Bab 5. Interpolasi dan Regresi

Ukuran: px
Mulai penontonan dengan halaman:

Download "Bab 5. Interpolasi dan Regresi"

Transkripsi

1 Bab 5 Interpolas dan Regres Jangan kut kemana jalan menuju, tetap buatlah jalan sendr dan tnggalkan jejak (Anonm Para rekayasawan dan ahl lmu alam serng bekerja dengan sejumlah data dskrt (yang umumnya dsajkan dalam bentuk tabel. Data d dalam tabel mungkn dperoleh dar hasl pengamatan d lapangan, hasl pengukuran d laboratorum, atau tabel yang dambl dar buku-buku acuan. Sebaga lustras, sebuah pengukuran fska telah dlakukan untuk menentukan hubungan antara tegangan yang dberkan kepada baja tahan-karat dan waktu yang dperlukan hngga baja tersebut patah. Delapan nla tegangan yang berbeda dcobakan, dan data yang dhaslkan adalah [CHA9]: Tegangan yang dterapkan,, kg/mm Waktu patah, y, jam Masalah yang cukup serng muncul dengan data tabel adalah menentukan nla d antara ttk-ttk dskrt tersebut (tanpa harus melakukan pengukuran lag. Msalnya dar tabel pengukuran d atas, rekayasawan ngn mengetahu waktu patah y jka tegangan yang dberkan kepada baja adalah kg/mm. Masalah n tdak bsa langsung djawab karena fungs yang menghubungkan peubah y dengan peubah tdak dketahu. Salah satu solusnya adalah mencar fungs yang mencocokkan (ft ttk-ttk data d dalam tabel tabel. Pendekatan sepert n d dalam metode numerk dnamakan pencocokan kurva (curve fttng. Fungs yang dperoleh dengan pendekatan n merupakan fungs hampran, karena tu nla fungsnya tdak setepat nla sejatnya. Namun, cara n dalam praktek Terjemahan bebas dar kalmat: "Do not follow where the path may lead. Go, nstead, where there s no path and leave a tral" 94 Metode Numerk

2 rekayasa sudah mencukup karena rumus yang benar-benar menghubungkan dua buah besaran fsk sult dtemukan. Pencocokan kurva tdak hanya bertujuan menghtung nla fungs, tetap a juga dgunakan untuk mempermudah perhtungan numerk yang lan sepert menghtung nla turunan (dervatve dan menghtung nla ntegral (. Msalnya kta dhadapkan dengan fungs yang bentuknya cukup rumt, sepert fungs berkut: f( = ln( / (P.5. Menghtung turunan fungs tersebut pada nla tertentu, msalnya d = a, f (a =? merupakan pekerjaan yang cukup sult, apalag bla turunan yang dbutuhkan semakn tngg ordenya. Demkan juga dengan menghtung nla ntegral fungs f( pada selang ntegras [a, b], msalnya selang [, ], / ln( merupakan pekerjaan yang tdak mudah, bahkan secara analtk pun belum tentu dapat dlakukan, karena rumus ntegras untuk fungs semacam n tdak terseda. Satu pendekatan untuk melakukan dua perhtungan n alah dengan menyederhanakan fungs f( menjad polnom p n ( yang berderajat n, f( p n ( yang dalam hal n, p n ( = a + a + a a n n (P.5. Menghtung turunan atau mengntegralkan suku-suku polnom menjad lebh mudah karena rumus untuk menghtung turunan atau mengntegraskan polnom sangat sederhana, yatu ( jka f( = a n maka f '( = na n- ( a n d = a ( n + n+ + C Bab 5 Interpolas Polnom 95

3 Untuk membentuk polnom n, kta mengambl beberapa ttk dskrt (yang umumnya berjarak sama dar fungs f. Ttk-ttk tersebut secara alam drepresentaskan dalam bentuk tabel. Selanjutnya ttk-ttk data n dcocokkan untuk menentukan polnom p n ( yang menghampr fungs aslnya. y y (a Regres (b Interpolas Gambar 5. Pencocokan kurva dengan metode (a regres, dan (b nterpolas Pencocokkan kurva adalah sebuah metode yang memcocokkan ttk data dengan sebuah kurva (curve fttng fungs. Pencocokan kurva dbedakan atas dua metode:. Regres. Data hasl pengukuran umumnya mengandung derau (nose atau galat yang cukup berart. Karena data n tdak telt, maka kurva yang mencocokkan ttk data tu tdak perlu melalu semua ttk. Tata-ancang yang dpaka adalah menentukan kurva yang mewakl kecenderungan (trend ttk data, yakn kurva mengkut pola ttk sebaga suatu kelompok (Gambar 5..a. Kurva tersebut dbuat sedemkan sehngga selsh antara ttk data dengan ttk hamprannya d kurva sekecl mungkn. Metode pencocokan kurva sepert n dnamakan regres kuadrat terkecl (least square regresson. Derau pada data mungkn dsebabkan oleh kesalahan mengukur, ketdakteltan pada alat ukur, atau karena kelakuan sstem yang dukur. Contoh data yang mengandung derau adalah tabel tegangan baja d atas.. Interpolas Bla data dketahu mempunya keteltan yang sangat tngg, maka kurva cocokannya dbuat melalu setap ttk, perss sama kalau kurva fungs yang sebenarnya drajah melalu tap ttk tu. Kta katakan d sn bahwa kta 96 Metode Numerk

4 mengnterpolas ttk-ttk data dengan sebuah fungs (Gambar 5..b. Bla fungs cocokan yang dgunakan berbentuk polnom, polnom tersebut dnamakan polnom nterpolas. Pekerjaan mengnterpolas ttk data dengan sebuah polnom dsebut nterpolas (dengan polnom. Contoh data yang berketeltan tngg adalah ttk-ttk yang dhtung dar fungs yang telah dketahu (sepert dar persamaan P.5., atau data tabel yang terdapat d dalam acuan lmah (sepert data percepatan gravtas bum sebaga fungs jarak sebuah ttk ke pusat bum. Selan dengan polnom, nterpolas ttkttk data dapat dlakukan dengan fungs splne, fungs rasonal (pecahan, atau deret Fourer [NAK93]. Bab n dmula dengan bagan pertama yatu pencocokan kurva dengan metode nterpolas. Bagan kedua, metode regres, akan dberkan sebaga akhr bab n. Interpolas memankan peranan yang sangat pentng dalam metode numerk. Fungs yang tampak rumt menjad lebh sederhana bla dnyatakan dalam polnom nterpolas. Sebagan besar metode ntegras numerk, metode persamaan dferensal basa, dan metode turunan numerk ddasarkan pada polnom nterpolas. Tdak salah kalau banyak buku acuan menyatakan bahwa nterpolas merupakan pokok bahasan yang fundamental dalam metode numerk. 5. Persoalan Interpolas Polnom Bagan I: Interpolas Dberkan n+ buah ttk berbeda, (, y, (, y,..., ( n, y n. Tentukan polnom p n ( yang mengnterpolas (melewat semua ttk-ttk tersebut sedemkan rupa sehngga y = p n ( untuk =,,,, n Nla y dapat berasal dar fungs matematka f( (sepert ln, sn, fungs Bessel, persamaan P.6., dan sebaganya sedemkan sehngga y = f(, sedangkan p n ( dsebut fungs hampran terhadap f(. Atau, y berasal dar nla emprs yang dperoleh melalu percobaan atau pengamatan. Bab 5 Interpolas Polnom 97

5 y ( n-, y n- (, y (, y y = p n ( ( n, y n ( 3, y 3 (a, p n (a (a, p n (a (, y =a =a mengnterpolas mengekstrapolas Gambar 5. Interpolas dan ekstrapolas Setelah polnom nterpolas p n ( dtemukan, p n ( dapat dgunakan untuk menghtung perkraan nla y d = a, yatu y = p n (a. Bergantung pada letaknya, nla = a mungkn terletak d dalam rentang ttk-ttk data ( < a < n atau d luar rentang ttk-ttk data (a < atau a > n : ( jka < a < n maka y k = p( k dsebut nla nterpolas (nterpolated value ( jka < k atau < n maka y k = p( k dsebut nla ekstrapolas (etrapolated value. Keduanya, ( dan (, dtunjukkan pada Gambar 5.. Kta dapat mengnterpolas ttk data dengan polnom lanjar, polnom kuadratk, polnom kubk, atau polnom dar derajat yang lebh tngg, bergantung pada jumlah ttk data yang terseda. 5.. Interpolas Lanjar Interpolas lanjar adalah nterpolas dua buah ttk dengan sebuah gars lurus. Msal dberkan dua buah ttk, (, y dan (, y. Polnom yang mengnterpolas kedua ttk tu adalah persamaan gars lurus yang berbentuk: p ( = a + a (P Metode Numerk

6 Gambar 5.3 memperlhatkan gars lurus yang mengnterpolas ttk-ttk (, y dan (, y. y (, y (, y Gambar 5.3 Interpolas lanjar Koefsen a dan a dcar dengan proses penyulhan dan elmnas. Dengan menyulhkan (, y dan (, y ke dalam persamaan (P.5.3, dperoleh dua buah persamaan lanjar: y = a + a y = a + a Kedua persamaan n dselesakan dengan proses elmnas, yang memberkan dan a = a = y y y y (P.5.4 (P.5.5 Sulhkankan (P.5.4 dan (P.5.5 ke dalam (P.5.3 untuk mendapatkan persamaan gars lurus: p ( = y y ( y y + ( (P.5.6 Bab 5 Interpolas Polnom 99

7 Dengan melakukan sedkt manpulas aljabar, persamaan (P.5.6 n dapat dsusun menjad ( y y p ( = y + ( ( (P.5.7 Bukt: y y y y p ( = ( y y + y y p ( = y y + y y + y p ( = + ( ( ( ( y + y y p ( = ( y y p ( = y + ( ( y Persamaan (P.5.7 adalah persamaan gars lurus yang melalu dua buah ttk, (, y dan (, y. Kurva polnom p ( n adalah berupa gars lurus (Gambar 5.3. Contoh 5. Perkrakan jumlah penduduk Amerka Serkat pada tahun 968 berdasarkan data tabulas berkut [KRE88]: Tahun Jumlah penduduk (juta Penyelesaan: Dengan menggunakan persamaan (P.5.7, dperoleh ( p (968 = 9796 = 98.4 Jad, taksran jumlah penduduk AS pada tahun 968 adalah 98.4 juta. Metode Numerk

8 Contoh 5. Dar data ln(9. =.97, ln(9.5 =.53, tentukan ln(9. dengan nterpolas lanjar [KRE88] sampa 5 angka bena. Bandngkan dengan nla sejat ln(9. =.9. Penyelesaan: Dengan menggunakan persamaan (P.5.7, dperoleh ( p (9. = =.9 Galat = =.4. D sn nterpolas lanjar tdak cukup untuk memperoleh keteltan sampa 5 angka bena. Ia hanya benar sampa 3 angka bena. 5.. Interpolas Kuadratk Msal dberkan tga buah ttk data, (, y, (, y, dan (, y. Polnom yang mengnterpolas ketga buah ttk tu adalah polnom kuadrat yang berbentuk: p ( = a + a + a (P.5.8 Bla dgambar, kurva polnom kuadrat berbentuk parabola (Gambar 5.4. Polnom p ( dtentukan dengan cara berkut: - sulhkan (, y ke dalam persamaan (P.5.8, =,,. Dar sn dperoleh tga buah persamaan dengan tga buah parameter yang tdak dketahu, yatu a, a, dan a : a + a + a = y a + a + a = y a + a + a = y - htung a, a, a dar sstem persamaan tersebut dengan metode elmnas Gauss. Bab 5 Interpolas Polnom

9 y (, y (, y (, y Gambar 5.4 Interpolas kuadratk Contoh 5.3 Dberkan ttk ln(8. =.794, ln(9. =.97, dan ln(9.5 =.53. Tentukan nla ln(9. dengan nterpolas kuadratk. Penyelesaan: Ssten persamaan lanjar yang terbentuk adalah a + 8.a + 64.a =.794 a + 9.a + 8.a =.97 a + 9.5a + 9.5a =.53 Penyelesaan sstem persamaan dengan metode elmnas Gauss menghaslkan a =.676, a =.66, dan a 3 = Polnom kuadratnya adalah sehngga p ( = p (9. =.9 yang sama dengan nla sejatnya (5 angka bena Interpolas Kubk Msal dberkan empat buah ttk data, (, y, (, y, (, y, dan ( 3, y 3. Polnom yang mengnterpolas keempat buah ttk tu adalah polnom kubk yang berbentuk: p 3 ( = a + a + a + a 3 3 (P.5.9 Metode Numerk

10 Polnom p 3 ( dtentukan dengan cara berkut: - sulhkan (,y ke dalam persamaan (P.5.9, =,,, 3. Dar sn dperoleh empat buah persamaan dengan empat buah parameter yang tdak dketahu, yatu a, a, a, dan a 3 : a + a + a + a 3 3 = y a + a + a + a 3 3 = y a + a + a + a 3 3 = y a + a 3 + a 3 + a = y 3 - htung a, a, a, dan a 3 dar sstem persamaan tersebut dengan metode elmnas Gauss. Bla dgambar, kurva polnom kubk adalah sepert Gambar 5.5. y (, y ( 3, y 3 (, y (, y Gambar 5.5 Interpolas kubk Dengan cara yang sama kta dapat membuat polnom nterpolas berderajat n untuk n yang lebh tngg: p n ( = a + a + a + + a n n asalkan terseda (n+ buah ttk data. Dengan menyulhkan (, y ke dalam persmaan polnom d atas y = p n ( untuk =,,,, n, akan dperoleh n buah sstem persamaan lanjar dalam a, a, a,, a n, a + a + a a n 3 = y a + a + a a n 3 = y a + a + a a n 3 = y a + a n + a n a n n 3 = y n Bab 5 Interpolas Polnom 3

11 Solus sstem persamaan lanjar n dperoleh dengan menggunakan metode elmnas Gauss yang sudah anda pelajar. Secara umum, penentuan polnom nterpolas dengan cara yang durakan d atas kurang dsuka, karena sstem persamaan lanjar yang dperoleh ada kemungknan berkonds buruk, terutama untuk derajat polnom yang semakn tngg. Beberapa metode perhtungan polnom nterpolas telah dtemukan oleh oleh para numerkawan tanpa menggunakan cara pendekatan d atas. Beberapa dantaranya akan dberkan d sn, yatu:. Polnom Lagrange. Polnom Newton 3. Polnom Newton-Gregory (kasus khusus dar polnom Newton Untuk sejumlah ttk data yang dberkan, metode nterpolas yang berbeda-beda n tetap menghaslkan polnom yang sama (unk, tetap dalam bentuk yang berbeda satu sama lan, dan berbeda juga dalam jumlah komputas yang dlbatkan. Keunkan polnom nterpolas n akan dbuktkan setelah kta sampa pada polnom Newton. 5. Polnom Lagrange Tnjau kembal polnom lanjar pada persamaan (P.5.7: ( y y p ( = y + ( ( - Persamaan n dapat datur kembal sedemkan rupa sehngga menjad ( p ( = y ( ( + y ( (P.5. atau dapat dnyatakan dalam bentuk p ( = a L ( + a L ( (P.5. yang dalam hal n a = y, ( L ( = ( 4 Metode Numerk

12 Bab 5 Interpolas Polnom 5 dan a = y, ( ( ( L = Persamaan (P.5. dnamakan polnom Lagrange derajat. Nama polnom n dambl dar nama penemunya, yatu Joseph Lous Lagrange yang berkebangsaan Perancs. Bentuk umum polnom Lagrange derajat n untuk (n + ttk berbeda adalah p n ( = = n L a ( = a L ( + a L ( + + a n L n ( (P.5. yang dalam hal n a = y, =,,,, n dan, L ( = = n j j j j ( ( = ( ( ( ( ( ( ( ( ( ( n n Mudah dbuktkan, bahwa : L ( j = = j j,, dan polnom nterpolas p n ( melalu setap ttk data. Bukt: Jka = j, maka L ( = = n j j j j ( ( = ( ( ( ( ( ( ( ( ( ( n n = (karena penyebut = pemblang

13 Jka j, maka n ( L ( j = ( = j j= j j ( (...(...( (...( j ( (...( ( (...( j j j j j j + + = ( (... (... ( ( ( j +... j n n n Akbatnya, = (karena pemblang =, yatu ( j j = p n ( = L ( y + L ( y + L ( y + + L n ( y n =. y +. y +. y + +. y n = y p n ( = y... p n ( n = y n Dengan demkan, p n ( = y, =,,,, n atau dengan kata lan, polnom nterpolas p n ( melalu setap ttk data. Contoh 5.4 [MAT9] Hampr fungs f( = cos dengan polnom nterpolas derajat tga d dalam selang [.,.]. Gunakan empat ttk, =., =.4, =.8, dan 3 =.. Perkrakan nla p 3 (.5, dan bandngkan dengan nla sejatnya. Penyelesaan: y Metode Numerk

14 Polnom Lagrange derajat 3 yang mengnterpolas keempat ttk d tabel adalah p 3 ( = a L ( + a L ( + a L ( + a 3 L 3 ( = y y ( ( ( 3 ( ( ( ( ( ( 3 ( ( ( 3 3 ( ( ( 3 + y ( ( ( ( ( ( + y 3 ( ( ( = = (.4(.8(. + (..4(..8(.. (.(.8(. + (.4.(.4.8(.4. (.(.4(. (.8.(.8.4(.8. (.(.4(.8 (..(..4(..8 (.4(.8( (.(.8(. (.(.4( (.(.4(.8 + Untuk mengurang galat akbat pembulatan, polnom p 3 ( n tdak perlu dsederhanakan lebh jauh. Kurva y = cos( dan y = p 3 ( dperlhatkan pada Gambar y y = p 3 ( y = f( Gambar 5.6 Grafk fungs y = cos( dan y = p 3 ( Bab 5 Interpolas Polnom 7

15 Dengan menggunakan polnom nterpolas p 3 ( tu kta dapat menaksr nla fungs d =.5 sebaga berkut: p 3 (.5 = (.5 -.4(.5 -.8( (.5 -.(.5 -.8( (.5 -.(.5 -.4( (.5 -.(.5 -.4( =.877 Sebaga perbandngan, nla sejatnya adalah y = cos(.5 = Catatlah bahwa polnom Lagrange tdak hanya berlaku untuk ttk-ttk yang berjarak sama. Kta juga dapat membentuk polnom Lagrange untuk ttk-ttk data yang tdak berjarak sama. Perhatkan contoh 5.5 berkut. Contoh 5.5 Dar fungs y = f(, dberkan tga buah ttk data dalam bentuk tabel: 4 6 y Tentukan f(3.5 dengan polnom Lagrange derajat. Gunakan lma angka bena. Penyelesaan: Polnom derajat n = (perlu tga buah ttk p ( = L ( y + L ( y + L ( y L ( = ( 4 ( 6 ( 4( 6 L ( = ( ( 6 ( 4 ( 4 6 L ( = ( ( 4 ( 6 ( 6 4 L (3.5 = ( ( ( 4( 6 L (3.5 = ( 3.5 ( ( 4 ( 4 6 L (3.5 = ( 3.5 ( ( 6 ( 6 4 = =.47 = -.5 Jad, p (3.5 = (.83333( (.47( (-.5(.575 = Metode Numerk

16 Polnom Lagrange mudah dprogram. Algortmanya dtulskan pada Program 5. berkut n. Program 5. Polnom Lagrange functon Lagrange(:real; n:nteger:real; { Menghtung y = p n (, dengan p( adalah polnom Lagrange derajat n. Ttk-ttk data telah dsmpan d dalam lark [..n] dan y[..n] } var, j : nteger; p, L : real; begn L:=; for := to n do begn p:=; for j:= to n do f <> j then p:=p*( - [j]/([] - [j]; {endfor} L:=L + y[]*p; end {for}; Lagrange:=L; end {Lagrange}; 5.3 Polnom Newton Polnom Lagrange kurang dsuka dalam praktek karena alasan berkut [CHA9]:. Jumlah komputas yang dbutuhkan untuk satu kal nterpolas adalah besar. Interpolas untuk nla yang lan memerlukan jumlah komputas yang sama karena tdak ada bagan komputas sebelumnya yang dapat dgunakan.. Bla jumlah ttk data menngkat atau menurun, hasl komputas sebelumnya tdak dapat dgunakan. Hal n dsebakan oleh tdak adanya hubungan antara p n- ( dan p n ( pada polnom Lagrange. Polnom Newton dbuat untuk mengatas kelemahan n. Dengan polnom Newton, polnom yang dbentuk sebelumnya dapat dpaka untuk membuat polnom derajat yang makn tngg. Tnjau kembal polnom lanjar pada persamaan (P.5.7: ( y y p ( = y + ( ( Bab 5 Interpolas Polnom 9

17 Bentuk persamaan n dapat dtuls sebaga p ( = a + a ( - (P.5.3 yang dalam hal n a = y = f( (P.5.4 dan a = y y = f ( f ( (P.5.5 Persamaan (P.5.5 n merupakan bentuk selsh-terbag (dvded-dfference dan dapat dsngkat penulsannya menjad a = f [, ] (P.5.6 Setelah polnom lanjar, polnom kuadratk dapat dnyatakan dalam bentuk p ( = a + a ( - + a ( - ( - (P.5.7 atau p ( = p ( + a ( - ( - (P.5.8 Persamaan (P.5.8 memperlhatkan bahwa p ( dapat dbentuk dar polnom sebelumnya, p (. In mengarahkan kta pada pembentukan polnom Newton untuk derajat yang lebh tngg. Nla a dapat dtemukan dengan menyulhkan = untuk memperoleh a = f ( a a( ( ( (P.5.9 Nla a dan nla a pada persamaan (P.5.4 dan (P.5.5 dmasukkan ke dalam ke dalam persamaan (P.5.9 untuk memberkan a = f ( f ( f ( f ( Metode Numerk

18 Dengan melakukan utak-atk aljabar, persamaan terakhr n lebh dsuka dtuls menjad a = f ( f ( f ( f ( = f [ ] f [ ],, (P.5. Demkanlah seterusnya, kta dapat membentuk polnom Newton secara bertahap: polnom derajat n dbentuk dar polnom derajat (n-. Polnom Newton dnyatakan dalam hubungan rekursf sebaga berkut: ( rekurens: p n ( = p n- ( + a n ( - ( - ( - n- ( bass: p ( = a (P.5. Jad, tahapan pembentukan polnom Newton adalah sebaga berkut: p ( = p ( + a ( - = a + a ( - p ( = p ( + a ( - ( - = a + a ( - + a ( - ( - p 3 ( = p ( + a 3 ( - ( - ( - = a + a ( - + a ( - ( - + a 3 ( - ( - ( - M p n ( = p n- ( + a n ( - ( - ( - n- = a + a ( - + a ( - ( - + a 3 ( - ( - ( a n ( - ( - ( - n- (P.5. Nla konstanta a, a, a,..., a n merupakan nla selsh-terbag, dengan nla masng-masng: a = f( a = f [, ] a = f [,, ] M a n = f [ n, n-,,, ] yang dalam hal n, Bab 5 Interpolas Polnom

19 f f [, j ] = f [, j, k ] = M ( f ( f [ n, n-,...,, ] = j j j f [, ] f [, ] k f [ n j, k n,..., ] f [ n, n,..., ] n (P.5.3 (P.5.4 (P.5.5 Dengan demkan polnom Newton pada (P.5. dapat dtuls dalam hubungan rekursf sebaga ( rekurens: p n ( = p n- ( + ( - ( - ( - n- f [ n, n-,,, ] (P.5.6 ( bass: p ( = f ( atau dalam bentuk polnom yang lengkap sebaga berkut: p n ( = f ( + ( - f [, ] + ( - ( - f [,, ] + ( - ( - ( - n- f [ n, n-,,, ] (P.5.7 Karena tetapan a, a, a,..., a n merupakan nla selsh-terbag, maka polnom Newton dnamakan juga polnom nterpolas selsh-terbag Newton. Nla selsh terbag n dapat dhtung dengan menggunakan tabel yang dsebut tabel selsh-terbag, msalnya tabel selsh-terbag untuk empat buah ttk (n = 3 berkut: y = f( ST- ST- ST-3 f( f[, ] f[,, ] f[ 3,,, ] f( f[, ] f[ 3,, ] f( f[ 3, ] 3 3 f( 3 Keterangan: ST = Selsh-Terbag Metode Numerk

20 Sekal tabel selsh-terbag dbentuk, polnom nterpolas yang melewat sekumpulan ttk (, y berbeda (msalnya untuk =,,, atau =,, 3 dapat dtuls dengan mudah. Bla bagan tabel yang darsr dnyatakan d dalam matrks ST[..n,..n], maka evaluas p n ( untuk = t dapat dnyatakan sebaga p n (t = ST[,] + ST[,](t - + ST[,](t - (t ST[,n](t - (t -...(t - n- Sepert halnya polnom Lagrange, polnom Newtom juga mudah dprogram. Algortmanya dtulskan pada Program 5.3 d bawah n. Program 5. Polnom Newton functon Newton(:real; n:nteger:real; {Menghtung y = p(, dengan p( adalah polnom Newton derajat n. Ttk-ttk data telah dsmpan d dalam lark [..n] dan y[..n] } var, k : nteger; ST : array[..3,..3] of real; {menympan tabel selsh terbag} jumlah, suku: real; begn for k:= to n do { smpan y[k] pada kolom dar matrks ST } ST[k,]:=y[k]; {end for} for k:= to n do {buat tabel selsh terbag} for := to n-k do ST[,k]:=(ST[+,k-] - ST[,k-]/([+k]-[]; {end for} {end for} {htung p( } jumlah:=st[,]; for := to n do begn suku:=st[,]; for k:= to - do suku:=suku*(-[k] {end for} jumlah:=jumlah + suku; end; Newton:=jumlah; end; Contoh 5.6 Htunglah f(9. dar nla-nla (, y yang dberkan pada tabel d bawah n dengan polnom Newton derajat 3. Penyelesaan: Tabel selsh-terbag: Bab 5 Interpolas Polnom 3

21 y ST- ST- ST Contoh cara menghtung nla selsh-terbaga pada tabel adalah: f(, = f f(,, = ( f ( dan seterusnya. f [ = = , ] f [, ] = = Nla-nla selsh-terbag yang dbutuhkan untuk membentuk polnom Newton derajat 3 dtanda dengan arsran. Polnom Newton-nya (dengan = 8. sebaga ttk data pertama adalah: f( p 3 ( = ( ( - 8.( ( - 8.( - 9.( Taksran nla fungs pada = 9. adalah f(9. p 3 (9. = =.98 Nla sejat f(9. = ln(9. =.93 (7 angka bena. Catatlah bahwa nla nterpolas ln(9. semakn telt dengan menngkatnya orde polnom (Contoh 5., Contoh 5.3, dan Contoh 5.6 n: p (9. =.78, p (9. =.938, p 3 (9. =.93 Contoh 5.7 [MAT9] Bentuklah polnom Newton derajat satu, dua, tga, dan empat yang menghampr fungs f( = cos( d dalam selang [., 4.] dan jarak antar ttk adalah.. Lalu, taksrlah nla fungs d =.5 dengan polnom Newton derajat tga. Penyelesaan: Dengan jarak antar ttk., maka ttk yang dgunakan adalah pada =., =., = 3., 3 = 4.. Tabel selsh terbagnya adalah: 4 Metode Numerk

22 f( ST- ST- ST-3 ST f( 3, Contoh cara menghtung nla selsh-terbag pada tabel: f f[, ] = f f[, ] = f[,, ] = ( f ( ( f ( f[.543. = = = = , ] f[, ] =.. = Maka, polnom Newton derajat,, dan 3 dengan =. sebaga ttk data pertama adalah cos( p ( = ( -. cos( p ( = ( ( -.( -. cos( p 3 ( = ( ( -.( ( -.( -.( -. cos( p 4 ( = ( ( -.( ( -.( -.( ( -.( -.( -.( - 3. Grafk y = cos( dan y = p (, y = p (, y = p 3 (, dperlhatkan pada Gambar 5.7. Perhatkan bahwa y = p 3 ( lebh bak dalam menghampr fungs y = cos( (kurvanya hampr tepat sama/ bermpt d dalam selang [., 3.]. Taksran nla fungs d =.5 dengan polnom derajat tga adalah cos(.5 p 3 (.5 = ( (.5 -.( (.5 -.(.5 -.( Nla sejat f(.5 adalah f(.5 = cos(.5 = -.8 sehngga solus hampran mengandung galat sejat sebesar ε = (-.856 = -.45 Bab 5 Interpolas Polnom 5

23 Catatan: Ttk = tdak selalu harus merupakan ujung selang. Bla p 3 ( ddasarkan pada ttk =., =., 3 = 3., dan 4 = 4. d dalam selang [., 4.], maka polnom Newton yang mengnterpolas keempat ttk tersebut adalah p 3 ( = ( ( -. ( ( -.( -.( - 3. y..5 y = p ( y = cos( -. Grafk y = cos( dan polnom Newton derajat, y = p (, yang ddasarkan pada ttk =. dan =. Gambar 5.7 Polnom Newton derajat yang mengnterpolas fungs y =cos d dalam selang [., 4.] 6 Metode Numerk

24 y..5 y = p ( y = cos( -. y = p ( Grafk y = cos( dan polnom Newton derajat, y = p (, yang ddasarkan pada ttk =., =., =. y..5 y = p ( y = cos( -. y = p 3 ( Grafk y = cos( dan polnom Newton derajat 3, y = p 3 (, yang ddasarkan pada ttk =., =., =., dan = 3. Gambar 5.7 (lanjutan Polnom Newton derajat dan 3 yang mengnterpolas fungs y =cos d dalam selang [., 4.] Bab 5 Interpolas Polnom 7

25 Kelebhan Polnom Newton Sekarang kta tulskan alasan mengapa polnom Newton lebh dsuka untuk dprogram, yatu. Karena polnom Newton dbentuk dengan menambahkan satu suku tunggal dengan polnom derajat yang lebh rendah, maka n memudahkan perhtungan polnom derajat yang lebh tngg dalam program yang sama [CHA9]. Karena alasan tu, polnom Newton serng dgunakan khususnya pada kasus yang derajat polnomnya tdak dketahu terlebh dahulu.. Penambahan suku-suku polnom secara beruntun dapat djadkan krtera untuk menentukan tercapanya ttk berhent, yatu apakah penambahan sukusuku yang lebh tngg tdak lag secara berart memperbak nla nterpolas, atau malahan menjad lebh buruk. 3. Tabel selsh terbag dapat dpaka berulang-ulang untuk memperkrakan nla fungs pada nla yang berlanan. Akan halnya polnom Lagrange, a dsuka karena a mudah dprogram dan komputasnya tdak memerlukan penympanan tabel selsh. Polnom Lagrange basanya dpaka jka derajat polnom nterpolas dketahu terlebh dahulu. 5.4 Keunkan Polnom Interpolas Polnom nterpolas hanya ada untuk yang berbeda. Bla terdapat beberapa nla yang sama, kta tdak dapat membuat polnom nterpolas yang unk. Msalnya dberkan ttk-ttk yang dtabulaskan dalam tabel berkut y Interpolas keenam ttk tersebut dengan polnom derajat lma tdak akan menghaslkan polnom nterpolas yang unk, karena terdapat dua buah ttk = 6 dengan nla y yang berbeda. Sampa sejauh n, kta telah membahas dua buah metode polnom nterpolas, yatu polnom Lagrange dan polnom Newton. Apakah polnom yang dhaslkan oleh kedua metode tersebut sama? Dengan kata lan, apakah polnom nterpolas tu unk (tunggal? Dapat kta buktkan, bahwa bla polnom nterpolas ada, maka polnom tersebut unk. 8 Metode Numerk

26 Bukt: Msalkan p n ( tdak unk, yang berart ada polnom lan, msalnya q n (, yang juga melewat ttk-ttk (, y, =,,,, n, yang dalam hal n p n ( = q n ( = y Karena p n ( dan q n ( tdak sama, berart ada selsh R n ( = p n ( - q n ( (P.5.8 yang dalam hal n, R n ( adalah polnom derajat n. Selanjutnya, R n ( = p n ( - q n ( = y - y = Karena R n ( adalah polnom derajat n dan bernla untuk (n + buah ttk, n mengngatkan kta pada sebuah teorema d dalam kalkulus yang berbuny: Polnom derajat n yang mempunya (n+ akar berbeda adalah polnom nol (gars y = Jad, menurut teorema n, R n ( = sehngga dengan demkan atau p n ( - q n ( = p n ( = q n ( Dengan kata lan, p n ( unk. Jad, metode nterpolas apa pun yang kta paka untuk mengnterpolas (n+ buah ttk data yang sama, polnom nterpolasnya -meskpun bentuknya berbedabeda- bla dtuls ke dalam bentuk baku (P.5. adalah sama. Bab 5 Interpolas Polnom 9

27 5.5 Galat Interpolas Polnom Polnom nterpolas p n ( merupakan hampran terhadap fungs yang asl f(. Jad, p n ( tdaklah sama dengan fungs asl f(, meskpun pada ttk-ttk tertentu f( dan p n ( bersesuaan, yatu : f( = p n (, =,,,,n Karena f( p n (, berart ada selsh (galat d antara keduanya, sebutlah E(, yatu E( = f( - p n ( (P.5.9 Mengngat f( = p( untuk =,,,..., n, maka harus juga berlaku E( = f( - p n ( = yang berart E( mempunya (n+ ttk nol dar sampa n. E( dapat dtuls sebaga E( = f( - p n ( = ( - ( - ( - n R( (P.5.3 atau E( = Q n+ ( R( (P.5.3 yang dalam hal n Q n+ ( = ( - ( - ( - n (P.5.3 Catatlah bahwa Q n+ ( = untuk =,,, n R( adalah fungs yang mencatat nla-nla selan dar,,, n. Bagamana menentukan R(? Jawabannya d bawah n. Persamaan (P.5.3 dapat dtuls sebaga f( - p n ( - ( - ( - ( - n R( = Msal ddefnskan fungs W(t sebaga W(t = f(t - p n (t - (t - (t - (t - n R( = (P.5.33 Metode Numerk

28 Perhatkan d sn bahwa R( tdak dtuls sebaga R(t karena kta akan mencar nla-nla selan t. Persamaan W(t = berart mempunya (n+ ttk nol pada t =,,, n dan t =. Berdasarkan teorema Rolle yang berbuny: Msalkan fungs f menerus d dalam selang [a, b] dan f ( ada untuk semua a < < b. Jka f(a = f(b =, maka terdapat nla c, dengan a < c < b, sedemkan sehngga f (c =. jka W menerus dan dapat dturunkan pada selang yang bers (n+ ttk nol, maka : W (t = mempunya (n + ttk nol W (t = mempunya n ttk nol W (t = mempunya (n- ttk nol... W (n+ (t = mempunya palng sedkt ttk nol, msal pada t = c W (n+ (t = = ( n+ d ( n+ dt [ f (t - p n (t - (t - (t - (t - n R(] t = c = f (n + (c - - (n +! R( (P.5.34 yang dalam hal n, p n (t adalah polnom derajat n, p (n n (t adalah fungs tetap sehngga p (n+ n = Q n+ (t = (t - (t - (t - n = t (n+ + (suku-suku polnom derajat n Q (n+ n+ (t = (n +! + R( tdak bergantung pada t, jad a tdak berubah selama penurunan Dar persamaan (P.5.34, kta memperoleh R( = ( + ( c f n, ( < c < n (P.5.35 n +! Perhatkanlah bahwa persamaan (P.5.35 n mengngatkan kta pada rumus galat pemotongan pada deret Taylor (lhat Bab. Bab 5 Interpolas Polnom

29 Selanjutnya, sulhkan (P.5.35 ke dalam (P.5.3, menghaslkan E( = ( - ( - ( - n ( + ( c f n ( n +! (P.5.3 atau dengan E( = Q n+ ( ( n+ ( c f ( n +! (P.5.3 Q n+ ( = ( - ( - ( - n Rumus galat n berlaku untuk semua metode nterpolas polnom, bak polnom Lagrange, polnom Newton, atau polnom nterpolas lannya. Msalkan kta mengnterpolas dua buah ttk dengan polnom Lagrange derajat satu (polnom lanjar. Galat nterpolasnya dnyatakan dalam bentuk ( ( E( = f (c Bla fungs f dketahu, kta dapat mencar turunannya d = c untuk menghtung galat nterpolas E(. Sayangnya, kta tdak mengetahu nla c; yang past nla c terletak antara dan n. Jka f (n+ berubah sangat lambat dalam selang [, n ], atau [, n ] adalah selang kecl sedemkan sehngga f (n+ berubah sangat lambat, maka kta dapat menghampr f (n+ (c dengan f (n+ ( t, yang dalam hal n t adalah ttk tengah dan n, yatu t = ( + n /. Galat nterpolas dengan menggunakan nla t n dnamakan galat rata-rata nterpolas E R [NAK93]: E R ( = ( - ( - ( - n ( n+ ( f t ( n +! (P.5.33 Dar persamaan (P.5.3 terlhat bahwa galat polnom nterpolas, selan bergantung pada nla yang dnterpolas, juga bergantung pada turunan fungs semula. Tnjau kembal Q n+ pada persamaan (P.5.3: Q n+ ( = ( - ( -... ( - n Metode Numerk

30 Msalkan,,, n berjarak sama. Grafk fungs Q untuk enam ttk yang berjarak sama dtunjukkan pada Gambar 5.8. y y = Q n+ ( Gambar 5.8 Grafk fungs Q 6 ( Berdasarkan Q 6 ( yang beroslas pada Gambar 5.8 terlhat bahwa: - d ttk-ttk data, nla Q 6 ( =, sehngga galat nterpolas E( = - d ttk tengah selang, nla Q 6 ( mnmum, sehngga E( juga mnmum - d ttk-ttk sektar ujung selang, Q 6 ( besar, sehngga E( juga besar - bla ukuran selang [, 6 ] semakn besar, ampltudo oslas menngkat dengan cepat. Kesmpulan: Galat nterpolas mnmum terjad untuk nla d pertengahan selang. Penjelasannya adalah sebaga berkut. Nla-nla yang berjarak sama dtuls sebaga, = + h, = + h,..., n = + nh atau dengan rumus umum = + h, =,,,, n (P.5.34 Ttk yang dnterpolas dnyatakan sebaga = + sh, s R (P.5.35 Bab 5 Interpolas Polnom 3

31 sehngga - = (s -h, =,,,, n (P.5.36 Galat nterpolasnya adalah E( = ( - ( - ( - n ( + ( c f n = (sh (s - h (s - h (s - nh ( n +! ( + ( c f n ( n +! ( ( = s (s - (s - (s - n h n+ + f n c ( n +! (P.5.37 Dapat ddtunjukkan bahwa Q n+ (s = s(s - (s - (s - n bernla mnmum bla Q n+ '(s= yang dpenuh untuk s = n/ (buktkan!. Dengan kata lan, E( bernla mnmum untuk nla-nla yang terletak d (sektar pertengahan selang. E mnmum n Ingatlah kalmat n: Untuk mendapatkan galat nterpolas yang mnmum, plhlah selang [, n ] sedemkan sehngga terletak d tengah selang tersebut 4 Metode Numerk

32 Msalkan kepada kta dberkan ttk-ttk data sepert n: f ( Bla anda dmnta menghtung f(.6, maka selang yang dgunakan agar galat nterpolas f(.6 kecl adalah [.5,.75] untuk polnom derajat satu atau [.5,.] untuk polnom derajat tga atau [.,.5] untuk polnom derajat lma 5.5. Batas Atas Galat Interpolas Untuk Ttk-Ttk yang Berjarak Sama Dberkan abss ttk-ttk yang berjarak sama: = + h, =,,,, n dan nla yang akan dnterpolaskan dnyatakan sebaga = + sh, s R Untuk polnom nterpolas derajat,, dan 3 yang dbentuk dar d atas dapat dbuktkan bahwa Bab 5 Interpolas Polnom 5

33 ( E ( = f( - p ( h 8 Maks c f (c (P.5.38 ( E ( = f( - p ( 3 h 3 7 Maks f (c c (P.5.39 ( E 3 ( = f( - p 3 ( h 4 4 Maks f v (c c 3 (P.5.4 D sn kta hanya membuktkan untuk ( saja: Bukt: Msalkan = dan = h, persamaan galatnya adalah E ( = ( - ( - = ( h! f (c f "( c!, yang dalam hal n < c < E ( = - h f (c = - h f (c Maks - h Maks c f (c Msalkan φ( = - h D dalam selang [, ], nla maksmum lokal φ( dapat terjad pada ujungujung selang ( = atau = h atau pada ttk ekstrm φ(. Terlebh dahulu tentukan ttk ekstrm φ( dengan cara membuat turunan pertamanya sama dengan : φ ( = - h = = h/ Htung nla maksmum lokal φ( d ujung-ujung selang dan ttk ekstrm: - d ujung selang kr =, φ( = - h = - d ujung selang kanan = h φ(h = h - h = - d ttk ekstrm = h/ φ(h/ =(h/ - (h/h = - / 4 h 6 Metode Numerk

34 Jad,,maksmum φ( = - / 4 h, sehngga dengan demkan E ( = f( - p ( 8 h Maks c f (c Contoh 5.8 Tnjaulah kembal tabel yang bers pasangan ttk (, f( yang dambl dar f( = cos(. f( (a Htung galat rata-rata nterpolas d ttk =.5, =.5, dan =.5, bla dnterpolas dengan polnom Newton derajat 3 berdasarkan =. (b Htung batas atas galat nterpolas bla kta melakukan nterpolas ttk-ttk berjarak sama dalam selang [., 3.] dengan polnom nterpolas derajat 3. (c Htung batas atas dan batas bawah galat nterpolas d =.5 dengan polnom Newton derajat 3 Penyelesaan: (a Telah dketahu dar Contoh 5.7 bahwa polnom derajat 3 yang mengnterpolas f(+ = cos( dalam selang [.,3.] adalah : cos( p 3 ( = ( ( -.( ( -.( -.( -. Menghtung galat rata-rata nterpolas : Ttk tengah selang [., 3.] adalah d m = (. + 3./ =.5 Galat rata-rata nterpolas adalah : E 3 ( = (.(.(.( 3. Htung turunan keempat dar fungs f( = cos(, f '( = -sn( ; f ( = -cos( ; f '''( = sn( f (4 ( = cos( 4! f (4 ( m Bab 5 Interpolas Polnom 7

35 karena tu, E 3 ( = (.(.(.( 3. 4! (cos(.5 Untuk =.5, =.5, dan =.5, nla-nla nterpolasnya serta galat rata-rata nterpolasnya dbandngkan dengan nla sejat dan galat sejat dperlhatkan oleh tabel berkut : X f( p 3 ( E 3 ( Galat sejat Catatan: Perhatkan bahwa karena =.5 terletak d ttk tengah selang, maka galat nterpolasnya lebh palng kecl dbandngkan nterpolas yang lan. (b Telah dketahu bahwa batas atas galat nterpolas dengan polnom derajat 3 adalah E 3 ( = f( - p 3 ( h 4 /4 Ma f (4 (c, c 3. Telah dperoleh dar (a bahwa f (4 ( = cos(, dan dalam selang [., 3.] nla Ma f (4 ( terletak d =.. Jad, f (4 ( = cos(. =.. Untuk p 3 ( dengan jarak antar ttk data adalah h =., batas atas galat nterpolasnya adalah E 3 ( (. 4./4 = /4 = Nla-nla E 3 ( pada tabel d atas semuanya d bawah Jad, batas atas beralasan. (c E 3 ( = E 3 (.5 = (.(.(.( 3. 4! f (4 (.5 (.5.(.5.(.5.( ! (-cos(c,. c 3. Karena fungs cosnus monoton dalam selang [., 3.], maka nla maksmum dan nla mnmum untuk cos (c terletak pada ujung-ujung selang. Untuk c =. maka : E 3 (.5 = (.5.(.5.(.5.( ! = (mnmum, (cos(. 8 Metode Numerk

36 dan untuk c = 3. maka E 3 (.5 = (.5.(.5.(.5.( ! (cos (3. = (maksmum, sehngga, batas-batas galat nterpolas d =.5 adalah : E 3 ( Taksran Galat Interpolas Newton Salah satu kelebhan polnom Newton dbandngkan dengan polnom Lagrange adalah kemudahan menghtung taksran galat nterpolas meskpun fungs asl f( tdak dketahu, atau kalaupun ada, sukar dturunkan. Tnjau kembal polnom Newton: p n ( = p n- ( + ( - ( - ( - n- f[ n, n-,,, ] Suku ( - ( - ( - n- f[ n, n-,,, ] dnakkan dar n sampa n + menjad ( - ( - ( - n- ( - n f[ n+, n, n-,,, ] Bentuk terakhr n bersesuaan dengan rumus galat nterpolas E( = ( - ( - ( - n ( + ( t f n ( n +! Ekspres ( + ( t f n ( n +! dapat dhampr nlanya dengan f[ n+, n, n-,,, ] yang dalam hal n f( n+, n, n-,,, adalah selsh-terbag ke (n +. Bab 5 Interpolas Polnom 9

37 Jad, ( + ( t f n f[ ( n+, n, n-,,, ] (P.5.4 n +! sehngga taksran galat nterpolas Newton dapat dhtung sebaga E( = ( - ( - ( - n f[ n+, n, n-,,, ] (P.5.4 asalkan terseda ttk tambahan n +. Contoh 5.9 Pada Contoh 5.7, bla dgunakan polnom derajat tga untuk menaksr nla f(.5, htunglah taksran galat nterpolasnya. Penyelesaan: Bla dgunakan polnom derajat tga, maka terseda ttk sesudah 3 =3., yatu 4 = 4., dan dar tabel selsh-terbag dtemukan f[ 4, 3,,, ] = -.47 sehngga taksran galat dalam mengnterpolas f(.5 adalah E(.5 = (.5 -.(.5 -.(.5 -.(.5-3. (-.47 = Taksran Galat Interpolas Lagrange Taksran galat polnom Lagrange tdak dapat dhtung secara langsung karena tdak terseda rumus taksran galat sepert halnya pada nterpolas Newton. Namun, jka tabel selsh-terbag terseda, maka taksran galatnya dapat dhtung dengan rumus taksran galat polnom Newton: E( = ( - ( - ( - n f[ n+, n, n-,,, ] asalkan terseda ttk tambahan n+. Meskpun demkan, tabel selsh-terbag tdak dpaka sebaga bagan dar algortma Lagrange, n jarang terjad [CHA9]. 3 Metode Numerk

38 5.6 Polnom Newton-Gregory Polnom Newton-Gregory merupakan kasus khusus dar polnom Newton untuk ttk-ttk yang berjarak sama. Pada kebanyakan aplkas nla-nla berjarak sama, msalnya pada tabel nla fungs, atau pada pengukuran yang dlakukan pada selang waktu yang teratur [KRE88]. Untuk ttk-ttk yang berjarak sama, rumus polnom Newton menjad lebh sederhana. Selan tu, tabel selsh-terbagnya pun lebh mudah dbentuk. D sn kta menamakan tabel tersebut sebaga tabel selsh saja, karena tdak ada proses pembagan dalam pembentukan elemen tabel. Ada dua macam tabel selsh, yatu tabel selsh maju (forward dfference dan tabel selsh mundur (backward dfference. Karena tu, ada dua macam polnom Newton-Gregory, yatu polnom Newton-Gregory maju dan polnom Newton- Gregory mundur Polnom Newton-Gregory Maju Polnom Newton-Gregory maju dturunkan dar tabel selsh maju. Sebelum menurunkan rumusnya, kta bahas terlebh dahulu tabel selsh maju Tabel Selsh Maju Msal dberkan lma buah ttk dengan abss yang berjarak sama. Tabel selsh maju yang dbentuk dar kelma ttk tersebut adalah f( f f 3 f 4 f f f f 3 f 4 f f f f 3 f f f f 3 f 3 f 3 4 f 4 Lambang menyatakan selsh maju. Art setap smbol d dalam tabel adalah: f = f( = y f = f( = y... f 4 = f( 4 Notas: f p = f( p Bab 5 Interpolas Polnom 3

39 f = f - f f = f - f... f 3 = f 4 - f 3 Notas: f p = f p+ - f p f = f - f f = f - f f = f 3 - f Notas: f p = f p+ - f p 3 f = f - f 3 f = f - f Notas: 3 f p = f p+ - f p Bentuk umum: n+ f p = n f p+ - n f p, n =,,, (P Penurunan Rumus Polnom Newton-Gregory Maju Sekarang kta mengembangkan polnom Newton-Gregory maju yang ddasarkan pada tabel selsh maju. f[, ] = = = f f[,, ] = = ( f ( ( f h f! h f f [, ] f [ ], ( f ( f ( f ( (P Metode Numerk

40 f = = f f f h h f =! h (P.5.45 Bentuk umum: f[ n,,, ] = n f n! h ( n n f = n n! h (P.5.46 Dengan demkan polnom Newton untuk data berjarak sama dapat dtuls sebaga : p n ( = f( + ( - f[, ] + ( - ( - f(,, + + ( - (- (- n- f[ n, n-,,, ] f f = f + ( - + ( - ( -! h! h n f ( - ( -...( - n- n n! h + + (P.5.47 Persamaan (P.5.47 n dnamakan polnom Newton-Gregory maju. Persamaan (P.5.47 dapat juga dtuls sebaga relas rekursf: p n ( = p n- ( + ( - ( - ( - n- Jka ttk-ttk berjarak sama dnyatakan sebaga n f n n! h (P.5.48 = + h, =,,,,n dan nla yang dnterpolaskan adalah = + sh, s R maka, persamaan (P.5.47 dapat juga dtuls dalam parameter s sebaga Bab 5 Interpolas Polnom 33

41 p n ( = f + f! h s yang menghaslkan sh s ( s +! h h ( s ( s...( s n + n! h n h n f n + + f p n ( = f +! f s s + ( s! f + + s ( s ( s...( s n + n! n f atau dalam bentuk relas rekursf, ( rekurens: p n ( = p ( ( bass: p ( = f ( n s + ( s ( s...( s n + n! n f (P.5.49 (P.5.5 Serngkal persamaan (P.5.49 dnyatakan dalam bentuk bnomal: n s p n ( = k f k = k (P.5.5 yang dalam hal n, s =, s k = ( s ( s...( s k s + k! (s >, blangan bulat dan k! =... k Tahap pembentukan polnom Newton-Gregory maju untuk ttk-ttk berjarak sama dapat dtulskan sebaga berkut: p ( = f p ( = p ( + s! s f = f + f! 34 Metode Numerk

42 p ( = p ( + s( s! s = f + f +! p 3 ( = p ( + s s = f + f +! f s( s! ( s ( s! s( s! f 3 f f + s ( s ( s! 3 f s p n ( = f + f +! s( s! f + ( s ( s...( s n s + n! s n f ( s ( s! 3 f +... Contoh 5. [NOB7] Bentuklah tabel selsh untuk fungs f( = /(+ d dalam selang [.,.65] dan h =.5. Htung f(.3 dengan polnom Newton-Gregory maju derajat 3. Penyelesaan: Tabel selsh maju: f( Untuk memperkrakan f(.3 dengan polnom Newton-Gregory maju derajat tga, dbutuhkan 4 buah ttk. Ingatlah kembal bahwa galat nterpolas akan mnmum jka terletak d sektar pertengahan selang. Karena tu, ttk-ttk yang dambl adalah =.5, =.5, =.375, 3 =.5 karena =.3 terletak d sektar pertengahan selang [.5,.5]. Bab 5 Interpolas Polnom 35

43 Dketahu h =.5 dan = + sh s = h = =.4 Nla f(.3 dhtung dengan polnom Newton-Gregory maju derajat tga: s p 3 ( f + f +! s ( s! f (.4 ( (.4 (.4 (.4(.4(.6 6 ( s ( s ( s 3! ( f Sebaga perbandngan, nla sejat f(.3 adalah f(.3 = /(.3+ =.769 Program 5.3 Polnom Newton-Gregory Maju functon Newton_Gregory_Maju(:real; n:nteger:real; { - Menghtung y = p(, dengan p( adalah polnom Newton Gregory maju derajat n. - Ttk-ttk data telah dsmpan d dalam lark: [..n] dan y[..n] } var, k : nteger; TS : array[..3,..3] of real; {menympan tabel selsh} h, jumlah, suku, s: real; functon faktoral(p:nteger:nteger; { menghtung p! } var k, fak:nteger; begn fak:=; for k:= to p do fak:=fak*k; {end for} faktoral:=fak; end; {faktoral} 36 Metode Numerk

44 begn for k:= to n do {smpan y[k] pada kolom matrks TS[k,j] } TS[k,]:=y[k]; {end for} for k:= to n do {bentuk tabel selsh} for := to (n-k do TS[,k]:=TS[+,k-] - TS[,k-]; {end for} {end for} {htung p( } h:=[]-[]; { jarak antar ttk} s:=( -[]/h; jumlah:=ts[,]; for := to n do begn suku:=ts[,]; for k:= to - do suku:=suku*(s-k {end for} suku:=suku/faktoral(; jumlah:=jumlah + suku; end; Newton_Gregory_Maju:=jumlah; end; Menghtung Batas Galat Interpolas Newton-Gregory Maju Sepert halnya pada polnom Newton, kta dapat menghtung batas-batas galat nterpolas Newton-Gregory Maju. Perhatkan Contoh 5. d bawah n. Contoh 5. Msal dberkan tabel selsh yang dambl dar fungs f( = sn( d dalam selang [.,.7] dan h =.4. f( f f 3 f Dmnta menentukan f(.8 dengan polnom Newton-Gregory maju derajat dua, dan tentukan juga batas-batas galatnya. Bab 5 Interpolas Polnom 37

45 Penyelesaan: Polnom derajat dua jumlah ttk = + = 3. Msalkan ttk yang dambl adalah =., =.5, dan =.9 Ttk yang dnterpolaskan adalah =.8 s = ( - /h = (.8 -./.4 =.75 Jad, f(.8 p ( = f + s f! + = (.75 =.7445 s ( s f! ( (.75 (.75 (-.757 Batas-batas galat: E( E(.8 s ( s ( s ( n +! h 3 f '(t (.75(.75(.5(.4 3! 3 [-cos (t] Dalam selang [.,.9] fungs cosnus monoton nak, sehngga nla mnmum dan nla maksmum cosnus terletak d ujung-ujung selang. Dengan demkan, galat galat (.75(.75(.5(.4 3! (.75(.75(.5(.4 3! 3 3 [-cos (.] = [-cos (.9] =.8-3 Jad, batas-batas galat dalam mengnterpolas f(.8 adalah.8-3 galat Metode Numerk

46 Taksran Galat Interpolas Newton-Gregory Maju Sepert halnya pada polnom Newton, taksran galat nterpolas Newton-Gregory dapat dhtung dengan menghampr turunan fungs ke (n+ dengan nla pada tabel selsh. Tnjau kembal polnom Newton-Gregory Maju: p n ( = p n- ( + ( - ( - ( - n- n f n n! h Nakkan suku f ( - ( - ( - n- n n! h dar n menjad n+: ( - ( - ( - n- ( - n ( n+ n n+ f n +! h Bentuk terakhr n bersesuaan dengan rumus galat nterpolas E( = ( - ( - ( - n ( + ( t f n ( n +! sehngga, f (n+ (t dapat dhampr dengan f (n+ (t n+ f n+ h (P.5.5 Jad, taksran galat dalam mengnterpolas f( dengan polnom Newton-Gregory maju adalah E( = ( - ( - ( - n atau dalam bentuk lan, n + f E( = s(s-(s-...(s-n ( n +! dengan s = ( - / h. n+ f n+ h ( n +! (P.5.53 (P.5.54 Bab 5 Interpolas Polnom 39

47 Contoh 5. Dar Contoh 5., htung taksran galat dalam mengnterpolas f(.8. Penyelesaan: Dengan menggunakan ttk tambahan =.3, nla n+ f dapat dhtung, yang pada tabel selsh nlanya sudah ada, yatu n+ f = sehngga taksran galat dalam mengnterpolas f(.8 adalah E(.8 s ( s ( s 3! 3 f = (.75(.75(.5(.4797 =.6-3 3! Persamaan (P.5.53 atau (P.5.54 hanya dgunakan bla ttk n+ ada (pada Contoh 5., terseda ttk sesudah =.9, yatu 3 =.3. Bagamana kalau ttk n+ tdak ada? Untuk kasus n kta dapat menggunakan n+ f - sebaga hampran n+ f [NAK93] Manfaat Tabel Selsh Maju Pada contoh-contoh perhtungan yang dberkan sebelum n, derajat polnom nterpolas dtentukan pada soal. Bla polnom nterpolas derajat n yang dngnkan, maka jumlah ttk yang dbutuhkan harus (n+ buah. Sebalknya, bla dberkan (n+ ttk, maka kta dapat mengnterpolas ttk-ttk tu dengan polnom derajat satu (jad hanya dua ttk yang dperlukan, polnom derajat dua (tga ttk, polnom derajat tga (empat ttk dan maksmal polnom derajat n (jad semua ttk yang dpaka. Tmbul pertanyaan, dengan polnom derajat berapakah sekumpulan ttk data sebaknya dnterpolas agar memberkan galat nterpolas yang mnmum? [NOB7] Msalkan kta membentuk tabel selsh untuk fungs f( =, f( =, dan f( = 3 pada ttk-ttk yang berjarak sama, yatu = + h, =,,, 3, ( f( = f f 3 f h h h h h h h 3h 3h 4 Metode Numerk

48 ( f( = f f 3 f h h h h 3h h h 4h 5h h 3h 9h 7h 4h 6h ( f( = 3 f f 3 f 4 f h 3 6h 3 6h 3 h h 3 7h 3 h 3 6h 3 h 8h 3 9h 3 8h 3 3h 7h 3 37h 3 4h 64h 3 Apa yang anda temukan dar ketga tabel d atas? Pada ketga tabel tu dapat dsmpulkan bahwa untuk f( = a n, yang dalam hal n a = dan n =,, 3, dperoleh dan n f( = a n! h n n+ f( =. Apakah kesmpulan n benar untuk n > 3? Msal dberkan fungs f( dar polnom derajat n, f( = a + a + a + + a n n dan h adalah jarak antara nla-nla. Selsh orde pertama adalah f( = f(+h - f( = {a + a (+h + + a n (+h n } - {a + a + + a n n } = a n [(+h n - n ] + a n- [(+h n- - n- ] + suku-suku derajat n- = a n [( n + nh n- + (n- n- h h n - n ] + a n- [( n- + (n-h n- + (n- n-3 h h n- - n- ] + suku-suku derajat n- = nha n n- + suku-suku derajat n- Bab 5 Interpolas Polnom 4

49 Dengan cara yang sama untuk f(, 3 f(,, kta peroleh f( = nha n n- f( = n(n- h a n n- 3 f( = n (n- (n- h 3 a n n-3... n f( = n! h n a n n-n = n! h n a n = n(n-(n- ( ( h n a n n-n n+ f( = Jad kesmpulan kta benar. Apakah kegunaan kesmpulan n? Bla d dalam tabel selsh dtemukan k bernla (hampr konstan ( maka polnom yang tepat mengnterpolas ttk-ttk tu adalah polnom berderajat k. Pada contoh tabel ( d atas: 3 konstan, jad ttk-ttknya tepat dnterpolas dengan polnom derajat tga (sama dengan fungs aslnya, f( = 3 Bagamanakah jka tdak terdapat yang bernla tetap? Msalnya dberkan tabel selsh d bawah n: f( = / f f 3 f 4 f Pada tabel selsh d atas, tdak ada k yang mendekat nla tetap. Jad f( = / tdak tepat dhampr dengan polnom derajat,, 3, atau 4 d dalam selang [.,.6]. Tetap jka selang datanya dperkecl dengan pengamblan h yang lebh kecl dan dgunakan empat angka bena sebaga berkut: f( = / f f 3 f Metode Numerk

50 maka dar tabel n dtemukan mendekat nla tetap yatu sektar.. Karena tu f( = / dapat dhampr sebanyak empat angka bena dengan polnom kuadratk d dalam selang [.5,.3]. Kesmpulan: Tabel selsh bermanfaat untuk menentukan. Derajat polnom nterpolas. Selang data 3. Keteltan yang dngnkan Polnom Interpolas Newton-Gregory Mundur Polnom Newton-Gregory mundur (Newton-Gregory backward dbentuk dar tabel selsh mundur. Polnom n serng dgunakan pada perhtungan nla turunan (dervatve secara numerk. Ttk-ttk yang dgunakan berjarak sama, yatu, -, -,..., -n, yang dalam hal n, = + h, =, -, -,,-n dan nla yang dnterpolaskan adalah = + sh, s R Sebaga contoh, tabel selsh mundur untuk 4 ttk dperlhatkan oleh tabel berkut: f( f f 3 f -3-3 f f - f f - f - ²f - f f ²f 3 f Keterangan: f = f( f - = f( - f = f - f - f - = f - - f - f = f - f - k+ f = k f - k f - Bab 5 Interpolas Polnom 43

51 Polnom Newton-Gregory mundur yang mengnterpolas (n+ ttk data adalah n s + k f( p n ( = k f k = s = f + s s( s + + f! f! + + s ( s + ( s +...( s + n n n! f (P.5.55 Mengena penurunan rumus Newton-Gregory mundur, dtnggalkan kepada anda sebaga lathan. Contoh 5.3 Dberkan 4 buah ttk data dalam tabel berkut. Htunglah f(.7 dengan (a polnom Newton-Gregory maju derajat 3 (b polnom Newton-Gregory mundur derajat 3 Msalkan jumlah angka bena yang dgunakan adalah 7 dgt. Penyelesaan: (a Polnom Newton-Gregory maju derajat 3 f( f f 3 f s = ( - /h = (.7 -.7/. =. Perkraan nla f(.7 adalah.(.8 f(.7 p 3 (.7 = ( (-.693.(.8(.8 + ( = = (nla sejat f(.7 = , jad p 3 (.7 tepat sampa 6 angka bena 44 Metode Numerk

52 (b Polnom Newton-Gregory maju derajat 3 f( Tabel d atas memperlhatkan bahwa tabel selsh mundur sama dengan tabel selsh maju, yang berbeda hanya notas dan penempatan elemennya. s = ( - /h = (.7 -./. = -.8 Perkraan nla f(.7 adalah f(.7 p 3 (.7 = ( (.8 (.8 + (.8(.8(.8 6 (.493 (.4 = = Contoh 5.3 memperlhatkan bahwa penyelesaan dengan Newton-Gregory maju atau mundur menghaslkan jawaban yang sama. 5.7 Ekstrapolas Pada awal bab sudah dsnggung bahwa ekstrapolas adalah penaksran nla f( untuk yang terletak d luar selang ttk data. Dar pembahasan galat nterpolas sudah dketahu bahwa galat nterpolas semakn besar pada ttk-ttk yang jauh dar ttk tengah selang. Dengan demkan, penaksran nla fungs d luar selang menghaslkan galat ekstrapolas yang sangat besar. Bab 5 Interpolas Polnom 45

53 5.8 Interpolas Dwmatra Adakalanya kta membutuhkan perkraan nla fungs dengan dua peubah. Fungs dengan dua peubah, dan y, secara umum dnyatakan sebaga z = f(, y Grafk fungs z adalah berupa permukaan (surface atau selmut kurva dengan alasnya adalah bdang -y. Jad, nla-nla z terletak pada permukaan tersebut. Jka z dnterpolas dengan polnom dua-peubah (nterpolas dwmatra atau duadmens, kta harus menentukan berapa derajat dalam arah- dan berapa derajat dalam arah-y. Msalnya z dhampr dengan polnom dua-peubah, yang dalam hal n derajat dalam arah- dan derajat 3 dalam arah-y: z = f(, y a + a + a y + a 3 + a 4 y + a 5 y + a 6 y + a 7 y + a 8 y 3 + a 9 y 3 + a y + a y 3 (P.5.56 Interpolas polnom dua-peubah dlakukan dalam dua arah: dalam arah dan dalam arah- y. Pada setap arah, kta harus memlh peubah yang dpegang konstan. Dalam arah-y, nla dpegang konstan, begtu juga dalam arah, nla y dpegang konstan (pemlhan arah mana yang dkerjakan terlebh dahulu memberkan jawaban yang sama. Semua metode nterpolas yang telah dbahas sebelum n dapat dgunakan untuk mengnterpolas polnom dua-peubah. Contoh 5.4 [MAT9] Dberkan tabel f(,y sebaga berkut: y Perkrakan nla f(.6,.33 dengan polnom derajat dalam arah- dan derajat 3 dalam arah-y. Penyelesaan: Kta menggunakan polnom Netwon-Gregory maju untuk nterpolas dalam arah- dan dalam arah y, karena ttk-ttknya berjarak sama. Karena dalam arah- menggunakan 46 Metode Numerk

54 nterpolas derajat, maka kta memlh tga buah ttk d tabel yatu pada =.,.5, dan. karena =.6 terletak palng dekat dengan pertengahan selang [.,.]. Dalam arah-y, kta memlh empat buah ttk (nterpolas derajat 3, yatu pada y =.,.3,.4, dan.5 karena y =.33 terletak palng dekat dengan pertengahan selang [.,.5]. Dalam arah-y ( tetap: y z z z 3 z = = = Jarak antar ttk dalam arah-y: h =. dan y y y = y + sh s = h =.33.. =.3 Polnom Newton-Gregory maju derajat tga (dalam arah-y: s p 3 (y f + f +! s ( s! f + s ( s ( s 3! 3 f Untuk =. ; f(,.33 p 3 (,.33.3 (.3(.3 (.3(.3 (.3 p 3 (, ( (.7 + (.5 6 =.8 Bab 5 Interpolas Polnom 47

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

Regresi. Bahan Kuliah IF4058 Topik Khusus Informatika I. Oleh; Rinaldi Munir(IF-STEI ITB)

Regresi. Bahan Kuliah IF4058 Topik Khusus Informatika I. Oleh; Rinaldi Munir(IF-STEI ITB) Regres Bahan Kulah IF4058 Topk Khusus Informatka I Oleh; Rnald Munr(IF-STEI ITB) 1 Pendahuluan Regresadalahteknkpencocokankurvauntukdata ang berketeltanrendah. Contohdata ang berketeltanrendahdata haslpengamatan,

Lebih terperinci

TEORI KESALAHAN (GALAT)

TEORI KESALAHAN (GALAT) TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline. METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

Deret Taylor & Diferensial Numerik. Matematika Industri II

Deret Taylor & Diferensial Numerik. Matematika Industri II Deret Taylor & Derensal Numerk Matematka Industr II Maclaurn Power Seres Deret Maclaurn adalah penaksran polnom derajat tak hngga 0 0! 0 n n 0 n! Notce: Deret nnte tak hngga menyatakan bahwa akhrnya deret

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

SOLUTION INSTITUT TEKNOLOGI BANDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI FISIKA

SOLUTION INSTITUT TEKNOLOGI BANDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI FISIKA ISTITUT TEKOLOGI BADUG FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM PROGRAM STUDI FISIKA FI-500 Mekanka Statstk SEMESTER/ Sem. - 06/07 PR#4 : Dstrbus bose Ensten dan nteraks kuat Kumpulkan d Selasa 9 Aprl

Lebih terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP) PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen. BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra

Lebih terperinci

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang

Lebih terperinci

Modul ini adalah modul ke-8 dalam mata kuliah Matematika. Isi modul ini

Modul ini adalah modul ke-8 dalam mata kuliah Matematika. Isi modul ini STATISTIKA ; MODUL ; ; 8; ; ; PENDAHULUAN Modul n adalah modul ke-8 dalam mata kulah Matematka. Is modul n membahas tentang statstka. Modul n terdr dar kegatan belajar. Pada kegatan belajar akan dbahas

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

DIKTAT KULIAH ANALISIS NUMERIK ( CIV

DIKTAT KULIAH ANALISIS NUMERIK ( CIV DIKTAT KULIAH ANALISIS NUMERIK ( CIV 8 Oleh : Agus Setawan S.T. M.T. PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNOLOGI & DESAIN UNIVERSITAS PEMBANGUNAN JAYA TANGERANG SELATAN 6 DAFTAR ISI KATA PENGANTAR DAFTAR

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil .1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

Bab III Analisis dan Rancangan Sistem Kompresi Kalimat

Bab III Analisis dan Rancangan Sistem Kompresi Kalimat Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT) MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci