MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL"

Transkripsi

1 Menenukan (Sudarno) MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL Sudarno Jurusan Saisika FSM UNDIP Absrac The ransiion robabiliy marix is a marix which conains some robabiliy among wo sae I has roeries ha every robabiliy is non-negaive and sum by row a every sae is one This aer wan o deermine he ransiion robabiliy marix by Lalace ransform and exonenial of a marix mehods To consruc he ransiion robabiliy marix by Lalace ransform deends on ideniy marix and generaor marix, bu by marix exonenial mehod deends on generaor marix only In his research obained resul ha marix exonenial mehod easier han Lalace ransformaion Because i is aided by sofware and rogramming The ransiion robabiliy marix can be used o redic robabiliy each oher sae I could be used o redic value of sae robabiliy on long-erm or limiing behavior, oo Oherwise, he ransiion robabiliy mrix could be used o consruc occuancy imes marix Keywords: Generaor marix, Lalace ransform, Exonenial marix, Occuancy imes marix Pendahuluan Ruang sae meruakan himunan kondisi yang mungkin dilalui oleh roses sokasik yang dibicarakan Pada roses ini, ruang sae yang diilih adalah ruang sae yang berhingga, yaiu S {,2,, N} Sedangkan roses sokasik { X (, } meruakan roses sokasik waku-koninu dengan ruang sae S, sedangkan mariks buur sangkar yang berukuran N x N yang berisi eluang erindahan (ransisi) dari sau sae ke sae yang lain dengan sifa nilainya nonnegaif dan umlah eluang secara horizonal sama dengan sau, meruakan mariks eluang ransisi P( unuk -langkah yang disingka dengan mariks eluang ransisi Mariks eluang ransisi daa diergunakan unuk rediksi eluang angka anang (seady sae) [4,5,7,8,] Jika erdaa suau fungsi yang didefinisikan ada himunan nonnegaif ke himunan bilangan riil Maka daa dieroleh suau fungsi yang berua ransformasi Lalace yang berua suau fungsi dengan variabel bebasnya meruakan bilangan komleks dengan bagian riilnya bernilai osiif Anara fungsi dengan variabel bebas yang berua bilangan nonnegaif eradi hubungan biekif erhada fungsi dengan variabel bebas yang berua bilangan komleks, dengan syara bagian riinya bernilai osiif Sedangkan mariks eksonensial dari suau mariks buur sangkar meruakan eksonensial dari mariks ersebu Penabarannya idenik dengan konse fungsi eksonensial ada suau variabel bebasnya Hasilnya sama dengan mariks buur sangkar yang berua enumlahan dari mariks idenias dan mariks berangka dari mariks embenuknya [2,3,5] Dalam Taar e al (28), dibahas enang mengui hioesis enang mariks eluang ransisi dari roses Markov nonhomogin dengan model muli-sae ada daa ersensor Sedangkan kelanuannya berua masalah k-samel dalam model muli-sae dan enguian hioesis dari mariks-mariks eluang ransisi (Taar e al (24)) Pada Eslahchi e al (22), disimulasikan erhiungan mariks eluang ransisi dari roses 8

2 Media Saisika, Vol 8 No 2, Desember 25: 8-9 Markov enang kelahiran dan kemaian dalam model eidemik Peneraan dari mariks eluang ransisi adalah unuk memrediksi mariks waku okuansi Waku okuansi adalah rediksi waku yang dierlukan dari sau sae ke sae lain ada ranai Markov waku koninu [5] Pada ulisan ini ingin dicari mariks eluang ransisi dengan menggunakan rasformasi Lalace dan mariks eksonensial Juga ingin dikeahui meode mana yang lebih mudah dierakan ada mariks secara umum Hasil yang dieroleh dari mariks eluang rasisi daa digunakan unuk rediksi eluang baik angka endek mauun angka anang Sehingga hasil ini daa diadikan iakan unuk engambilan keuusan enang masalah yang dibicarakan Selain iu dierakan ada embenukan waku okuansi dan mariks waku okuansi 2 Transformasi Lalace dan Mariks Eksonensial 2 Meode Diagonalisasi dan Mariks Generaor a Meode Diagonalisasi Menuru Fuller (962) and Ganmacher (96) menyaakan bahwa suau mariks buur sangkar A berukuran m x m dikaakan daa didiagonalkan (diagonalizable), ika erdaa suau mariks inveribel X dan mariks diagonal D diag [ λ, λ2,, λm ], sedemikian hingga A X D X Dalam hal ini, λ adalah nilai eigen dari mariks A, x adalah kolom ke- dari mariks X, dan y adalah baris ke- dari mariks X - Teorema Jika A X D X maka m n n n X D X λ x y A () Buki: Karena mariks A diagonalizable, maka berlaku A X D X Sehingga n n A [ X D X ][ X D X ] [ X D X ] X D X Dengan menggunakan n n n n D diag [ λ, λ2,, λm ] maka didaa ersamaan kedua dalam Persamaan () b Mariks Generaor [5] Mariks generaor meruakan suau mariks yang membangun aau membangkikan roses sokasik ranai Markov waku koninu { X (, } Noasi dari mariks generaor diulis dengan Q [ q i ] i S, dimana S adalah ruang sae Salah sau dari sifa mariks generaor adalah umlah dari semua elemen barisnya sama dengan nol, yaiu q, i S S i 82

3 Menenukan (Sudarno) Selanunya dibicarakan eorema enang hubungan anara mariks eluang ransisi dengan mariks generaor Teorema 2 (Kulkarni, 2) Misalkan P( meruakan suau mariks eluang ransisi dari ranai Markov waku-koninu (RMWK) dengan ruang-sae S {,,2, } dan mariks generaor Q Maka P( adalah daa diurunkan (differeniable) erhada dan memenuhi d P ( P' ( Q P(, (2) d dan d P( P' ( P( Q, (3) d dengan syara awal P() I, dimana I adalah suau mariks idenias yang berukuran sesuai dengan maeri yang dibicarakan Kadang diumai isilah yang digunakan unuk memberi nama Persamaan (2) adalah ersamaan mundur, sedangkan Persamaan (3) disebu ersamaan mau 22 Transformasi Lalace [5] Transformasi Lalace meruakan ransformasi fungsi biekif dari fungsi dengan domain himunan nonnegaif erhada himunan bilangan komleks Definisinya sebagai beriku: Misalkan f :[, ) (, ) Maka ransformasi Lalace dari fungsi ersebu adalah f ( s) sx e x f ( x) dx, ika inegral ersebu ada unuk suau bilangan komleks s dengan Re ( s ) >, dimana Re(s) adalah bagian riil dari bilangan komleks s Unuk mengeahui eluang ransisi i (, dierlukan ransformasi Lalace yang didefinisikan sebagai beriku: ( ) s i s e i ( d, Re ( s) > Dengan mendefinisikan seia elemen dari mariks eluang ransisi P( ke dalam ransformasi Lalace, maka didaa mariks eluang ransisi baru P ( s ), yaiu P ( s) i ( s) [ ] i S, Beriku akan dibahas eorema yang diadikan dasar unuk membenuk mariks eluang ransisi P( menggunakan mariks eluang ransisi P ( s ) Teorema 3 Transformasi Lalace dari mariks eluang ransisi P( diberikan dengan P ( s) [ si Q], Re ( s) > Buki: Dengan menggunakan sifa dari ransformasi Lalace, dieroleh e s ' i ( d si ( s) i () 83

4 Media Saisika, Vol 8 No 2, Desember 25: 8-9 Dalam benuk mariks, hasil ini meruakan ransformasi Lalace dari mariks urunan ' P ( yang diberikan oleh s P ( s) I Selanunya, dengan melakukan ransformasi Lalace ada kedua sisi dari Persamaan 2 aau 3, dan menggunakan syara awal P() I, didaa s P ( s) I QP ( s) P ( s) Q (4) Persamaan (4) ini daa disederhanakan menadi ( s I Q) P ( s) P ( s) ( si Q) I Karena s I Q memunyai invers unuk Re ( s ) >, maka eorema erbuki 23 Mariks Eksonensial [5] Didefinisikan eksonensial dari suau mariks buur sangkar A yang berukuran N x N sebagai beriku: + n A A e I i n! Dalam hal ini, e A meruakan mariks buur sangkar berukuran N x N Jika mariks A adalah mariks diagonal, yaiu A diag [ a, a2,, a N ], Maka A a [ a2 a e diag e, e,, e N ] Pada eorema di bawah ini akan diumai mariks generaor Q yang daa dibua menadi erkalian dari beberaa mariks dengan salah sau mariksnya meruakan mariks diagonal (diagonalizable) Mariks Q dikaakan diagonalizable, ika ada mariks diagonal D dan mariks inveribel X sedemikian hingga Q X D X - (5) Teorema 4 Mariks eluang ransisi dari RMWK memunyai sae-berhingga dengan mariks generaor Q diberikan oleh Q P ( e, (6) Lebih lanu, ika Q diagonalizable dan memenuhi Persamaan 5, maka P( Xe D X N i e λi x i y i, dimana λi D ii, x i adalah kolom ke- i dari mariks X, dan y i adalah baris ke- i dari mariks X - Buki: Berdasarkan engerian dari mariks eksonensial diaas, berari ( ) + n Q Q e I, (8) i n! Jika diurunkan erhada variable didaa d Q Q Q e Qe e Q d Dengan demikian e Q memenuhi ersamaan mau dan ersamaan mundur Karena ada solusi unggal ada ersamaan ersebu dalam hal ruang-sae berhingga, maka dieroleh Persamaan 6 Selanunya berdasarkan Teorema, dihasilkan bahwa (7) 84

5 Menenukan (Sudarno) n n Q X D X, n Dengan menggani ke dalam Persamaan 8, dan mengalikan X ada sisi kiri dan X - ada sisi kanan, dieroleh n Q ( D + e X I,,! X n n yang sesuai dengan Persamaan (7) Sehingga berdasarkan Persamaan maka eorema erbuki [4, 5] 24 Waku Okuansi Misal { X (, } meruakan RMWK ada ruang-sae S yang memunyai mariks generaor Q Jika V (x) menyaakan lamanya waku ada roses RMWK yang dilakukan dalam sae aas (, ] Maka V ( ) unuk semua S M i ( E( V ( / X () i), i, S, Didefinisikan M i ( disebu waku okuansi dari sae i ke sae selama waku Hal ini, ika dierluas diulis dalam benuk mariks menadi mariks waku okuansi, yaiu M( M ( [ ] i Beriku ini disaikan eorema enang cara membua mariks waku okuansi (9) Teorema 5 Mariks waku okuansi M ( daa dicari dengan cara: M( P( u) du, dimana P (u) meruakan mariks eluang ransisi fungsi dari u () Buki: Ambil S Misal Z ( u), ika X ( u), dan nol unuk yang lainnya Maka V ( Z( u) du Sehingga berdasarkan Persamaan (9), didaa M i ( E( V ( / X () i) E Z( u) du / X () i P( X ( u) / X () i) du ( u) du i E( Z( u) / X () i) du Dengan menulis elemen ini ke dalam benuk mariks didaa Persamaan (), yaiu P M ( ( u) du, 3 Hasil dan Pembahasan Beriku ini akan dibahas komuasi unuk memeroleh mariks eluang ransisi baik menggunakan ransformasi Lalace mauun mariks eksonensial Selanunya hasil mariks eluang ransisi ersebu diergunakan unuk membenuk mariks waku okuansi 3 Perhiungan menggunakan Transformasi Lalace Komuasi dilakukan ada suau mesin yang memunyai dua-sae S {,} Misalkan erdaa RMWK dua-sae yang memunyai mariks generaor dan mariks idenias, masing-masing adalah 85

6 Media Saisika, Vol 8 No 2, Desember 25: 8-9 Q dan I,2,2 Sehingga berdasarkan Teorema 3, daa dibenuk mariks s + s +,2 P ( s) +,2 s +,2 s( s,2),2 s + Oleh karena iu, masing-masing elemennya adalah s +,2,2 ( s) +, akibanya ( + e s( s +,2) 6 s,2 s +,2 6,2,2 ( s), akibanya ( e s( s +,2),2 s,2 s +,2,2,2,2,2 ( s), akibanya ( e s( s +,2) 6 s 6 s +,2 6 6 s +,2 ( s) +, akibanya ( + e s( s +,2),2 s 6 s +,2,2 6 Akhirnya, didaa mariks eluang ransisi P( Adaun gambarnya disaikan beriku ini [6] : () 9 Pii ( Peluang ransisi Poo ( Poi ( Pio ( Waku Gambar Fungsi Peluang Transisi unuk Dua-Sae Jika dilakukan komuasi unuk, dihasilkan mariks eluang ransisi,42,58 P (),88, Perhiungan menggunakan Mariks Eksonensial Komuasi unuk suau mesin dengan dua-sae S {,} Pandang RMWK dua-sae dengan mariks generaor 86

7 Menenukan (Sudarno) Q,2,2 Langkah awal mariks Q dibua diagonalizable sedemikian hingga Q X D X Jika diambil mariks,2 X, maka dieroleh X 6,2 6 Akibanya daa dienukan mariks D,2 Jika diganikan ke Persamaan 7 dihasilkan 6,2,2 P ( X X + e,2,2,2 e 6,2 6 6 Jika dilakukan komuasi unuk, didaa nilai-nilai eluang ransisi:,2,2 () + e,48, () e, 582, 6,2,2,2,2,2 () e,6 dan () + e, ,2 6 Jika diulis menadi mariks eluang ransisi adalah,42,58 P(),88,882 yang hasilnya sama dengan mariks eluang ransisi yang dieroleh menggunakan ransformasi Lalace Jika dilakukan komuasi unuk beberaa nilai ada fungsi eluang ransisi dieroleh hasil [6] : Tabel Nilai Peluang Transisi unuk Beberaa Waku Waku (am) Peluang ransisi ,42,76,7,7,58,8294,83,83,88,699,7,7,882,83,83,83 Terliha bahwa unuk waku yang makin besar, nilai sama dengan nilai demikian ula nilai sama dengan nilai Salah sau sifa dari mariks eluang ransisi P( di aas adalah unuk 87

8 Media Saisika, Vol 8 No 2, Desember 25: 8-9 Lim P ( 6,2, 6,2 dimana arinya ada angka anang aau kondisi seady-sae, sae bereluang 6 aau,7, sedangkan sae bereluang aau,83 Hal ini ersis seeri erliha ada sifa,2 dari Gambar Unuk erluasan dari kasus diaas, dikembangkan unuk komuasi ada suau mesin dengan iga-sae S {,, 2} Pandang RMWK iga-sae dengan mariks generaor Q,3,3,6,6 Langkah awal mariks Q harus dibua diagonalizable sedemikian hingga Q X D X Jika diambil mariks,679,9637,5774 X,6829,36,5774,,289,246,5774 maka daa dihasilkan invernya, yaiu mariks,278,922,653 X,7435,2922,357,752,5838,973 Akibanya daa dienukan mariks diagonal 2,79 D,882 Jika diganikan ke Persamaan 7, dihasilkan mariks 2,79 e,882 P( ) X e X Sehingga dieroleh,824,686,4363,765,286,79 P( +,856,6297,444 e,845,332,786,2665,879,796,76,2,337,569 +,2,337,569,2,337,569,998,77 e,252 2,882 88

9 Menenukan (Sudarno) Berdasarkan mariks eluang ransisi di aas, maka erdaa 9 model komonennya yang daa dienukan Demikian ula, unuk nilai erenu akan dieroleh nilai rediksi yang dicari Unuk nilai yang makin besar menuu idak erhingga didaa mariks eluang rasisi ada kedaan seady sae, yaiu,2,337,569 Lim P (,2,337,569,,2,337,569 yang mana arinya ada angka anang, sae bereluang,2, sae bereluang,337 dan sae 2 bereluang, Konsruksi Waku Okuansi Pembuaan dilakukan unuk mesin dengan dua-sae S {,} Berdasarkan Persamaan, elah didaa mariks eluang ransisi P ( Sehingga berdasarkan Persamaan daa dikonsruksi mariks waku okuansi, yaiu M M M (, M M dengan,2,2 M (,7 +,694 [ e ], M (,83,694 [ e ],,2,2 M (,7,39 [ e ], M (,83 +,39 [ e ], unuk Fungsi dari elemen mariks waku okuansi daa digambarkan sebagai beriku [6] : 45 4 Mii ( 35 Waku okuansi Moi ( Moo ( 5 Mio ( Waku Gambar 2 Fungsi Eksekasi Waku Okuansi unuk Dua-Sae 89

10 Media Saisika, Vol 8 No 2, Desember 25: 8-9 Terliha bahwa makin besar nilai, makin besar nilai waku okuansinya Sehingga waku okuansi idak memunyai nilai erenu (konsan) ada waku seady sae Uruan keceaan berambahnya nilai waku okuansi erhada waku adalah M, M, M baru M Unuk embukian samel beberaa nilai waku diabelkan di bawah ini [6] Tabel 2 Nilai Waku Okuansi unuk Beberaa Waku Waku (am) Waku okuansi (am) M,655,735 2,734 4,774 M,345 4,2865 9,266 9,226 M,729,88,9 3,94 M,927 5,89,99 2,59 Dengan cara yang sama unuk kasus iga-sae S {,,2 } akan dieroeh hasil yang idenik 4 Kesimulan Berdasarkan embahasan di aas hal-hal yang daa disimulkan adalah: Unuk menenukan mariks eluang ransisi daa menggunakan ransformasi Lalace dan mariks eksonensial, hasilnya akan sama 2 Mencari mariks eluang ransisi dengan menggunakan ransformasi Lalace, berganung ada invers dari selisih anara mariks idenias dengan mariks generaor 3 Mencari mariks eluang ransisi dengan menggunakan mariks eksonensial, berganung ada mariks generaor yang diagonalizable 4 Secara umum, meode ransformasi Lalace lebih suli dari ada meode mariks eksonensial 5 Makin besar ukuran mariks generaor, makin suli menenukan mariks eluang ransisinya, aabila menggunakan ransformasi Lalace Teai ika menggunakan meode mariks eksonensial ukuran mariks generaor idak menadi masalah Karena dalam mencari solusinya menggunakan rogram dari erangka lunak MATLAB 6 Unuk mengeahui eksekasi waku yang dierlukan dari sau sae ke sae lain menggunakan waku okuansi Waku okuansi idak memunyai kondisi seady sae DAFTAR PUSTAKA Eslahchi, C, and Movahedi, F, Calculaion of ransiion robabiliy in birh and deah Markov rocess in he eidemic model, Mahemaical and Comuer Modelling, 22, Volume 55, Issues 3 4: 8 85 URL: wwwelseviercom/locae/si 2 Fuller, LE, Basic Marix Theory, Prenice Hall, Englewood Cliffs, NJ, Ganmacher, FR, Marix Theory, Vols I and II, Chelsea Publishing, NY, 96 4 Kurkani, VG, Modeling, Analysis, Design, and Conrol of Sochasic Sysems, Sringer-Verlag, New York,999 5 Kulkarni, VG, Modeling and Analysis of Sochasic Sysems, Second Ediion, Chaman & Hall/CRC, NY, 2 6 Moore, H, MATLAB for Engineers, Prenice Hall, New Jersey, 27 7 Ross, SM, Sochasic Processes, Second Ediion, John Wiley & Sons, Inc, New York, 996 9

11 Menenukan (Sudarno) 8 Ross, SM, Inroducion o Probabiliy Models, Sixh Ediion, Academic Press, New York, Taar, PN and Vaman, HJ, Tesing ransiion robabiliy marix of a muli-sae model wih cencored daa, Lifeime Daa Analysis, 28, Volume 4, Issue 2: URL: wwwsringercom/search?face-disciline saisics Taar, PN and Vaman, HJ, The k Samle roblem in a muli sae model and esing ransiion robabiliy marices, Lifeime Daa Analysis, 24, Volume 2, Issue 3: URL: wwwsringercom/search?face-disciline saisics Winson, WL, Oeraions Research: Alicaions and Algorihms, PWS-KENT Publishing Comany, Boson, 987 9

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Distribusi Normal Multivariat

Distribusi Normal Multivariat Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

Lebih terperinci

RANK DARI MATRIKS ATAS RING

RANK DARI MATRIKS ATAS RING Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias

Lebih terperinci

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang

Lebih terperinci

PENYELESAIAN SISTEM DESKRIPTOR KONTINU

PENYELESAIAN SISTEM DESKRIPTOR KONTINU LEMMA VOL I NO. 2, MEI 215 PENYELESAIAN SISTEM DESKRIPTOR KONTINU Siskha Handayani STKIP PGRI Sumaera Bara Email: siskhandayani@yahoo.com Absrak. Dalam peneliian ini akan dibahas penyelesaian dari sisem

Lebih terperinci

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus

Lebih terperinci

Bab III Komentar terhadap distribusi vec(r)

Bab III Komentar terhadap distribusi vec(r) Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

MODEL DERET WAKTU HIDDEN MARKOV

MODEL DERET WAKTU HIDDEN MARKOV 9 ; P j y π j { ; } P j y sama dengan sau jika engamaan berada ada sae j dan sama dengan nol jika engamaan berada ada sae selainnya Maka enduga raaraa unuk sae j ada ersamaan 8 akan sama dengan nilai raaraa

Lebih terperinci

BAB III PERSAMAAN ARPS DAN METODE TABEL

BAB III PERSAMAAN ARPS DAN METODE TABEL BAB III ERSAMAAN ARS DAN METODE TABEL 3. ersamaan Ars Meoda decline curve analysis (analisis enurunan kurva) meruakan suau meode yang sering digunakan unuk mengesimasi erhiungan cadangan yang daa diamil

Lebih terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUHG/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 8 VEKTOR DAN NILAI EIGEN /5/7 9.9 Beberapa Aplikasi Ruang Eigen Uji Kesabilan dalam sisem dinamik Opimasi dengan SVD pada pengolahan Cira Sisem Transmisi dan lain-lain.

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer Silabus : Aljabar Linear Elemener MA SKS Bab I Mariks dan Operasinya Bab II Deerminan Mariks Bab III Sisem Persamaan Linear Bab IV Vekor di Bidang dan di Ruang Bab V Ruang Vekor Bab VI Ruang Hasil Kali

Lebih terperinci

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae

Lebih terperinci

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1 LIMIT FUNGSI. Limi f unuk c Tinjau sebuah fungsi f, apakah fungsi f ersebu sama dengan fungsi g -? Daerah asal dari fungsi g adalah semua bilangan real, sedangkan daerah asal fungsi f adalah bilangan real

Lebih terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

1.4 Persamaan Schrodinger Bergantung Waktu

1.4 Persamaan Schrodinger Bergantung Waktu .4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan

Lebih terperinci

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT. BAB 7 NILAI EIGEN DAN VEKTOR EIGEN Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Nilai Eigen dan Vekor Eigen. Diagonalisasi. Diagonalisasi secara Orogonal 7. NILAI EIGEN DAN VEKTOR EIGEN Definisi

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)

SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Saionary Disribuion of Swiss Bonus-Malus

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci

PREMIUM PRICING IN HEALTH INSURANCE BY NELSON- AALEN ESTIMATOR

PREMIUM PRICING IN HEALTH INSURANCE BY NELSON- AALEN ESTIMATOR REMIUM RICING IN HEALTH INSURANCE BY NELSON- AALEN ESTIMATOR Najmah Isikaanah rogram Sudi endidikan Maemaika FMIA IKI GRI Semarang Jl. Sidodadi Timur No. 24 Semarang ABSTRACT In his paper he using of Nelson

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Hubungan antara Keterobservasian dan Keterkonstruksian Sistem Linier Kontinu Bergantung Waktu

Hubungan antara Keterobservasian dan Keterkonstruksian Sistem Linier Kontinu Bergantung Waktu Mah Educa Jurnal () (7): 86-95 Jur na l Maem aika Pend i di ka n Maema i ka Email: mejuinibpag@gmailcm Hubungan anara Keerbservasian Keerknsruksian Sisem Linier Kninu Berganung Waku Ezhari Asfa ani adris

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki

Lebih terperinci

Estimasi Parameter. Modul 1 PENDAHULUAN

Estimasi Parameter. Modul 1 PENDAHULUAN Modul 1 Esimasi Parameer Dr. Suawanir Darwis P PENDAHULUAN roses sokasik S,,, S adalah koleksi peubah acak S dengan menyaakan indeks waku,. Kumpulan semua nilai S yang mungkin, dinamakan sae space. Suau

Lebih terperinci

Volume 1, Nomor 1, Juni 2007 ISSN

Volume 1, Nomor 1, Juni 2007 ISSN Volume, Nomor, Juni 7 ISSN 978-77 Barekeng, Juni 7 hal6-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variance Mulivaria Analysis for Experimen wih Complee Random

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.

Lebih terperinci

Drs. H. Karso, M.M.Pd. Modul 11 NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS

Drs. H. Karso, M.M.Pd. Modul 11 NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS Drs. H. Karso, M.M.Pd. Modul NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS Pendahuluan Modul yang ke- dari maa kuliah Aljabar Linear ini akan mendiskusikan beberapa konsep yang berguna bagi kia sebagai

Lebih terperinci

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON * PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV HAMILON * BERLIAN SEIAWAY, YANA ADHARINI DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus IPB

Lebih terperinci

Pemodelan Intensitas Transisi dan Peluang pada Asuransi Perawatan Jangka Panjang

Pemodelan Intensitas Transisi dan Peluang pada Asuransi Perawatan Jangka Panjang Pemodelan Inensias Transisi dan Peluang pada Asuransi Perawaan Jangka Panjang Rosia Kusumawai 1, dan Gunardi 2 1 Universias egeri Yogyakara, 2 Universias Gadjah Mada Inisari Proses perubahan saus kesehaan

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C. Persamaan Diferensial Orde Sau Adapun benuk yang sederhana dari suau persamaan ferensial orde sau adalah: 0 a.i a 0 (.) mana a o dan a konsana. Persamaan (.)

Lebih terperinci

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias

Lebih terperinci

MEMBAWA MATRIKS KE DALAM BENTUK KANONIK JORDAN. Irmawati Liliana. KD Program Studi Pendidikan Matematika FKIP Unswagati

MEMBAWA MATRIKS KE DALAM BENTUK KANONIK JORDAN. Irmawati Liliana. KD Program Studi Pendidikan Matematika FKIP Unswagati Jurnal Euclid, vol., No., p.568 MEMBW MTRIKS KE DLM BENTUK KNONIK JORDN Irmawai Liliana. KD Program Sudi Pendidikan Maemaika FKIP Unswagai irmawai.liliana@gmail.com bsrak Benuk kanonik Jordan erbenuk apabila

Lebih terperinci

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA DIMAS HARI SANTOSO

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA DIMAS HARI SANTOSO PEMODELAN NILAI UKAR RUPIAH ERHADAP US DOLLAR MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA DIMAS HARI SANOSO DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

Analisis Gerak Osilator Harmonik Dengan Gaya pemaksa Bebas Menggunakan Metode Elemen Hingga Dewi Sartika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1

Analisis Gerak Osilator Harmonik Dengan Gaya pemaksa Bebas Menggunakan Metode Elemen Hingga Dewi Sartika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1 Analisis Gerak Osilaor Harmonik Dengan Gaya pemaksa Bebas Menggunakan Meode Elemen Hingga Dewi Sarika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1 1 Jurusan Fisika FMIPA Universias Hasanuddin, Makassar

Lebih terperinci

UJI BREDENKAMP, HILDEBRAND, KUBINGER DAN FRIEDMAN

UJI BREDENKAMP, HILDEBRAND, KUBINGER DAN FRIEDMAN UJI BREDENKAP, HILDEBRAND, KUBINGER DAN FRIEDAN Firi Caur Lesari ABSTRACT Saisics is a science ha has imporan role in decision making The decision is made based on he daa and uses cerain mehods, especially

Lebih terperinci

CADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN

CADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN CAAGA PREMI ASURASI PESIU UTUK PESIU ORMAL PAA STATUS HIUP GABUGA esi oiasari Silaban *, Hasriai, Musraini Mahasiswa Program S Maemaika osen Jurusan Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 1 I PENDAHULUAN 11 Laar Belakang Seiap orang mendambakan berheni bekerja di suau masa dalam siklus kehidupannya dan menikmai masa uanya dengan enram Terjaminnya kesejaheraan di masa ua akan mencipakan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Perawaan (Mainenance) Mainenance adalah akivias agar komponen aau sisem yang rusak akan dikembalikan aau diperbaiki dalam suau kondisi erenu pada periode waku erenu (Ebeling,

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

PENGGUNAAN ORDER STATISTICS DALAM MENENTUKAN SAMPEL PADA EKSPERIMEN LIFE-TESTING

PENGGUNAAN ORDER STATISTICS DALAM MENENTUKAN SAMPEL PADA EKSPERIMEN LIFE-TESTING BIASaisics (2016) Vol. 10, No. 1, hal. 1-7 PENGGUNAAN ORDER STATISTICS DALAM MENENTUKAN SAMPEL PADA EKSPERIMEN LIFE-TESTING Yeny Krisa Frany 1, Budhi Handoko 2 1,2 Deparemen Saisika FMIPA Universias Padjadjaran

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

PERHITUNGAN PREMI ASURANSI JIWA DWIGUNA PASUTRI SEBAGAI PENERAPAN PEMBELAJARAN MATEMATIKA EKONOMI

PERHITUNGAN PREMI ASURANSI JIWA DWIGUNA PASUTRI SEBAGAI PENERAPAN PEMBELAJARAN MATEMATIKA EKONOMI Perhiungan Premi Asuransi Jiwa Dwiguna... PERHITUNGAN PREMI ASURANSI JIWA DWIGUNA PASUTRI SEBAGAI PENERAPAN PEMBELAJARAN MATEMATIKA EKONOMI Irma Fauziah Dosen Maemaika FST Universias Islam Negeri Syarif

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 15 BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian 2.1.1 Definisi Ruang Sampel Himpunan semua hasil semua hasil (oucome) yang mungkin muncul pada suau percobaan disebu ruang sampel dan dinoasikan dengan

Lebih terperinci

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember)

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember) Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : 135-141 135 Esimasi Fungsi Tahan Hidup Virus Hepaiis di Kabupaen Jember (Esimaing of Survival Funcion of Hepaiis Virus in Jember) Mohamad Faekurohman Saf Pengajar

Lebih terperinci

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik JURNAL EKNIK POMIS Vol., No., () - Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Meode Jaringan Syaraf iruan di P. PJB Uni Pembangki Gresik Inan Mara Kusuma, Imam Abadi, S, M dan Deak Yan

Lebih terperinci

Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet

Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet JURNAL FOURIER Okober 6, Vol. 5, No., 67-8 ISSN 5-763X; E-ISSN 54-539 Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan eori Floque Syarifah Inayai Program Sudi Maemaika, Fakulas Maemaika dan

Lebih terperinci

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi BAB II TEORI DASAR. PASANG SURUT Analisa asang suru dilakukan unuk menenukan elevasi muka air rencana bagi erencanaan fasilias lau (dermaga, jaringan ia, revemen, dan breakwaer), mengeahui ie asang suru

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN DERET WAKTU HIDDEN MARKOV EMPAT WAKTU SEBELUMNYA ARDY KRESNA CRENATA G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN DERET WAKTU HIDDEN MARKOV EMPAT WAKTU SEBELUMNYA ARDY KRESNA CRENATA G PEMODELAN NILAI UKAR RUPIAH ERHADAP DOLLAR AMERIKA MENGGUNAKAN DERE WAKU HIDDEN MARKOV EMPA WAKU SEBELUMNYA ARDY KRESNA CRENAA G540546 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

Lebih terperinci

Integral dan Persamaan Diferensial

Integral dan Persamaan Diferensial Sudaryano Sudirham Sudi Mandiri Inegral dan Persamaan Diferensial ii Darpublic 4.1. Pengerian BAB 4 Persamaan Diferensial (Orde Sau) Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih

Lebih terperinci

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2)

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2) FI Mekanika B Sem. 7- Pekan #3 Osilasi Persamaan diferensial linear Misal kia memiliki sebuah fungsi berganung waku (. Persamaan diferensial linear dalam adalah persamaan yang mengandung variabel dan urunannya

Lebih terperinci

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan

Lebih terperinci

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

Lebih terperinci

PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n untuk d = 1 atau d = 2

PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n untuk d = 1 atau d = 2 Jurnal Maemaika UNAND Vol. No. 1 Hal. 3 36 ISSN : 303 910 c Jurusan Maemaika FMIPA UNAND PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n unuk d = 1 aau d = DINA YELNI Program Sudi Maemaika,

Lebih terperinci

BAB 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI

BAB 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI BAB 4 PENANAISAAN RANKAIAN DENAN PERSAMAAN DIFERENSIA ORDE DUA ATAU EBIH TINI 4. Pendahuluan Persamaan-persamaan ferensial yang pergunakan pada penganalisaan yang lalu hanya erbaas pada persamaan-persamaan

Lebih terperinci

Fungsi Bernilai Vektor

Fungsi Bernilai Vektor Fungsi Bernilai Vekor 1 Deinisi Fungsi bernilai vekor adalah suau auran yang memadankan seiap F R R dengan epa sau vekor Noasi : : R R F i j, 1 1 F i j k 1 dengan 1,, ungsi bernilai real Conoh : 1. 1 F

Lebih terperinci

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

BAB KINEMATIKA DENGAN ANALISIS VEKTOR BAB KINEMATIKA DENGAN ANALISIS VEKTOR Karakerisik gerak pada bidang melibakan analisis vekor dua dimensi, dimana vekor posisi, perpindahan, kecepaan, dan percepaan dinyaakan dalam suau vekor sauan i (sumbu

Lebih terperinci

Oleh : Danny Kurnianto; Risa Farrid Christianti Sekolah Tinggi Teknologi Telematika Telkom Purwokerto

Oleh : Danny Kurnianto; Risa Farrid Christianti Sekolah Tinggi Teknologi Telematika Telkom Purwokerto Oleh : Danny Kurniano; Risa Farrid Chrisiani Sekolah Tinggi Teknologi Telemaika Telkom Purwokero Pendahuluan Seelah kia mempelajari anggapan alamiah dari suau rangkaian RL aau RC, yaiu anggapan saa sumber

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

MODEl PERSAMAAN DIFERENSIAL STOKASTIK UNTUK PROSES PRENDIVILLE

MODEl PERSAMAAN DIFERENSIAL STOKASTIK UNTUK PROSES PRENDIVILLE βea p-issn: 285-5893 / e-issn: 2541-458 hp://jurnalbea.ac.id Vol. 5 No. 1 (Mei) 212, Hal. 75-8 βea 212 MODEl PERSAMAAN DIFERENSIAL STOKASTIK UNTUK PROSES PRENDIVILLE Grania Absrak: Suau model yang banyak

Lebih terperinci

ROTASI (PUTARAN) Diajukan untuk memenuhi tugas mata kuliah GEOMETRI TRANSFORMASI yang diampuh oleh Ekasatya Aldila A., M.Sc.

ROTASI (PUTARAN) Diajukan untuk memenuhi tugas mata kuliah GEOMETRI TRANSFORMASI yang diampuh oleh Ekasatya Aldila A., M.Sc. ROTSI (UTRN) Diajukan unuk memenuhi ugas maa kuliah GEOMETRI TRNSFORMSI yang diampuh oleh Ekasaya ldila., M.Sc. Di susun oleh: NIM: SEKOLH TINGGI KEGURUN DN ILMU ENDIDIKN (STKI) GRUTJl. ahlawan No. 32

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV MODEL HAMILTON HIRASAWA G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV MODEL HAMILTON HIRASAWA G PEMODELAN NILAI UKAR RUPIAH ERHADAP US DOLLAR MENGGUNAKAN DERE WAKU HIDDEN MARKOV MODEL HAMILON HIRASAWA G5403030 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR BOGOR

Lebih terperinci

Penentuan ketinggian dan kecepatan minimum benda pada track melingkar vertikal

Penentuan ketinggian dan kecepatan minimum benda pada track melingkar vertikal Penenuan keinggian dan keceaan minimum benda ada rack melingkar verikal Indra Yahdi Pura, Sani Fani Sigalingging, dan Dandan Luhur Saraswai Program Pendidikan Fisika Universias Indrarasa PGRI Jl. Raya

Lebih terperinci

MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)

MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias

Lebih terperinci

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN

Lebih terperinci

Aljabar C* dan Mekanika Kuantum 1

Aljabar C* dan Mekanika Kuantum 1 Aljabar C* dan Mekanika Kuanum 1 Oleh: Rizky Rosjanuardi rizky@upi.edu Jurusan Pendidikan Maemaika FPMIPA Universias Pendidikan Indonesia Absrak Pada makalah ini dibahas konsep aljabar-c* dan kaiannya

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS

Lebih terperinci

Matematika EBTANAS Tahun 1988

Matematika EBTANAS Tahun 1988 Maemaika EBTANAS Tahun 988 EBT-SMA-88- cos = EBT-SMA-88- Sisi sisi segiiga ABC : a = 6, b = dan c = 8 Nilai cos A 8 4 8 EBT-SMA-88- Layang-layang garis singgung OAPB, sudu APB = 6 dan panjang OP = cm.

Lebih terperinci

Laplace Transform. Pengantar Matematika Teknik Kimia. Muthia Elma

Laplace Transform. Pengantar Matematika Teknik Kimia. Muthia Elma Lalace Tranform Penganar Maemaika Teknik Kimia Muhia Elma Penemu Pierre-Simon LPLCE 749 87 hli Maemaika dari Peranci Lalace Tranform Rumu lain.. ω σ π σ σ j d e j x d e x j j.. 0 [x] x - [] Kone variabel

Lebih terperinci

ANALISIS KINERJA PORTOFOLIO SAHAM DENGAN METODE SHARPE, TREYNOR, DAN JENSENS MEASURE TERHADAP PERUSAHAAN YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI)

ANALISIS KINERJA PORTOFOLIO SAHAM DENGAN METODE SHARPE, TREYNOR, DAN JENSENS MEASURE TERHADAP PERUSAHAAN YANG TERDAFTAR DI BURSA EFEK INDONESIA (BEI) DINAMIKA EKONOMI Jurnal Ekonomi dan Bisniss Vol.7 No.2 Seember 2014 ANALISIS KINERJA PORTOFOLIO SAHAM DENGAN METODE SHARPE, TREYNOR, DAN JENSENS MEASURE TERHADAP PERUSAHAAN YANG TERDAFTAR DI BURSA EFEK

Lebih terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

BAB IV PERHITUNGAN NUMERIK

BAB IV PERHITUNGAN NUMERIK BAB IV PERHITUNGAN NUMERIK Dengan memperhaikan fungsi sebaran peluang berahan dari masingmasing sebaran klaim, sebagai mana diulis pada persamaan (3.45), (3.70) dan (3.90), perhiungan numerik idak mudah

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion

Lebih terperinci

MODEL PENYUSUTAN DARAB JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA. Sunarsih 1, Meidar Sakinata 2

MODEL PENYUSUTAN DARAB JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA. Sunarsih 1, Meidar Sakinata 2 MODEL PENYUSUTAN DARAB JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA Sunarsih, Meidar Sakinaa 2 Program Sudi Maemaika FMIPA UNDIP 2 Alumni Program Sudi Maemaika FMIPA UNDIP Absrac Muliple decremen model in

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

1 dz =... Materi XII. Tinjaulah integral

1 dz =... Materi XII. Tinjaulah integral Maeri XII Tujuan :. Mahasiswa dapa memahami menyelesiakan persamaan inegral yang lebih kompleks. Mahasiswa mampunyelesiakan persamaan yang lebih rumi 3. Mahasiswa mengimplemenasikan konsep inegral pada

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD

Lebih terperinci

FISIKA. Sesi INTI ATOM A. STRUKTUR INTI

FISIKA. Sesi INTI ATOM A. STRUKTUR INTI FISIKA KELAS XII IPA - KURIKULUM GABUNGAN Sesi NGAN INI AOM A. SRUKUR INI Aom adalah bagian erkecil dari suau maeri yang masih memiliki sifa dasar maeri ersebu. Aom erdiri dari parikel-parikel subaom,

Lebih terperinci

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks)

Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks) MODUL PERTEMUAN KE 3 MATA KULIAH : (4 sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran POKOK BAHASAN: GERAK LURUS 3-1

Lebih terperinci