BAB 2 2 DASAR TEORI. 2.1 Teori Dinamika Struktur

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 2 DASAR TEORI. 2.1 Teori Dinamika Struktur"

Transkripsi

1 6 BAB 2 2 DASAR TEORI 2.1 Teor Damka Struktur Aalsa Rwayat Waktu No Lear Aalsa Rwayat waktu dguaka utuk megaalsa respos damk struktur yag meerma beba yag berubah-ubah terhadap waktu. Persamaa damk dar struktur sepert dtujuka dega: ( 2.1 ) Dmaa [M] adalah matrks massa struktur; [C] adalah matrks redama struktur; [K] adalah matrks kekakua struktur; adalah smpaga yag berubah terhadap waktu; adalah kecepata yag berubah terhadap waktu; adalah percepata dar struktur yag berubah terhadap waktu; da p(t) adalah vektor gaya yag bekerja pada struktur yag berubah terhadap waktu. Gambar 2.1 Sstem Massa Kekakua - Redama Dar persamaa damk ( 2.1 ) d atas, dapat dlhat bahwa eleme petg dar suatu struktur adalah Massa (M), Redama (C), da Kekakua (K) struktur. Gambar 2.1 meggambarka model sstem Massa-Kekakua-Redama utuk struktur dega bayak derajat kebebasa. Nla M, C, da K terbetuk dalam sebuah matrks yag mewakl betuk da sstem struktur. Utuk struktur sederhaa da beratura basaya matrks M aka tersusu sepert berkut : [ M ] m m 0 0 m 2 = Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

2 7 Sedagka matrx K utuk struktur sederhaa da beratura basaya aka terbetuk sepert berkut: [ K ] k1+ k2 k1 0 0 k k + k k = 0 k2 k Dega 1, 2,..., adalah tgkat ke-, pada struktur dega bayak derajat kebebasa. Pada umumya la pada matrks [M] da [K] aka megs dagoal matrks, sepert pada cotoh matrks d atas. Sedagka la C pada struktur aka berpegaruh pada bagamaa struktur meyerap eerg yag bekerja pada struktur. Hal dtujuka oleh smpaga yag terjad pada struktur tersebut. Semak kecl redama struktur, semak besar smpaga yag terjad. Begtu juga sebalkya, semak besar redama struktur, semak kecl smpaga yag terjad. Gambar 2.2 meujuka bagamaa redama struktur mempegaruh smpaga struktur. Nla C pada dasarya aka berkerja efektf pada daerah resoas struktur saja, selebhya besarya la C tdak aka memberka efek yag sagat sgfka. Frequecy Rato ω/ ω Gambar 2.2 Grafk Leduta Terhadap Waktu Dega Efek Redama (ξ) Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

3 8 Ada beberapa plha tpe Aalsa Rwayat waktu yag dapat dguaka. 1) Lear atau No-Lear. Dbedaka terhadap sfat struktur. Sturktur Lear berart sfat struktur tersebut (Massa, Redama, Kekakua) tdak aka berubah terhadap waktu. Sedagka Struktur No-Lear berart sfat struktur tersebut (Massa, Redama, Kekakua) dapat berubah pada saat/ waktu tertetu. 2) Trase atau Perodk. Aalsa Trase terjad jka beba yag dberka memlk waktu yag dbatas, dega kata la beba berhet pada waktu tertetu. Sedagka aalsa Perodk terjad jka beba yag dberka berulag-ulag dega batas waktu yag tdak dtetuka. 3) Modal Aalyss atau Drect-tegrato. Ada dua tpe metode peyelesaa, masg metode mempuya kelebha da kekuraga. Tetap pada dalam keadaa yag deal, kedua metode memberka hasl yag kurag lebh sama Lear Da No-Lear Struktur Lear adalah struktur yag tdak megalam perubaha Massa (M), Redama (C), da Kekakua (K) dalam kods apapu. Aalsa dalam kods basaya dguaka dega asums bahwa struktur drecaaka selalu berada dalam kods elasts, atau sfat struktur dapat kembal ke poss awal setelah dberka beba tertetu. Dapat dlhat pada Gambar 2.3, sebuah struktur SDoF yag bersfat lear dberka beba percepata gempa. Smpaga akhr, setelah beba berhet bekerja, kembal ke kekadaa awal. Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

