ANALISIS SENSITIVITAS

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS SENSITIVITAS"

Transkripsi

1 PERTEMUAN 8 ANALISIS SENSITIVITAS Seorag aalis jarag dapat meetuka parameter model Program Liier seperti (m,, C j, a, b i ) dega pasti karea ilai parameter ii adalah fugsi dari beberapa ucotrolable variable. Semetara itu solusi optimal model Program Liier didasarka pada parameter tersebut. Akibatya aalis perlu megamati pegaruh perubaha parameter tersebut terhadap solusi optimal. Aalisa perubaha parameter da pegaruhya terhadap solusi Program Liier disebut Post Optimality Aalisis. Istilah post optimality meujukka bahwa aalisa ii terjadi setelah diperoleh solusi optimal, dega megasumsika seperagkat ilai parameter yag diguaka dalam model. Atau Aalisis Postoptimal (disebut juga aalisis pasca optimal atau aalisis setelah optimal, atau aalisis kepekaa dalam suasaa ketidaktahua) merupaka suatu usaha utuk mempelajari ilai-ilai dari peubah-peubah pegambila keputusa dalam suatu model matematika jika satu atau beberapa atau semua parameter model tersebut berubah atau mejelaska pegaruh perubaha data terhadap peyelesaia optimal yag sudah ada. Dapat diketahui bahwa duia yata yag diabstraksika da disimplifikasika ke dalam model PL, tidak sederhaa seperti rumusa PL sederhaa tersebut. Oleh karea itu dalam duia pegelolaa da kehidupa duia yata, selalu dihadapka pada pertayaapertayaa keragu-raguaa seperti apa yag aka terjadi, jika ii da itu berubah? Persoala peluag da ketidakpastiaa pertayaa-pertayaa tersebut harus dapat dawab dalam ragka meyakika pediria terhadap sesuatu yag aka diputuska kelak. Dega demikia hasil yag diharapka tersebut adalah hasil yag memag palig mugki da palig medekati, atau perkiraa yag palig tepat. Uji kepekaa hasil da pasca optimal (sebut saja selajutya aalisis postoptimal) yag dapat memberika jawaba terhadap persoala-persoala tersebut diatas. Aalisis postoptimal sagat berhubuga erat dega atau medekati apa yag disebut Program Parametrikal atau Aalisis Parametrisasi. Perubaha atau variasi dalam suatu persoala Program Liier yag biasaya dipelajari melalui Post Optimality aalysis dapat dipisahka ke dalam tiga kelompok umum, yaitu :. Aalisa yag berkaita dega perubaha diskrit parameter utuk melihat berapa besar perubaha dapat ditolerir sebelum solusi optimal mulai kehilaga optimalitasya, ii diamaka Aalisa Sesitivitas. Jika suatu perubaha kecil dalam parameter meyebabka perubaha drastis dalam solusi, dikataka bahwa solusi adalah sagat Hal. dari 7

2 sesitif terhadap ilai parameter itu. Sebalikya, jika perubaha parameter tidak mempuyai pegaruh besar terhadap solusi dikataka solusi relatif isesitif terhadap ilai parameter tersebut. 2. Aalisa yag berkaita dega perubaha struktural. Masalah ii mucul bila persoala Program Liier dirumuska kembali dega meambahka atau meghilagka kedala da atau variabel utuk meujukka operasi model alteratif. Perubaha struktural ii dapat dimasukka dalam aalisa sesitivitas. 3. Aalisa yag berkaita dega perubaha kotiu parameter utuk meetuka uruta solusi dasar yag mejadi optimal jika perubaha ditambah lebih jauh, ii diamaka Parametric-Programmig. Diketahui Model Matematika Persoala Program Liier adalah sebagai berikut: Meetuka ilai dari X, X 2, X 3,..., X sedemikia rupa sehigga : Z = C X + C 2 X C j X j +...+C X = C j X j (Optimal[maksimum/miimum]) Yag kemudia disebut sebagai Fugsi Tujua (Objective Fuctio) dega pembatasa (Fusi Kedala/Syarat Ikata) : a X + a 2 X a X atau b, a 2 X + a 22 X a 2 X atau b 2, a m X + a m2 X a m X atau b m, atau a X j atau b i utuk i =,2,3,, m. da X 0, X 2 0,...,X 0 atau X j 0, dimaa j =, 2, 3,..., (syarat o-egatif). Berdasarka Model Matematika Persoala Program Liier di atas aalisis sesitivitas dapat dikelompokka berdasarka perubaha-perubaha parameter: (). Perubaha koefisie fugsi tujua (C j ), (2). Perubaha Koefisie tekologi (a ) (koefisie ipu-output), (3). Perubaha Nilai-Sebelah-Kaa (NSK) fugsi kedala) (b i ), (4). Adaya tambaha fugsi kedala baru (perubaha ilai m) (5). Adaya tambaha perubaha (variabel) pegambila keputusa (X j ) (perubaha ilai ). Hal. 2 dari 7

3 MASALAH TRANSPORTASI ). Pedahulua Selai persoala program liier seperti yag telah dibicaraka pada bab-bab sebelumya, ada persoala program liier yag bertipe khusus, yag kekhususaya terletak pada karakteristik utama. Karakter-karakter khusus tersebut diataraya persoala-persoala tersebut cederug membutuhka sejumlah pembatas da variabel yag sagat bayak sehigga pegguaa komputer dalam peyelesaia metode simpleksya sagat mahal, proses peghitugaya meghadapi berbagai hambata. Karakteristik laiya adalah kebayaka koefisie a dalam pembatasa-pembatasaya berharga satu atau ol, da sedikit sekali koefisie yag buka ol terjadi dalam satu pola tertetu. Tipe khusus persoala program liier yag palig petig ialah apa yag dikeal sebagai persoala trasportasi da persoala peugasa (assigmet) yag erat kaitaya dega persoala trasportasi. Dilihat dari model matematika persola Program Liier terdapat tipe / ciri / karakteristik khusus, yaitu: ). Semua fugsi kedala bertada = 2). Semua ilai a berilai atau 0. 3). Semua Nilai Sebelah kaa (NSK) fugsi kedala adalah. Suatu persoala Program Liier yag mempuyai tipe: ). Semua fugsi kedala bertada = da 2). Semua ilai a berilai atau 0. disebut Masalah Trasportasi, sedagka persoala program liier yag mempuyai tipe: ). Semua fugsi kedala bertada = 2). Semua ilai a berilai atau 0. 3). Semua Nilai Sebelah kaa (NSK) fugsi kedala adalah disebut Masalah Peugasa. 2). Persoala Trasportasi Persoala trasportasi membahas masalah pedistribusia suatu komoditas atau produk dari sejumlah sumber (supply) ke sejumlah tujua (demad, destiatio) dega tujua memiimumka ogkos pegagkuta yag terjadi. Ciri-ciri khusus persoala trasportasi adalah :. Terdapat sejumlah sumber da sejumlah tujua tertetu. 2. Kuatitas komoditas atau barag yag didistribusika dari setiap sumber da yag dimita oleh setiap tujua, besarya tertetu. Hal. 3 dari 7

4 3. Komoditas yag dikirim atau diagkut dari suatu sumber ke suatu tujua, besarya sesuai dega permitaa da atau kapasitas sumber. 4. Ogkos pegagkuta komoditas dari suatu sumber ke suatu tujua, besarya tertetu. 3). Model Trasportasi Sebuah model trasportasi dari sebuah jariga dega m sumber da tujua. Sebuah sumber atau tujua diwakili dega sebuah ode. Busur yag meghubugka sebuah sumber da sebuah tujua mewakili rute pegirima barag tersebut. Jumlah peawara di sumber i adalah a i da permitaa di tujua j adalah b j. Biaya uit trasportasi atara sumber i da tujua j adalah c. Aggaplah X mewakili jumlah barag yag dikirimka dari sumber i ke tujua j; maka model Program Liier yag mewakili masalah trasprotasi ii secara umum adalah sebagai berikut : Memiimumka Z dega batasa : m = C X (i) Keterbatasa Kapasitas Sumber ke-i : X = a, utuk i =, 2,..., m i (ii) Keterbatasa Kapasitas Tujua ke-j : m X = bj, utuk j =, 2,..., da X 0 utuk semua i =, 2,..., m da j =, 2,...,. Cotoh ilustrasi, Jika terdapat 2 buah sumber (m=2, misalka Solo da Pati) da 3 tujua (=3, misalka Yogya, Kudus da Kedal) maka dapat diyataka distribusi sebagai berikut : Solo (a) Yogya (b) Kudus (b2) Pati (a2) Kedal (b3) Hal. 4 dari 7

5 Keteraga : Jumlah persediaa barag di sumber ke- (Solo) sebayak a satua, persediaa di sumber ke-2 (Pati) sebayak a 2, sedagka kapasitas di tujua ke- (Yogya) sebesar b, tujua ke-2 (Kudus) sebesar b 2, da tujua ke-3 (Kedal) sebesar b 3. Jumlah barag yag diagkut dari sumber ke- (Solo) ke tujua ke- (Yogya) sebesar X da ogkos agkut per uitya C, jumlah barag yag diagkut dari sumber ke- (Solo) ke tujua ke-2 (Kudus) sebesar X 2 da ogkos agkut per uitya C 2, jumlah barag yag diagkut dari sumber ke- (Solo) ke tujua ke-3 (Kedal) sebesar X 3 da ogkos agkut per uitya C 3, sedagka jumlah barag yag diagkut dari sumber ke-2 (Pati) ke tujua ke- (Yogya) sebesar X 2 da ogkos agkut per uitya C 2, jumlah barag yag diagkut dari sumber ke-2 (Pati) ke tujua ke-2 (Kudus) sebesar X 22 da ogkos agkut per uitya C 22, jumlah barag yag diagkut dari sumber ke-2 (Pati) ke tujua ke-3 (Kedal) sebesar X 23 da ogkos agkut per uitya C 23. Maka model trasportasiya adalah sebagai berikut :. Fugsi Tujua : Memiimumka : Z = C X + C 2 X 2 +C 3 X 3 + C 2 X 2 +C 22 X 22 + C 23 X 23 = 2. Fugsi Kedala : a) X + X 2 + X 3 = a b) X 2 + X 22 + X 23 = a 2 c) X + X 2 = b d) X 2 + X 22 = b 2 e) X 3 + X 23 = b 3 atau dapat diyataka dalam otasi : utuk fugsi kedala a) da b) dapat diyataka : utuk fugsi kedala c), d), da e) dapat diyataka dalam : 3 3. Da syarat o egatifya X 0 utuk semua,2 da j =,2,3. 3 X i 2 3 C X = a, utuk i =, 2. Sedagka 2 X = bj, utuk j =, 2, Kelompok batasa pertama meetapka bahwa jumlah pegirima dari sebuah sumber tidak dapat melebihi peawaraya; demikia pula, kelompok batasa kedua megharuska bahwa jumlah pegirima ke sebuah tujua harus memeuhi permitaaya. Suatu permasalaha trasprotasi dikataka seimbag (balaced trasportatio model) jika total peawara (total supply) sama dega total permitaa (total demad), dega kata lai : a = i b (iii) j m Hal. 5 dari 7

6 Dalam persoala yag sebearya, batasa ii tidak selalu dipeuhi, atau dega kata lai jumlah supply yag tersedia mugki lebih besar atau lebih kecil dari jumlah yag dimita, jika hal ii terjadi disebut dega model trasprotasi tidak seimbag (ubalaced). Namu setiap persoala trasportasi selalu dapat dibuat mejadi seimbag dega memasukka variabel semu (artificial variable). Jika jumlah demad melebihi jumlah supply, maka dibuat suatu sumber dummy yag aka mesupply kekuraga tersebut, yaitu sebayak m b j a i Sebalikya, jika jumlah supply melebihi jumlah demad, maka dibuat suatu tujua dummy yag aka meyerap kelebiha tersebut, yaitu sebayak m ai b j Ogkos trasportasi per-uit (c ) dari sumber dummy keseluruh tujua adalah ol. Hal ii dapat dipahami karea pada pada keyataaya dari sumber dummy tidak terjadi pegirima. Dari persamaa (i), (ii) da (iii) diperoleh bahwa setiap X i memeuhi (m+-) persamaa pasti juga aka memeuhi persamaa ke-. Dega demikia persamaa ke- dapat diabaika. Ii berarti ada (m+-) persamaa yag bear-bear bebas artiya berbeda satu dega yag lai da memuat m, perubah. Jumlah variabel basis yag tidak sama dega ol adalah (m+-). Salah satu diatara (m+-) peyelesaia basis diatas aka merupaka jawab optimal yag diharapka. 4). Format Tabel Trasportasi Utuk meyelesaika permasalaha trasportasi dapat disusu tabel sebagai berikut : T T 2 T a i c c 2... c A X X 2 X a c 2 c c 2 A 2 X 2 X 22 X a A m c m c m2... c m X m X m2 X m a m b j b b 2 b Hal. 6 dari 7

7 Cotoh : Dari 3 buah pelabuha A, A 2 da A 3 terdapat seme sebayak masig-masig 20 to, 70 to da 60 to. Seme tersebut aka diagkut ke kota T, T 2 da T 3 yag masig-masig mempuyai daya tampug 50 to, 20 to da 90 to. Biaya pegirima dari pelabuha A ke kota T, T 2 da T 3 masig-masig adalah 50, 00 da 00 (dalam ribua rupiah/to). Biaya pegirima dari pelabuha A 2 ke kota T, T 2 da T 3 adalah 200, 300 da 200, sedagka biaya pegirima dari pelabuha A 3 ke kota T, T 2 da T 3 adalah 00, 200 da 300. Tetuka : a). Tabel Trasportasi? b). Model Trasportasi? 5). Peyelesaia Permasalaha Trasportasi Utuk meyelesaika persoala trasportasi, harus dilakuka lagkah-lagkah sebagai berikut :. Meetuka Solusi Fisibel Basis Awal. 2. Meetuka eterig variable dari variabel-variabel obasis. Bila semua variabel sudah memeuhi kodisi optimal, STOP. Bila belum lajutka ke lagkah Tetuka leavig variable diatara variabel-variabel basis yag ada, kemudia hitug solusi yag ada. Kembali ke lagkah 2. Utuk meetuka Solusi Fisibel Basis Awal terdapat 3 metode yag dapat diguaka, yaitu :. Metode Pojok Kiri Atas Pojok Kaa Bawah / Metode Pojok Barat Laut / North West Corer. 2. Metode Ogkos (Baris / Kolom) Terkecil (Least Cost). 3. Metode Pedekata Vogel (Vogel's Approximatio Method's / VAM). Utuk mecari Jawab Optimal terdapat 2 metode yag dapat diguaka, yaitu :. Metode Batu Locata (Steppig Stoe). 2. Metode Faktor Pegali (Multiplier) / Metode MODI (Modified Distributio) Hal. 7 dari 7

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Programa liear Programa Liear yag diterjemahka dari Liear programmig (LP) adalah suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program liier Program liier adalah suatu tekik peyelesaia optimal atas suatu problema keputusa dega cara meetuka terlebih dahulu fugsi tujua (memaksimalka atau memiimalka) da kedala-kedala

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

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

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

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

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

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

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

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

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 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

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

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

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

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

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

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

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

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA Eky Pawestri Gita Asmara 1, Bambag Irawato, S.Si, M.Si 2, Lucia Ratasari, S.Si, M.Si Departeme Matematika

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

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

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

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

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

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

Galat dan Perambatannya

Galat dan Perambatannya Modul 1 Galat da Perambataya Prof. Dr. Bambag Soedijoo P PENDHULUN ada Modul 1 ii dibahas masalah galat atau derajat kesalaha da perambataya, dega demikia para peggua modul ii diharapka telah memahami

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

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 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

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

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

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

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

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP ( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak

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

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

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

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

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

kesimpulan yang didapat.

kesimpulan yang didapat. Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka

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

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI

EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI Oleh: Sutopo Jurusa Fisika FMIPA UM sutopo@fisika.um.ac.id Ditulis pada sekitar bula Maret 2011. Diuggah pada 3 Desember 2011 PROBLEM Gambar di bawah ii meyataka

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,...

) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,... SISEM PERSAMAAN LINIER DAN MARIKS. SISEM PERSAMAAN LINIER Secara umum, persamaa liier dega variabel ( x, x,..., x ) didefiisika sebagai persamaa yag dapat diyataka dalam betuk: a x a x a x b... dega a,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

DISTRIBUSI KHUSUS YANG DIKENAL

DISTRIBUSI KHUSUS YANG DIKENAL 0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA Cara Peyajia Data dega Tabel Distribusi Frekuesi Distribusi Frekuesi adalah data yag disusu dalam betuk kelompok baris berdasarka

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB III PROGRAMA LINIER

BAB III PROGRAMA LINIER BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BARISAN FIBONACCI DAN BILANGAN PHI

BARISAN FIBONACCI DAN BILANGAN PHI BARISAN FIBONACCI DAN BILANGAN PHI Fiboacci Matematikawa terbesar pada abad pertegaha adalah Leoardo dari Pisa, Italia (80 0). Ia lebih dikeal dega ama Fibo-acci. Artiya, aak Boaccio. Meara Pisa yag terkeal

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

Kekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa

Kekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa Modul 1 Kekelirua dalam Perhituga Numerik da Selisih Terhigga Biasa D PENDAHULUAN Dr. Wahyudi, M.Pd. i dalam pemakaia praktis, peyelesaia akhir yag diigika dari solusi suatu permasalaha (soal) dalam matematika

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar BAB III BARISAN DAN DERET Tujua Pembelajara Setelah mempelajari materi bab ii, Ada diharapka dapat:. meetuka suku ke- barisa da jumlah suku deret aritmetika da geometri,. meracag model matematika dari

Lebih terperinci

FORECASTING (Peramalan)

FORECASTING (Peramalan) FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa

Lebih terperinci

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR Marlia Ulfa 1, Bambag Irawato 2, Suarsih 3 1,2,3 Program Studi Matematika, Fakultas

Lebih terperinci

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

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

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

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

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