Pecahan Persamaan 2-D Diffusi Secara Paralel menggunakan Metoda Modified Gauss (Mike Susmikanti)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pecahan Persamaan 2-D Diffusi Secara Paralel menggunakan Metoda Modified Gauss (Mike Susmikanti)"

Transkripsi

1 Pechn Persmn -D Dffus Secr Prlel menggunn Metod Modfed Guss (Me Susmnt) ABSTRAK PEMECAHAN PERSAMAAN -D DIFFUSI SECARA PARALEL MENGGUNAKAN METODA MODIFIED GAUSS SEIDEL DALAM KOMPUTER KLUSTER Me Susmnt * PEMECAHAN PERSAMAAN -D DIFFUSI SECARA PARALEL MENGGUNAKAN METODA MODIFIED GAUSS SEIDEL DALAM KOMPUTER KLUSTER Prlelss penyelesn dffus -D dlm omputer luster dbhs dlm tulsn n Perhtungn nl rterst dn dstrbus flus neutron dlh pust dr nlss fss retor nulr Sebg pendetn persoln trnsport neutron, metod dffus merupn metod stndrd yng dgunn dlm nlss n Dlm pemechn persmn dffus, prosedur n berhdpn dengn persoln mtrs Dlm penyelesn dffus -D, mtrs membentu mtrs pent-dgonl Untu membut perhtungn dffus lebh efetf, proses lgortm Modfed Guss Sedel dfousn dlm unsur-unsur pent-dgonl Metod Modfed Guss Sedel dlm pemechn dffus -D dengn mtrs yng besr n dpresentsn Sebgn besr opers dlm metod modfs Guss Sedel dpt derjn secr prlel Komputs prlel dr pent-dgonl untu pemechn model dfuss -D dmplementsn secr ntegrs menggunn progrm C dn Messge Pssng Interfce (MPI) dlm omputer luster Kt-t unc : Model Dffus, Sstem Pent-Dgonl, Komputs Prlel, Modfed Guss Sedel, Komputer Kluster ABSTRACT PARALLEL -D DIFFUSION EQUATION SOLVER USING MODIFIED GAUSS- SEIDEL METHOD IN COMPUTER CLUSTER Prllelzton of -D dffuson soluton n Computer Cluster reported n ths pper Neutron flux dstrbuton nd egen vlue clculton s the centrl of nucler rector physcs nlyss As n pproxmton to the neutron trnsport problem, dffuson method s nowdys stndrd method used n ths nlyss In solvng the neutron dffuson equton the procedure wll end up wth the mtrx problem For -D dffuson soluton the mtrx would be pent-dgonl mtrx To me the -D dffuson clculton more effectve, the process of ths lgorthm s focused n elements pent-dgonl The Modfed Guss Sedel method n solvng the -D dffuson equton wth the bg mtrx wll be presented Most of the operton n the modfed Guss- Sedel method cn be done n prllel The prllel computng of pent-dgonl for solvng the -D dffuson model re mplementton wth ntegrted used progrm C nd Messge Pssng Interfce (MPI) n computer cluster \ Keywords : Dffuson Model, Pent-Dgonl System, Prllel Computng, Modfcton Guss Sedel, Cluster Computer * Pust Pengembngn Informt Nulr (PPIN) BATAN, e-ml: me@btngod 45

2 Rslh Lory Komputs dlm Sns dn Tenolog Nulr, Otober (45-58 ) PENDAHULUAN Slh stu persoln dlm bdng retor nulr dlh pemechn trnsport neutron Perhtungn nl rterst dn dstrbus flus neutron dlh pust dr nlss fss retor nulr Dlm perhtungn dstrbus neutron dlm retor hrus dperhtn proses trnsport neutron, ytu pergern lur neutron Bny stud retor mempeljr perlun pergern neutron sebg sutu proses dffus Pr ten nulr mempeljr bgmn mendesn retor demn sehngg terdpt esembngn ntr produs neutron dlm res fs dn hlngny neutron ren hmburn tu dserp Slh stu persoln trnsport neutron dlh penyelesn model dffus -D Sebg pendetn persoln trnsport neutron, model dffus merupn model stndrd yng dgunn dlm nlss n Dlm pemechn persmn dffus, prosedur n berhdpn dengn persoln mtrs Dlm penyelesn dffus -D, mtrs membentu mtrs pent-dgonl Model mengsumsn bhw semu neutron dpt drterst dengn perlun energ pd du dmens Model dffus -D mempuny sstm persmn lner pentdgonl Prlelss penyelesn dffus -D dlm omputer luster dbhs dlm tulsn n Beberp lgortm telh dembngn untu dembngn untu penyelesn prlel pd sstem pent-dgonl Sstem pent dgonl dlh sstem persmn lner yng memerlun penyelesn husus Untu membut perhtungn dffus lebh efetf, proses lgortm Modfed Guss Sedel dfousn dn dterpn dlm unsur-unsur pent-dgonl Metod Modfed Guss Sedel dlm pemechn dffus -D dengn mtrs yng besr n dpresentsn Metod n sngt sesu dterpn dlm sstem omputer luster Sebgn besr opers dlm metod modfs Guss Sedel dpt derjn secr prlel Komputs prlel dr pent-dgonl untu pemechn model dfuss -D dmplementsn secr ntegrs menggunn progrm C dn Messge Pssng Interfce (MPI) dlm omputer luster Dperoleh wtu yng sngt sngt dlm menyelesn sstem persmn Dffus -D untu uurn mtrs besr dengn metod modfed Guss Sedel secr prlel dlm omputer luster METODOLOGI Perhtungn dffus neutron menghususn perlun -D tu -D Pd retor nt dhtung freuens hmburn neutron tu berp bny neutron dserp Rso jumlh neutron dlm stu geners dn jumlh neutron pd geners sebelumny dsebut dengn ftor multpls J =, jumlh neutron dlm geners fs sebelumny dn sesudhny dlh sm dn res rnt td bergntung wtu Krterst sstm dnytn dengn = menunjun retor rts Persmn dffus dlh persmn dferensl prsl geners fs yng 46

3 Pechn Persmn -D Dffus Secr Prlel menggunn Metod Modfed Guss (Me Susmnt) menytn flutus erptn mterl selm dffus Solus numer persmn dffus lebh umum dnytn pd persmn () [], D( r) + Σ ( r) ( r) = S( r) () (r) erptn mterl dffus pd los r nd D(r) dlh umpuln oefsen dffus untu erptn pd los r Smbol merepresentsn smbol opertor dfferensl vetor pd oordnt bdng S(r) dlh sumber pd los r dn Σ dlh probblts res neuron-nulr yng terjd yng dnytn dengn nl penmpng lntng Geometr yng ngn dseld ddsrtss edlm mesh dr sel-sel sepert grd-grd segempt yng dnytn pd Gmbr Gmbr Grd seg empt -D J ddefnsn D j dlh oefsen dffus pd mesh tt dn j, D j ( D + D j ) () M persmn () dpt dnytn dlm bentu persmn () J D J j Dj () j + ( + ) = S j j= j j = j dmn j = jr dntr mesh tt dn j dengn berjln pd semu tt-tt mesh J dperlus persmn bed untu persmn dffus -D dengn med mesh sergm dlm geometr segempt dnytn pd persmn (4), D D ( x, y) = S( x, y) x y (4) 47

4 Rslh Lory Komputs dlm Sns dn Tenolog Nulr, Otober (45-58 ) Tt-tt mesh dnytn dlm rung mesh dengn pendetn persmn (5), x, j, j +, j ( x) + x, y, j, j +, j + y x, y ( y) (5) J nl pd persmn (5) dsubttus pd persmn (4), evlus terhdp tt mesh ( x, y j ) dperoleh dr persmn (6) [], D D ( + + ) ( + + ) +, j, j, j, j ( x) ( y) D + Σ + ( + ) j S, = j, =,, N-,j=,,M- (6) ( x) ( y), Syrt bts yng dgunn,, j, N, j,, dn, M Pd penyelesn persmn dffus -D, pertm-tm dlh membentu mtrs oefsen dfus dengn member tnd ndes tunggl untu tp tt mesh Sebg contoh dlm mesh -D, tt mesh dber lbel (,j) = + (j-)(n-) Untu persoln -D, strutur mtrs dengn jjrn mesh x j, dperoleh prmeter dstrbus flus sebny = x j, ytu,, S 5 S 6 S 45 4 S 4 = S A = S Sebg contoh, Pd brs e- = 4, ( = 7 dn j =), hsl perln mtrs dts dnytn pd persmn (7), D7, D7,6 D7, D7,6 D7,8 D7, ) ( ) ( ( ) ( ) ( ) ( ) ( ) ( ) ) 7 ( 7, 7,6 7, 7,6 7,8 7, 48

5 Pechn Persmn -D Dffus Secr Prlel menggunn Metod Modfed Guss (Me Susmnt) D7,8 D7, ) ( ) ( 7 ) = ( S ) ( ) ( ) (7) ( 7 7,8 7, Persmn (7) dgunn dlm perhtungn rtlts pd persmn (8) [], M = F (8) Penyelesn dengn metode ters membern tebn sumber wl dn -effetf ( eff ), dnytn pd persmn (9), () S( r) F S ( r) () (9) Kemudn dhtung flus () berdsrn persmn (), M ( = S ( ) () () D + Σ r) () Sumber bru dn eff dpt dhtung menggunn persmn (), () () () S = F = υσ f () () () Prosedur ters untu menghtung eff dpt dsederhnn berut n [, 5], Tebn wl untu = eff () dn () Kemudn pechn untu (n+) = / (n) eff x F x (n), F = ν f ( N M Htung eff bru : (n+) (n) eff = eff ( M dr dr Ulng ()-() smp eduny eff (n+) dn (n+) onvergen, Dgrm lur perhtungn eff dnytn pd gmbr + ) N ) 49

6 Rslh Lory Komputs dlm Sns dn Tenolog Nulr, Otober (45-58 ) Input geometr dn omposs Input sumber fs wl (S () ) dn () Iters dlm M = F ( n + ) ( n ) ( n ) S ( n + ) ( n+ ) = F d ( n ) rs d ( n+ ) ( n + ) rs ( r ) ( n ) ( r ) Iters lur ( n) ( n) ( n ) Y ( n) ( n ) S S < ε < ε ( n) S Td eff Gmbr Dgrm Alur Perhtungn Krtlts Sstem persmn A = S membern nl flus dlm vetor Mtrs A dlh mtrs oefsen dffus dn S dlh vetor nl sumber Nl unsur-unsur mtrs A dlh bentu sederhn dr persmn bed hngg Penyelesn dsrtss flus dperoleh dr penyelesn persmn berut = = = S S S NN N + NNN = S N 5

7 Pechn Persmn -D Dffus Secr Prlel menggunn Metod Modfed Guss (Me Susmnt) Prnsp lgortm untu pemechn sstm persmn lner Ax = b dterpn secr prlel dengn memodfs metod Itertf Guss-Sedel dengn Modfed Guss-Sedel Persmn dts dpt dnytn sebg persmn (), A = E + D + F () dmn E, D dn F dlh mtrs n x n dengn msng-msng unsur e j, d j dn f j berut; e j = > j untu j untu lnny d j = = j untu j untu lnny f j = < j untu j untu lnny Persmn Ax = b dpt dnytn dlm bentu persmn (), (E + D + F)x = b () tu dlm bentu persmn (4) Dx = b Ex Fx (4) Dmul dengn vetor x ( dugn sembrng untu x wl), penyelesn vetor dperoleh mellu proses tertf dmn ters e- dbern pd persmn (5), D x = b E x F x (5) Iters dtn onvergen j untu sutu, memenuh persmn (6), n = bs + ( x x ) < c, (6) dmn c dlh nl tolerns eslhn Proses dts dpt dmodfs secr umum menjd lgortm prlel Modfed Guss Sedel yng dpt dterpn pd sstem omputer luster, ren ddesn untu sstem prlel Multple Instructon Multple Dt Berut lgortm prlel dr metode Modfed Guss Sedel [], Prosedur MIMD MODIFIED GAUSS SEIDEL Thp : for = to n do () old = x () new = x Htung Proses end for 5

8 Rslh Lory Komputs dlm Sns dn Tenolog Nulr, Otober (45-58 ) Thp : Proses () repet () old = new () new = ( b ( x old ) ( x old )) / n untl () x = new = = n = + bs( new old ) < c Thp, menytn stu dr n proses dlm Thp Msln untu n = 4 (empt vrbel yng ngn dcr) dn ters wl, =, mulmul dbern nl x, x, x, x4 wl dn nl tolerns c Selm ters e- (=) pendetn nl x yng td dethu, dsubsttus edlm rus nn persmn (5), yng menghsln nl pendetn bru berut n, x = b ( x + x + ) 4 x4 x = b ( x ) ( x 4 x4 ) + x = b ( x + x ) ( 4 x 4 ) 44 x4 = b4 ( 4x + 4 x + 4x ) tu x = ( b ( x + x + x )) 4 4 / = ( b ( x ) ( x 4 x 4 )) / x + x 4 = b4 ( 4x + 4 x + 4 x ) ) / ( Ilustrs peerjn untu msng-msng prosesor sebg berut, prosesor membern nl old = x dn new = x Secr smultn prosesor membern nl old = x dn new = x Demn pul untu prosesor dn prosesor 4 Nl x, x,, x4 dpt dhtung dr sstm persmn dts yng menjd nl new, new,, new4 pd ters pertm, sedngn nl old = x, old = x,, old 4 = x4 Kemudn dhtung new old + + new4 old 4 < c J syrt onverven belum tercp m ters dlnjutn dengn menympn nl old = new,, old 4 = new4 dn menghtung new, new,, new4 dengn menghtung x, x,, x4 Demn selnjutny untu ters e- sehngg syrt onvergen terpenuh 44 5

9 Pechn Persmn -D Dffus Secr Prlel menggunn Metod Modfed Guss (Me Susmnt) HASIL DAN PEMBAHASAN Proses smuls prlel dlun dengn beberp prosesor Proses n ntegrs dengn progrm C, onsep MPI (Messge Pssng Interfce) pd sstem Open Source LINUX dlm sstem luster [,4] Geometr nput dbg dlm pnjng mterl 5 cm dn jumlh prts 4 per cm (n =, delt() =, =, ) Input mterl melput penmpng lntng sgmbs(), onstnt dffus d(), produtvts per fss nusgm(), tebn wl () = dn eff wl ( eff ()) = Pertm-tm dhtung unsur-unsur mtrs oefsen dffus A, dr persmn A = S Untu perhtungn dstrbus flus, dgunn metod Modfed Guss Sedel yng dterpn dlm omputs prlel pd sstem luster untu penyelesn sstm persmn pent-dgonl A = S dlm bentu mtrs x Sstem pent-dgonl dperoleh dr proses pembentun mtrs oefsen dffus A Vetor S menytn nl sumber yng dnytn pd rus nn sstm persmn Vetor menytn nl flus yng n dhtung dlm bentu mtrs berut n, = Nl flus,,, 4, 5, 6, 7, 8, 9,,,,,, 998, 999, dhtung dr proses Modfed Guss Sedel yng msng-msng dperoleh, 58666; 4864; 55549; ; 954; 99648; ; 49966; ; ; ; Dperoleh nl -eff =,45544 Proses prlel dlun dengn fslts MPI pd tg omputer Dul Core dlm lol jrngn (LAN) dengn sstem luster Knerj prlel perhtungn rtlts dn dstrbus flus menggunn metod Modfed Guss Sedel dnytn pd tbel pd sstem luster untu penyelesn sstm persmn pent-dgonl dengn uurn mtrs x 5

10 Rslh Lory Komputs dlm Sns dn Tenolog Nulr, Otober (45-58 ) Tbel Knerj Prlel Perhtungn Krtlts dn Dstrbus Flus Jumlh Prosesor Wtu (det) Wtu Per Prosesor (det) 6,64, 6,6, 4,4,8 5,4,69 6 7,97, 7 6,8,4 8,,88 Flutus nerj prlel perhtungn rtlts dn dstrbus flus dengn memperhtn jumlh prosesor terhdp wtu dtmpln pd Gmbr Gmbr Knerj Prlel Perhtungn Krtlts Flutus nerj prlel per-prosesor terhdp wtu dtmpln pd Gmbr 4 54 Gmbr 4 Knerj Prlel Per-Prosesor Secr umum sstm persmn n vrbel dpt dproses secr prlel menggunn lgortm Modfed Guss Sedel yng drncng pd sstem prlel MMID dlm sstem luster yng mengjnn proses ddstrbus pd node-node dengn pembgn bebn yng dserhn pd sstem Seln hl dts secr onsep omputer dul core msng-msng berfungs sebg omputer dengn du prosesor

11 Pechn Persmn -D Dffus Secr Prlel menggunn Metod Modfed Guss (Me Susmnt) sehngg proses dpt ddstrbusn pd mnml du node tu lebh untu msngmsng omputer Sehngg tg omputer dul core berfungs sebg mnml enm prosesor Smuls prlel pd sstem luster yng berntegrs dengn fslts MPI, dperennn dproses pd beberp node tu prosesor Dlht dr grf nerj prlel per prosesor bhw nerj prlel yng optml dperoleh pd tg node wlupun proses dmungnn dlun untu enm smp delpn node, tetp dperoleh hsl yng td optml wlupun dlm jrngn lol selpun Hl n dsebbn wtu untu mendstrbusn bebn tu mengumpuln hsl perhtungn n menmbh wtu proses Td menutup emungnn pul dny jrngn omuns yng td lncr wlupun dlm jrngn lol selpun KESIMPULAN Model dffus -D secr numer dnytn dlm sstem persmn pentdgonl Metode Modfed Guss Sedel dpt dterpn dlm penyelesn sstem persmn pent-dgonl Algortm Modfed Guss Sedel dpt dplsn untu sstem persmn dengn uurn mtrs oefsen dfus yng besr dlm wtu sngt dengn sstm prlel Multple Instructon Multple Dt pd sstem luster Dlm smuls n, pd tg omputer Dul Core dengn jrngn lol ternyt dperoleh nerj prlel yng efsen dbebnn hny terhdp tg prosesor, wlupun dpt dproses pd lebh dr tg prosesor Hl n dmungnn, dlm mendstrbusn peerjn dn mengumpuln hsl n menmbh wtu proses DAFTAR PUSTAKA SELIM G, AKL (989), The Desgn nd Anlyss of Prllel Algorthms, Prentce Hll, Inc, New Jersey DUDERSTADT, JJ, HAMILTON, L J, (976), Nucler Rector Anlyss, John Wley & Sons, Inc, (976) GRAMMATIKAKIS, MILTOS, D, FRANK HSU, D, nd KRAETZL, MIRO (), Prllel System Interconnectons nd Communctons, CRC Press LLC, New Yor 4 KARNIADAKIS, GEORGE, E, KIRBY, LL, ROBERT, M (), Prllel Scentfc Computng n C++ nd MPI, Cmbrdge Unversty Press, Frst Publshed 55

12 Rslh Lory Komputs dlm Sns dn Tenolog Nulr, Otober (45-58 ) 5 SUSMIKANTI M, SETIDIPURA, T, ADHIYAKSA, A (9), The Prllel Computton for Trdgonl System In One-Dmenson Dffuson Model, Journl of Theortcl nd Computtonl Studes Volume 8 Number 46, ISSN , LIPI KARSONO DISKUSI Srn : Mlh sehrusny menjelsn lgortm prlel yng dgunn dn jug penjelsn pembgn bebn erj e prosesor-prosesor Aspe prlelss n dlh nt mlh (yng belum djelsn) Mohon penjelsn urv nerj prosesor flututf; menmbh jumlh prosesor td sellu mempercept proses /wtu htung MIKE An dtmbhn dn dmsun dlm mlh sebg perbn Sstem prlel n derjn pd empt omputer Dul Core, tetp dengn emmpun berbed, sehngg setelh dlun smuls dperoleh wtu yng mnml pd tg prosedur JAd pd prnspny d emungnn bhw nerj slh stu omputer td b dn emungnn ln bhw perjlnn untu melun proses pd 8 prosesor (4 omputer dengn Dul Core) lebh memn wtu DAFTAR RIWAYAT HIDUP Nm : Me Susmnt Tempt & Tnggl Lhr : Jrt, November 956 Penddn Rwyt Peerjn Kelompo : S- Mtemt, S- Mgster Mnjemen : 98 sd serng d BATAN : Mtemt dn Sttst Terpn 56

13 Pechn Persmn Persmn -D Dffus -D Dffus Secr Secr Prlel Prlel menggunn menggunn Metod Metod Modfed Modfed Guss (Me Guss (Me Susmnt Susmnt) Mlh : Pemechn Persmn -D Dffsus Secr Prlel menggunn Metod Modfed Guss Sedel dlm Komputer Kluster 57

PRAKTIKUM 6 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Jordan

PRAKTIKUM 6 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Jordan Prtum 6 Penyelesn Persmn Lner Smultn - Metode Elmns Guss Jordn PRAKTIKUM 6 Penyelesn Persmn Lner Smultn Metode Elmns Guss Jordn. Tujun : Mempeljr metode Elmns Guss Jordn untu penyelesn persmn lner smultn.

Lebih terperinci

PRAKTIKUM 9 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Jordan

PRAKTIKUM 9 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Jordan Prtum 9 Penyelesn Persmn Lner Smultn - Metode Elmns Guss Jordn PRAKTIKUM 9 Penyelesn Persmn Lner Smultn Metode Elmns Guss Jordn Tujun : lner smultn Mempeljr metode Elmns Guss Jordn untu penyelesn persmn

Lebih terperinci

ALGORITMA KOHERENSI STRUKTUR EIGEN DAN

ALGORITMA KOHERENSI STRUKTUR EIGEN DAN 5 BAB AGORA OHERES SRUUR EGE DA SEBACE Dlm upn nterprets dlm metode sesm, oherens, ontnuts, semblne dn orn, merupn stud yng g mrp. Dmn esemuny bertujun untu mengoners dr sutu olum yng dengn dt ontnyu (refles

Lebih terperinci

4.2. Vektor dalam Ruang Dimensi Tiga

4.2. Vektor dalam Ruang Dimensi Tiga 4.. Vetor dlm Rng Dmens Tg Seenrny pengertn etor pd dng dmens d sm hlny pengertn etor dlm rng dmens tg, etor pd sng mempny d omponen, m etor dlm rng mempny tg omponen. Yt ;,,,, Dmn merpn etor stn t etor

Lebih terperinci

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga

Pemain P 1. Teorema 4.1 (Teorema minimax). Untuk setiap matriks pembayaran (pay off matrix), terdapat strategi optimal x* dan y* sedemikian sehingga Rset Opers Probblstk Teor Permnn (Gme Theor) Deprtement of Mthemtcs FMIPA UNS Lecture 4: Med Strteg A. Metode Cmpurn (Med Strteg) D dlm permnn d mn permnn tersebut tdk mempun ttk peln, mk pr pemn kn bersndr

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

BAB IV METODA ANALISIS RANGKAIAN

BAB IV METODA ANALISIS RANGKAIAN 6 BAB METODA ANALSS RANGKAAN Metod nlss rngkn sebenrny merupkn slh stu lt bntu untuk menyeleskn sutu permslhn yng muncul dlm mengnlss sutu rngkn, blmn konsep dsr tu hukum-hukum dsr sepert Hukum Ohm dn

Lebih terperinci

KAJIAN TENTANG SKEMA BEDA HINGGA KOMPAK ORDE-4

KAJIAN TENTANG SKEMA BEDA HINGGA KOMPAK ORDE-4 KAJIA TETAG SKEA BEDA HIGGA KOPAK ORDE-4 Eko Prsety Budn Abstrct : Fourth order compct fnte-dfference scheme s bsed on low-storge Runge-Kutt schemes for temporl dscretzton nd fourth order compct fnte-dfference

Lebih terperinci

BAB III VEKTOR DALAM R 2 DAN R 3. Bab III Vektor dalam R 2 dan R 3

BAB III VEKTOR DALAM R 2 DAN R 3. Bab III Vektor dalam R 2 dan R 3 Bb III Vetor dlm R dn R BAB III VEKTOR DALAM R DAN R Dlm bgn n n dbhs mslh eto-etor dlm rng berdmens dn berdmens, opers-opers rtmet pd etor g n ddefnsn dn beberp sft-sft dsr opers-opers tersebt... VEKTOR

Lebih terperinci

BAB 7 Rantai Markov. Probabilitas Probabilitas Probabilitas Transisional Transisional Transisional. t 1 t 2 t 3 t 4

BAB 7 Rantai Markov. Probabilitas Probabilitas Probabilitas Transisional Transisional Transisional. t 1 t 2 t 3 t 4 BAB 7 Rnt Mrov Rnt Mrov (Mrov Chns) dlh sutu ten mtemt yng bs dgunn untu melun pemodeln (modellng) bermcm-mcm sstem dn proses bsns. Ten n dpt dgunn untu memperrn perubhn-perubhn d wtu yng n dtng dlm vrbel-vrbel

Lebih terperinci

MATEMATIKA TEKNIK 2 3 SKS TEKNIK ELEKTRO UDINUS

MATEMATIKA TEKNIK 2 3 SKS TEKNIK ELEKTRO UDINUS MATEMATIKA TEKNIK SKS TEKNIK ELEKTRO UDINUS Integrl Fungs Kompleks 4 INTEGRAL FUNGSI KOMPLEKS Sepert hlny dlm fungs rl, dlm fungs kompleks jug dkenl stlh ntegrl fungs kompleks sert sft-sftny Sft kenltkn

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

PENYELESAIAN SISTEM DUA SISI DALAM ALJABAR MAX-PLUS

PENYELESAIAN SISTEM DUA SISI DALAM ALJABAR MAX-PLUS PENYELESIN SISEM U SISI LM LJR MX-PLUS Rtn Novtsr, Suono Jurusn Mtemt FMIP Unversts ponegoro Jurusn Mtemt FMIP Insttut enoog Sepuuh Nopemer e-m : rtnnop@hoocom, suono@teomnet str m penetn n, sstem n dseesn

Lebih terperinci

BAB 5 PERSAMAAN DIFERENSIAL HOMOGEN ORDE TINGGI

BAB 5 PERSAMAAN DIFERENSIAL HOMOGEN ORDE TINGGI BAB 5 PESAMAAN DIFEENSIA HOMOGEN ODE TINGGI 5. Pendhulun Metode penyelesn persmn dferensl orde stu dn du yng telh dbhs dpt dpergunkn untuk persmn dferensl homogen untuk orde n dengn persmn krkterstk sepert

Lebih terperinci

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS Metode Numerk Regres Um S dh Polteknk Elektronk Neger Surb 008 PENS-ITS 1 Metode Numerk Topk Regres Lner Regres Non Lner PENS-ITS Metode Numerk Metode Numerk Regres vs Interpols REGRESI KUADRAT TERKECIL

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Persmn Smultn Persmn smultn tmbul hmpr dsetp cbng mtemtk, dlm beberp hl, persmn n tmbul lngsung dr perumusn mul dr persolnny, ddlm hl ln penyelesn dr persmn merupkn bgn dr pengerjn

Lebih terperinci

Permodelan Sistem. Melalui Identifikasi Parameter. Ir. Rusdhianto EAK, MT. Pelatihan PC-Based Control

Permodelan Sistem. Melalui Identifikasi Parameter. Ir. Rusdhianto EAK, MT. Pelatihan PC-Based Control Permodeln Sistem Mellui Identifisi Prmeter Ir. Rusdhinto EAK, M Pengertin Adlh seumpuln metode yng digunn untu mendptn/menentun prmeter model pendetn dri sistem mellui evlusi dt penguurn input output Secr

Lebih terperinci

MODEL OPTIMASI UKURAN BLOK OPTIMAL KRITERIA MINIMISASI TOTAL WAKTU TINGGAL AKTUAL

MODEL OPTIMASI UKURAN BLOK OPTIMAL KRITERIA MINIMISASI TOTAL WAKTU TINGGAL AKTUAL MODEL OPTIMASI UKURA BLOK OPTIMAL KRITERIA MIIMISASI TOTAL WAKTU TIGGAL AKTUAL Umr Ww ; Zhed ABSTRACT Artcle proposes optmzton model to determne optml bloc mesurement subject to ll producton condtons concurrently

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

TINJAUAN PUSTAKA. pengaruh interaksi antara faktor baris ke-i dan faktor kolom ke-j, dan

TINJAUAN PUSTAKA. pengaruh interaksi antara faktor baris ke-i dan faktor kolom ke-j, dan TINJAUAN PUSTAKA Model Intes Multpltf pd Rncngn Ftol Du Fto Pehtn ncngn pecobn ftol du fto dengn ntes yng ted ts fto bs dn b fto olom. Msln y meupn espon d fto bs e- pd fto olom e-, µ dlh nl t-t umum,

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

SOAL UN MATEMATIKA IPA 2014

SOAL UN MATEMATIKA IPA 2014 SOAL UN MATEMATIKA IPA 2014 1. Dkethu prems-prems berkut : Prems 1 : Jk hr hujn, mk tnmn pd subur. Prems 2 : Jk pnen tdk melmph, mk tnmn pd tdk subur. Prems 3 : Pnen tdk melmph Kesmpuln yng sh dr prems-prems

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

FISIKA. Sesi INDUKSI MAGNETIK A. KAWAT LURUS BERARUS

FISIKA. Sesi INDUKSI MAGNETIK A. KAWAT LURUS BERARUS FISIKA KELAS XII IPA - KURIKULUM GABUNGAN 07 Ses NGAN INDUKSI MAGNETIK Pd bd kesembln bels, Hns Chrstn Oersted (777-85) membuktkn keterktn ntr gejl lstrk dn gejl kemgnetn. Oersted mengmt st jrum kmps dtempelkn

Lebih terperinci

STUDI EPIDEMIOLOGI DISUSUN OLEH: NAMA : ARI JULIAN SAPUTRA NIM : KELAS : PSPD REGULER 2012

STUDI EPIDEMIOLOGI DISUSUN OLEH: NAMA : ARI JULIAN SAPUTRA NIM : KELAS : PSPD REGULER 2012 STUDI EPIDEMIOLOGI DISUSUN OLEH: NAMA : ARI JULIAN SAPUTRA NIM : 04121001105 KELAS : PSPD REGULER 2012 PROGRAM STUDI PENDIDIKAN DOKTER FAKULTAS KEDOKTERAN UNIVERSITAS SRIWIJAYA 2015 1. Rndomzed Controlled

Lebih terperinci

Menentukan Statistik Pengujian Untuk Eksperimen Faktorial dengan Dua Kali Pembatasan Pengacakan. Oleh : Enny Supartini

Menentukan Statistik Pengujian Untuk Eksperimen Faktorial dengan Dua Kali Pembatasan Pengacakan. Oleh : Enny Supartini Menentukn Sttstk Pengujn Untuk Ekspermen Fktorl dengn Du Kl Pembtsn Pengckn Oleh : Enny Suprtn Jurusn Sttstk FMIPA Unversts Pdjdjrn Bndung e-ml : rthn@yhoo.com Abstrk Dlm ekspermen fktorl pbl pengckn tdk

Lebih terperinci

PERTEMUAN - 1 JENIS DAN OPERASI MATRIKS

PERTEMUAN - 1 JENIS DAN OPERASI MATRIKS PERTEMUN - JENIS DN OPERSI MTRIKS Pengertin Mtriks : merupkn sutu lt tu srn yng sngt mpuh untuk menyelesikn model-model liner. Definisi : Mtriks dlh susunn empt persegi pnjng tu bujur sngkr dri bilngn-bilngn

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

Bab 2 Teori Pendukung

Bab 2 Teori Pendukung Bb Teori Penduung. Sistem Bonus Mlus Sistem bonus mlus Belgi muli diterpn thun 97 terdiri dri 8 els. C =,,,. Thun 995, sistem bonus mlus menjdi 3 els (Tbel.), { } Tbel. Sistem Bonus Mlus Belgi Kels Premi

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

10/21/2011 POKOK BAHASAN MODEL DATAMINING DEFINISI KATEGORI DALAM DATA MINING. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering

10/21/2011 POKOK BAHASAN MODEL DATAMINING DEFINISI KATEGORI DALAM DATA MINING. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 0//0 POKOK BAHASAN Defns Ktegor Model Nïve Byesn k-nerest Neghbor Clusterng MODEL DATAMINING Bhn Kulh : Topk Khusus DEFINISI DEFINISI Mnng : proses tu ush untuk mendptkn sedkt brng berhrg dr sejumlh besr

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

,, % ,, % -0: 0 -0: 0! 2 % 26, &

,, % ,, % -0: 0 -0: 0! 2 % 26, & PERSAMAAN LINIER GAUSS-SIEDEL METHOD Simultneous Liner Equtions Oleh : Purwnto,S.Si Bentuk Umum x + x + 3 x 3 + + n x n = b Sebuh persmn linier dengn : n peubh : x, x, x 3,, x n n konstnt :,, 3,, n Contoh

Lebih terperinci

Aljabar Linear dan Matriks (Transformasi Linier dan Matriks) Instruktur : Ferry Wahyu Wibowo, S.Si., M.Cs.

Aljabar Linear dan Matriks (Transformasi Linier dan Matriks) Instruktur : Ferry Wahyu Wibowo, S.Si., M.Cs. ljr Lner dn Mtrks (Trnsforms Lner dn Mtrks) Instruktur : Ferry Whyu Wowo SS MCs Penjumlhn Perkln Sklr dn Perkln Mtrks j : unsur dr mtrks d rs dn kolom j Defns Du mtrks dlh sm jk keduny mempuny ukurn yng

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

PENERAPAN ALJABAR MAX-PLUS BILANGAN KABUR PADA JARINGAN ANTRIAN DENGAN WAKTU AKTIFITAS KABUR

PENERAPAN ALJABAR MAX-PLUS BILANGAN KABUR PADA JARINGAN ANTRIAN DENGAN WAKTU AKTIFITAS KABUR Prosdng Semnr Nsonl Peneln Penddn dn Penerpn MIPA Fuls MIPA Unverss Neger Yogyr 6 Me 9 PENERAPAN ALJABAR MAX-PLUS BILANGAN KABUR PADA JARINGAN ANTRIAN DENGAN WAKTU AKTIFITAS KABUR M ANDY RUDHITO SRI WAHYUNI

Lebih terperinci

BAB II LANDASAN TEORY Prosedur regresi dengan Menggunakan Metode Backward

BAB II LANDASAN TEORY Prosedur regresi dengan Menggunakan Metode Backward BAB II LANDASAN TEORY.. Prosedur regresi dengn Menggunn Metode Bcwrd Metode Bcwrd merupn lngh mundur, dimn semu vribel X i diregresin dengn vribel dependen Y. pengeleminsin vribel X i didsrn pd nili F

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengertin Anlisis Regresi Sttisti merupn slh stu cbng ilmu pengethun yng pling bny mendptn perhtin dn dipeljri oleh ilmun dri hmpir semu ilmu bidng pengethun, terutm pr peneliti yng

Lebih terperinci

Metode Numerik 1. Imam Fachruddin (Departemen Fisika, Universitas Indonesia)

Metode Numerik 1. Imam Fachruddin (Departemen Fisika, Universitas Indonesia) Metode Numerk Imm Fchruddn (Deprtemen Fsk, Unversts Indones Dftr Pustk: P. L. DeVres, A Frst Course n Computtonl Physcs (John Wley & Sons, Inc., New York, 994 W. H. Press, et. l., Numercl Recpes n Fortrn

Lebih terperinci

Bab a. maka notasi determinan dari matriks A ditulis : det (A) atau. atau A.

Bab a. maka notasi determinan dari matriks A ditulis : det (A) atau. atau A. Bb DETERMINAN MATRIKS Determinn sutu mtriks dlh sutu fungsi sklr dengn domin mtriks bujur sngkr. Dengn kt lin, determinn merupkn pemetn dengn domin berup mtriks bujur sngkr, sementr kodomin berup sutu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pembangunan ekonomi adalah serangkaian usaha dan kebijaksanaan yang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pembangunan ekonomi adalah serangkaian usaha dan kebijaksanaan yang BAB PENDAHULUAN. Ltr Belng Pembngunn enm dlh serngn ush dn ebjsnn yng bertujun untu menngtn trf hdup msyrt, memperlus lpngn erj, mertn pembgn pendptn msyrt, menngtn hubungn enm regnl, dn mellu pergesern

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

ANALISIS OPTIMASI. Oleh Muhiddin Sirat*)

ANALISIS OPTIMASI. Oleh Muhiddin Sirat*) ANALISIS OPTIMASI Oleh Muhddn Srt*) I. PENDAHULUAN D tnju dr seg ekonom, sumber terjdny mslh ekonom yng dhdp msyrkt berwl dr kebutuhn mnus yng tdk terbts, dln phk sumber-sumber ekonom sngt terbts. Untuk

Lebih terperinci

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR V, W,

BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR V, W, BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR V,,, K r y t i Jurusn Pendidin Mtemti Fults Mtemti dn Ilmu Pengethun Alm Uniersits Negeri Yogyrt e-mil : ytiuny@yhoo.com Abstr Misln R dlh

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

. = Arah induksi magnet tegak lurus bidang gambar menuju pembaca x = Arah induksi magnet tegak lurus bidang gambar menjauhi pembaca

. = Arah induksi magnet tegak lurus bidang gambar menuju pembaca x = Arah induksi magnet tegak lurus bidang gambar menjauhi pembaca 7.7 MEDAN MAGNET INDUKSI Gejl Kemgnetn : Medn Mgnet dlh rungn yng memberkn gy mgnet kepd bend-bend dn mutn lstrk yng bergerk dsektrny. Adny medn mgnet dnytkn dengn grs-grs gy mgnet ( grs nduks ) Apbl membentuk

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 11 Ltr Belkng Mslh trnsshpent erupkn slh stu slh pentng yng dhdp oleh perushn Pd uuny slh trnsports berhubungn dengn dstrbus sutu brng dr beberp suber dengn penwrn terbts enuu beberp

Lebih terperinci

ANALISIS NUMERIK. Inter polasi. SPL simultan. Akar Persama. linear

ANALISIS NUMERIK. Inter polasi. SPL simultan. Akar Persama. linear ANALISIS NUMERIK Inter polsi SPL simultn Akr Persm n Non liner INTERPOLASI Tujun Interpolsi bergun untuk menksir hrg-hrg tengh ntr titik dt yng sudh tept. Interpolsi mempunyi orde tu derjt. Mcm Interpolsi

Lebih terperinci

Skew- Semifield dan Beberapa Sifatnya 1

Skew- Semifield dan Beberapa Sifatnya 1 Skew- Semifield dn Beberp Siftny K r y t i Jurusn Pendidikn Mtemtik Fkults Mtemtik dn Ilmu Pengethun Alm Universits Negeri Yogykrt E-mil: ytiuny@yhoo.com Abstrk Sutu field ( lpngn ) F dlh struktur ljbr

Lebih terperinci

Teorema Dasar Integral Garis

Teorema Dasar Integral Garis ISBN: 978-979-79-55-9 Teorem Dsr Integrl Gris Erdwti Nurdin Progrm Studi Pendidikn Mtemtik FKIP UIR d_1910@yhoo.com Abstrk Slh stu generlissi integrl tentu (definite integrl) f x dx diperoleh dengn menggnti

Lebih terperinci

VEKTOR. 1. Pengertian Vektor adalah besaran yang memiliki besar (nilai) dan arah. Vektor merupakan sebuah ruas garis yang

VEKTOR. 1. Pengertian Vektor adalah besaran yang memiliki besar (nilai) dan arah. Vektor merupakan sebuah ruas garis yang VEKTOR 1. Pengertin Vektor dlh besrn yng memiliki besr (nili dn rh. Vektor merupkn sebuh rus gris yng P berrh dn memiliki pnjng. Pnjng rus gris tersebut dlh pnjng vektor. Rus gris dri titik P dn berujung

Lebih terperinci

MODEL PENJADWALAN BATCH PADA FLOWSHOP DUA TAHAP DENGAN VARIASI JUMLAH PART UNTUK MEMINIMASI TOTAL ACTUAL FLOW TIME

MODEL PENJADWALAN BATCH PADA FLOWSHOP DUA TAHAP DENGAN VARIASI JUMLAH PART UNTUK MEMINIMASI TOTAL ACTUAL FLOW TIME MODEL PEJADWALA BATCH PADA LOWSHOP DUA TAHAP DEGA VARIASI JUMLAH PART UTUK MEMIIMASI TOTAL ACTUAL LOW TIME Prty Poer Surydhn Industrl Engneerng Study Progrm, Industrl Engneerng culty, Telkom Unversty prty@telkomunversty.c.d

Lebih terperinci

MODEL POTENSIAL 1 DIMENSI

MODEL POTENSIAL 1 DIMENSI MODEL POTENSIAL 1 DIMENSI 1. Sumur Potensil Tk Berhingg Kit tinju prtikel bermss m dengn energi positif, berd dlm sumur potensil stu dimensi dengn dinding potensil tk berhingg dn potensil didlmny nol,

Lebih terperinci

MATERI: 7.1.Asal mula celah energi.model elektron hampir bebas. 7.2.Nilai energi celah.fungsi Bloch.Model Kronig-Peney.

MATERI: 7.1.Asal mula celah energi.model elektron hampir bebas. 7.2.Nilai energi celah.fungsi Bloch.Model Kronig-Peney. BAB 7 PITA ENERI MATERI: 7.1.Asl mul celh energi.model eletron hmpir bebs. 7..Nili energi celh.fungsi Bloch.Model Kronig-Peney.Persmn sentrl INDIKATOR: Mhsisw hrus dpt : Menjelsn sl mul celh energi. Menggunn

Lebih terperinci

CONTOH SOLUSI BEBERAPA SOAL OLIMPIADE MATEMATIKA Oleh: Wiworo, S.Si, M.M. 3. Untuk k 2 didefinisikan bahwa a

CONTOH SOLUSI BEBERAPA SOAL OLIMPIADE MATEMATIKA Oleh: Wiworo, S.Si, M.M. 3. Untuk k 2 didefinisikan bahwa a CONTOH SOLUSI BEBERAPA SOAL OLIMPIADE MATEMATIKA Oleh: Wiworo, S.Si, M.M. Dikethui bhw,. Untuk k didefinisikn bhw k k k. Tentukn jumlh tk hingg dri. Kit mislkn S S. Dengn demikin kit dpt menuliskn Kedu

Lebih terperinci

Materi V. Determianan dinotasikan berupa pembatas dua gris lurus,

Materi V. Determianan dinotasikan berupa pembatas dua gris lurus, Mteri V Tujun : 1. Mhsisw dpt mengenli determinn.. Mhsisw dpt merubh persmn linier menjdi persmn determinn.. Mhsisw menelesikn determinn ordo du. Mhsisw mmpu menelesikn determinn ordo tig. Mhsisw mengethui

Lebih terperinci

MA3231 Analisis Real

MA3231 Analisis Real MA3231 Anlisis Rel Hendr Gunwn* *http://hgunwn82.wordpress.com Anlysis nd Geometry Group Bndung Institute of Technology Bndung, INDONESIA Progrm Studi S1 Mtemtik ITB, Semester II 2016/2017 HG* (*ITB Bndung)

Lebih terperinci

RUMUS HERON DAN RUMUS BRAHMAGUPTA

RUMUS HERON DAN RUMUS BRAHMAGUPTA RUMUS HERON DAN RUMUS BRAHMAGUPTA Sumrdyono, M.Pd. Topik lus bngun dtr telh dipeljri sejk di Sekolh Dsr hingg SMA. Bil di SD, dipeljri lus segitig dn beberp bngun segiempt mk di SMP dipeljri lebih lnjut

Lebih terperinci

Matematika SKALU Tahun 1978

Matematika SKALU Tahun 1978 Mtemtik SKALU Thun 978 MA-78-0 Persmn c + b + = 0, mempunyi kr-kr dn, mk berlku A. + = b B. + = c C. = c = c = c MA-78-0 Akr dri persmn 5 - = 7 + dlh A. B. C. 4 5 MA-78-0 Hrg dri log b. b log c. c log

Lebih terperinci

BAB I. MATRIKS BAB II. DETERMINAN BAB III. INVERS MATRIKS BAB IV. PENYELESAIAN PERSAMAAN LINEAR SIMULTAN

BAB I. MATRIKS BAB II. DETERMINAN BAB III. INVERS MATRIKS BAB IV. PENYELESAIAN PERSAMAAN LINEAR SIMULTAN DFTR ISI BB I. MTRIKS BB II. DETERMINN BB III. INVERS MTRIKS BB IV. PENYELESIN PERSMN LINER SIMULTN BB I. MTRIKS Mtriks erup sekelompok ilngn yng disusun empt persegi dn ditsi tnd terdiri dri ris dn kolom

Lebih terperinci

Integral Tak Wajar. Ayundyah Kesumawati. March 25, Prodi Statistika FMIPA-UII

Integral Tak Wajar. Ayundyah Kesumawati. March 25, Prodi Statistika FMIPA-UII Kesumwti Prodi Sttistik FMIPA-UII Mrch 25, 205 Sutu integrl tertentu b f (x)dx () diktkn wjr jik i memenuhi du syrt berikut: i. Bts integrsi dn b merupkn bilngn berhingg ii. fungsi f (x) terbts pd intervl

Lebih terperinci

FORMULASI DAN ALGORITMA PENYELESAIAN MODEL BATCHING DAN SEQUENCING DENGAN KRITERIA MINIMASI WAKTU TINGGAL AKTUAL TOTAL

FORMULASI DAN ALGORITMA PENYELESAIAN MODEL BATCHING DAN SEQUENCING DENGAN KRITERIA MINIMASI WAKTU TINGGAL AKTUAL TOTAL FORMULASI DAN ALGORITMA PENYELESAIAN MODEL BATCHING DAN SEQUENCING DENGAN KRITERIA MINIMASI WAKTU TINGGAL AKTUAL TOTAL Zhed ABSTRACT Ths pper exmnes btch schedulng problem tht hve btchng nd sequencng n

Lebih terperinci

Two-Stage Nested Design

Two-Stage Nested Design Mteri #13 TIN309 DESAIN EKSPERIMEN Two-Stge Nested Design Nested design dlh slh stu ksus dri desin multi fktor dimn level dri slh stu fktor (misl: fktor B) serup tpi tidk identik untuk setip level yng

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 I PENDAHULUAN. Universitas Sumatera Utara

BAB I PENDAHULUAN. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Ltr Belkng Dlm teor permnn dkenl orng kembl setelh munculny kry bersm yng gemlng dr John Von Neumn dn V Mergenstern pd thun 1944 dengn judul Theory of Gmes nd economc behvor. Teor

Lebih terperinci

FISIKA BESARAN VEKTOR

FISIKA BESARAN VEKTOR K-3 Kels X FISIKA BESARAN VEKTOR TUJUAN PEMBELAJARAN Setelh mempeljri mteri ini, kmu dihrpkn memiliki kemmpun berikut.. Memhmi pengertin besrn vektor.. Mengusi konsep penjumlhn vektor dengn berbgi metode.

Lebih terperinci

1. HUKUM SAMBUNGAN KIRCHOFF (HUKUM KIRCHOFF I) 2. HUKUM CABANG KIRCHOFF (HUKUM KIRCHOFF II)

1. HUKUM SAMBUNGAN KIRCHOFF (HUKUM KIRCHOFF I) 2. HUKUM CABANG KIRCHOFF (HUKUM KIRCHOFF II) MATA KULIAH KODE MK Dosen : FISIKA DASAR II : EL-22 : Dr. Budi Mulynti, MSi Pertemun ke-6 CAKUPAN MATERI. HUKUM SAMBUNGAN KIRCHOFF (HUKUM KIRCHOFF I) 2. HUKUM CABANG KIRCHOFF (HUKUM KIRCHOFF II) SUMBER-SUMBER:.

Lebih terperinci

TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2009

TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 2009 SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA TIM OLIMPIADE MATEMATIKA INDONESIA TAHUN 009 Bidng Mtemtik Wktu :,5 Jm DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT

Lebih terperinci

Eksistensi Interpolan Deret Ganda Sinusoida

Eksistensi Interpolan Deret Ganda Sinusoida Eksstens Interpoln Deret Gnd Snusod Endng Rusmn ), Hendr Gunwn ), sep Kuswnd Suprtn ), dn Rustm Effend Sregr ) ) Jurusn temtk, Fkults temtk dn Ilmu Pengethun lm, Unpd, ) Kelompk Kehln nlss dn Geometr,

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

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

PENDAHULUAN. 1993). Pada penelitian ini menggunakan rancangan acak kelompok dengan model liniear aditif ditulis sebagai berikut: Latar belakang

PENDAHULUAN. 1993). Pada penelitian ini menggunakan rancangan acak kelompok dengan model liniear aditif ditulis sebagai berikut: Latar belakang PENDAHULUAN Ltr belkng Anlss rgm memerlukn sums yng kett, slh stuny sums kehomogenn rgm. Pdhl bnyk ksus d lpngn yng ggl dlm memenuh sums n. Dlm percobn multloks serng terjd ketdkhomogenn rgm pd fktor loks

Lebih terperinci

Komputasi Efisiensi Dan Linearitas Daya Optik Pada Pemisahan Longitudinal Serat Optik Indeks Undak Multiragam Dengan Metode Simpson

Komputasi Efisiensi Dan Linearitas Daya Optik Pada Pemisahan Longitudinal Serat Optik Indeks Undak Multiragam Dengan Metode Simpson Komputs Esens Dn Lnerts Dy Optk Pd Pemshn Longtudnl Sert Optk Indeks Undk Multrgm Dengn Metode Smpson Wrsono Jurusn Penddkn Fsk FMIPA Unversts Neger Yogykrt ABSTRAK Peneltn n bertuun untuk menentukn esens

Lebih terperinci

METODE ANALISIS. Tentukan arus pada masing-masing tahanan dengan menggunakan metode arus cabang untuk rangkaian seperti pada Gambar 1.

METODE ANALISIS. Tentukan arus pada masing-masing tahanan dengan menggunakan metode arus cabang untuk rangkaian seperti pada Gambar 1. 1. Anlisis Arus Cng METODE ANALSS Metode rus ng dlh slh stu metode penyelesin nlisis rngkin il rngkin terdiri dri du tu leih sumer. Pd metode rus ng ini, kn diperoleh rus pd setip ng dri sutu rngkin yng

Lebih terperinci

12 Langkah Penyelesaian Pendekatan

12 Langkah Penyelesaian Pendekatan Meto Elemen Hngg Dlm Hrulk B 4 Dsr eu: Lngkh Penyelesn Penektn Ir. Djoko Luknnto, M.S., Ph.D. mlto:luknnto@ugm.. Revew (hl.96) Anlss yng utuhkn: Û(;) hrus r Integrs Resul rter Optms p R(;) untuk menentukn

Lebih terperinci

6. Himpunan Fungsi Ortogonal

6. Himpunan Fungsi Ortogonal 6. Himpunn Fungsi Ortogonl Mislkn f periodik dengn periode, dn mulus bgin demi bgin pd [ π, π]. Jik S f N (θ) = N n= N c ne inθ, n =,, 2,..., dlh jumlh prsil dri deret Fourier f, mk kit telh menunjukkn

Lebih terperinci

BAB III METODE METODE DEFUZZYFIKASI

BAB III METODE METODE DEFUZZYFIKASI Fuy Logi Metode Metode Deuyiksi BAB III METODE METODE DEFUYFIKASI Seperti yng telh dihs dlm, hw untuk meruh kelurn uy menjdi nili risp mk diperlukn sutu proses yng leih dikenl dengn istilh deuyiksi Dlm

Lebih terperinci

NFA. Teori Bahasa dan Automata. Viska Mutiawani - Informatika FMIPA Unsyiah

NFA. Teori Bahasa dan Automata. Viska Mutiawani - Informatika FMIPA Unsyiah NFA Teori Bhs dn Automt Visk Mutiwni - Informtik FMIPA Unsyih 1 NFA NFA: Nondeterministic Finite Automt Atu Automt Hingg NonDeterministik (AHND) Slh stu bentuk dri Finite Automt NFA memiliki kemmpun untuk

Lebih terperinci

BAB 10. MATRIKS DAN DETERMINAN

BAB 10. MATRIKS DAN DETERMINAN Dessy Dwiynti, S.Si, MBA Mtemtik Ekonomi 1 BAB 10. MATRIKS DAN DETERMINAN 1. Pengertin mtriks Mtriks kumpuln bilngn yng disjikn secr tertur dlm bris dn kolom yng membentuk sutu persegi pnjng, sert termut

Lebih terperinci

BAB III. PERANCANGAN ANTENA BRICK 2,4 GHz

BAB III. PERANCANGAN ANTENA BRICK 2,4 GHz BAB III PERANCANGAN ANTENA BRICK, GHZ BAB III PERANCANGAN ANTENA BRICK, GHz 3. Pernnn Anten Brik Bb ini menjelskn proses pernnn nten brik denn melkukn beberp perhitunn yn terdiri dri beberp prmeter yn

Lebih terperinci

BAB II DETERMINAN 2.1. DETERMINAN. Bab II Determinan

BAB II DETERMINAN 2.1. DETERMINAN. Bab II Determinan B II Determinn BB II DETERINN TUJUN PEBELJRN Sup mhsisw mempuni pengethun dsr dn pemhmn tentng onsep-onsep determinn, r menghitung determinn, plisi determinn pd geometri OUTOE PEBELJRN hsisw mempuni emmpun

Lebih terperinci

SIMULASI TINGGI HIDRAULIK PADA ALIRAN AIR DALAM TANAH DUA DIMENSI MENGGUNAKAN METODE ELEMEN HINGGA. BAYU CAHAYA NUGRAHA

SIMULASI TINGGI HIDRAULIK PADA ALIRAN AIR DALAM TANAH DUA DIMENSI MENGGUNAKAN METODE ELEMEN HINGGA. BAYU CAHAYA NUGRAHA ISSN : 407-65 SIMULASI TINGGI HIDRAULIK PADA ALIRAN AIR DALAM TANAH DUA DIMENSI MENGGUNAKAN METODE ELEMEN HINGGA BAYU CAHAYA NUGRAHA quetzlcotl@gml.com ABSTRAK Peneltn n merepresentskn smuls tngg hdrulk

Lebih terperinci

DC Motor Drives R T. V k

DC Motor Drives R T. V k DC Motor Drves Kones motor DC ( dn ) Huungn ones ntr rus medn dn rus jngr dpt dg menjd eerp gn sepert d wh n :. huungn terpsh (sepretely exctted) Ad jug yng dgunn seelum supply dr tegngn yng eruh (sny

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 Metoe Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metoe Elms Guss Tuju : smult Mempeljr metoe Elms Guss utuk peyeles persm ler Dsr Teor : Metoe Elms Guss merupk metoe

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer ljbr Liner Elementer M3 3 SKS Silbus : Bb I Mtriks dn Opersiny Bb II Determinn Mtriks Bb III Sistem Persmn Liner Bb IV Vektor di Bidng dn di Rung Bb V Rung Vektor Bb VI Rung Hsil Kli Dlm Bb VII Trnsformsi

Lebih terperinci

SISTEM BILANGAN REAL. 1. Sifat Aljabar Bilangan Real

SISTEM BILANGAN REAL. 1. Sifat Aljabar Bilangan Real SISTEM BILANGAN REAL Dlm terminologi Aljbr Abstrk, sistem bilngn rel disebut dengn field (lpngn) pd opersi penjumlhn dn perklin. Sutu opersi biner bis ditulis dengn sutu psngn terurut (, b) yng unik dri

Lebih terperinci

ξ. Elemen elemen dari ruang vektor

ξ. Elemen elemen dari ruang vektor KEGITN BELJR REPRESENTSI MTRIKS Rung Hlbert "ξ" Menurut nots drc Vektor Ket dn Vektor Br Setp elemen tu vektor ddlm rung hlbert dsebut vektor ket tu ket Ket menurut nots drc dnytkn dengn smbol " " Supy

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

KOMPUTASI DOSIMETRI RADIASI DENGAN METODE MONTE CARLO

KOMPUTASI DOSIMETRI RADIASI DENGAN METODE MONTE CARLO KOMPUTASI DOSIMETRI RADIASI DENGAN METODE MONTE CARLO Rzli Rsyid Jurusn Fisi FMIPA Universits Negeri Jrt Jl. Pemud no.0 Jrt 30 Abstr Penelitin ini bertujun untu mengungpn spe-spe fisis dri Terpi BNCT.

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

STRATEGI PENGAJARAN MATEMATIKA UNTUK MENENTUKAN AKAR-AKAR PERSAMAAN KUADRAT

STRATEGI PENGAJARAN MATEMATIKA UNTUK MENENTUKAN AKAR-AKAR PERSAMAAN KUADRAT Jurnl Vol II. No., Mret 08, hlm. 9-95 vilble online t www.jurnl.un.c.id/indeks/jmp STRTEGI PENGJRN MTEMTIK UNTUK MENENTUKN KR-KR PERSMN KUDRT Indh Purnm Putri, Symsudhuh, Ihd Hsbiyti 3 Progrm Studi Mgister

Lebih terperinci

A x = b apakah solusi x

A x = b apakah solusi x MTRIKS INVERSI & SIFT-SIFTNY Bil, x, dlh sklr ilngn rel yng memenuhi x, mk x pil. Sekrng, untuk sistem persmn linier x pkh solusi x dpt diselesikn dengn x? Mtriks Identits Untuk sklr (rel numer dn ), mk.

Lebih terperinci

Perancangan Pengendali Knowledge Base MIMO pada Turbin Angin

Perancangan Pengendali Knowledge Base MIMO pada Turbin Angin 30 Perncngn Pengendl Knowledge Bse MIMO pd urbn Angn r Nurwt Abstrk -Perncngn pengendl Knowledge Bse MIMO pd tubn ngn bersumbu horsontl yng leksbel terhdp keceptn ngn yng berubhubh dengn memperoleh nl

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

BABAK PENYISIHAN AMSO JENJANG SMA PEMBAHASAN BABAK PENYISIHAN AMSO

BABAK PENYISIHAN AMSO JENJANG SMA PEMBAHASAN BABAK PENYISIHAN AMSO . Jwbn : C 8 3 8 6 3 3 3 6 BABAK PENYISIHAN AMSO JENJANG SMA PEMBAHASAN BABAK PENYISIHAN AMSO. Jwbn : C Tig bilngn prim pertm yng lebih besr dri 0 dlh 3, 9, dn 6. Mk 3 + 9 + 6 = 73. Jdi, jumlh tig bilngn

Lebih terperinci

A 1P = PA 2 B 1P = PB 2 F 1P = PF 2 A 1A 2 B 1B 2 F 1 dan F 2 A 1 dan A 2 B 1 dan B 2 B 2

A 1P = PA 2 B 1P = PB 2 F 1P = PF 2 A 1A 2 B 1B 2 F 1 dan F 2 A 1 dan A 2 B 1 dan B 2 B 2 http://www.smkpeklongn.sch.id Elips A. Pengertin Elips Elips dlh tempt kedudukn titik-titik pd geometri dimensi yng memiliki jumlh jrk yng tetp terhdp du titik tertentu. Selnjutny du titik tertentu terseut

Lebih terperinci

DETERMINAN. Misalkan A adalah suatu matriks persegi. a) Jika A memiliki satu baris atau satu kolom bilangan nol, maka det(a) = 0.

DETERMINAN. Misalkan A adalah suatu matriks persegi. a) Jika A memiliki satu baris atau satu kolom bilangan nol, maka det(a) = 0. DETERMINAN Fungsi determinn dri sutu mtriks persegi A (dinotsikn dengn det(a) tu A ) didefinisikn sebgi jumlh dri semu hsil kli elementer bertnd dri A. Sementr, ngk tu bilngn dri det(a) disebut determinn

Lebih terperinci

STATIKA (Reaksi Perletakan)

STATIKA (Reaksi Perletakan) STTIK (Reksi erletkn) Meknik Rekys I Norm uspit, ST.MT. Tumpun Tumpun merupkn tempt perletkn konstruksi tu dukungn bgi konstruksi dlm meneruskn gy gyyng bekerj ke pondsi Dlm ilmu Meknik Rekys dikenl 3

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer ljbr Liner Elementer M SKS Silbus : Bb I Mtriks dn Opersiny Bb II Determinn Mtriks Bb III Sistem Persmn Liner Bb IV Vektor di Bidng dn di Rung Bb V Rung Vektor Bb VI Rung Hsil Kli Dlm Bb VII Trnsformsi

Lebih terperinci

TRANSLASI. Jarak dan arah tertentu itu dapat diwakili oleh vektor translasi yaitu suatu pasangan A A B B C C. Akibatnya ABC kongruen dengan A B C.

TRANSLASI. Jarak dan arah tertentu itu dapat diwakili oleh vektor translasi yaitu suatu pasangan A A B B C C. Akibatnya ABC kongruen dengan A B C. TRANSLASI Definisi : Trnslsi tu pergesern dl sutu trnsformsi ng memindn tip titi pd idng dengn jr dn r tertentu. Jr dn r tertentu itu dpt diwili ole vetor trnslsi itu sutu psngn ilngn terurut. Pertin gmr

Lebih terperinci