4 9 (a) (b) Gambar 2..3 Perlaku Struktur Lear (a) Percapata Gempa; (b) Leduta Struktur SDOF Lear Yag Dberka Beba Percepata Gempa Sedagka struktur No-Lear adalah struktur yag megalam perubaha Massa (M), Redama (C), da Kekakua (K) pada kods tertetu. Struktur aka berubah sfat setelah melewat batasa tertetu. Aalsa sepert sagat membatu para perecaa utuk memaham bagamaa sfat suatu struktur setelah melewat batas elastsyaa da sampa seberapa kuat struktur tersebut dapat bertaha. Nla raso perbadga ttk hacur struktur dega ttk pertamaa kal leleh struktur dsebut dega daktltas (µ µ). Gambar 2.4 meujukka perlaku struktur No-Lear bla dberka beba tertetu. Dapat dlhat bahwa pada kods ertetu gayaa yag bekerja melebh kemampua gaya elasts struktur. Smpaga akhr, setelah beba berhet bekerja, tdak kembal ke kekadaa awal. Uverstas Idoesa Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, 2010.

5 10 (a) (b) (c) (d) Gambar 2.4 SDoF No-Lear (a) Smpaga; (b) Gaya Yag dtaha; (c) Iterval Waktu Peleleha; (d) Grafk Hubuga Gaya-Smpaga Kemampua sebuah struktur atau kompoe utuk meaha respo elastk, termasuk leduta terbesar da meyerap eerg, dsebut daktltas. Pada dasarya daktltas dbag atas beberapa jes. Hal terjad karea adaya beberapa pegerta yag tmbul. Pegerta daktltas dapat dtjau dar tga jes metode perhtuga. Daktltas dapat dtjau dar seg tegaga (stra), Legkuga (curvature), da Leduta (dsplacemet). Hubuga daktltas dtujuka dega: u max max μ Δ =, atau φ uyeld yeld φ max μ =,atau μ = φ yeld Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

6 11 (a) (b) (c) Gambar 2.5 Hysteretc Loop (a) Ideal elastoplasts ; (b) Beam Plastc Hge ; (c) Colum Plastc Hge Gambar 2.6 Idealzed Momet - Curvature Hysteretc Loop Gambar 2.5 meujuka gambar hysteretc loop yag terjad pada eleme. Gambar 2.6 meujuka hubuga atara momet da curvature yag sudah dsederhaaka pada eleme struktur. Daerah O-A meujuka dmaa eleme mash dalam keadaa elasts. A adalah ttk dmaa terjad peleleha eleme (φ yeld ). A-B adalah masa dmaa struktur haya meaha beba gempa dega respo elasts saja. B adalah ttk dmaa eleme struktur mecapa respos maksmum (φ max ) da masuk kedalam respo elasts egatf. Sklus terus berulag sampa eleme melewat batas kemampuaya Trase Da Perodk Aalsa Trase terjad jka beba yag dberka memlk waktu yag dbatas, dega kata la beba berhet pada waktu tertetu. Sedagka aalsa Perodk terjad jka beba yag dberka berulag-ulag dega batas waktu yag tdak dtetuka. Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

7 12 Cotoh betuk beba rwayat waktu yag bsa dambl adalah beba percepata gempa da beba percepata susodal. Beba gempa atau susodal dtamplka dalam betuk percepata. Percepata yag dterjad, aka daplkaska sebaga beba yag bekerja pada struktur tersebut. Gambar 2.7 meujuka cotoh beba Susodal da beba Percepata Gempa. (a) (b) Gambar 2.7 Beba Trase Da Perodk (a) Beba Susodal; (b) Beba Percepata El-Cetro Modal Aalyss Da Drect Itegrato A. Modal Aalss Peyelesaa problem damk yag o-ear dapat dselesaka dega megguaka metode modal aalss. Metode yag dguaka oleh program SAP2000 adalah Fast Nolear Aalyss (FNA) yag dkembagka oleh Wlso (Ibrahmbegovc ad Wlso, 1989; Wl so, 1993). Secara umum persamaa olear yag dguaka pada metode dtujuka sebaga berkut: t (2.2) Dmaa [M] adalah matrks dagoal massa, [C] adalah matrks redama proposoal, [K L ] adalah matrks kekakua eleme lear, {p N } adalah vektor gaya dar keadaa o-lear, {p} adalah vektor gaya, da,, adalah smpaga, kecepata, da percepata. Utuk keperlua aalss, kekakua efektf lear harus dtetuka pada setap ttk derajat kebebasa eleme yag o-lear. Nla kekakua efektf pada Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

8 13 eleme o-lear sagat beragam, tetap varasya aka berada pada ol sampa la maksmum kekakua o-lear. Sehgga persamaa (2.2) dapat dtuls sebaga berkut : t (2.3) Dmaa K = K L + K N, dmaa K L adalah kekakua semua eleme lear da K N adalah kekakua efektf utuk semua eleme o-lear. berkut: Pejelasa modal superposs dar metode Modal Aalyss adalah sebaga Karakterstk modal Utuk mecar karakterstk modal dapat meguaka aalsa Egevector ataupu metode Rtz-vector. Ds aka djelaska bagamaa medapatka karakterstk modal dega aalsa Ege-vector, tetap pada program SAP2000 dsaraka pegguaa aalsa Rtz-vector. Persamaa getara bebas tak teredam dar sebuah struktur dega gaya luar yag bekerja Pt () = 0da struktur tdak teredam (C = 0), dapat dtuls sebaga berkut: MU + KU = 0 (2.4) Utuk meyelesaka persamaa datas, maka dambl persamaa leduta sebaga berkut: dmaa: Q ( ) ( ) ( ) U t = Q t φ (2.5) t = Leduta yag bervaras terhadap waktu secara harmok φ = Vektor fugs betuk yag tdak bervaras terhadap waktu Fugs Q ( ) t merupaka fugs leduta harmok sederhaa yatu: () cos( ) s ( ) Q t = A ω t + B ω t (2.6) dmaa A da B adalah kostata tegras yag dapat dhtug berdasarka kods awal. Dega megkombaska persamaa (2.5) da (2.6) serta mesubsttuskaya ke dalam persamaa (2.4), maka aka dperoleh persamaa berkut: ω 2 Mφ + Kφ Q () t = 0 (2.7) Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

9 14 Solus trval dar persamaa datas saat Q ( t ) = 0 aka meghaslka U() t = 0 yag berart tdak ada pergeraka dalam struktur. Solus o trval persamaa datas adalah sebaga berkut: dmaa 2 ( M K) ω + φ = 0 (2.8) det ω 2 M + K = 0 det K λ M = 0 2 λ =ω merupaka egevalue. (2.9) (2.10) Peyelesaa persamaa polomal aka meghaslka N akar real da postf utuk masg-masg λ, karea matrks massa da matrks kekakua struktur merupaka matrks smetrs da deftf postf. Akar-akar real aka meghaslka buah frekues getar alam yag dsebut sebaga la ege dmaa λ 1 λ 2 λ 3... λ. Jka la ege tersebut dmasukka ke dalam persamaa (2.5), maka aka dperoleh N buah vektor depede φ, yag dkeal sebaga ege vektor atau pola getar alam. Persamaa modal Persamaa kesetmbaga damk o-lear yag dpaka adalah persamaa (2.3) merupaka persamaa yag berhubuga (coupled equato) sehgga harus dtrasformaska mejad persamaa yag tdak salg berhubuga (ucoupled equato) dega mesubsttuska persamaa (2.4) ke persamaa (2.3), sehgga: M φ Q + C φ Q + K φ Q = P() t PN ( t) KNu( t) (2.11) Dega megalka persamaa datas dega T φ, maka: φ T T T T () T M φ Q +φ C φ Q +φ K φ Q =φ P t φ PN () t KNu() t (2.12) Karea sfat ortogoaltas, maka setap eleme pejumlaha aka hlag kecual r =, sehgga persamaa (2.12) dapat dsederhaaka mejad: M Q + C Q + K Q = P () t PN( t) (2.13) dmaa: Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

10 15 o o M C T =φmφ T =φcφ o K T =φkφ T o P () t =φ P() t T o P () t P () t K u( t) = φ N N N B. Drect Itegrato Berbeda dega metode aalsa Modal yag megguaka modal superposs, metode aalsa Drect Itegrato dlakuka dega megguaka tme steppg. Keutuga yag metode adalah : Redama pada setap modal dapat dperhtugka dega bak. Gaya kejut da gelombag yag memugkka memerluka jumlah modal yag bayak dapat lebh mudah daalsa dega megguaka metode drect tegrato. Ketergatuga metode terhadap ukura tme-steppg kadag kala dapat mejad kelemaha metode. Semak kecl ukura tme-steppg yag dguaka maka hasl yag ddapat aka semak bagus, haya saja dega jumlah tme-steppg yag semak bayak aka meambah waktu perhtuga metode. Ada beberapa metode Drect Itegrato yag basa dguaka, atara la : Metode Newmark Metode Wlso Metode Collocato Metode Hlber-Hughes-Taylor Metode Chug - Hulbert Pada peelta dguaka metode Newmark sebaga peyelesaa aalsa. Metode Itegras Numerk Newmark adalah metode waktu bertahap (tme-steppg Methods) yag mempuya persamaa dasar sepert dbawah, ( 1 ) ( ) u = u + γ Δ t u + γ Δt u u = u ( Δ t) u + ( 0.5 β)( Δ t ) u + β( Δt ) u (2.14) (2.15) Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

11 16 Parameter β da γ medefska varas percepata selama pertambaha waktu yag dtetuka da meetuka stabltas da keakurata metode. Pada umumya pemlha la utuk γ adalah ½ da 1 6 β 1 4 tergatug dar cara padag, termasuk ketepata. Dua jes metode Newmark yag serg dguaka adalah : Metode Percepata Rata-Rata (average accelerato) Pada metode percepata rata-rata dasumska bahwa percepata yag terjad adalah percepata yag telah drata-rataka. Sehgga tdak ada ). perubaha percepata d setap waktuya ( ( ) = ( ) ut ut + Metode Percepata Ler (lear accelarato) Pada Metode percepata lear, percepata yag dguaka terus berubah berdasarka waktu. Sehgga membetuk sebuah grafk lear. Utuk melhat perbedaa pada kedua metode, Tabel 2.1 dapat membatu utuk membadgkaya. Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

12 17 Tabel 2.1 Average Accelerato da Lear Accelerato Methods Average Accelerato Lear Accelerato u+1 u u+1 u u u 1 2 t t t t +1 t t +1 τ τ t t u ( τ ) = ( u + u ) u ( τ ) = u + ( u u ) + 1 τ 2 τ Δt τ 2Δt u ( τ ) = u + ( u u ) u ( τ ) = u + u τ+ ( u u ) Δt u = u + ( u + u ) u = u + ( u + u ) τ u u u u u 4 Δt ( τ ) = + τ+ ( + ) u( τ ) = u + u τ+ u + ( u u ) τ τ 2 6Δt + 1 Utuk medapatka betuk o-leartas yag bagus, metode Newmark aka dtambaka dega metode Newto-Raphso. Metode Newto-Raphso merupaka salah satu metode yag palg cepat dalam mecapa koverges utuk peyelesaa persamaa o-lear. Persamaa dasar yag dguaka adalah ( ) ( ) 0 R = R u = P u f = (2.16) Persamaa tersebut dapat dyataka dalam ekspas deret Taylor dega megambl dua suku pertamaya yatu Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

13 ( ) ( ) R Ru Ru + u u + 1 (2.17) Dmaa merupakahtuga tegras yag dmula dar u = u + 1 (2.18) R P Da = = KT u u (2.19) Dega K T adalah matrks Jacoba atau dalam struktur dkeal sebaga matrks kekakua yag berhubuga dega arah tagesal. Dega medstrbuska persamaa d atas, maka dperoleh K u = R T + 1 (2.20) u + 1 = u + Δ u = u + u (2.21) Δ u u k = k = 1 (2.22) 2.2 Sstem Struktur Portal Struktur yag pada umumya past aka megguaka sstem portal. Portal terdr dar tga eleme, yatu balok, kolom, da lata peaha. Ttk dmaa ketga eleme tersebut bertemu dsebut sambuga kaku (Rgd Jot). Sstem struktur portal dguaka bla beba gravtas lebh doma dar pada beba lateral akbat gaya gempa da ag. Sstem struktur portal terdr dar eleme-eleme balok da kolom yag salg terhubug pada sambuga yag kaku. Suatu portal mempuya eleme-eleme yag dhubugka pada odalodalya. Struktur portal letur 2D (dua dmes) memlk tga derajat kebebasa, Degree of Freedom (DoF ), utuk setap odal, yatu dsplacemet horzotal, vertkal, da rotas (2 DoF traslas da 1 DoF rotas). Hal dapat dlhat pada Gambar 2.8 Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

14 19 Gambar 2.8 Derajat kebebasa pada Portal Model struktur dega tgkat yag tgg atau yag memlk lata yag bayak, tetuya aka memlk kesulta dalam memodelsaska DoF yag ada. Jka setap odal memlk 3 DoF da setap lata memlk odal yag sama, maka utuk mempermudah pekerjaa dapat dguaka metode peyederhaaa Raylegh Rtz. a. Massa Massa membulka gaya ersa pada struktur portal. Matrks massa pada struktur portal dapat dformulaska ke dalam dua betuk matrks Massa Kosste (Cosstet Mass Matrx) da matrks Massa Tergumpal (Lumped Mass Matrx). b. Kekakua Matrks kekakua eleme meghubugka gaya da perpdaha pada koordat lokal odal eleme, sedagka matrks kekakua sstem meghubugka gaya dam perpdaha pada koordat global odal sstem. Sfat matrks kekakua sstem yag dperoleh adalah smetrs da mempuya jalur suku yag tdak sama dega ol (Baded Matrx). c. Redama Terdapat dua jes redama yag dapat dguaka dguaka utuk meformulaska redama struktur, yatu : redama vskos (Vscous Dampg) da redama kekakua kompleks (Complex Stffess Dampg). Redama vskos memberka formulas yag mudah apabla dbadgka dega formulas redama kekakua kompleks, tetap tdak memberka gambara yag sebearya dar redama struktur (terutama dalam defs kehlaga eerg per sklus yag bergatug kepada frekues respo). Sedagka redama kekakua kompleks Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

15 20 memberka formulas yag sult, tetap lebh meggambarka keadaa redama pada struktur Portal Dega Pegs Ddg Bata Sepert yag sudah dsebutka sebelumya bahwa keberadaa ddg pegs bata pada struktur portal aka meambah kekakua lateral portal. Kekakua lateral portal dapat meambah kekuata portal dalam meaha gaya gempa yag dterma portal. Ddg pegs dapat memberka keutuga terhadap perlaku portal, tetap juga dapat memberka keruga jka kofguras ddg pegs tdak dalam poss yag megutugka struktur. Kegagala pada ddg pegs bata dsebabka karea ddg bata meerma gaya yag melebh kapastas ddg pegs bata. Gaya yag bekerja pada ddg bata dbag atas 2 jes gaya berdasarka arah kerja. 1. Gaya tegak lulus ddg (out plae falure) Gaya yag bekerja dar arah tegak lurus ddg yag dapat meyebabka kerutuha meyeluruh ddg (Gambar 2.9(b)). Ddg pegs bata mempuya kemampua yag sagat kecl utuk meaha gaya sepert. 2. Gaya sejajar ddg ( plae falure) Gaya yag bekerja dar arah sejajar ddg yag membuka geser pada ddg da meyebabka kerutuha sebdag ddg pegs (Gambar 2.9(a)). Ddg pegs bata mempuya kemampua yag lebh bak dalam meaha gaya dar arah. Tpe kegagala pada ddg pegs bata dapat duraka sebaga berkut: 1. Kegagala tark dar kolom yag tdak kuat meaha tark akbat mome. 2. Kegagala geser atar ddg sepajag aduka (sambuga bata) dalam arah horzotal sepajag ddg. 3. Retak sepajag dagoal ddg bata karea tark. 4. Kegagala teka pada arah dagoal ddg bata. 5. Kegagala fleksural da geser pada kolom. Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

16 21 Kegagala dalam bdag pada struktur portal dega ddg bata sebaga pegs aka membulka dua tpe pola retak pada ddg pegs, yatu: 1. Retak sepajag dagoal ddg Retak dsebabka oleh strut dagoal ddg bata tdak dapat meaha teka, sedagka strut dagoal yag la megalam tark. Hal meyebabka ddg terpsah pada dagoal tekaya. 2. Retak horzotal sepajag ddg Retak dsebabka adaya gaya lateral yag besar pada struktur yag meyebabka adaya perpdaha yag besar pada ujug atas ddg bata, sehgga terjad pergesera atara ddg baga atas da baga bawah yag membulka pergesera horzotal pada mortar yag lemah. (a) (b) Gambar 2.9 Pola Keretaka Ddg Pegs Bata Pemodela ddg pegs bata pada struktur portal dapat dlakuka dalam dua cara (Gambar 2.10), yatu : 1. Dagoal Compresso Strut 2. Cotuum Model Kedua model memlk kekuraga da kelebha masg-masg. Dagoal Compresso Strut memodelka kekakua ekvale olear ddg pegs bata dega megguaka batag teka dagoal sehgga dega metode sepert aka mempermudah aalsa perhtuga, tetap model sepert aka tdak efektf jka terdapat bukaa pada ddg pegs. Sedagka dega model Cotuum Model, masalah bukaa pada ddg pegs dapat dmodelka dega mudah, tetap dega model sepet dperluka batua program fte elemet. Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

17 22 (a) (b) Gambar 2.10 Model Ddg Pegs Bata (a) Dagoal Compresso Strut (b) Cotuum Model Memodelka ddg pegs bata pada portal tdak semudah sepert meambahka kekakua ddg pegs pada struktur portal, tetap perecaa harus megert sfat ddg pegs ddg bata. Jka struktur portal dega ddg pegs bata dberka gaya lateral sebdag ddg (-plae), maka gaya lateral tersebut aka dsalurka searah dagoal ddg pegs bata (Gambar 2.11). Gaya lateral tersebut dapat dterjemahka sebaga gaya teka pada dagoal ddg. Begtu juga pada dagoal sebalkya, gaya tark aka bekerja pada arah yag berlawaa. (a) Gambar 2.11 Perlaku Ddg Pegs Bata (b) Kemampua ddg pegs bata daggap haya mampu meaha gaya teka saja. Gaya tark yag bekerja pada ddg daggap tdak ada karea kemampua ddg pegs bata meeerma gaya tark sagat kecl. Dagoal compresso strut dhubugka dega ttk balok-kolom (Beam-Colum Jot) dega batasa bahwa tdak ada momet yag tersalurka kedalam ddg Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

18 23 pegs bata (Momet-free), sehgga asums ddg bata haya mampu meerma gaya teka terpeuh. Gambar 2.12 Dagoal Compresso Strut Model Kekakua da kekuata dar Dagoal Compresso Strut ddapat dega megkut la yag dsaraka oleh FEMA 356. Lebar ekvale dar compresso strut dtujuka sebaga berkut: ( ) 0.4 a= λ hcol r 1 f (2.23) Dmaa, da a h col r f E me t f E fe I col h f L f Emetf s 2θ λ 1 = 4E I h 1 4 fe col f (2.24) 1 hf θ= ta L f (2.25) = Lebar ekvale strut = Tgg kolom = Jarak bersh dagoal ddg pegs bata = Modulus elaststas ddg pegs = Tebal strut atau ddg pegs bata = Modulus elaststas portal = Momet ersa kolom = Tgg bersh ddg pegs bata = Lebar bersh ddg pegs bata Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

19 24 Sehgga kekakua dagoal compresso strut dapat dambl: K = a E t me f (2.26) Sebaga tambaha, kegagala teka yag mugk terjad pada model strut sesua dega FEMA 356 dtujuka dega persamaa dbawah : Dmaa, R c f me90 R = a t f ' c f me90 = Kekuata teka strut = Kuat teka ddg pegs bata yag dharapka, atau sebesar 50% f me (2.27) Karakterstk Pasaga Bata Merah Pasaga bata merupaka ut bata yag dlekatka satu dega la dega megguaka aduka campura. Pasaga bata dapat meaha gaya teka, tetap tdak kuat dalam meaha gaya tark. Karakterstk pasaga bata yag dberka berkut mecagkup Kuat Teka da Modulus Elaststas. A. Kuat Teka Pasaga Bata 1. Berdasarka Peelta d Idoesa (Laboratorum Baha Uverstas Idoesa) 1 Tabel 2.2 Kuat Teka Pasaga Bata Merah Berdasarka Peelta d Idoesa No. Jes Pasaga Kuat Teka (MPa) 1 Tapa Plestera Dega Plestera Dega Komprot + Plestera Berdasarka Stadar Australa Ddg bata yag tersusu dar ut bata sela AAC, la kuat teka (f m ) dhtug sebaga berkut: f ' = k f ' m h mb f ' = k f ' mb m uc 1 Arjoe, Essy, Report for Cofrmato of Caddature: Performace Characterstc of Ckarag (Idoesa) Clay Brck Masory Wall Paels Uder Lateral Loadg, Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

20 25 k h = Faktor yag meggambarka peuh raso tgg bata dega tebal mortar f ' uc = Karakterstk kuat teka ucofed masory ut (MPa) k m = Faktor yag dguaka utuk meuruka karakterstk kuat teka tergatug pada jes aduka da tpe beddg Tpe Jes Beddg Aduka Tabel 2.3 Koefse k m Berdasarka Australa Kuat Teka Bata (MPa) >50 Peuh M Peuh M Peuh M Tabel 2.4 Koefse k h Berdasarka Stadar Australa Raso Tgg Bata Dega Tebal Aduka >19 K h K m 3. Berdasarka ASTM ( ) f ' = X Y f ' mb b f m = Kuat teka ddg bata merah (ps) f b = Kuat teka rata-rata ut bata merah (ps, maks ps) X = Koefse X = 2/3 bla tapa speks X = 1 bla dega speks Y = Koefse Mortar Y = 0.2 utuk tpe mortar N Y = 0.25 utuk tpe mortar S Y = 0 utuk tpe mortar M Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

21 26 B. Modulus Elaststas (E) Pasaga Bata 1. Berdasarka Peelta d Idoesa (Laboratorum Baha Uverstas Idoesa) Tabel 2.5 Modulus Elaststas Pasaga Bata Merah Berdasarka Peelta d Idoesa No. Jes Pasaga E (MPa) 1 Tapa Plestera Dega Plestera Dega Komprot + Plestera Berdasarka Stadar Australa Australa meetapka modulus elaststas pasaga bata merah berdasarka duras pembebaa, kuat teka bata merah, da tpe aduka. Tabel 2.6 Modulus Elaststas Bata Berdasarka Stadar Australa Kuat Teka Bata Merah (MPa) Tpe Aduka Pembebaa Jagka Pedek (E m ) Pembebaa Jagka Pajag (E ) 30-May M2 & M3 700 f ' m 450 f ' m >30 M3 & M f ' m 660 f ' m 3. Meurut ACI ACI meetapka modulus elaststas berdasarka tpe aduka ada kuat teka pasaga bata merah. Tabel 2.7 Modulus Elaststas Pasaga Bata Berdasarka ACI Kuat Teka Luas Em (Gpa) Bersh Pasaga Bata Merah (MPa) Aduka Tpe N Aduka Tpe S Aduka Tpe M 82.7 atau lebh Efek ddg..., Yohaes Aref Ndtta Sregar, FT UI, Uverstas Idoesa

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms)

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms) MEKANISME KERUNTUHAN LINGKARAN (Crcular alure Mechasms) Stabltas Lereg Moda kerutuha lereg umumya adalah rotatoal slp sepajag bdag rutuh yag medekat lgkara Kerutuha dagkal Kerutuha dalam Saat rutuh Stabltas

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

FAKULTAS TEKNIK JURUSAN SIPIL UNIVERSITAS BRAWIJAYA MALANG

FAKULTAS TEKNIK JURUSAN SIPIL UNIVERSITAS BRAWIJAYA MALANG FAKULTAS TEKNIK JURUSAN SIPIL UNIVERSITAS BRAWIJAYA MALANG 1. Perecaaa Batag Tark 1. Tegaga Recaa 2. Kosep LRFD 3. Cotoh 1 4. Cotoh 2 5. Luas Peampag Efektf 6. Faktor Reduks U 7. Cotoh 3 8. Pegaruh Lubag

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 11 Latar Belakag Peelta yag dlakuka oleh Va der Pol pada sebuah tabug trode tertutup, yatu sebuah alat yag dguaka utuk megedalka arus lstrk dalam suatu srkut pada trasmtter da recever meghaslka

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1 Itegras Metode Itegral Rema Metode Itegral Trapezoda Metode Itegral Smpso Itegras Permasalaa Itegras Pertuga tegral adala pertuga dasar yag dguaka dalam kalkulus, dalam bayak keperlua. Itegral secara det

Lebih terperinci

RHEINHARDT MAUPA NRP 3106 100 023. Dosen Pembimbing : Tavio, ST, MT, Ph.D Bambang Piscesa, ST, MT

RHEINHARDT MAUPA NRP 3106 100 023. Dosen Pembimbing : Tavio, ST, MT, Ph.D Bambang Piscesa, ST, MT MAKALAH TUGAS AKHIR STUDI KOMPARATIF DESAIN STRUKTUR GEDUNG TAHAN GEMPA DENGAN FLAT PLATE SYSTEM BERDASARKAN TATA CARA PEMBEBANAN GEMPA SNI 03-76-00 DAN ASCE 7-05 RHEINHARDT MAUPA NRP 306 00 03 Dose Pembmbg

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri Megubah baha baku mead produk yag lebh berla melalu stess kma bayak dlakuka d dustr Asam sulfat, ammoa, etlea, proplea, asam fosfat, klor, asam trat, urea, bezea, metaol, etaol, da etle glkol Serat/beag,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti) Karea vektor-vektor kolom X adalah bebas lear maka mempuya vektor ege yag bebas lear. erbukt eorema 9 Jka... adalah la ege dar maka... adalah la ege dar. BUK : salka... adalah la ege dar yag bersesuaa

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1). BAB II LANDASAN EORI.. Model Matematka Model Matematka merupaka represetas matematka yag dhaslka dar pemodela Matematka. Pemodela Matematka merupaka suatu proses merepresetaska da mejelaska permasalaha

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci