh l q utuk kemrg grs regres d l p l utuk perpotog grs regres terhdp sumbu, berturut-turut tu, l l q d. l l l p 6. SIMULASI DATA EKSPONENSIAL Utuk membdgk metode kudrt terkecl sederh deg metode kudrt terkecl berbobot dlm regres ekspoesl, dlkuk smuls deg cr membetuk dt ekspoesl. Deg fugs ekspoesl e 0,5 d memlh 5 deg memlk jrk g sm tu, mk dpt dbetuk dt ekspoesl deg mempertmbgk tpe dt :

7 . Error sergm tu, tetp td ± dplh secr ck, sehgg persm mejd 0,5 e.. Error berdstrbus orml deg rt-rt 0 d vrs berl 0, sehgg persm mejd 0,5 e. Pd Tbel d dsjk rt-rt resdu d jumlh kudrt resdu berturut-turut utuk tpe dt ke- d tpe dt ke- deg jumlh dt 9, 0,, d 3. Tbel : Rt-rt Resdu d Jumlh Kudrt Resdu utuk Tpe Dt ke- Metode Kudrt Metode Kudrt Jumlh Terkecl Sederh Terkecl Berbobot Dt Rt-rt Jumlh Kudrt Rt-rt Jumlh Kudrt Resdu Resdu Resdu Resdu 9,3 8,36,05,4 0, 7,8,04 3,,46 56,90,03 3,83,53 58,80,04 5,30 3,63 8,83,0 7,3 Tbel : Rt-rt Resdu d Jumlh Kudrt Resdu utuk Tpe Dt ke- Metode Kudrt Metode Kudrt Jumlh Terkecl Sederh Terkecl Berbobot Dt Rt-rt Jumlh Kudrt Rt-rt Jumlh Kudrt Resdu Resdu Resdu Resdu 9 0,37,57 0,3,40 0 0,44 4,4 0,3,63 0,47 4,55 0,33,95 0,49 5,59 0,39,63 3 0,50 8,37 0,35,53 Pd Tbel d dpt dlht bhw rt-rt resdu d jumlh kudrt resdu dr metode kudrt terkecl berbobot utuk tpe dt ke- d tpe dt ke- deg melkuk 0 kl pembetuk dt utuk setp jumlh dt lebh kecl dr rt-rt resdu d jumlh kudrt resdu deg megguk metode kudrt terkecl sederh. 7

8 DAFTAR PUSTAKA [] Brtle, R.G. & D.R. Sherbert Itroducto to Rel Alss, Secod Edto. Joh Wle & Sos, New York. [] Chg, A.C Dsr-dsr Mtemtk Ekoom Eds Ketg. Terj. dr Fudmetl Methods Of Mthemtcl Ecoomcs, 3rd Edto, oleh Sudgo, S. & Nrtto. Peerbt Erlgg, Jkrt. [3] Drper, N.R. & H. Smth. 99. Alss Regres Terp Eds Kedu. Terj. dr Appled Regresso Alss, Secod Edto, oleh Sumtr, B. Peerbt Grmed, Jkrt. [4] Glster, P Epoetl curve fttg wth Lest Squres, Itertol Jourl of Mthemtcl Educto Scece d Techolog. 38 (3) : [5] Gujrt, D.N. & D.C. Porter. 00. Dsr-dsr Ekoometrk Eds Kelm. Terj. dr Bsc Ecoometrcs, Ffth Edto, oleh Mrdugrh, E., S. Wrdh & C. Mgusog. Peerbt Slemb Empt, Jkrt. [6] Purcell, E.J. & D. Vrberg Klkulus d Geometr Alts Eds Kelm: Jld. Terj. dr Clculus wth Altc Geometr, Ffth Edto, oleh Susl, I.N., B. Krtssmt & Rwuh. Peerbt Erlgg, Jkrt. 8

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

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

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

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

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. 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 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

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

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

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

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

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

( 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

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

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

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

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

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

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

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

Lebih terperinci

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

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 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

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

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 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

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

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

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

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

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

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

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 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

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS Metode Numerk Regres Um S dh Polteknk Elektronk Neger Surb 008 PENS-ITS 1 Metode Numerk Topk Regres Lner Regres Non Lner PENS-ITS Metode Numerk Metode Numerk Regres vs Interpols REGRESI KUADRAT TERKECIL

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

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 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

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

TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN

TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN Yo Hedri 1* Asmr Krm Musrii 1 Mhsisw Progrm S1 Mtemtik Dose JurusMtemtik Fkults Mtemtik d Ilmu Pegethu Alm Uiversits Riu

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

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

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

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

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

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

Lebih terperinci

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

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

Lebih terperinci

3SKS-TEKNIK INFORMATIKA-S1

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

Lebih terperinci

Hendra Gunawan. 21 Februari 2014

Hendra Gunawan. 21 Februari 2014 MA0 MATEMATIKA A Hedr Guw Semester II, 03/04 Februri 04 Kulih Sebelumy 9.4 Deret Positif: Uji Liy Memeriks kekoverge deret positif deg ujiperbdigd ujirsio 9.5 Deret Gti Td: Kekoverge Mutlk d Kekoverge

Lebih terperinci

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

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

Lebih terperinci

DEFINISI INTEGRAL. ' untuk

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

Lebih terperinci

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

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

Lebih terperinci

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

Bab IV Faktorisasi QR

Bab IV Faktorisasi QR Bb IV Ftorss QR. Pedhulu Ftorss QR dr mtr A beruur m dlh pegur mtr A mejd A Q R dm Q R m m dlh orthogol d R R m segtg ts. Ftorss serg jug dsebut ftorss orthogol (orthogol ftorzto). Ad beberp r yg dgu utu

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

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

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

Kajian Integral Cavalieri-Wallis dan Integral Porter-Wallis serta Kaitannya dengan Integral Riemann

Kajian Integral Cavalieri-Wallis dan Integral Porter-Wallis serta Kaitannya dengan Integral Riemann J. Mth. d Its Appl. ISSN: 1829-605X Vol. 3, No. 2, Nov 2006, 81 93 Kji Itegrl Cvlieri-Wllis d Itegrl Porter-Wllis sert Kity deg Itegrl Riem Rt Sri Dewi d Sursii Jurus Mtemtik ITS Istitut Tekologi Sepuluh

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

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

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

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

Lebih terperinci

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

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal.

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal. BASIS ORTOGONA Bts Bl V rg Ecldes S V dsebt Hmp Ortogol bl tp d sr S ortogol DAI J S hmp ortogol yg terdr dr K bh etor t ol dlm rg Ecldes V m S bebs ler V hssy bl dmes V S bss t V dsebt Bss ortogol DAI

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

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

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

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

Lebih terperinci

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

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA1201 MATEMATIKA 2A Hedr Guw Semester II, 2016/2017 24 Februri 2017 9.6 Deret Pgkt Kulih yg Llu Meetuk selg kekoverge deret pgkt 9.7 Opersi pd Deret Pgkt Melkuk opersi pd deret pgkt yg dikethui jumlhy

Lebih terperinci

1. Aturan Pangkat 3. Logartima

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

Lebih terperinci

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

INTERPOLASI PERTEMUAN : S K S - T E K N I K I N F O R M A T I K A - S1 M O H A M A D S I D I Q

INTERPOLASI PERTEMUAN : S K S - T E K N I K I N F O R M A T I K A - S1 M O H A M A D S I D I Q INTERPOLASI 3 S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D S I D I Q PERTEMUAN : - SEBELUM-UTS Pegtr Metode Numerik Sistem Bilg d Keslh Peyji Bilg Bult & Pech Nili Sigiik Akursi d Presisi

Lebih terperinci

Daftar Isi. Halaman i KATA PENGANTAR

Daftar Isi. Halaman i KATA PENGANTAR KATA PENGANTAR Dftr Is Hlm DAFTAR ISI BAB I PENDAHULUAN PENGERTIAN METODE NUMERIK BILANGAN DAN ANGKA SIGNIFIKAN KONSEP DASAR KALKULUS : NILAI ANTARA DAN DERET TAYLOR GALAT DAN TOLERANSI DALAM METODE NUMERIK

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

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

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

Lebih terperinci

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

BAB II KAJIAN TEORI. operasi penjumlahan dan operasi perkalian mempunyai sifat-sifat. 1. R merupakan grup komutatif terhadap operasi penjumlahan.

BAB II KAJIAN TEORI. operasi penjumlahan dan operasi perkalian mempunyai sifat-sifat. 1. R merupakan grup komutatif terhadap operasi penjumlahan. 4 BAB II KAJIAN TEORI A. Sstem Blg Rel es II.A. Sstem blg rel R merpk st sstem ljbr g terhdp opers pejmlh d opers perkl memp st-st sebg berkt:. R merpk grp komtt terhdp opers pejmlh.. R -{} merpk grp komtt

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel

BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel BAB TINJAUAN TEORITIS.. Regres Ler Sederh Regres ler dlh lt sttst yg dpergu utu megethu pegruh tr stu tu beberp vrbel terhdp stu buh vrbel. Vrbel yg mempegruh serg dsebut vrbel bebs, vrbel depede tu vrbel

Lebih terperinci

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

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

Lebih terperinci

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

Bab 3 SISTEM PERSAMAAN LINIER

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

Lebih terperinci

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

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

Lebih terperinci

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

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA

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

Lebih terperinci

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

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

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

Lebih terperinci

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

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA UNIVERSITAS INDONESIA PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA 0706695 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK JULI

Lebih terperinci

DIKTAT. Mata Kuliah METODE NUMERIK. Oleh: I Ketut Adi Atmika

DIKTAT. Mata Kuliah METODE NUMERIK. Oleh: I Ketut Adi Atmika DIKTAT Mt Kulh METODE NUMERIK Oleh: I Ketut Ad Atmk JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS UDAYANA 6 KATA PENGANTAR Dktt dsusu utuk memudhk mhssw dlm memhm beberp metode umerk utuk meyelesk persm-persm

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

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

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

Lebih terperinci

Metode Iterasi Gauss Seidell

Metode Iterasi Gauss Seidell Metode Itersi Guss Seidell Metode itersi Guss-Seidel : metode yg megguk proses itersi higg diperoleh ili-ili yg berubh. Bil dikethui persm liier simult: Berik ili wl dri setip i (i s/d ) kemudi persm liier

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

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

METODE NUMERIK PERTEMUAN : 5 & 6 M O H A M A D S I D I Q 3 S K S - T E K N I K I N F O R M A T I K A - S1

METODE NUMERIK PERTEMUAN : 5 & 6 M O H A M A D S I D I Q 3 S K S - T E K N I K I N F O R M A T I K A - S1 METODE NUMERIK S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D S I D I Q PERTEMUAN : 5 & 6 PENYELESAIAN PERSAMAAN LINIER SIMULTAN S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D

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

Estimasi Koefisien Fungsi Regular- Dari kelas Fungsi Analitik Bieberbach-Eilemberg

Estimasi Koefisien Fungsi Regular- Dari kelas Fungsi Analitik Bieberbach-Eilemberg Estimsi Koefisie Fugsi Regulr- Dri kels Fugsi Alitik Bieberbch-Eilemberg Oleh Edg Chy M.A Jurus Mtemtik FPMIPA UPI Abstrk Tulis ii mejelsk tetg estimsi koefisie fugsi regulr- yg dideretk, sebgi fugsi yg

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

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

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

6. Selanjutnya langkah penyelesaian

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

Lebih terperinci

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