PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP"

Transkripsi

1 PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD Dydesury Jlro,Dw Ispry Alum Jurus Memk FMIPA UNDIP S Progrm Sud Ssk FMIPA UNDIP Absrk Model regres erpoog s merupk suu model regres deg l-l vrbel depede, deg dlh suu k poog s yg dplh berdsrk peel. Deg demk, model regres erpoog lebh ep jk dguk uuk peel yg berores pd suu krkersk ereu dr obyek pegm yu vrbel depedey. Dsrbus yg dguk uuk model regres dlh dsrbus orml erpoog s. Esms prmeer regresy megguk meode Mksmum Lkelhood d meode er Newo Rphso sedgk peguj sgks model megguk Uj Lkelhood Rso, uj d hrg koese deerms R. Keyword: Regres erpoog s, meode mksmum lkehood. PENDAHULUAN Dlm beberp mslh ssk, erdp du vrbel u lebh yg memlk hubug k dp dpshk. Prosedur regres ler dguk uuk meyeldk hubug ersebu yu hubug r sebuh vrbel depede respo deg su u lebh vrbel depede pejels. Jk vrbel depede dhubugk deg sebuh vrbel depede sj, mk persm regres yg dhslk dlh regres ler sederh, d jk vrbel bebsy lebh dr su mk yg dhslk dlh persm regres ler bergd. Dlm suu peel, sergkl djump bhw vrbel depede perlu dbs uuk uju ereu. Msly, k del eg pegruh peggu bh bkr erhdp kecep kedr bermoor. Dlm hl d kecep kedr sebg vrbel depede yg hedk del dbs hy uuk l-l kurg dr 60 km/jm. Pembs dlkuk kre peel berores pd uju ereu, msly berores erhdp gk ekooms dlm peggu bh bkr. Ady pembs erhdp suu l ereu erhdp vrbel depede, sebu sj, megkbk dsrbus d ersebu berubh. Jk suu populs elh dkehu berdsrbus orml, mk dsrbus kb dy pemoog l ereu berubh mejd dsrbus orml erpoog, pemoog ds hy dlkuk pd k, sehgg, p Sebelum pembeuk model regres erpoog, erlebh dhulu hrus deuk dulu me erpoog ruced me d vr erpoog ruced vr dr dsrbus orml erpoog, sehgg mempermudh lgkh seljuy uuk melkuk esms erhdp prmeer-prmeery. 53

2 Med Ssk, Vol., No., Desember 008: 53-6 Tuju dr peuls dlh meeuk model regres erpoog s, yg sebelumy elh dperoleh me erpoog dr dsrbus orml erpoog. Seelh model regres erpoog s depk, uju seljuy dlh membeuk esms model regres deg l esms prmeer-prmeery yg dperoleh mellu meode mksmum lkelhood.. METODE MAKSIMUM LIKEHOOD Mslk vrbel rdom dsrbus probbl, deg prmeer uggl dk dkehu. Mslk,,, dlh smpel rdom dr populs deg dess,,..., k. Mk ugs Lkelhood ddesk sebg berku: L,,..., k,, L, k Mslk,,, dlh smpel rdom dr dsrbus orml deg me d vr, mk ugs dessy dlh : y, e π Fugs Lkelhood uuk ugs dess ds sebg berku [3] : L /, π ep y Dr Persm model regres ler bergd : β ε Kre ε ~ N 0, d ed mk E β, sehgg ~ N β,. Deg subssus E β, mk ugs Lkelhood ds berubh mejd : / L β, π ep β β Deg demk prmeer yg semul hedk desms dlh d berubh mejd β d. Seljuy dperoleh log dr ugs Lkelhood yu : / log Lβ, log π ep β β log log π β β Esms prmeer d β sebg berku: 54

3 Peeu Model Regres Terpoog As Dw Ispry log Lβ, β log log β β 0 β π log log β β β β 0 β π β 0 0 β 0 β β log Lβ, 0 log log π - β - β β - β - β - β - β - β 0 3. DISTRIBUSI NORMAL TERPOTONG ATAS Dsrbus orml erpoog dlh dsrbus orml deg l vrbel rdom erbs pd ervl [b, ] u b. Tk dlh k erpoog d sebelh k dsebu jug k erpoog s d k b dlh k erpoog kr dsebu jug k erpoog bwh. Jk berdsrbus orml deg me d sdr devs, mk [] : b P b dm e dlh ugs dess orml, φz π deg subsus z dperoleh φ e φ π c c P c c e π z e π 55

4 Med Ssk, Vol., No., Desember 008: mk : b b P. Sehgg : φ b b P b deg φ. d. dlh ugs dess probbly desy uco d ugs dsrbus cumulve dsrbuo uco dr dsrbus orml bku. Dr des [] : b P b Kre pemoog hy dlkuk pd k, mk k b dggp berl eg k berhgg, sehgg persm ds mejd : Jk ~ N, d kos, mk me d vr dr dsrbus orml erpoog s dlh : ] [ δ Vr λ E deg : P φ P

5 Peeu Model Regres Terpoog As Dw Ispry φ λ Fugs Hzrd dr dsrbus orml δ λ [ λ ] 4. MODEL REGRESI TERPOTONG ATAS Model regres bergd dlm beuk mrks sebg berku : β ε me d vr dr dsrbus ersebu dlh: E β λ β Vr δ β deg : β φ β λ β β β β β δ λ λ Deg demk dperoleh model regres erpoog s sebg berku : E ε β λ β ε β φ β deg : λ,,, observs β Ady pembh suku λ β meyebbk model regres erpoog berbeuk oler dlm β d. 57

6 Med Ssk, Vol., No., Desember 008: ESTIMASI PARAMETER Meode uuk melkuk esms prmeer regres erpoog s dplh meode Mksmum Lkelhood kre meode ersebu lebh ese dbdgk meode yg l []. Dr sub bg sebelumy dperoleh model regres erpoog s yg memeuh sums ~ N β,. φ jk ~ N, mk : 5. P Sehgg uuk ~ N β,, mk ugs dess orml erpoog s pd l dlh : β φ, β, β deg demk ugs Lkelhoody : L, β, -β e π β Uuk memperoleh esms dr β d, mk persm ds ekvle deg log L β,, -β log π log β log Uuk mempermudh pemodel mk dlkuk reprmeerss sebg berku : β d mk ugs log Lkelhood ds mejd log L,, log log π log Nl d k desms kembl deg megguk meode Mksmum Lkelhood 58

7 Peeu Model Regres Terpoog As Dw Ispry log L,, 0 λ 0 log L,, 0 λ 0 φ deg λ d Kre msg-msg persm msh mempuy prmeer l yg belum dkehu mk dperluk ers uuk memperoleh l d. Dlm hl dplh meode Newo Rphso. Lgkh-lgkh meode Newo Rspó uuk esms prmeer dlh sebg berku:. Meeuk esms wl dr msl.. Meghug g d G. 3. Melkuk ers - G g. 4. Iers k berhe kek. Sus, 004 Adpu esms prmeer deg meode Mksmum Lkelhood yg kemud dbu deg meode ers Newo Rphso drumusk sebg berku: g sebg vekor derv prsl perm: log L,, g log L,, λ λ sedgk G sebg mrks Hess u derv prsl kedu: 59

8 Med Ssk, Vol., No., Desember 008: [ ] log,, log,, log,, log,, G L L L L δ δ δ δ Deg demk esms prmeer deg meode Mksmum Lkelhood deg bu meode Newo Rphso dp drumusk yu : g G dm : [ ] g λ λ d [ ] [ ] [ ] G δ δ δ δ Jk l esms prmeer d elh dperoleh, mk l esms prmeer d β jug dp dperoleh. Sehgg dperoleh pul esms model regres erpoog s sebg berku : β λ β deg : φ λ β β β 6. PENUTUP Pemlh l sebg k poog s rgh ruced po pd model regres erpoog s hrus berdsrk uju peel yg hl dlm bdg lmu u permslh yg k dlss.

9 Peeu Model Regres Terpoog As Dw Ispry Dlm peeu model regres erpoog s, meode esms prmeer yg dguk dlh meode Mksmum Lkelhood yg dljuk deg meode er Newo Rphso Hrg me d vr erpoog s sellu lebh kecl dr hrg me d vr yg dk erpoog. DAFTAR PUSTAKA [] Eder, Phl Educo 3C - Appled Cegorcl & No Norml D Alyss. Los Ageles : UCLA Depreme o Educo. hpp:// [] Greee, W. H Ecoomerc Alyss. Secod Edo. New ork: Mcmll Publshg Compy. [3] Mogomery, D. C & E. A. Peck. 98. Iroduco o Ler Regresso Alyss. New ork : Joh Wley & Sos Ic. [4} Suso, Herry Alss Fkor-Fkor yg Mempegruh Srukur Modl Perush yg Lsed d Burs Eek Jkr. Thess. Progrm psc srj Mgser Mjeme Uverss Dpoegoro Semrg. Tdk dpublksk. 6

10 Med Ssk, Vol., No., Desember 008:

ESTIMASI PARAMETER REGRESI TERPOTONG KIRI DENGAN METODE MAKSIMUM LIKELIHOOD

ESTIMASI PARAMETER REGRESI TERPOTONG KIRI DENGAN METODE MAKSIMUM LIKELIHOOD ESTIMASI PARAMETER REGRESI TERPOTONG KIRI DENGAN METODE MAKSIMUM LIKELIHOOD R Prw d Dw Ispry Jurus Memk FMIPA Uverss Dpoegoro Jl Pro H Soedro SH Temblg Semrg 575 Absrc Le ruced regresso model s regresso

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

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

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

Lebih terperinci

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

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

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

Lebih terperinci

BAB VI ANALISIS REGRESI

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

Lebih terperinci

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

Integrasi Numeris dengan Menggunakan Polinomial Lagrange. Syawaluddin H 1) Hang Tuah 2) Widiadnyana Merati 2) Leo Wiryanto 2) f (x) =

Integrasi Numeris dengan Menggunakan Polinomial Lagrange. Syawaluddin H 1) Hang Tuah 2) Widiadnyana Merati 2) Leo Wiryanto 2) f (x) = Huhe, Vol. No. dkk. Aprl 5 url TEKNIK SIPIL Iegrs Numers deg Megguk Poloml Lgrge Sywludd H Hg Tuh Wddy Mer Leo Wryo Asrk Pd pper dsjk pegemg egrs umers erdsrk poloml Lgrge. Meod yg dhslk mrp deg meod Guss-qudrure,

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

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 9 DERET FOURIER. Oleh : Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 9 DERET FOURIER. Oleh : Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB 9 DERE FOURIER Oleh : Ir. A.Rchm Hsibu d Nemh Mubrkh, S 9. Pedhulu Gmbr 9. Fugsi-fugsi eksisesi () v = ks ; (b) v = si Gmbr 9. Gelmbg gigi gergji Gelmbg gergji ii dp diyk sebgi f() = (/) dlm iervl

Lebih terperinci

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

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

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

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

Lebih terperinci

BAB 9 DERET FOURIER. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 9 DERET FOURIER. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB 9 DERE FOURIER Oleh : Ir. A.Rchm Hsibu d Nemh Mubrkh, S 9. Pedhulu Gmbr 9. Fugsi-fugsi eksisesi ( v ks ; (b v V si ω Gmbr 9. Gelmbg gigi gergji Gelmbg gergji ii dp diyk sebgi f( (V/ dlm iervl < < d

Lebih terperinci

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada BAB PENDAHULUAN. Ltr Belkg Sektor perkebu merupk sub sektor pert yg mejd slh stu fktor yg dpt medukug kegt perekoom d Idoes. Slh stu sub sektor perkebu yg cukup besr potesy dlm perekoom Idoes dlh perkebu

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

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

Lebih terperinci

Go to Siti s file Siti Fatimah/Jurdikmat/UPI 1

Go to Siti s file Siti Fatimah/Jurdikmat/UPI 1 Go o S s fle S Fmh/Jrdkm/UPI Movs Jmlh Rem-Iegrl Te Teorem Dsr Klkls Sf-sf Iegrl Te A Dervf-Iegrl Tk e Tekk Pegegrl S Fmh/Jrdkm/UPI Ls Bdg Legkg P P P Emp ss Delp ss S Fmh/Jrdkm/UPI Ls Bdg Legkg P P P

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

Metodologi Penelitian

Metodologi Penelitian MOUL PERKULIAHAN VIII Meodolog Peel ANALISA REGRESI Fkuls Pogm Sud Tp Muk Kode MK susu Oleh Psc Sj Mgse Tekk 54 3 Hmzh Hll Eleko 8 Asc Kulh keemp memu me eg lss pedks deg megguk meode kud ekecl: eges le

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

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

Lebih terperinci

Optimasi Load Tap Changing Transformer Menggunakan Algoritma Genetik Guna Meminimalisasi Rugi Daya Transmisi

Optimasi Load Tap Changing Transformer Menggunakan Algoritma Genetik Guna Meminimalisasi Rugi Daya Transmisi MAKALAH EMNAR TUGA AKHR Opms Lod Tp Chgg Trsformer Megguk Algorm Geek Gu Memmlss Rug Dy Trsms Okovus Lwg 1 r. Nugroho AD, MT r. Teo ukmd, MT 3 Jurus Tekk Elekro Fkuls Tekk Uverss Dpoegoro Jl. Prof udro.h

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

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

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

Lebih terperinci

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

INTEGRAL TERTENTU. 5.1 Pengertian Integral Tertentu

INTEGRAL TERTENTU. 5.1 Pengertian Integral Tertentu INTEGRAL TERTENTU Iegl Teeu. Pege Iegl Teeu Defs.. Ps P pd evl [,] dlh suu suse ehgg P {,,,, } d [,] deg < < <

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37 Jurl Mtemtk Mur d Terp Vol. 4 No. Desember : - 7 PENGGUNN BENTUK SMITH UNTUK MENENTUKN BENTUK KNONIK MTRIKS NORML DENGN ENTRI-ENTRI BILNGN KOMPLEKS Thresye Progrm Stud Mtemtk Uversts Lmbug Mgkurt Jl. Jed..

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

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

Lebih terperinci

Catatan Teknik (Technical Notes) Syawaluddin Hutahaean. atau: dimana: )( x1 (1) )( x2

Catatan Teknik (Technical Notes) Syawaluddin Hutahaean. atau: dimana: )( x1 (1) )( x2 Huhe ISSN 8-98 Jurl Teores d Terp Bdg Reys Spl Asr Pper mempreses peyeles pesm vrs secr umers deg meggu egrs umers meod Newo-Coe. Eseus model selm sepuluh l perod gelomg memer solus yg sg sl. K- Kuc: Poloml

Lebih terperinci

Penyelesaian Persamaan Saint Venant dengan Metode Numerik

Penyelesaian Persamaan Saint Venant dengan Metode Numerik Peyeles Persm S Ve deg Mede Nmerk Prf. r. Ir. Arw, MS. Lcky Le Jp 53 09 005 Mdel Fsk drlg F(,y,z, ): YROLOGY MOEL AS ULU (Wershed Mdel) Bdry l Bdry lr Prf.Arw Sbr bd kehl PSA & Kservs,ITB Kws l AS ILIR,lr

Lebih terperinci

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

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

Lebih terperinci

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

Metode Iterasi Gauss Seidell

Metode Iterasi Gauss Seidell Metode Itersi Guss Seidell Metode itersi Guss-Seidel : metode yg megguk proses itersi higg diperoleh ili-ili yg berubh. Bil dikethui persm liier simult: Berik ili wl dri setip i (i s/d ) kemudi persm liier

Lebih terperinci

DERET TAK HINGGA. Deret Geometri Suatu deret yang berbentuk: Dengan a 0 dinamakan deret geometri. Kekonvergenan: divergen jika r 1 Bukti:

DERET TAK HINGGA. Deret Geometri Suatu deret yang berbentuk: Dengan a 0 dinamakan deret geometri. Kekonvergenan: divergen jika r 1 Bukti: DERET TAK HINGGA Cooh dere k higg : + + 3 + = k= k u k. Bris jumlh prsil S, deg S = + + 3 + + = k= k Defiisi Dere k higg, k= k, koverge d mempuyi jumlh S, pbil bris jumlh-jumlh prsil S koverge meuju S.

Lebih terperinci

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

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

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

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

Lebih terperinci

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI UNIVERSITAS INDONESIA PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI 07066003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK

Lebih terperinci

( X ) 2 ANALISIS REGRESI

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

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1 JURNAL TEKNIK POMITS ol., No., ISSN: 7-59 -97 Pr Percg d Implemes Model Regres Sebg Solus Uuk Asoss Plo Deg Trck yg Dguk Pd Ssem Prmry Survellce Rdr Secr Rel-Tme Ferry Ferdez Wy, Ahmd Skhu, Suhd Ll Tekk

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

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

Lebih terperinci

BAB V ANALISIS REGRESI

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

Lebih terperinci

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

III METODOLOGI PENELITIAN

III METODOLOGI PENELITIAN III ETODOLOGI PENELITIAN 3. Kergk Pemkr Tuu pembgu wlyh yg meckup spek-spek perumbuh, pemer, d keberlu, dperluk peger perec pembgu wlyh yg berdmes loks dlm rug d berk deg spek socl ekoom wlyh. Sel u, perec

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI b LNDSN TEORI. Hmpu Fuzzy Tdk semu hmpu yg dump dlm kehdup sehr-hr terdefs secr els, msly hmpu org msk, hmpu org pd, hmpu org tgg, d sebgy. Msly, pd hmpu org tgg, tdk dpt dtetuk secr tegs pkh seseorg dlh

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Bab 2 Landasan Teori

Bab 2 Landasan Teori Bb 2 Lds Teor 2.1. Ler Progrmmg Model pemrogrm ler tdk mmpu meyelesk ksus-ksus mjeme yg meghedk ssr-ssr tertetu dcp secr smult. Kelemh dlht oleh A. Chres d W.M. Cooper. Merek berdu kemud megembgk model

Lebih terperinci

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

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

Lebih terperinci

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

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT Rz Phlev, Arsm Ad, Sgt Sugrto Mhssw Progrm Stud S Mtemtk Dose Jurus Mtemtk Fkults

Lebih terperinci

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

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK Pegtr Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. Msly dlm termodmk, model Deye utuk megtug kpsts ps dr ed pdt.

Lebih terperinci

PEMODELAN GRAFIK PENGENDALI TOTAL DAN RATAAN DISKRIT UNTUK GENERALISASI DISTRIBUSI GEOMETRIK. DOI: /medstat

PEMODELAN GRAFIK PENGENDALI TOTAL DAN RATAAN DISKRIT UNTUK GENERALISASI DISTRIBUSI GEOMETRIK. DOI: /medstat -ISSN 979 3693 e-issn 477 0647 MEDIA STATISTIKA 9 06: 63-73 h://ejourl.ud.c.d/de.h/med_ssk PEMODELAN GRAFIK PENGENDALI TOTAL DAN RATAAN DISKRIT UNTUK GENERALISASI DISTRIBUSI GEOMETRIK Sudro, Moch. Abdul

Lebih terperinci

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA Prosdg Semr Nsol Ss d Peddk Ss IX Fkults Ss d Mtemtk UKSW Sltg Ju 04 Vol 5 No. ISSN :087-09 OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGAASINYA mbg Srt Derteme Sttstk FMIPA-IPB Eml: tmbg_srt@yhoo.com

Lebih terperinci

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif

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

Lebih terperinci

PROGRAM LINEAR BILANGAN BULAT DUAL SKRIPSI

PROGRAM LINEAR BILANGAN BULAT DUAL SKRIPSI PROGRA LINEAR BILANGAN BULAT DUAL SKRIPSI Duk Utuk emeuh Slh Stu Syrt emperoleh Gelr Sr Ss (S.S) Progrm Stud temtk Oleh: Berdet Wdsh NI : 7 PROGRA STUDI ATEATIKA JURUSAN ATEATIKA FAKULTAS ATEATIKA DAN

Lebih terperinci

Bab 4 Penyelesaian Persamaan Linier Simultan

Bab 4 Penyelesaian Persamaan Linier Simultan Bb Peyeles Persm Ler Smult.. Persm Ler Smult Persm ler smult dlh sutu betuk persm-persm yg ser bersm-sm meyjk byk vrbel bebs. Betuk persm ler smult deg m persm d vrbel bebs dpt dtulsk sebg berkut: b b

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki BAB I PENDAHULUAN. Ltr Belkg Populs merupk kumpul dr dvdu orgsme yg memlk sft tumbuh growth, reks respos terhdp lgkugy, d reproduks. Pd dsry, pertumbuh mkhluk hdup pd sutu populs merupk proses yg berlgsug

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

MENGKONTRUKSI PERSAMAAN DIFERENSIAL LINEAR ORDE-n MENJADI FUNGSI GREEN MENGGUNAKAN METODE VARIASI PARAMETER DAN METODE TRANFORMASI LAPLACE.

MENGKONTRUKSI PERSAMAAN DIFERENSIAL LINEAR ORDE-n MENJADI FUNGSI GREEN MENGGUNAKAN METODE VARIASI PARAMETER DAN METODE TRANFORMASI LAPLACE. MENGKONTRUKSI PERSAMAAN DIFERENSIAL LINEAR ORDE- MENJADI FUNGSI GREEN MENGGUNAKAN METODE VARIASI PARAMETER DAN METODE TRANFORMASI LAPLACE Skrp Oleh YUSNAENI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

DEFINISI INTEGRAL. ' untuk

DEFINISI INTEGRAL. ' untuk DEINISI INTEGRAL Dlm mtemtk d eerp stl sepert des, teorem, lemm Istl petg kre meujuk keeksstes Des dl peryt yg erl er kre dsepkt, d tdk perlu duktk Teorem dl peryt yg dpt duktk keery Lemm dl teorem kecl,

Lebih terperinci

PENENTUAN PREMI MANFAAT DAN CADANGAN MANFAAT DENGAN MEMPERHITUNGKAN BIAYA PENGELUARAN

PENENTUAN PREMI MANFAAT DAN CADANGAN MANFAAT DENGAN MEMPERHITUNGKAN BIAYA PENGELUARAN PENENTUN PREMI MNFT DN CDNGN MNFT DENGN MEMPERHITUNGKN BIY PENGELURN PUJI LESTRI 03050044Y UNIVERSITS INDONESI FKULTS MTEMTIK DN ILMU PENGETHUN LM DEPRTEMEN MTEMTIK DEPOK 009 Peeu premi..., Puji Lesri,

Lebih terperinci

Equation 1. ( ) i. Equation 2

Equation 1. ( ) i. Equation 2 Predks Defleks Jngk Pnjng Deforms pd elemen-elemen pregngn kn berubh sejln dengn wku sebg kb rngkk dn susu beon ser relkss egngn pd bj. Defleks elemen-elemen pregngn dp dhung secr relf erhdp sebuh dum,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN Dlm e peul g megehu repo r vrel ecr mul d dmk, ehgg meode l g dplh megguk pedek Vecor Auoregreo (VAR). Vrel-vrel g dperguk dlm peel umum m deg vrel g dguk eelum u cdg dev, jumlh

Lebih terperinci

Kalkulus 2. Deret Pangkat dan Uji Konvergensi. Department of Chemical Engineering Semarang State University. Dhoni Hartanto S.T., M.T., M.Sc.

Kalkulus 2. Deret Pangkat dan Uji Konvergensi. Department of Chemical Engineering Semarang State University. Dhoni Hartanto S.T., M.T., M.Sc. Klkulus Deret Pgkt d Uji Kovergesi Dhoi Hrtto S.T., M.T., M.S. Deprtmet o Chemil Egieerig Semrg Stte Uiversity Eperimetl Deret Pgkt Urut d deret sequees d series). Urut gk merupk rgki gk tk terbts jumlh

Lebih terperinci

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal.

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal. BASIS ORTOGONA Bts Bl V rg Ecldes S V dsebt Hmp Ortogol bl tp d sr S ortogol DAI J S hmp ortogol yg terdr dr K bh etor t ol dlm rg Ecldes V m S bebs ler V hssy bl dmes V S bss t V dsebt Bss ortogol DAI

Lebih terperinci

BAB 2 LANDASAN TEORI. dalam penggambaran algoritma pemrograman: Terminal. Proses

BAB 2 LANDASAN TEORI. dalam penggambaran algoritma pemrograman: Terminal. Proses LNDSN TEORI. low Cr u Dr lr Dr lr dl dr erk lr proses dr suu sse. Dr lr ju dp erk suu lor peror. Sol-sol u duk dl dr lr kusus dl per lor peror: Terl Proses Per/epuus Ipu / Oupu pd lr Oupu dl euk fle Pejels:.

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

METODE NUMERIK PERTEMUAN : 5 & 6 M O H A M A D S I D I Q 3 S K S - T E K N I K I N F O R M A T I K A - S1

METODE NUMERIK PERTEMUAN : 5 & 6 M O H A M A D S I D I Q 3 S K S - T E K N I K I N F O R M A T I K A - S1 METODE NUMERIK S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D S I D I Q PERTEMUAN : 5 & 6 PENYELESAIAN PERSAMAAN LINIER SIMULTAN S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D

Lebih terperinci

Ketaksamaan Chaucy Schwarz Engel

Ketaksamaan Chaucy Schwarz Engel Keksm Chuy Shwrz Egel Fedi Alfi Fuzi Rigks Keksm Cuhy Shwrz merupk Keksm yg ukup mpuh uuk memehk ergi mm persol yg meygku sol keksm pd olimpide memik igk siol mupu iersiol. Pd pper ii k diperkelk euk li

Lebih terperinci

CURVE-FITTING dan INTERPOLASI

CURVE-FITTING dan INTERPOLASI CURVE-FIING d INERPOLASI Mer Kulh: Pegr; Regres Ler; Regres Polol; Regres Ler Bergd Ierpols Ler; Ierpols Kudr; Ierpols Polol Newo & Lgrge PENGANAR D-d g ers dskr dp du couu ellu proses curve-g. Curve-g

Lebih terperinci

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL III PEMBAHASAN 3.1. Betuk Umum dri Mgic Squre, Bilg Mgic, d Mtriks SPL Mislk eleme dri bris ke-i d kolom ke-j dlh i,j mk mgic squrey secr umum dlh 1,1 1, 1,,1,,,1,, Gmbr 1. Betuk umum mgic squre deg: i,j

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BB LNDSN TEORI. lytcl Herrchy Process (HP) lytc Herrchy Process (HP) dlh slh stu metode khusus dr Mult Crter Decso Mkg (MCDM) yg dperkelk oleh Thoms Lore Sty. HP dpt dguk utuk memechk mslh pd stus yg kompleks.

Lebih terperinci

SISTEM PERSAMAAN LINEAR. Nurdinintya Athari (NDT)

SISTEM PERSAMAAN LINEAR. Nurdinintya Athari (NDT) SISTEM PERSAMAAN LINEAR Nurdiity Athri (NDT) Sistem Persm Lier (SPL) Sub Pokok Bhs Pedhulu Solusi SPL deg OBE Solusi SPL deg Ivers mtriks d Atur Crmmer SPL Homoge Beberp Apliksi Sistem Persm Lier Rgki

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON PENYELESAIAN SISTEM PERSAMAAN TAK LINIER DENGAN METODE NEWTON-RAPHSON SKRIPSI oleh: KHUTWATUN NASIHA NIM: 4 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI (UIN) MALANG MALANG

Lebih terperinci

BAB 1 DERET TAKHINGGA

BAB 1 DERET TAKHINGGA Di Kulih EL- Memi Tei I BAB DERET TAKHINGGA Bris Thigg Bris dlh susu bilg-bilg riil secr beruru. Perhi cooh beriu. ),, 8, 6, b),,,, 8 6 c),, 7,,, Secr umum, bris d diulis { },,, deg memeuhi ersm ereu.

Lebih terperinci

SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 (A & B) Dosen: Dr. Asep Juarna Jumlah Soal: 3 Uraian Tanggal Ujian: 02/03/12 Waktu Ujian: 2 jam

SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 (A & B) Dosen: Dr. Asep Juarna Jumlah Soal: 3 Uraian Tanggal Ujian: 02/03/12 Waktu Ujian: 2 jam SOAL UJIAN AKHIR MATEMATIKA INFORMATIKA 4 A & B Dose: Dr. Asep Jur Jumlh Sol: Uri Tggl Uji: // Wktu Uji: jm jik. Solusi t dlh: t + log, yg dpt dibuktik sbb: t jik t t + [t/ + ] + t/ + t/4 + t/8 + 4 t/

Lebih terperinci

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan )

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan ) Kus Uji d Lem Neym-Perso Kebik sutu uji serig diukur oleh d. Di dlm prktek, bisy ditetpk, d kibty wilyh peolk (WP) mejdi tertetu pul. Kierj sutu uji jug serig diukur oleh p yg disebut kus uji (power of

Lebih terperinci

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA De Prm Sr Jurus Mtemtk Uersts Neger Pg, Ioes eml: eprmsr@yhoo.com Abstrk. Auts lh rgk pembyr tu peerm lm jumlh tertetu yg lkuk secr berkl p jgk wktu

Lebih terperinci

3SKS-TEKNIK INFORMATIKA-S1

3SKS-TEKNIK INFORMATIKA-S1 SKS-TEKNIK INFORMATIKA-S Momd Sdq PERTEMUAN : 9- INTEGRASI NUMERIK METODE NUMERIK TEKNIK INFORMATIKA S SKS Momd Sdq MATERI PERKUIAHAN SEBEUM-UTS Pegtr Metode Numerk Sstem Blg d Kesl Peyj Blg Bult & Pe

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. egr roses soksik merupk suu cr uuk mempeljri hubug yg dimis dri suu ruu perisiw u proses yg kejdiy bersif idk psi. Dlm memodelk perubh dri suu sisem yg megdug keidkpsi seperi pergerk

Lebih terperinci

DIKTAT. Mata Kuliah METODE NUMERIK. Oleh: I Ketut Adi Atmika

DIKTAT. Mata Kuliah METODE NUMERIK. Oleh: I Ketut Adi Atmika DIKTAT Mt Kulh METODE NUMERIK Oleh: I Ketut Ad Atmk JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS UDAYANA 6 KATA PENGANTAR Dktt dsusu utuk memudhk mhssw dlm memhm beberp metode umerk utuk meyelesk persm-persm

Lebih terperinci

HANDS-OUT ANALISIS NUMERIK

HANDS-OUT ANALISIS NUMERIK HANDS-OUT ANALISIS NUMERIK Oleh : Drs Her Sutro, M T Dew Rchmt, SS, MS JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 8 Pertemu

Lebih terperinci

f 1 f 2 f 3 η(t) α(f 2 ) a(f 1 ) 2a(f) Metode Least Square untuk Analisis Harmonik

f 1 f 2 f 3 η(t) α(f 2 ) a(f 1 ) 2a(f) Metode Least Square untuk Analisis Harmonik Meode Les Squre unuk nlss Hrmonk Secr umum meode Les Squre mencr koefsen seuh rumus yng dhrpkn dp mendek suu gel d lpngn semksml mungkn. Dengn demkn meode n sellu erpsngn dengn seuh model persmn yng dusulkn

Lebih terperinci

HUKUM SYLVESTER INERSIA

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

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer Aljr Lier Elemeter MA SKS Silus : B I Mtriks d Opersiy B II Determi Mtriks B III Sistem Persm Lier B IV Vektor di Bidg d di Rug B V Rug Vektor B VI Rug Hsil Kli Dlm B VII Trsformsi Lier B VIII Rug Eige

Lebih terperinci

HUKUM SYLVESTER INERSIA

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

Lebih terperinci

HASIL DAN PEMBAHASAN

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

Lebih terperinci

PENENTUAN NILAI TUNAI ANUITAS JIWA BERJANGKA INDIVIDU KASUS KONTINU MENGGUNAKANMETODE WOOLHOUSE

PENENTUAN NILAI TUNAI ANUITAS JIWA BERJANGKA INDIVIDU KASUS KONTINU MENGGUNAKANMETODE WOOLHOUSE Bulei Ilih Mh. S. d Terpy (Biser) Volue 04, No. 3 (05), hl 7-6 PENENTUAN NILAI TUNAI ANUITAS JIWA BERJANGKA INDIVIDU KASUS KONTINU MENGGUNAKANMETODE WOOLHOUSE Desi Rsri, Nev Syhdewi, Shik Mrh INTISARI

Lebih terperinci

TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN

TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN TEKNIK BARU MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR ORDE SATU NONHOMOGEN Yo Hedri 1* Asmr Krm Musrii 1 Mhsisw Progrm S1 Mtemtik Dose JurusMtemtik Fkults Mtemtik d Ilmu Pegethu Alm Uiversits Riu

Lebih terperinci

MA SKS Silabus :

MA SKS Silabus : Aljr Lier Elemeter A SKS Silus : B I triks d Opersiy B II Determi triks B III Sistem Persm Lier B IV Vektor di Bidg d di Rug B V Rug Vektor B VI Rug Hsil Kli Dlm B VII Trsformsi Lier B VIII Rug Eige 7//7

Lebih terperinci

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG GEOMETRI EUCLID EG(, p ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG Bmg Irwto d Yu Hdyt Jurus Mtemtk FMIPA UNDIP Jl. Prof. H. Soedrto, S.H, Semrg 5075 Astrt. A Bled Iomplete Blok (BIB) desg

Lebih terperinci

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11)

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11) III PEMBAHASAN 3 Alisis Metode Perhtik persm itegrl Volterr berikut y ( f( λ Ktyt ( ( (8 deg y( merupk fugsi yg k ditetuk sutu kostt f( fugsi sembrg yg dikethui d terdefiisi pd R d K(ty(t sutu fugsi yg

Lebih terperinci

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

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

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, , Agustus 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, , Agustus 2002, ISSN : JURNL MTEMTIK DN KOMPUTER Vol 5 No 07-8 gustus 00 ISSN : 40-858 REFORMULSI DRI SOLUSI -SOLITON UNTUK PERSMN KORTEWEG-de VRIES D Mustkgs d Sutm Jurus Mtemtk FMIP Uversts Dpoegoro bstrct Te soluto o -solto

Lebih terperinci

MODUL 1 DERET TAKHINGGA

MODUL 1 DERET TAKHINGGA Seri Modul Kulih EL- Memik Tekik I MODUL DERET TAKHINGGA Su Acr Perkulih Modul Dere Tkhigg) sebgi beriku. Peemu ke- Pokok/Sub PokokBhs TujuPembeljr Dere Tkhigg Bris Dere khigg Dere khusus d kovergesiy)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TORI. egtr roses Mrkov dt dklsfksk sesu deg sft wktu egmt roses sert stte scey. Wktu egmt roses dt bersft dskrt muu kotu d stte scey bersft dskrt muu kotu bk terbts muu tk terbts.. Dt Defs..

Lebih terperinci