Modul 6. METODE REGULA-FALSI (False Position) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "Modul 6. METODE REGULA-FALSI (False Position) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL"

Transkripsi

1 Modul 6 METODE REGULA-FALSI (False Positio) utuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL A. Pedahulua Seperti telah dijelaska pada modul terdahulu, Metode Bisectio memiliki kelemaha pokok, yaitu: kecepataya dalam mecapai divergesi; maka beberapa ahli matematika telah berusaha meyempuaka metode tersebut. Namu demikia, metode ii memiliki kelebiha yaitu: kepastia atau jamiaya dalam meuju kovergesi. Dalam modul ii aka dibahas suatu metode solusi baru yag memodifikasi metode bisectio, yag kierjaya lebih cepat dalam mecapai kovergesi, amu masih tetap memiliki kepastia atau jamia meuju kovergesi. B. Solusi Akar PANLT dega Metode Regula-Falsi Solusi akar (atau akar-akar) dega megguaka Metode Regula- Falsi merupaka modifikasi dari Metode Bisectio dega cara memperhitugka kesebagua yag dilihat pada kurva berikut: y y f(x) (b,f(b)) P a c α b x (a,f(a)) Q R Gambar 6.. Represetasi grafis metode Regula-Falsi. Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (/)

2 Perhatika kebagua 2 segitiga Pcb da PQR di atas, sehigga persamaa berikut dapat diguaka: atau sehigga c Pb bc PR RQ f ( b) 0 f ( b) f ( a ) b c b a : b f ( b) b f ( b) a f ( a) Persamaa di atas disebut sebagai persamaa rekursif dari Metode Regula Falsi. Kecepata atau laju kovergesi dari Metode Regula-Falsi sama dega Metode Bisectio, yaitu kovergesi liier, amu dega faktor pegali (kostata) yag lebih besar dari 2 (faktor pegali berkisar atara 2 ). C. Algoritma Metode Regula-Falsi Asumsi awal yag harus diambil adalah sama seperti pada Metode Bisectio, yaitu: meebak iterval awal [a,b] dimaa f(x) adalah kotiu padaya, demikia pula iterval tersebut harus terletak megapit (secara ituitif) ilai akar α, sedemikia rupa sehigga: f ( a) f ( b) 0 Meskipu pada algoritma berikut masih megadug beberapa kelemaha, amu secara umum masih sagat megutugka utuk dipakai. Perbaika da modifikasi secara umeris dilakuka oleh Bret (Atkiso, 978), utuk algoritma tersebut. Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (2/2)

3 Algoritma REGFAL(f,a,b,akar,ε,iter,itmax,flag). Tebak harga iterval [a,b]; tetuka ε; da itmax 2. Set xold 2*b-a; iter 0; flag 0; 3. Tetuka atau hitug akar c b f(b) [(b a)/(f(b) f(a)); iter iter + ; 4. Jika f(b) f(c) 0 maka a c jika tidak b c; 5. Jika abs(c xold) ε maka flag atau jika iter > itmax maka flag 2 atau jika tidak maka iter iter + da akar c; 6. Jika flag 0 ulagi ke omor 3; 7. Selesai. Gambar 6.2. Algoritma Metode-Regula Falsi Sehigga formula rekursif dari Metode REGULA-FALSI: dapat dituliska dalam resume berikut: x f ( a ) a f ( b ) f ( b ) f ( x b f ( a) f ( a ) ( + ) a ) < 0? ( ) a + + a x, b, b + + x b Adapu sifat atau karakteristik metode ii secara umum adalah: Memerluka 2 harga awal ( a 0 da b 0 sedemikia rupa sehigga f(a 0 ) f(b 0 ) 0) Kovergesi Superliier ( Sedag, atara liier da kuadrat) Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (3/3)

4 Baik diguaka utuk fugsi yag turuaya tak terdefiisi dega jelas ( diskotiyu) Diverge (RTE, ru time error) bila a b ( ε mesi ) Kriteria peghetia iterasi : b a da atau f ( x ) ε ε Adapu tabel kerja dari metode ii (sesuai dega algoritmaya), dapat disajika secara sistematis sebagai berikut: Tabel 6.. Tabel Kerja Metode Regula-Falsi x a b f(a) f(b) D. Listig Program Metode Regula-Falsi Diberika persoala utuk meghitug akar (akar-akar) persamaa f(x) 0, sebagai berikut: f ( x) x e x 0 Listig program sederhaa (o-subroutie) da program dega subroutie utuk Metode Regula-Falsi disertaka dalam gambargambar 6.2. da 6.3. di bawah ii, yag ditulis dalam Bahasa FORTRAN 77 (kompatibel dega Bahasa FORTRAN 90/95): Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (4/4)

5 C Program: Solusi Persamaa Aljabar No-Liier Tuggal (PANLT) C dega Metode 'Regula Falsi' C VARIAN: Program sederhaa/no-subroutie C Kodisi proses diyataka dalam variabel 'flag' C flag 0; berarti sistem masih dalam proses iterasi C flag ; berarti proses telah mecapai kovergesi C flag 2; berarti jumlah iterasi maksimum telah terlampaui C implicit oe REAL*8 eps,f,f0,f,x,xold,x0,x INTEGER flag,iter,maxiter WRITE(*,'(A,$)') 'Harga-harga awal x0, x : ' READ(*,*) x0,x WRITE(*,'(A,$)') 'Jumlah iterasi maksimum : ' READ(*,*) maxiter WRITE(*,'(A,$)') 'Epsilo/kriteria proses : ' READ(*,*) eps iter 0 flag 0 xold 2*x - x0 DO WHILE(flag.EQ. 0) x x - (x - x0)/(f(x) - f(x0))*f(x) IF ((f(x)*f(x)).le. 0.0D0) THEN x0 x x x IF IF (ABS(x - xold).le. eps) THEN flag IF (iter.gt. maxiter) THEN flag 2 iter iter + xold x IF DO WRITE(*,*) 'x0 ',x0 WRITE(*,*) 'x ',x WRITE(*,*) 'xold ',xold WRITE(*,*) 'x ',x WRITE(*,*) 'f(x) ',f(x) WRITE(*,*) 'Flag ',flag WRITE(*,*) 'Jumlah iterasi ',iter STOP FUNCTION f(x) REAL*8 f,x f x - exp(.0d0/x) RETURN Gambar 6.3. Listig program sederhaa (tapa subroutie). Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (5/5)

6 C Program: Solusi Persamaa Aljabar No-Liier Tuggal (PANLT) C dega Metode 'REGULA-FALSI' C VARIAN: Program dega Subroutie C implicit oe exteral f REAL*8 eps,f,x,x0,x INTEGER flag,iter,maxiter WRITE(*,'(A,$)') 'Harga-harga awal x0, x : ' READ(*,*) x0,x WRITE(*,'(A,$)') 'Jumlah iterasi maksimum : ' READ(*,*) maxiter WRITE(*,'(A,$)') 'Epsilo/kriteria proses : ' READ(*,*) eps CALL REGFAL(f,x0,x,x,eps,iter,maxiter,flag) WRITE(*,*) 'x0 ',x0 WRITE(*,*) 'x ',x WRITE(*,*) 'x ',x WRITE(*,*) 'xold ',x WRITE(*,*) 'f(x) ',f(x) WRITE(*,*) 'Flag ',flag WRITE(*,*) 'Jumlah iterasi ',iter STOP FUNCTION f(x) REAL*8 f,x f x - exp(.0d0/x) RETURN SUBROUTINE REGFAL(ff,x0,x,x,eps,itum,itmax,prflag) C C Sub-program: Solusi PANLT dega metode REGULA-FALSI C sebagai perbaika dari metode BISECTION C ff : fugsi f(x) 0 yag aka dicari akarya C x0 : ilai x-awal di sebelah kiri akar f(x) C x : ilai x-awal di sebelah kaa akar f(x) C x : akar f(x), ilai paruh (atara x0 da x) C eps : kriteria atau ketelitia peghituga C itum : jumlah iterasi yag dilakuka proses C itmax : jumlah pembatas iterasi utuk proses C prflag : idetifikasi utuk kovergesi, yaitu: C 0 proses sedag/aka berlagsug C proses mecapai kovergesiya C 2 itmax telah terlampaui C REAL*8 eps,ff,x,xold,x0,x INTEGER prflag,itum,itmax Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (6/6)

7 itum 0 prflag 0 xold 2*x - x0 DO WHILE(prflag.EQ. 0) x x - (x - x0)/(ff(x) - ff(x0))*ff(x) itum itum + IF ((ff(x)*ff(x)).le. 0.0D0) THEN x0 x x x IF IF (ABS(x - xold).le. eps) THEN prflag IF (itum.gt. itmax) THEN prflag 2 xold x IF DO RETURN Gambar 6.4. Listig program dega subroutie. Tugas: x! Cari akar (akar-akar) dari persamaa: f ( x) e l( x) E. Pustaka yag bersesuaia Atkiso, Kedal E., A Itroductio to Numerical Aalysis, Joh Wiley & Sos, Toroto, pp , 978. Atkiso, L.V., Harley, P.J., A Itroductio to Numerical Methods with Pascal, Addiso-Wesley Publishig Co., Tokyo, pp. 49-5, 983. Bismo, Setijo, Modul Kuliah Metode Numerik, TGP-FTUI, 999. Seri Kuliah Metode Numerik (Modul 6: Metode Regula-Falsi utuk Solusi PANLT (Persamaa Aljabar No-Liier Tuggal) (7/7)

Modul 7. METODE NEWTON-RAPHSON (Tangent) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL

Modul 7. METODE NEWTON-RAPHSON (Tangent) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL Modul 7 METODE NEWTON-RAPHSON (Taget utuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL A. Pedahulua Pada modul terdahulu, walaupu kecepata kovergesi telah dapat ditigkatka secara lumaya berarti pada

Lebih terperinci

Modul 5. METODE BIDANG-PARUH (BISECTION) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL

Modul 5. METODE BIDANG-PARUH (BISECTION) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL Modul 5 METODE BIDANG-PARUH (BISECTION) untuk Solusi Akar PERSAMAAN ALJABAR NON-LINIER TUNGGAL A. Pendahuluan Persamaan Aljabar Non-Linier Tunggal atau PANLT merupakan sembarang fungsi atau persamaan aljabar

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

METODE NUMERIK TKM4104. Kuliah ke-3 SOLUSI PERSAMAAN NONLINIER 1

METODE NUMERIK TKM4104. Kuliah ke-3 SOLUSI PERSAMAAN NONLINIER 1 METODE NUMERIK TKM4104 Kuliah ke-3 SOLUSI PERSAMAAN NONLINIER 1 SOLUSI PERSAMAAN NONLINIER Metode pengurung (Bracketing Method) Metode Konvergen Mulai dengan terkaan awal yang mengurung atau memuat akar

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih terperinci

MOTIVASI. Secara umum permasalahan dalam sains dan teknologi digambarkan dalam persamaan matematika Solusi persamaan : 1. analitis 2.

MOTIVASI. Secara umum permasalahan dalam sains dan teknologi digambarkan dalam persamaan matematika Solusi persamaan : 1. analitis 2. KOMPUTASI NUMERIS Teknik dan cara menyelesaikan masalah matematika dengan pengoperasian hitungan Mencakup sejumlah besar perhitungan aritmatika yang sangat banyak dan menjemukan Diperlukan komputer MOTIVASI

Lebih terperinci

BAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA

BAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA BAB VI BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { },,,,, adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila,,,..,

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab IV. Penderetan Fungsi Kompleks Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai :

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai : Defiisi Trasformasi Laplace Trasformasi Laplace Bilateral Trasformasi Laplace bilateral atau dua sisi dari siyal berilai riil x(t) didefiisika sebagai : X B x(t)e Operasi trasformasi Laplace bilateral

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

Pertemuan I Mencari Akar dari Fungsi Transendental

Pertemuan I Mencari Akar dari Fungsi Transendental Pertemuan I Mencari Akar dari Fungsi Transendental Daftar Isi: 1.1 Tujuan Perkuliahan 1. Pendahuluan 1.3 Metoda Bisection 1.3.1 Definisi 1.3. Komputasi mencari akar 1.3.3 Ilustrasi 1.4 Metoda Newton-Raphson

Lebih terperinci

Teorema Nilai Rata-rata

Teorema Nilai Rata-rata Nilai Kus Prihatoso April 27, 2012 Yogyakarta Nilai Suatu Fugsi Masih igatkah ada tetag ilai rata-rata dari sekmpula bilaga? Berapakah ilai rata-rata dari sebayak bilaga y 1, y 2,..., y? Nilai Suatu Fugsi

Lebih terperinci

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah BAB LIMIT FUNGSI Stadar Kompetesi Megguaka kosep it ugsi da turua ugsi dalam pemecaha masalah Kompetesi Dasar. Meghitug it ugsi aljabar sederhaa di suatu titik. Megguaka siat it ugsi utuk meghitug betuk

Lebih terperinci

II LANDASAN TEORI. Sebuah bilangan kompleks dapat dinyatakan dalam bentuk. z = x jy. (2.4)

II LANDASAN TEORI. Sebuah bilangan kompleks dapat dinyatakan dalam bentuk. z = x jy. (2.4) 3 II LANDASAN TEORI 2.1 Peubah Kompleks da Fugsi Kompleks Sebuah bilaga kompleks dapat diyataka dalam betuk z = x + jy, (2.1) dega x da y adalah bilaga-bilaga real da j = 1. Bilaga x disebut bagia real

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga BAB V. INTEGRAL 5.. Ati Turua (Itegral Tak-tetu) Defiisi: F suatu ati-turua f pada selag I jika da haya jika D F() = f() pada I, yaki F () = f() utuk semua dalam I. (Jika suatu titik ujug I, F () haya

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

BAB II PENCARIAN AKAR PERSAMAAN NON LINIER

BAB II PENCARIAN AKAR PERSAMAAN NON LINIER BAB II PENCARIAN AKAR PERSAMAAN NON LINIER PENDAHULUAN Dalam bab ii, kita aka membahas tetag beberapa metode umerik yag dapat diguaka utuk meemuka akar-akar persamaa o-liier. Masalah yag aka kita bahas

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali Jural Tekika ISSN : 285-859 Fakultas Tekik Uiversitas Islam Lamoga Volume No.2 Tahu 29 Kestabila Ragkaia Tertutup Waktu Kotiu Megguaka Metode Trasformasi Ke Betuk Kaoik Terkedali Suhariyato ) Dose Fakultas

Lebih terperinci

PERSAMAAN NON LINIER

PERSAMAAN NON LINIER PERSAMAAN NON LINIER Obyektif : 1. Mengerti penggunaan solusi persamaan non linier 2. Mengerti metode biseksi dan regulafalsi 3. Mampu menggunakan metode biseksi dan regula falsi untuk mencari solusi PENGANTAR

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

Lebih terperinci

Perhitungan Nilai Golden Ratio dengan Beberapa Algoritma Solusi Persamaan Nirlanjar

Perhitungan Nilai Golden Ratio dengan Beberapa Algoritma Solusi Persamaan Nirlanjar Perhitungan Nilai Golden Ratio dengan Beberapa Algoritma Solusi Persamaan Nirlanjar Danang Tri Massandy (13508051) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT METODE NUMERIK TKM4104 Kuliah ke- DERET TAYLOR DAN ANALISIS GALAT DERET TAYLOR o Deret Taylor adalah alat yag utama utuk meuruka suatu metode umerik. o Deret Taylor bergua utuk meghampiri ugsi ke dalam

Lebih terperinci

PAM 252 Metode Numerik Bab 2 Persamaan Nonlinier

PAM 252 Metode Numerik Bab 2 Persamaan Nonlinier PAM 252 Metode Numerik Bab 2 Persamaan Nonlinier Mahdhivan Syafwan Jurusan Matematika FMIPA Universitas Andalas Semester Genap 2013/2014 1 Mahdhivan Syafwan Metode Numerik: Persamaan Nonlinier Solusi persamaan

Lebih terperinci

Studi Komparatif Metode Newton dan Metode Tali Busur untuk Menghampiri Akar Persamaan f(x)=0

Studi Komparatif Metode Newton dan Metode Tali Busur untuk Menghampiri Akar Persamaan f(x)=0 Lapora Peelitia Studi Komparatif Metode Newto da Metode Tali Busur utuk Meghampiri Akar Persamaa f()= Peeliti: Drs. Sahid, MSc. Jurusa Pedidika Matematika Fakultas Matematika da Ilmu Pebetahua Alam Uiversitas

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3 Matematika Terapa Dose : Zaid Romegar Mair ST. M.Cs Pertemua 3 PROGRAM STUDI TEKNIK INFORMATIKA Jl. Koloel Wahid Udi Lk. I Kel. Kayuara Sekayu 30711 web:www.polsky.ac.id mail: polsky@polsky.ac.id Tel.

Lebih terperinci

METODE NUMERIK. Akar Persamaan (1) Pertemuan ke - 3. Rinci Kembang Hapsari, S.Si, M.Kom

METODE NUMERIK. Akar Persamaan (1) Pertemuan ke - 3. Rinci Kembang Hapsari, S.Si, M.Kom METODE NUMERIK Pertemuan ke - 3 Akar Persamaan (1) Metode Akar Persamaan Metode Grafik Metode Tabulasi Metode Setengah Interval Metode Regula Falsi Metode Newton Rephson Metode Iterasi bentuk x = g(x)

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

Menemukan Akar-akar Persamaan Non-Linear

Menemukan Akar-akar Persamaan Non-Linear Menemukan Akar-akar Persamaan Non-Linear Muhtadin, ST. MT. Agenda Metode Tertutup Biseksi Regula Falsi Metode Terbuka Newton Method 3 Solusi untuk Persamaan Non Linear Akar-akar dari persamaan (y = f())

Lebih terperinci

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR Dose Pegampu : Darmadi, S.Si, M.Pd Disusu : Kelas 5A / Kelompok 5 : Dia Dwi Rahayu (084. 06) Hefetamala (084. 4) Khoiril Haafi (084. 70) Liaatul Nihayah (084. 74)

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1 BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka

Lebih terperinci

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0. PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO SOAL UJIAN TENGAH SEMESTER GENAP TA 03/04 Mata Ujia : Aalisis Real Tipe Soal : REGULER Dose : Dr. Jula HERNADI Waktu : 90 meit Hari, Taggal : Selasa,

Lebih terperinci

DASAR-DASAR PEMROGRAMAN. MS-EXCEL dan VBA Macro

DASAR-DASAR PEMROGRAMAN. MS-EXCEL dan VBA Macro DASAR-DASAR PEMROGRAMAN MS-EXCEL dan VBA Macro Setijo Bismo - Departemen Teknik Kimia FTUI - September 2015 PENGENALAN AWAL: Cara Membuka Editor Macro ( VBA ) (#1) Ingat: +, dapat dipakai untuk: Run Macro

Lebih terperinci

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i INTEGAL LIPAT. Itegral Lipat Dua dalam Koordiat Kartesius Pada bagia ii, dipelajari itegral lipat dua dalam. Misalka diketahui dua iterval tertutup [a, b] da [c, d]. Hasil kali kartesius dari kedua iterval

Lebih terperinci

Veetha Adiyani Pardede M Komputasi Fisika METODE BISECTION

Veetha Adiyani Pardede M Komputasi Fisika METODE BISECTION METODE BISECTION Program ; Uses crt; var a,b,m,fa,fb,fm,tol,n : real; iter_max,it : integer; function f(x:real) : real; f:= sqr(x)+ 3*x - 5; Begin Clrscr; writeln ('=================================================================

Lebih terperinci

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com Soal da Pembahasa jia Nasioal 06 Matematika Tekik SMK matematikameyeagka.com . pqr Betuk sederhaa dari p q r A. p 8 q r adalah... B. p q 0 r 0 D. p q 0 r 0 C. p 8 q r 0 E. p 6 q r Igat rumus berikut m

Lebih terperinci

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

Lebih terperinci

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA Jural Matematika UNAND Vol. 3 No. Hal. 7 34 ISSN : 33 9 c Jurusa Matematika FMIPA UNAND REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA EKA RAHMI KAHAR, DODI DEVIANTO Program

Lebih terperinci

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

Lebih terperinci

ANALISIS REGRESI DAN KORELASI SEDERHANA

ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

Pendiferensialan. Modul 1 PENDAHULUAN

Pendiferensialan. Modul 1 PENDAHULUAN Modul Pediferesiala Prof R Soematri D PENDAHULUAN alam modul ii dibahas fugsi berilai real yag didefiisika pada suatu iterval Defiisi derivatif suatu fugsi dimulai dega derivatif di suatu titik, kemudia

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

Himpunan/Selang Kekonvergenan

Himpunan/Selang Kekonvergenan oki eswa (fmipa-itb) Deret Pagkat Kita aka mempelajari beberapa tehik utuk meyajika suatu fugsi f (x) dalam betuk deret pagkat (power series), yaitu meetuka derat pagkat c (x a) sehigga f (x) = c (x a)

Lebih terperinci

KETERKAITAN ANTARA MODUL BEBAS DENGAN MODUL DILIHAT DARI SIFAT-SIFAT HOMOMORFISME MODUL

KETERKAITAN ANTARA MODUL BEBAS DENGAN MODUL DILIHAT DARI SIFAT-SIFAT HOMOMORFISME MODUL KETERKAITAN ANTARA MODUL BEBAS DENGAN MODUL DILIHAT DARI SIFAT-SIFAT HOMOMORFISME MODUL Khusul Afifa 1, Abdussakir 2 1 Mahasiswa Jurusa Matematika UIN Maulaa Malik Ibrahim Malag 2 Dose Jurusa Matematika

Lebih terperinci

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),

Lebih terperinci

Modul 1: Analisis Galat (error) dan Masalah-masalah Mendasar Dalam Komputasi Numeris (dengan Turbo Pascal dan FORTRAN 77/90/95)

Modul 1: Analisis Galat (error) dan Masalah-masalah Mendasar Dalam Komputasi Numeris (dengan Turbo Pascal dan FORTRAN 77/90/95) Modul 1: Analisis Galat (error) dan Masalah-masalah Mendasar Dalam Komputasi Numeris (dengan Turbo Pascal dan FORTRAN 77/90/95) A. Kendala Dalam Sistem Komputasi Numerik Dalam komputasi numerik, yaitu

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

INVERS TERGENERALISASI MATRIKS ATAS ALJABAR MAXPLUS Musthofa Jurusan Pendidikan Matematika FMIPA UNY

INVERS TERGENERALISASI MATRIKS ATAS ALJABAR MAXPLUS Musthofa Jurusan Pendidikan Matematika FMIPA UNY INVERS TERGENERALISASI MATRIKS ATAS ALJABAR MAXPLUS Musthofa Jurusa Pedidika Matematika FMIPA UNY musthofa@uy.ac.id Abstrak Jika A matriks atas lapaga, maka pasti terdapat dega tuggal suatu matriks B yag

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

Pengamatan, Pengukuran dan Eksperimen

Pengamatan, Pengukuran dan Eksperimen TEORI KESALAHAN EKSPERIMEN FISIKA DASAR I Pegamata, Pegukura da Eksperime Pegamata da pegukura Teori / model Eksperime Ramala Pegamata payig attetio watch somethig attetively record of somethig see or

Lebih terperinci

BAB IV PENELITIAN. menggunakan sensor mekanik limit switch sebagai mekanis hitungnya

BAB IV PENELITIAN. menggunakan sensor mekanik limit switch sebagai mekanis hitungnya BAB IV PENELITIAN 4.1 Spesifikasi Alat Coloy couter didesai khusus agar diperutuka bagi user utuk membatu meghitug sekaligus megaalisa jumlah media dega megguaka sesor mekaik limit switch sebagai mekais

Lebih terperinci

1. Ubahlah bentuk kuadrat di bawah ini menjadi bentuk

1. Ubahlah bentuk kuadrat di bawah ini menjadi bentuk OPERASI ALJABAR. Ubahlah betuk kuadrat di bawah ii mejadi betuk ( a b) c 4 8 4 4 0 4. Uraika betuk di bawah ii ( 5)( ) [ ]( )( )( ) [ ]( ) ( ) ( ). Tetuka ilai a, b, da c, jika ( )( 4 )( ) = a b c 6 (

Lebih terperinci

5. KARAKTERISTIK RESPON

5. KARAKTERISTIK RESPON 5. ARATERISTI RESPON Adalah ciri-ciri khusus perilaku diamik (spesifikasi performasi) Taggapa (respo) output sistem yag mucul akibat diberikaya suatu siyal masuka tertetu yag khas betukya (disebut sebagai

Lebih terperinci

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus Homomorfisma Pada Semimodul Atas Aljabar Max-Plus A 14 Oleh : Musthofa Jurusa Pedidika Matematika FMIPA UNY Abstrak Kosep homorfisma telah bayak dibahas pada beberapa struktur aljabar yaitu pada ruag vektor

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN NON LINIER

BAB 3 PENYELESAIAN PERSAMAAN NON LINIER BAB 3 PENYELESAIAN PERSAMAAN NON LINIER 3.. Permasalahan Persamaan Non Linier Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan non linier.dimana akar sebuah persamaan f(x =0 adalah

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 Merupaka pegembaga dari ANAVA 1 Jala Jika pada ANAVA 1 jala 1 Faktor Jika pada ANAVA jala Faktor Model Liier i i 1,..., a j 1,..., Satu faktor ag diteliti Aava 1 jala k i j k i 1,,...,

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

Multi Variabel Tanpa Kendala Multi Variabel dengan Kendala

Multi Variabel Tanpa Kendala Multi Variabel dengan Kendala Optimasi No-iier Pedahulua Suatu permasalaha optimasi disebut oliier ika fusi tuua da kedalaya mempuyai betuk oliier pada salah satu atau keduaya, cotohya adalah sebaai berikut: Metode Optimasi Aalitis

Lebih terperinci

Pertemuan ke 4. Non-Linier Equation

Pertemuan ke 4. Non-Linier Equation Pertemuan ke 4 Non-Linier Equation Non-Linier Equation Persamaan Kuadrat Persamaan Kubik Metode Biseksi Metode Newton-Rapshon Metode Secant 1 Persamaan Kuadrat Persamaan kuadrat adalah suatu persamaan

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci