ANALISIS KOMPLEKSITAS ALGORITMA PENCARIAN CONVEX HULL PADA BIDANG PLANAR

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS KOMPLEKSITAS ALGORITMA PENCARIAN CONVEX HULL PADA BIDANG PLANAR"

Transkripsi

1 ANALISIS KOMPLEKSITAS ALGORITMA PENCARIAN CONVEX HULL PADA BIDANG PLANAR Petra Novadi NIM : Program Studi Tekik Iformatika, Istitut Tekologi Badug Jl. Gaesha 10, Badug if15059@studets.if.itb.ac.id Website : ABSTRAK Makalah ii membahas tetag aalisis kompleksitas algoritma pecaria covex hull dari himpua titik terbatas pada bidag plaar. Covex hull sebuah himpua titik pada bidag plaar adalah himpua titik titik yag membetuk sebuah poligo koveks yag meligkupi seluruh himpua titik tersebut. Algoritma yag telah ditemuka utuk memecahka permasalaha ii atara lai Brute Force, Jarvis March, Quick Hull, Divide ad coquer, Mootoe Chai, Icremetal, Mariage before Coquest, da lai lai. Adapu dari bayak algoritma yag telah ditemuka yag aka diaalisa di sii adalah Brute Force, Jarvis March, Graham Sca, da Divide ad Coquer. Aalisa yag dilakuka pada algoritma-algoritma ii adalah utuk mecari kompleksitas waktu asimtotikya. Pecaria kompleksitas tersebut dilakuka dega meghitug kompleksitas upper boud atau yag serig disebut Big O dari masig-masig algoritma megguaka teorema Big O utuk algoritma sekuesial da Master Theorem utuk algoritma rekures. Aalisa ii juga mecari kasus terbaik da kasus terburuk dari setiap algoritma. Sejak pecaria covex hull bayak diperluka dalam kehidupa sehari-hari da sejala dega perkembaga tekologi yag memerlukaya utuk hal hal yag meyagkut kehidupa orag bayak, maka sagat petiglah utuk mecari pemakaia algoritma yag sesuai, efektif, da efisie. Aalisa ii dilakuka utuk mecari daya gua da kemagkusa dari algoritma-algoritma tersebut meski tidak bermaksud utuk membadigka daya gua da kemagkusa masig-masig utuk meyelesaika masalah. Kata Kuci : Algorithm Aalysis, Computatioal Geometry, Covex hull, Kompleksitas algoritma 1. Pedahulua Bayak sekali hal di dalam kehidupa sehari hari yag sagat berhubuga dega geometri. Segala betuk da wujud yag ada di sekitar mausia didefiisika ke dalam geometri. Misalya utuk meetuka betuk sebuah beda, utuk meetuka dua buah terdekat dari beda-beda yag ada. Sejala dega perkembaga tekologi, masalah masalah mejadi sagat kompleks da meyagkut kehidupa orag bayak seperti sistem avigasi autopilot pesawat terbag dalam meetuka betuk permukaa bumi yag aka dilaluiya. Masalah masalah tersebut sagat memerluka algoritma yag diracag dega baik utuk meyelesaikaya dega efektif da efisie. Pada sekitar tahu 1970 disipli ilmu geometri komputasioal (computatioal geometry) utuk membatu meyelesaika masalah-masalah tersebut. Computatioal Geometry adalah salah satu bidag ilmu komputer yag mempelajari tetag masalah masalah geometri. Di dalam duia rekayasa moder da matematika, aplikasi aplikasi tetag geometri komputasioal telah bayak diguaka pada disipli disipli lai seperti dalam computer graphic, robotik, desai VLSI, CAD (Computer Aided Desig, da juga statistik. 1

2 Permasalaha geometri komputasioal biasaya meligkupi objek objek geometri seperti himpua titik, himpua garis, himpua segme, da juga poligo. Beberapa bahka ada permasalaha geometri yag mucul dari disipli ilmu tersebut. Salah satu cabag dari computatioal geometry adalah combiatorial computatioal geometry yag juga dikeal dega algorithmic geometry. Tujua utama cabag ilmu ii adalah utuk megembagka algoritma yag efisie da struktur data yag tepat utuk meyelesaika masalah-masalah yag berhubuga dega geometri. Disipli ii mejadi petig utuk disipli ilmu lai seperti GIS da computer graphic di maa sekarag ii komputer dipakai utuk memproses puluha da ratusa milyar data yag ada. Salah satu permasalaha mausia yag berkaita dega peetua betuk geometri dapat diselesaika dega megguaka algoritma pecaria covex hull. Salah satu aplikasi pegguaa covex hull adalah utuk meetuka betuk permukaa alam seperti yag serig dipakai dalam disipli ilmu GIS (Geographical Iformatio System). Covex hull Sebuah subset S dari bidag disebut koveks jika da haya jika pada seluruh dua buah titik sembarag p, q S dibetuk garis yag seluruhya berada dalam S [1]. N N CH ( Q) λ j p j ; λ j 0; λ j = 1 j= 1 j= 1 Gambar Covex hull D Gambar 3 Covex hull 3D covex set buka covex set Gambar 1 Covex Set Pecaria covex hull dari sebuah himpua titik Q (CH(Q)) adalah mecari sebuah covex set terkecil yag memuat seluruh titik pada Q. Covex hull dari dari sebuah himpua titik Q (CH(Q)) pada dimesi adalah seluruh irisa dari semua covex set yag megadug Q. Terlebih lajut, utuk N buah titik p 1, p,... p N. covex hull merupaka himpua covex combiatio yag diyataka dega 3. Algoritma Pecaria Covex hull Usaha pecaria algoritma yag efisie utuk pecaria covex hull sudah dilakuka sejak lama da masih dilakuka sampai sekarag. Berikut adalah daftar algoritma pecaria covex hull pada bidag plaar yag telah ditemuka beserta peemu da tahu publikasi pertamaya []. Daftar Algoritma Covex hull Berdasarka Tahu Publikasi No Algoritma Peemu Tahu 1. Brute Force N/A -. Graham Graham 197 Sca 3. Jarvis March Jarvis Divide-ad- Coquer Preparata & Hog 1977

3 5. Mootoe Adrew 1979 Chai 6. Icremetal Kallay Marriage- before- Coquest Kirkpatrick & Seidel 1986 Sumber : ive/algorithm_0109/algorithm_0109.htm merupaka covex hull yaki dega membadigka keberadaa titik lai megguaka cross product. Lagkah lagkah pecaria dega megguaka Better Brute Force adalah 1. Utuk setiap titik p 1 pada himpua Q, betuk vektor p 1 p dega semua titik lai pada Q. Dari seluruh algoritma yag telah didaftar di atas, yag aka diaalisis di sii atara lai Brute Force, Graham Sca, Jarvis March, da Divide ad Coquer Brute Force Dalam ilmu komputer, brute force search atau exhaustive search adalah cara trivial da tekik umum utuk memecahka masalah. Brute force search secara sederhaa megeumerasi seluruh kemugkia kadidat yag bisa mejadi solusi masalah da mememeriksa apakah kadidatkadidat tersebut memeuhi solusi permasalaha. Brute force search adalah cara yag sagat mudah diimplemetasika utuk memecahka masalah karea brute force search selalu mecari keberadaa solusi dari seluruh kemugkia yag ada. Aka tetapi pemecaha masalah megguaka metode brute force biasaya memerluka sumber yag bayak baik waktu da memori da kebutuha tersebut maki membesar dega cepat sejala dega bayakya permasalaha yag igi diselesaika. Biasaya cara ii diguaka jika bayakya permasalaha dibatasi utuk jumlah yag tidak terlalu bayak Algoritma Pecaria covex hull dega megguaka Brute Force ada macam: Naive Brute Force da Better Brute Force. Naive Brute Force mecari covex hull dega cara megiterasi seluruh titik yag ada da mememeriksa apakah titik tersebut berada di dalam seluruh kombiasi segitiga yag dapat dibetuk oleh tiga buah titik dari titik yag lai. Sebuah titik merupaka aggota covex hull jika titik tersebut tidak terletak di dalam semua kombiasi segitiga lai tersebut. Berbeda dega Naive Brute Force, Better Brute Force mecari covex hull dega mecari semua kombiasi garis yag dapat dibetuk dari dua buah titik pada himpua Q da kemudia memeriksa apakah garis tersebut (a) Covex hull (b) Buka Covex hull Gambar 4 Brute Force. Pada vektor p 1 p, badigka keberadaa vektor tersebut dega titik p 3 yaki seluruh titik pada Q selai p 1 p. Utuk membadigka tiga titik tersebut, diperluka cross product dari dua buah vektor yag dibetuk dari tiga titik tersebut. 3. Jika seluruh titik p 3 berada di sebelah kiri atau sebelah kaa vektor p 1 p, maka titik p 1 da p merupaka CH(Q). 3

4 ()* +, -. / 0 *1 *1 *13 456!7*1* $:!78!7'' 6! 9$: Pseudocode Brute Force Aalisis Metode Brute Force ii megguaka tiga buah iterasi utama. Iterasi terluar pada baris diguaka utuk mecacah titik lalu iterasi selajutya diguaka utuk mecacah titik titik lai utuk membetuk dua garis. Lalu iterasi di dalamya diguaka utuk membadigka letak titik-titik selai kedua titik itu dega garis yag dibetuk. Seperti yag ditulis di atas, pembadiga tersebut megguaka cross product. Kompleksitas pecaria ii megguaka O(1). Pecaria tersebut haya megguaka operasi operasi matematika utuk meetukaya.!" #$%#$&#'% #'%#$%#$&#' %#' Pada iterasi terdalam dari keseluruha, ekspresi yag dieksekusi berilai 1) + O(1) + O(1) = max( O(1), O(1), O(1)) 1) masig-masig O(1) adalah utuk pegeceka, pegubaha ilai boolea da peambaha titik ke dalam himpua CH(Q) (jika ada). Oleh karea itu ilai keseluruha dari algoritma adalah {} T( O( ( O(1) + O(1) + ( O( O(1))) T(. max( O(1), O(1), O( ) T(.. T( 3 ) Kompleksitas waktu asimtotik yag diguaka O( 3 ) Karea setiap operasi dilakuka dega waktu yag kosta maka dapat disimpulka juga bahwa T( = ( 3 ) 3.. Graham Sca!! " #!! $ %&' ( )! * )! +,-. /"0 1!!! *! +*! * +!#**!! #+!! * Algoritma Lagkah lagkah Graham Sca utuk meetuka covex hull : 1. Tetuka pivot p 0 satu titik yag terdapat pada koordiat y terkecil dalam himpua Q. Jika ada lebih dari satu titik yag memiliki ordiat (koordiat y) yag sama maka p 0 adalah titik yag memiliki absis (koordiat x) terkecil.. Urutka seluruh titik tersisa pada himpua Q mejadi p 1 p... p -1 dari titik yag berada relatif palig kaa pada sistem koordiat polar terhadap p 0 4

5 3. Masukka p 0 da p 1 ke dalam tumpuka S sebuah himpua titik pada Q yag mejadi covex hull. 4. Utuk p setiap titik tersisa dari p sampai p, badigka vektor atara p da titik kedua teratas pada tumpuka S (S T-1 ) dega titik teratas teratas (S T ) da S T-1. Jika vektor pertama terletak relatif lebih kaa maka S T pada tumpuka S buka termasuk CH(Q) da kemudia dikeluarka dari tumpuka S. Masukka p ke dalam S. Gambar 5 5. Tumpuka S merupaka CH(Q) Pseudocode utuk algoritma ii adalah ;5< *!9* <49* 8* 9: + <*1, <*1 - =. > *1 4< < < / < 0 <* < 8< 6 3 9$: Pseudocode Graham Sca 3... Aalisis Sekarag aka dicari kompleksitas asimptotik dari fugsi Graham Sca. Algoritma ii haya memiliki sebuah kalag traversal. Tepat di dalam kalag tersebut, masig-masig eksekusi yag dilakuka tepat memiliki kompleksitas O(1). Utuk megetahui apakah sebuah sebuah titik adalah membelok kaa dari dua titik lai haya memerluka waktu O(1). Seperti pada perhituga algoritma Brute Force Search, perhituga tersebut tidak memerluka pecaria beda sudut pada segme atara dua vektor yag dibetuk tapi haya dega perhituga biasa yaki mecari cross product dari ketiga titik. Utuk tiga titik (x 1, y 1 ), (x, y ), da (x 3, y 3 ), diberika hasil cross product ya adalah C = (( x x1 )( y3 y1) ( x3 x1 )( y y1)) (a) (b) (c) (d) (e) Gambar 6. Graham Sca 5

6 Jika hasil ii berilai egatif disimpulka bahwa titik vektor yag dibetuk kemudia berada lebih kaa dari vektor atara dua titik yag berada palig atas pada S. Da jika hasilya berilai 0 maka meadaka bahwa ketiga titik berada dalam satu garis. C!" #$%#$&#'% #'%#$%#$&#' %#' Iterasi pada baris 6 dieksekusi selalu dieksekusi sebayak 3 kali. Karea fugsi Push() da Pop() utuk stack masig-masig megguaka waktu O(1) kali, pegeceka vektor juga memerluka O(1) maka waktu yag diguaka utuk megeksekusi loop = ( O(1) + O(1) + O(1)) = O(1) adalah O(. Pecaria Pivot pada himpua titik Q yag dieksekusi pada baris adalah dega megiterasi setiap titik yag ada da mecari titik yag berada pada ordiat terkecil. Operasi ii memerluka O( kali utuk perbadiga dimaa adalah bayak titik yag ada pada Q. Setelah pecaria pivot tersebut, seluruh titik yag tersisa di urutka berdasarka letakya relatif terhadap pivot. Pada baris 3 lagkah tersebut dieksekusi. Peguruta dapat dilakuka dega megguaka mergesort atau pu heapsort da utuk membadigka titik dapat mecari crossproduct dari dua titik yag dibadigka dega titik yag mejadi pivot. Peguruta ii megguaka waktu rata-rata O( log!9* <49* <*1 <*1 = 8: Jadi total waktu yag diguaka pada algoritma Graham Sca adalah O( log. Pada kasus terburuk yaki jika seluruh titik adalah covex hull algoritma ii Aka tetapi pada kasus terbaik yaki jika masuka himpua titik Q sudah terurut lebih dahulu maka proses peguruta dapat diabaika da kompleksitasya mejadi tepat ( karea titik titik ii tepat diiterasi seluruhya utuk mecari titik yag merupaka covex hull Jarvis March R.A. Jarvis pada 1973 mempublikasika algoritma yag kemudia diamaka sesuai dega amaya [4]. Algoritma ii serig dikeal dega Gift Wrappig karea sesuai amaya, algoritma ii aalog dega cara sehari hari mausia dalam membugkus kado. Secara ituitif Jarvis March mesimulasika pembugkusa kertas himpua titik Q. Dimulai dari titik yag mempuyai ordiat teredah lalu kertas ditarik ke kaa sampai meyetuh sebuah titik yag kemudia diaggap sebagai covex hull, kemudia diulagi lagi sampai meemuka titik yag pertama Algoritma Lagkah-lagkah utuk mecari covex hull pada algoritma ii 1. Tetuka titik ekstrim yag memiliki absis terkeci yag mejadi titik pertama pada covex hull. Cari titik selajutya yag di maa garis atara titik tersebut dega titik sebelumya berada di sebelah kiri semua titik yag ada 3. Titik yag didapat tersebut adalah aggota covex hull kemudia ulagi lagkah di atas utuk mecari covex hull selajutya Pseudocode utuk algoritma ii?9@*!71434 * +,!71A!! 9$7*!71 - A.!71B!71% Pseudocode Jarvis March Aalisis Pada iterasi pertama di baris 5 algoritma tersebut mecari semua titik yag mejadi covex hull. Cara pecaria covex hull selajutya ada dua macam : 1. Mecoba setiap titik yag ada da memeriksa apakah garis yag dibetuk titik tersebut dega titik covex hull sebelumya merupaka CH(Q) yaki dega membadigkaya dega seluruh titik yag ada. Cara ii sama seperti dega metode brute force search yag 6

7 telah ditujukka sebelumya. Lagkah ii membutuhka O( ) dalam pegeksekusiaya. Misalka h adalah bayakya CH(Q), maka total waktu yag dibutuhka = ho( ) h) O( h ) Kasus terburuk utuk algoritma ii adalah 3 jika h = maka ). Sedagka kasus terbaikya adalah ketika h = log yaki log. Cara yag ii membagu rutua CH(Q) = p o, p 1, p,... p h dega membadigka sudut polar. Misalka titik pertama adalah p o, maka p 1 adalah titik dega sudut polar terkecil terhadap p o. p merupaka titik dega sudut polar terkecil terhadap p da seterusya. Jika ada titik yag sama sudutya pilih yag terjauh. Setelah rutua mecapai titik tertiggi, pk maka algoritma telah membetuk bagia kaa dari covex hull tersebut. Utuk medapatka p k+1 maka cari titik yag memiliki sudut polar terkecil dari p k tetapi dari sumbu x egatif. Utuk mecari sudut terkecil haya diperluka total waktu O( karea waktu utuk mecari sudut polar tersebut adalah O(1). Maka keseluruhaya adalah = ho( h) O( h Gambar 7 Jarvis March ) ) Sedagka kasus terbaikya adalah ketika h = log yaki log 3.4. Divide ad Coquer Divide ad coquer adalah sebuah desai algoritma yag sagat petig di dalam ilmu komputer. Dalam sebuah permasalaha, algoritma ii bekerja secara rekursif utuk membagi permasalaha tersebut mejadi sub sub permasalaha sampai sub permasalaha ii dapat diselesaika secara lagsug. Solusi dari permasalaha kecil ii kemudia dikombiasika dega solusi sub permasalaha lai utuk meyelesaika permasalaha yag lebih besar sampai keseluruha permasalaha diselesaika. Tekik ii mejadi basis dari bayak algoritma efisie utuk berbagai permasalaha seperti peguruta da juga pecaria covex hull Algoritma Cara utama yag dilakuka oleh algoritma ii utuk membetuk sebuah covex hull dari himpua titik adalah dega membagi dua semua himpua mejadi subhimpua da mecari covex hull dega cara yag sama sampai subhimpua terdiri dari atau 1 buah titik lalu semua buah sub himpua tersebut digabugka sampai keseluruha Q terdapat dalam sebuah covex set. 1. Urutka setiap titik dalam Q berdasarka absisya.. Bagi semua titik sama bayak ke dalam sub himpua Q da secara rekursif cari covex hull dari masig masig sub himpua sampai sub himpua terdiri dari 1 atau buah titik. 3. Gabugka dua buah himpua covex hull yag mejadi sub himpua Q, a. Hubugka titik tertiggi dari kedua himpua covex hull b. Iterasi setiap titik searah jarum jam utuk himpua yag berada di sebelah kaa, da berlawaa arah jarum jam pada himpua yag berada di sebelah kiri. c. Hubugka titik teredah dari kedua himpua da guaka cara yag sama. Sama seperti cara pada poi 1, algoritma ii memiliki kasus terbaik jika h = maka 7

8 (a) (b) (c) (d) (f) Gambar 8 Divide Ad Coquer (e) D9E! F* <*! 9$7* +! 9$7*, G(*B G(* B 86: - *. / D9*** 0 *! 9$7* *! D9*** + G(*, ) H - *1*1. ) HA / *1*1%) HA Pseudocode Divide Ad Coquer Aalisis Berikut aka diaalisis kompleksitas waktu utuk mecari CH(Q) dega megguaka algoritma divide ad coquer Pada baris, seluruh titik Q diurutka berdasarka absisya. Proses peguruta ii dapat megguaka peguruta quicksort yag mempuyai kompleksitas waktu O( log Utuk membagi dua sebuah himpua dibutuhka O( karea haya megiterasi seluruh titik yag sudah terurut pada Q. Demikia juga meggabugka buah himpua membutuhka waktu asimtotik liier karea dalam covex hull sudah otomatis terurut berdasarka letakya. Fugsi waktu utuk fugsi! 9$7 adalah O(1) = T ( /) + O( = 1, = > Dimaa O( adalah kompleksitas waktu utuk membagi himpua mejadi dua sub himpua da megabugka dua buah covex hull yag telah dicari. Utuk mecari kompleksitas waktu asimptotik dari betuk rekures seperti ii dapat diguaka cara Master Theorem [5] Pada betuk = at ( / b) + f(, jika logb a ε 1) f ( O( ), ε > 0 log a b log a ) f ( Θ( b ) logb a ) log logb a+ ε 3) f ( O( ), ε > 0 af ( ) cf (, c > 1 b log a b Dari fugsi waktu CovexHull didapat a =, b = Karea ) f ( Θ( log ) maka maka da maka 8

9 maka fugsi waktu dari betuk rekures fugsi CovexHull adalah log Waktu pecaria covex hull sama dega waktu utuk megurutka titik yag ada. Dega demikia kompleksitas waktu asimptotik dari metode divide ad coquer adalah O( log Algoritma ii tidak memiliki cotoh kasus terbaik da terburuk 4. Kesimpula Dari hasil aalisa kompleksitas waktu dapat disimpulka utuk adalah bayakya titik yag ada pada tiap kasus 1. Algoritma pecaria CH(Q) dega megguaka Brute Force Search adalah algoritma yag palig stabil karea utuk seluruh kasus yag adaya, semuaya dilakuka dega waktu yag sama. Brute Force search juga sagat mudah diimplemetasika. Aka tetapi algoritma ii megguaka waktu yag sagat lama yaki T(. Algoritma Jarvis March mempuyai kompleksitas waktu 3 ) h) di maa h adalah bayakya CH(Q) yag ada pada setiap kasus. Adapu kasus terbaik (best case) adalah jika h = log yag memberika log Da kasus terburuk (worst sceario) pada saat h = (seluruh titik merupaka CH(Q)) yag memberika h) 3. Algoritma Graham Sca memiliki kompleksitas log Nilai ii didapat dari peguruta titik yag dilakuka terlebih dahulu. Dapat dikataka algoritma ii bergatug pada kompleksitas peguruta yag diguaka. Utuk kasus terbaik yaki himpua Q sudah diurutka terlebih dahulu, maka peguruta dapat dilewatka da memberika Sayagya algoritma ii haya bisa diguaka pada bidag berdimesi. 4. Divide ad coquer bertujua utuk mecari CH(Q) secara rekursif. Kompleksitas waktu rata-rataya adalah log 9

10 DAFTAR PUSTAKA [1] MathWorld, Wolfram Research. html; Taggal akses pada Jauari 007. TES [] Geometry Algorithm. ve/algorithm_0109/algorithm_0109.htm; Taggal akses pada Jauari 007 [3] R. L. Graham (197). A efficiet algorithm for determiig the covex hull of a fiite plaar set Iformatio Processig Letters [4] R. A. Jarvis, "O the idetificatio of the covex hull of a fiite set of poits i the plae" Iform. Process. Lett.,, 1973, [5] Thomas H. Corme, Charles E. Leiserso, Roald L. Rivest, ad Clifford Stei. Itroductio to Algorithms, Secod Editio. MIT Press ad McGraw-Hill, 001. ISBN

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id

Lebih terperinci

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2 Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR Dose Pegampu : Darmadi, S.Si, M.Pd Disusu : Kelas 5A / Kelompok 5 : Dia Dwi Rahayu (084. 06) Hefetamala (084. 4) Khoiril Haafi (084. 70) Liaatul Nihayah (084. 74)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta Iduksi Matematika Pertemua VII Matematika Diskret Semester Gasal 2014/2015 Jurusa Tekik Iformatika UPN Vetera Yogyakarta Metode pembuktia utuk peryataa perihal bilaga bulat adalah iduksi matematik. Cotoh

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

Solusi Soal OSN 2012 Matematika SMA/MA Hari Pertama

Solusi Soal OSN 2012 Matematika SMA/MA Hari Pertama Solusi Soal OSN Matematika SMA/MA Hari Pertama Soal 1. Buktika bahwa utuk sebarag bilaga asli a da b, bilaga adalah bilaga bulat geap tak egatif. = F P B (a, b) + KP K (a, b) a b Solusi. Pertama aka dibuktika

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal Kompleksitas Waktu utuk Algoritma Rekursif ZK Abdurahma Baizal Algoritma Rekursif Betuk rekursif : suatu subruti/fugsi/ prosedur yag memaggil diriya sediri. Betuk dimaa pemaggila subruti terdapat dalam

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

DIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH

DIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH PROPOAL TUGA AKHIR DIMENI PARTII PADA GRAF KINCIR PARTITION DIMENION OF WINDMILL GRAPH Oleh: CHANDRA IRAWAN NRP : 100 109 04 JURUAN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT TEKNOLOGI

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

Himpunan Kritis Pada Graph Caterpillar

Himpunan Kritis Pada Graph Caterpillar 1 0 Himpua Kritis Pada Graph Caterpillar Chairul Imro, Budi Setiyoo, R. Simajutak, Edy T. Baskoro {imro-its,budi}@matematika.its.ac.id, {rio,ebaskoro}@ds.math.itb.ac.id Ues, Semarag, 4 7 Juli 006 Abstrak

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

theresiaveni.wordpress.com NAMA : KELAS :

theresiaveni.wordpress.com NAMA : KELAS : theresiaveiwordpresscom NAMA : KELAS : 1 theresiaveiwordpresscom BARISAN DAN DERET Barisa da deret dapat diguaka utuk memudahka peyelesaia perhituga, misalya buga bak, keaika produksi, da laba/rugi suatu

Lebih terperinci

Kompetisi Statistika Tingkat SMA

Kompetisi Statistika Tingkat SMA . Arya da Bombom melakuka tos koikoi yag seimbag yag mempuyai sisi, agka da gambar Arya melakuka tos terhadap 6 koi, sedagka Bombom melakuka tos terhadap koi, maka peluag Arya medapatka hasil tos muka

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig

Lebih terperinci

ANALISIS CURAH HUJAN WILAYAH

ANALISIS CURAH HUJAN WILAYAH Lapora Praktikum Hari/taggal : Rabu 7 Oktober 2009 HIDROLOGI Nama Asiste : Sisi Febriyati M. Yohaes Ariyato. ANALISIS CURAH HUJAN WILAYAH Lilik Narwa Setyo Utomo J3M108058 TEKNIK DAN MANAJEMEN LINGKUNGAN

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

Lebih terperinci

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i INTEGAL LIPAT. Itegral Lipat Dua dalam Koordiat Kartesius Pada bagia ii, dipelajari itegral lipat dua dalam. Misalka diketahui dua iterval tertutup [a, b] da [c, d]. Hasil kali kartesius dari kedua iterval

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

BAB II CICILAN DAN BUNGA MAJEMUK

BAB II CICILAN DAN BUNGA MAJEMUK BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN Petra Novadi Iformatika Istitut Tekologi Badug Labtek V Jl. Gaesha No., Badug email : if559@studets.if.itb.ac.id, me@va-odi.et ABSTRAK Permasalaha

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci