RANCANGAN STRIP PLOT MODEL TETAP. Staf Jurusan Matematika FMIPA UNDIP

Ukuran: px
Mulai penontonan dengan halaman:

Download "RANCANGAN STRIP PLOT MODEL TETAP. Staf Jurusan Matematika FMIPA UNDIP"

Transkripsi

1 RANCANGAN STRIP PLOT MODEL TETAP Trstut Wurydr,uc Wldr, Noor Affh Stf Jurus Mtemt FMIPA UNDIP Alum Jurus Mtemt FMIPA UNDIP Astrct The expermet volve the study of the effects of two or more fctors c e used the fctorl desgs. The fctorl desgs hve severl dvtges. They re more effcet th oe fctor t tme experts. Furthermore, fctorl desgs s ecessry whe tercto my e preset to vod msledg coclutos. I the Strp Plot desg s fctorl two fctors whch rdom fctors re t sed o m plot or the whole plot ut the mportt s t s tercto. There re three error the Strp plot. They re error cused y fctor A, error cused y fctor B d error y A d B tercto. Keywords: Fctorl, Strp Plot, Itercto. Pedhulu Perco ftorl dlm Rcg Ac Legp (RAL), Rcg Ac Kelompo (RAK) mupu Rcg Buur Sgr Lt (RBSL) dtuu utu meelt pegruh utm d ters deg dert etelt yg sm. Kdg-dg sutu perco du ftor dg etept utu meguur ters tr du ftor dhrp leh tgg drpd meguur pegruh utm ftor mpu dr du ftor yg dgu [4]. Dlm stus sepert rcg yg sesu dgu dlh rcg strp plot. Rcg Strp Plot mrp deg rcg splt plot. Pd Splt Plot stu ftor dlet pd pet utm d ftor ly dlet pd pet tetp pd Strp Plot edu ftor merup pet utm []. Model yg dgu dlh model tetp, rdom d cmpur. Dlm tuls hy dhs utu Strp Plot model tetp. Pemhs melput model ler, sums d cr pemuty, hpotess yg dpt dml, tel Aov d u luty. Utu memperels pemhsy der cotoh peerp d peyeles deg pet progrm SAS 6. d MINITAB 4.. Desrps Teorts Rcg Strp Plot merup rcg ftorl deg pemers yg leh telt dutm pd tersy ddg ftor utmy. Dlm Strp Plot td d pemg pet utm d pet, msg-msg g sm deg pet utm tu sedr. I ermpls d esetgup tertetu tr edu ftor terseut sehgg yg stu mempuy emug yg sm utu dseut seg perlu pet utm []. Msly sutu peelt meggu ftorl du ftor d dutm etelt pd tersy ddg ftor utmy. Ftor A deg trf d ftor B deg trf d ut percoy delompo med elompo, m model lery dlh µ + K + α + δ + β + ρ + ( αβ ) + ε,,,;,,,;,,, deg: 35

2 Med Sttst, Vol., No., Ju 008: 35-4 : pegmt pd el e-, ftor A trf e-, ftor B trf e- µ : rt-rt eseluruh K : pegruh elompo e α : pegruh ftor A trf e- δ : ompoe glt oleh ftor A trf e- d el e- (glt ) β : pegruh ftor B trf e- ρ : ompoe glt oleh ftor B trf e- d el e- (glt ) (αβ ) : pegruh ters ftor A trf e- d ftor B trf e- : ompoe glt oleh ftor A trf e-, ftor B trf e- d el e- Asums yg hrus dpeuh dlm model tetp dlh: α 0 ; β 0 ; K 0 (αβ ) (αβ ), (αβ ) 0, 0 δ ~ N(0, σ δ ) ρ ~ N(0, σ ρ ) ε ~ N(0, σ ) Utu estms prmetery dgu metode udrt terecl. Utu pegu sums ormlts dgu u Kolmogorov Smrof d u homogets vrs dgu u Brtlett. Pegc perluy utu Rcg Strp Plot dlh seg erut: - Plhlh elompo ut perco secr c - Tempt trf-trf ftor A secr c pd setp elompo megut pol lur - Tempt trf-trf ftor B secr c pd setp elompo megut pol rs. [] Msly sutu perco utu megethu pegruh ftor ytu Jes pupu ( P0, P, P) d Peyr (E0,E) terhdp produs rumput utu p ter d dulg 3 l. M pegcy seg erut: Kel Kel Kel 3 E0 E E0 E E0 E P P P P P P P3 P3 P3 Hpotess yg s dml dlh seg erut:. H0 : α α... α 0 (td d pegruh ftor A terhdp respo) H : plg sedt d stu deg α 0 (d pegruh ftor A terhdp respo). H β β... β 0 (td d pegruh ftor B terhdp respo) 0 : H : plg sedt d stu deg β 0 (d pegruh ftor B terhdp respo) 36

3 Rcg Strp Plot Model Tetp (Trstut Wurydr) 3. H0 : ( αβ ) ( αβ )... ( αβ ) 0 (td d pegruh ters ftor A d ftor B terhdp respo) H : plg sedt d sepsg (,) deg ( αβ ) 0 (d pegruh ftor A d ftor B terhdp respo) Tel : Ly Out dt utu Rcg Strp Plot Ftor A Ftor B Kelompo Totl N

4 Med Sttst, Vol., No., Ju 008: 35-4 Pd Rcg Strp Plot d 3 es glt ytu glt oleh ftor pertm (glt ) glt oleh ftor edu (glt ) d glt oleh ters ftor pertm d edu (glt [4]. Pd Rcg Strp Plot erlu: JKT JKK + JKA + JKG( ) + JKB + JKG( ) + JKAB + JKG( Deg JKT Jumlh Kudrt Totl JKK Jumlh Kudrt Kelompo JKA Jumlh Kudrt ftor A JKG()Jumlh Kudrt Glt JKB Jumlh Kudrt ftor B JKG()Jumlh Kudrt Glt JKAB Jumlh Kudrt ters ftor A d B JKG( Jumlh Kudrt Glt c Rumus-rumus utu meghtug Jumlh Kudrt d Kudrt Tegh... FK,,,,.. JKT JKK JKA.., FK FK ; FK ;., JKG( ) FK JKK JKA ; JKB.., FK ;., JKG( ) FK JKB JKK ;, JKK KTK JKA KTA JKG( ) KTG ( ) ( )( ) JKB KTB ( ) JKG( ) KTG ( ) ( )( )., JKAB JKAB FK JKA JKB ; KTAB ( )( ) JKG( JKT JKK JKA JKG( ) JKB JKG( ) JKAB JKG( KTG ( ( )( )( ) 38

5 Rcg Strp Plot Model Tetp (Trstut Wurydr) Dperoleh tel ANOVA seg erut: Tel : Aov utu Rcg Strp Plot model Tetp Sumer Dert Jumlh Kudrt F htug F tel Kergm Bes Kudrt Tegh Kelompo (-) JKK KTK A (-) JKA KTA KTA F ( );( )( ) ( α) KTG() Glt () (-)(-) JKG() KTG() B (-) JKB KTB Glt () (-)(-) JKG() KTG() AB (-)(-) JKAB KTAB Glt ( (-)(-)(-) JKG( KTG( Totl - JKT KTB F ( );( )( ) ( α) KTG() KTAB F ( );( );( )( )( ) ( α) KTG( Krter uy dlh Ho dtol F htug > F tel yg ersesu. J Ho dtol m dlu u luty slh stuy deg metode Duc, deg leh dhulu meghtug stdrt uy Nl tts Ducy R r S / p α ; p; dglt d r ε ; p; dglt dcr dr tel Duc deg p,3,, deg dlh yy trf dr ftor yg ddg Tel 3: Stdrt u utu Rcg Strp Plot model Tetp Perdg tr Duur seg Glt u ( S ). Du l tegh A. Du Nl Tegh B 3. Du l tegh B pd trf ftor A yg sm 4. Du l tegh A. Pd trf B yg sm. Pd trf B yg ered KTG ( ) KTG ( ) d ( ) KTG( + KTG( ) ( ) KTG( + KTG( ) 3. Pemhs Utu memperels pemhs tetg Rcg Strp Plot, dwh dml cotoh terpy dr dt lpg. Ig dpelr pegruh ftor peyr d es pupu terhdp produs oot erg sees rumput utu p ter. Dr du mcm peyr (Eo, E) d tg es pupu (P0, P, P) dmt produs oot ergy. Dggp perco leh memetg ftor ters ddg ftor utmy, d hsl pegmty seg erut: 39

6 Med Sttst, Vol., No., Ju 008: 35-4 Jes Peyr Kelompo Pupu 3 P0 E E P E E P E E Sumer dt: Teguh Wowo, Mhssw Mgster Ilmu Ter Udp Deg meggu progrm Mt 4.0, sums ormlts glt, glt, d glt c dpeuh deg l Kolmogorov Smrov msg-msg 0.85; 0.; 0.05 d P vlue msg-msg 0.039; 0.0; 0.5. Sedg homogets vr glt, glt, glt c ug dpeuh mellu u Brlett deg l sttst u msg-msg 4.85;.0; 8.6 d p vlue msg-msg 0.83;.0; 0.30 Deg meggu pet progrm SAS 6. dperoleh: Geerl Ler Models Procedure Depedet Vrle: RESPON Sum of Me Source DF Squres Squre F Vlue Pr > F Model Glt c Corrected Totl R-Squre C.V. Root MSE RESPON Me Source DF Type III SS Me Squre F Vlue Pr > F KEL P Glt E Glt P*E Tests of Hypotheses usg the Type III MS for Glt s error term Source DF Type III SS Me Squre F Vlue Pr > F P Tests of Hypotheses usg the Type III MS for Glt s error term Source DF Type III SS Me Squre F Vlue Pr > F E Berdsr output dts dethu hw % ergm dr produs oot erg sees rumput utu p ter mmpu dels oleh ftor peyr d es pupu deg oefse ergm seesr J dml α5% dpt dsmpul hw :. Ad pegruh peyr terhdp produs oot erg sees rumput, deg F htug d P vlue Ad pegruh es pupu terhdp produs oot erg sees rumput, deg F htug.7 d P vlue Td d pegruh ters tr peyr d es pupu terhdp produs oot erg deg F htug.84 d P vlue

7 Rcg Strp Plot Model Tetp (Trstut Wurydr) Geerl Ler Models Procedure Duc's Multple Rge Test for vrle: RESPON NOTE: Ths test cotrols the type I comprsowse error rte, ot the expermetwse error rte Alph 0.05 df 6 MSE Numer of Mes 3 4 Crtcl Rge Mes wth the sme letter re ot sgfctly dfferet. Duc Groupg Me N P A A A A A B Geerl Ler Models Procedure Duc's Multple Rge Test for vrle: RESPON NOTE: Ths test cotrols the type I comprsowse error rte, ot the expermetwse error rte Alph 0.05 df MSE Numer of Mes Crtcl Rge 87.3 Mes wth the sme letter re ot sgfctly dfferet. Duc Groupg Me N E A B Berdsr u wlyh Duc, deg es pupu P0 memer rtrt produs oot erg sees rumput plg redh d ered deg yg l. Sedg utu es pupu P, rt-rt produs oot erg sees rumput tertgg d td ered deg P d P3. Utu ftor peyr E memer rt-rt produs oot erg sees rumput leh tgg ddg E. 4. Kesmpul Dr ur d ts dpt dsmpul hw Rcg Strp Plot dgu utu perco du ftor dm edu ftor dlet seg pet utm re yg dpetg ters edu ftory. J dg ftor pertm erpegruh secr yt terhdp respo, m dlu u lut deg glt yg dgu dlh glt. J ftor edu erpegruh secr yt terhdp respo, m dlu u lut deg glt yg dgu dlh glt. J ters tr ftor pertm d edu erpegruh secr yt terhdp respo, m dlu u lut deg glt yg dgu dlh glt c. Dr cotoh sus, edu ftor erpegruh terhdp respo dem ug tersy deg mellu u wlyh Duc. Asums Normlts d Homogets Vrs utu msg-msg glt terpeuh. DAFTAR PUSTAKA. Asor, A. d Sumerty, M., Percg Perco deg pls SAS d Mt, IPB PRESS. Bogor, Gspersz, V., Metode Percg Perco. C.V Armco, Jrt, Gomez, K.A. d Gomez A.A. Procedures for Agrculturl Reserch. Joh Wley & Sos, Ic.,

8 Med Sttst, Vol., No., Ju 008: Motgomery, D.C. Desg d Alyss of Expermets. Ffth Edto. Joh Wley & Sos, Ic., New or, Steel,R.G.D., Torre, J.H. d Dcey, D.A., Prcples d Procedures of Sttstcs Bometrcl Approch, Thrd Edto. McGrw-Hll, Ic., Sgpore, Sugd, E. d Sugrto, Rcg Perco. Ad Offset, ogyrt,

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

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

Lebih terperinci

METODE UNWEIGHTED MEANS UNTUK FAKTORIAL TAK SEIMBANG DISPROPORSIONAL

METODE UNWEIGHTED MEANS UNTUK FAKTORIAL TAK SEIMBANG DISPROPORSIONAL METODE UNWEIGHTED MEANS UNTUK AKTORIAL TAK SEIMBANG DISPROPORSIONAL Trstut Wurydr Jurus Mtemtk MIPA UNDIP Jl Prof H Soedrto, SH, Semrg 5075 Astrct A fctorl desg should e used whe there re severl fctors

Lebih terperinci

( X ) 2 ANALISIS REGRESI

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

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

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB VI ANALISIS REGRESI

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

Lebih terperinci

BAB V ANALISIS REGRESI

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

Lebih terperinci

Rancangan Petak Terpisah dalam RAL

Rancangan Petak Terpisah dalam RAL Rancangan Petak Terpisah dalam RAL KULIAH 11 PERANCANGAN PERCOBAAN (STK222) rahmaanisa@apps.ipb.ac.id Latar Belakang Sejarah : Rancangan ini awalnya berkembang pada bidang pertanian (Montgomery, 1997;

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

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

Lebih terperinci

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

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

Lebih terperinci

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

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

Lebih terperinci

Percobaan Rancangan Petak Terbagi dalam RAKL

Percobaan Rancangan Petak Terbagi dalam RAKL Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Perumus Pedug Bgi θ Misl N dlh proses Poisso pd itervl [0 deg rt μ yg otiu mutl d fugsi itesits λ yg teritegrl lol. Utu setip himpu Borel terts B m μ( B Ε N( B λ( s ds

Lebih terperinci

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012 8/9/0 ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) Elty Srv, S., M. Fkults ekk Jurus ekk Idustr Uversts Krste Mrth Bdug ANOVA Dsr perhtug ANOVA dtetpk oleh Rold A. Fsher. Dstrus teorts yg dguk dlh

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

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

Lebih terperinci

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Rancangan Blok Terpisah (Split Blok)

Rancangan Blok Terpisah (Split Blok) Rancangan Blok Terpisah (Split Blok) KULIAH 13 PERANCANGAN PERCOBAAN (STK 222) rahmaanisa@apps.ac.id Rancangan Split Blok Kedua faktor merupakan petak utama Pengaruh yang ditekankan adalah pengaruh interaksi

Lebih terperinci

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

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

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3)

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3) STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran

Lebih terperinci

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

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

Lebih terperinci

SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Basic Properties of Henstock Integral)

SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Basic Properties of Henstock Integral) Jurl Breeg Vol 6 No Hl 7 5 (0) SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Bsc Propertes of Hestoc Itegrl) LEXY JANZEN SINAY MOZART WINSTON TALAKUA Stf Jurus Mtemt FMIPA UNPATTI Jl Ir M Putuhe Kmpus Uptt Po-Amo

Lebih terperinci

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

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

Lebih terperinci

Bab IV Faktorisasi QR

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

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

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

Lebih terperinci

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS Metode ple erup utu te tdr g dgu utu eech lh Progr Ler e thu 9. Pd prp etode ple ecr peele optl deg eetu tt-tt udut dr derh fele proe dlu erulg-ulg dr utu

Lebih terperinci

BARISAN DAN DERET A. POLA BILANGAN B. BARISAN BILANGAN. Contoh Soal

BARISAN DAN DERET A. POLA BILANGAN B. BARISAN BILANGAN. Contoh Soal BARIAN DAN DERET A. POLA BILANGAN Bergi jeis ilg yg serig it pergu mempuyi pol tertetu. Pol ii serig digu dlm meetu urut / let ilg dri seumpul ilg yg ditetu, cotoh ilg gjil e-5 dri ilg :,, 5, 7, yitu 9.

Lebih terperinci

TIN309 - Desain Eksperimen Materi #6 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #6 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mteri #6 TIN309 DESAIN EKSPERIMEN RCBD Rndomized Complete Block Design (RCBD): Adlh perlusn dri konsep Anlysis of Vrins (ANOVA) dengn prinsip memgi eksperimen menjdi eerp lok Hl ini dilkukn il terdpt nuisnce

Lebih terperinci

TEORI DASAR. simbol yang menyatakan bahwa dua hal adalah persis sama. Dimana. persamaanya ditulis dengan tanda sama dengan.

TEORI DASAR. simbol yang menyatakan bahwa dua hal adalah persis sama. Dimana. persamaanya ditulis dengan tanda sama dengan. II. TEORI ASAR. Persm d Pertdsm Persm ddefs seg sutu peryt mtemt dlm etu smol yg meyt hw du hl dlh perss sm. m persmy dtuls deg td sm deg. Msly : 4 y 8 Pertdsm ddefs seg lmt mtemt yg meuu perdg uur du

Lebih terperinci

TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Rukiyah 1*, Bustami 2, Sigit Sugiarto 2

TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Rukiyah 1*, Bustami 2, Sigit Sugiarto 2 TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Ruiyh, Bustmi, Sigit Sugirto Mhsisw Progrm S Mtemti Dose Jurus Mtemti Fults Mtemti d Ilmu Pegethu Alm Uiversits Riu Kmpus Biwidy

Lebih terperinci

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

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

Lebih terperinci

HUKUM SYLVESTER INERSIA

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

Lebih terperinci

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III.

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III. Le 15 J el order h, h h, el order ( od [Nve, 1991] III PEMBAHASAN Pd bg edhulu telh dsebut bhw tuu dr euls dlh eelr teore-teore yg tert solus resdu udrt d egostrus lgort utu ecr solusy, ereostrus Algort

Lebih terperinci

TIN309 - Desain Eksperimen Materi #5 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #5 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN Mteri #5 TIN309 DESAIN EKSPERIMEN RCBD Rndomized Complete Block Design (RCBD): Adlh perlusn dri konsep Anlysis of Vrins (ANOVA) dengn prinsip memgi eksperimen menjdi eerp lok Hl ini dilkukn il terdpt nuisnce

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

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

Lebih terperinci

Desain Faktorial 2 Faktor

Desain Faktorial 2 Faktor Mteri #8 TIN309 DESAIN EKSPERIMEN Desin Fktoril Fktor Adlh untuk meliht pengruh dri efek peruhn dri du fktor (vriel) terhdp hsil eksperimen. Misl pengruh dri fktor A dn B terhdp sutu eksperimen. Definisi

Lebih terperinci

HUKUM SYLVESTER INERSIA

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

Lebih terperinci

A. Pusat Massa Suatu Batang

A. Pusat Massa Suatu Batang Perteu 7 Pust ss sutu Kepg, Setrod, d Teore Pppus A. Pust ss Sutu Btg Dskusk!. slk ss,,..., terletk pd tg pdt sgsg d ttk,...,,, d = jrk errh tr ss ke sutu ttk tetp 0 pd tg,,,...,. ss prtkel, oe prtkel

Lebih terperinci

Pengacakan dan Tata Letak

Pengacakan dan Tata Letak Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu

Lebih terperinci

ELIPS. A. Pengertian Elips

ELIPS. A. Pengertian Elips ELIPS A. Pengertin Elips Elips dlh tempt kedudukn titik-titik yng jumlh jrkny terhdp du titik tertentu mempunyi nili yng tetp. Kedu titik terseut dlh titik focus / titik pi. Elips jug didefinisikn segi

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif

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

Lebih terperinci

CNH2B4 / KOMPUTASI NUMERIK

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

Lebih terperinci

Solusi Sistem Persamaan Linear

Solusi Sistem Persamaan Linear Sos Sstem Persm Ler Sstem persm er: h persm deg h kow j d dketh, j,,, j? So: z 6 z z () () () persm d kow Jw: z 6.5 z.5 z () () () ems : pers. ().5 pers. () pers. ().5 pers. () z 6.5 z 8z 8 () () () ems

Lebih terperinci

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

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

Lebih terperinci

BAB 5 PENDEKATAN FUNGSI

BAB 5 PENDEKATAN FUNGSI BAB 5 ENDEKATAN FUNGSI DEVIDE DIFFERENCE SELISIH TERBAGI A. Tuju. Memhmi oliomil Newto Selisih Terbgi b. Mmpu meetu oeisie-oeisie oliomil Newto c. Mmpu meetu oeisie-oeisie oliomil Newto deg Mtlb B. ergt

Lebih terperinci

m n II. PERSAMAAN LINEAR, PERTIDAKSAMAAN LINIER, FUNGSI LINIER A. Persamaan Linier 3. Persamaan Linear Tiga Variabel ( ax + by + cz = d )

m n II. PERSAMAAN LINEAR, PERTIDAKSAMAAN LINIER, FUNGSI LINIER A. Persamaan Linier 3. Persamaan Linear Tiga Variabel ( ax + by + cz = d ) I. OPERSI ILNGN REL. Pgt (Esoe. +. RNGKMN MTEMTIK. (.. ( 5. 6. 7. 8.. etu... ( ± ( + ± 5. ( Mesol Peeut etu Peh. (. + + C. Logt. log. log. log log. log log...( log log... log log... ( log... ( log. log+

Lebih terperinci

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

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

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA MEODE REGRESI RIDGE UNUK MENGAASI MODEL REGRESI LINIER BERGANDA ANG MENGANDUNG MULIKOLINIERIAS SKRIPSI NANANG PRADIPA 3833 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS SUMAERA

Lebih terperinci

Analisis Kovariansi pada Rancangan Faktorial Dua Faktor dengan n Kali Ulangan

Analisis Kovariansi pada Rancangan Faktorial Dua Faktor dengan n Kali Ulangan Analisis Kovariansi pada Rancangan Faktorial Dua Faktor dengan n Kali Ulangan Rika Syofiana #1, Minora L. Nst *2, Riry Sri Ningsih *3 # Student of Mathematics Department State University of Padang, Indonesia

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Percobaan Faktor Tunggal (RAL, RAKL, RBSL)

Percobaan Faktor Tunggal (RAL, RAKL, RBSL) Percoaan Faktor Tunggal RAL, RAKL, RBSL Faktor Tunggal Dalam RAKL Rancangan Acak Kelompok Lengkap Karakterstk Rancangan Perlakuan yang dcoakan merupakan taraftaraf dar satu faktor tertentu Faktor-faktor

Lebih terperinci

Masalah Transportasi

Masalah Transportasi Mslh Tnspots Rset Opesonl Onggo W onggo@lve.com Ide Ds Sesu nmny, metode n dgunn untu mengoptmln y pengngutn (tnspots) seuh omodts tunggl d eep deh sume menuju eep deh tujun. Tg sums pentng dlm mslh n:

Lebih terperinci

MATRIKS. Create by Luke

MATRIKS. Create by Luke Defiisi Mtris MTRIS Crete y Lue Seuh mtri dlh sergi eleme dlm etu persegi pg Eleme e-(i,) i dri mtris erd diris e-i d olom e- dri rgi terseut Order (uur) dri seuh mtri dit seesr (m x ) i mtris terseut

Lebih terperinci

Teknik Komputasi Ujian Akhir Semester (UAS)

Teknik Komputasi Ujian Akhir Semester (UAS) Tekk Komputs U Akhr Semester UAS Dose : Dr. Ir. Nzor Az MT. Nm : Yog Prhstomo NIM : 06006 Kels : XB MAGISTER ILMU KOMPUTER UNIVERSITAS BUDI LUHUR 0 Hlm 0 Tekk Komputs: U Akhr Semester UAS A. Sol Dkethu

Lebih terperinci

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian 1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

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

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Ade Setiawan 009 Faktorial Faktor Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Ade

Lebih terperinci

Percobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc.

Percobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc. Percobaan Dua Faktor: Percobaan Faktorial Arum Handini Primandari, M.Sc. Pendahuluan Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH MOIFIKASI METOE RUNGE-KUTTA ORE- KLASIK BERASARKAN RATA-RATA HERONIAN TUGAS AKHIR ju Seg Sl Stu Srt utu Memperole Gelr Srj Ss Pd Jurus Mtemt Ole : RIYAN ABULLAH 55 FAKULTAS SAINS AN TEKNOLOGI UNIVERSITAS

Lebih terperinci

PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari

PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP Arum Handini Primandari PENDAHULUAN Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai

Lebih terperinci

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak

Lebih terperinci

Makalah Seminar Tugas Akhir. MASTER PLAN PENGEMBANGAN KELISTRIKAN DAERAH Study Kasus Kelistrikan Daerah Kabupaten Temanggung

Makalah Seminar Tugas Akhir. MASTER PLAN PENGEMBANGAN KELISTRIKAN DAERAH Study Kasus Kelistrikan Daerah Kabupaten Temanggung Mlh Semr Tugs Ahr MASTER PLAN PENGEMBANGAN KELSTRKAN DAERAH Study Ksus Kelstr Derh Kupte Temggug Novr Prmdyt, NM : LF 000 6 Jurus Te Eletro Fults Te Uversts Dpoegoro ABSTRAK - Dlm Tugs Ahr dsusu rec pegemg

Lebih terperinci

1 yang akan menghasilkan

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

Lebih terperinci

KONSEP NILAI HARAPAN KUADRAT TENGAH

KONSEP NILAI HARAPAN KUADRAT TENGAH ROZA AZIZAH PRIMATIKA, M.Si KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun analisis ragam

Lebih terperinci

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

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

Lebih terperinci

PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP

PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Pendekatan regresi polinomial orthogonal dapat

Lebih terperinci

ESTIMASI DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP

ESTIMASI DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP ESTIMASI DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP Ttk Wdhrh Progrm Stud Sttstk, Jurusn Mtemtk FMIPA UNDIP Jl. Prof. H. Soedrto, SH Temlng Semrng 5075 Astrct. Rndomzed complete lock desgn s desgn

Lebih terperinci

Contoh RAK Faktorial

Contoh RAK Faktorial 68 (1) Olah Tanah Pupuk Kelompok (K) Grand Total (A) Organik (B) 1 2 3 AB 1 0 154 151 165 470 10 166 166 160 492 20 177 178 176 531 30 193 189 200 582 2 0 143 147 139 429 10 149 156 171 476 20 160 164

Lebih terperinci

PENGGUNAAN PENDEKATAN GRAFIK PADA RANCANGAN PETAK TERBAGI DALAM RANCANGAN ACAK LENGKAP

PENGGUNAAN PENDEKATAN GRAFIK PADA RANCANGAN PETAK TERBAGI DALAM RANCANGAN ACAK LENGKAP Universits Hsnuddin PENGGUNAAN PENDEKATAN GRAFIK PADA RANCANGAN PETAK TERBAGI DALAM RANCANGAN ACAK LENGKAP Yetti Perini, Rupong, Anis Progrm Studi Sttistik, FMIPA, Universits Hsnuddin ABSTRAK Untuk meliht

Lebih terperinci

TE Dasar Sistem Pengaturan. Kriteria Kestabilan Routh

TE Dasar Sistem Pengaturan. Kriteria Kestabilan Routh TE946 Dr Sitem Pegtur Kriteri Ketil Routh Ir. Jo Prmudijto, M.Eg. Juru Tekik Elektro FTI ITS Telp. 5947 Fx.597 Emil: jo@ee.it.c.id Dr Sitem Pegtur - 7 Ojektif: Koep Ketil Ketil Routh Proedur Ketil Routh

Lebih terperinci

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

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

Lebih terperinci

Koefisien Regresi / persamaan regresi linier digunakan untuk meramalkan / mengetahui besarnya pengaruh variabel X terhadap variabel Y

Koefisien Regresi / persamaan regresi linier digunakan untuk meramalkan / mengetahui besarnya pengaruh variabel X terhadap variabel Y REGRESI Koefsen Regres / persmn regres lner dgunkn untuk mermlkn / mengethu esrny pengruh vrel terhdp vrel Vrel yng mempengruh ddlm nlss regres dseut vrel predktor ( ) Vrel yng dpengruh dseut vrel krterum

Lebih terperinci

BAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai

BAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai BAB 6 FITTIG DATA Atu dseut dengn penookn dt tu menentukn kurv terk ng mellu set dt (sekumpuln dt) dengn keslhn mnmum. Ukurn keslhn dlh E (root men squre, kr kudrt rt-rt). Ad eerp mm pol fttng dt: menurut

Lebih terperinci

PETUNJUK PENULISAN LKM MODUL IV STATISTIK INFERENSIA

PETUNJUK PENULISAN LKM MODUL IV STATISTIK INFERENSIA A. PENDAHULUAN KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI PETUNJUK PENULISAN LKM MODUL IV STATISTIK INFERENSIA (Berisi ltr elkng mengeni fungsi sttistik inferensi pd permslhn di kehidupn sehri-hri.

Lebih terperinci

BAB V INTEGRAL DARBOUX

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

Lebih terperinci

Pendahuluan Aljabar Vektor Matrik

Pendahuluan Aljabar Vektor Matrik Pedhulu Aljr Vektor trik Defiisi: trik A erukur x ilh sutu susu gk dl ersegi et ukur x, segi erikut: = A tu A = ( ij ) Utuk eytk elee trik A yg ke (i,j), yitu ij, diguk otsi (A) ij. Ii errti ij = (A) ij.

Lebih terperinci

DUALITAS DAN ANALISIS SENSITIVITAS

DUALITAS DAN ANALISIS SENSITIVITAS /5/008 DUALITAS DAN ANALISIS SENSITIVITAS Dr. Mohd Adul Mukhy, SE., MM. Prl Prole P ze z cx suject to Ax x 0 optu vlue s z* Dul Prole xze suject to D v π πa c optu vlue s v* Theore. (Strog Dulty) If oth

Lebih terperinci

Lampiran 1. Prosedur Kerja Mesin AAS

Lampiran 1. Prosedur Kerja Mesin AAS 49 Lampiran 1. Prosedur Kerja Mesin AAS Prinsip Kerja berdasarkan penguapan larutan sampel. kemudian logam berat yang terkandung di dalamnya diubah menjadi atom bebas. Atom tersebut mengabsorbsi radiasi

Lebih terperinci

MODUL 3 PERCOBAAN DUA FAKTOR

MODUL 3 PERCOBAAN DUA FAKTOR MODUL 3 PERCOBAAN DUA FAKTOR A. Pendhulun Pd ergi idng penerpn rncngn percon dikethui hw respon dri individu merupkn kit dri ergi fktor secr simultn. l ini menunjukkn hw percon stu fktor kn menjdi sngt

Lebih terperinci

BAB I SISTEM PERSAMAAN LINEAR

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

Lebih terperinci

APLIKASI INTEGRAL TENTU

APLIKASI INTEGRAL TENTU APLIKASI INTEGRAL TENTU Apliksi Itegrl Tetu థ Lus ditr 2 kurv థ Volume ed dlm idg (deg metode ckrm d cici) థ Volume ed putr (deg metode kulit tug) థ Lus permuk ed putr థ Mome d pust mss 1 2 1. LUAS DIANTARA

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1)

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1) STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis

Lebih terperinci

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

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

Lebih terperinci