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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 pejels. Vrbel yg dpegruh serg dsebut deg vrbel tert tu vrbel depede. Algfr, 000. Als Regres Ter, Ksus d Slus, Eds. gyrt : BPFE. Hl. 4. Meyt perubh l vrbel tu dpt pul dsebb leh berubhy vrbel l yg berhubug deg vrbel tersebut. Utu megethu pl perubh l sutu vrbel yg dsebb leh vrbel l dperlu lt lss yg memug t utu membut perr l vrbel tersebut pd l vrbel yg mempegruhy. Secr umum regres ler terdr dr du, ytu regres ler sederh dmregres terdr dr stu buh vrbel bebs d stu buh vrbel tert; d regres ler bergd yg terdr dr beberp vrbel bebs d stu buh Uversts Sumter Utr

2 vrbel tert. Alss regres ler merup metde sttst yg plg jm dpergu dlm peelt-peelt ssl, terutm peelt em. Prgrm mputer yg plg by dgu dlh SPSS. Alss regres ler sederh dpergu utu megethu pegruh tr stu buh vrbel bebs terhdp stu buh vrbel tert. Persm umumy dlh : b. Deg dlh vrbel tert d dlh vrbel bebs. Kefse dlh stt tercept yg merup tt ptg tr grs regres deg sumbu pd rdt rtesus d b dlh efse regres. Nl d b dpt dperleh deg rumus sebg berut: b.. Alss Regres Ler Bergd Rumus pd regres bergd jug meggu rumus persm sepert regres tuggl, hy sj pd regres gd dtmbh vrble-vrbel l yg jug dutsert dlm peelt. Utu ls regres dbed du jes vrbel ytu vrbel bebs vrble predctr d vrbel td bebs vrble resp. Vrbel yg mudh Uversts Sumter Utr

3 ddpt tu tersed serg dglg dlm vrble bebs, sedg vrble yg terjd re vrbel bebs tu merup vrbel td bebs Suj, 00. Metde Sttst. Bdug : Trst. Hl Utu eperlu lss, vrbel bebs dyt deg,..., sedg vrbel td bebs dyt deg. Λ... deg : Λ vrbel td bebs depede,..., efse regres,..., vrbel bebs dpede Kefse-efse,..., dpt dhtug deg meggu persm : Regres gd dgu utu meghtug tu meguj tgt sgfs, tr l:. Meghtug persm regresy.. Meguj ph persm grs regres sgf. 3. Bgmh esmpuly? Utu medpt l b, b, b 3 dr persm dts dsusu meurut dty d emud dseles deg metde elms d substus. Uversts Sumter Utr

4 .3. Uj Keberrt Regres Uj eberrt regres dgu utu megethu ph seelmp bebs secr bersm mempuy pegruh terhdp vrbel td bebs.lgh-lgh utu peguj eberrt regres dlh sebg berut:. Kumpul dt dlm betu tbel. Sttst uj dlh. F JJJJ rrrrrr JJKK rrrrrr F sttst F yg meyebr megut dstrbus derjt ebebs V d V -- b. JK reg Jumlh udrt regres b y b y b y b y JK reg c. JK res Jumlh udrt resdu ss JK res y Uversts Sumter Utr

5 3. Krter peguj Lgh-lgh yg dbutuh dlm peguj hptes dlh sebg berut :. H 0 : ββ ββ ββ 0 H : Mml stu prmeter efse yg td sm deg l b. Plh trf yt αα yg dg c. Htug sttst F ht deg meggu slh stu dr frmul dts d. Keputus : Tl H 0 j F ht >F tb ; : -- Term H 0 j F ht <F tb ; : Uj Kefse Regres Ler Bergd Utu megethu bgm eberrt dy setp vrbel bebs dlm persm regres, perlu dd peguj tersedr mege efse-efse regresy. Msl ppuls mempuy mdel regres gd : Ŷ β 0 β β β 3 3 β yg berdsr smpel c beruur dtsr leh regres berbetu : Ŷ A dlu peguj hptess dlm betu : H 0 β 0,,,, H 0 β 0,,,, Uversts Sumter Utr

6 Utu meguj hptess dgu eelru bu tsr sy., jumlh udrt j deg j j - j d efse rels gd tr vrbel yg dggp sebg vrbel t bebs deg vrbel-vrbel bebs ssy yg d dlm regres. Deg besr-besr dbetu eelru bu efse b, y : S b S y... j R Dm S y... j j j JK reg R y Seljuty htug sttst : t b s b Deg rter peguj : j t > t tbel m tl H 0, d j t < t tbel m term H 0 yg berdstrbus studet t deg derjt ebebs d --; t tbel t --, αα..5. Alss Krels Alss rels dlh lt sttst yg dpt dgu utu megethu derjt hubug ler tr stu vrbel deg vrbel l. Uj rels td membed jes vrbel td d vrbel depede mupu vrbel Uversts Sumter Utr

7 depede. Kefse rels merup l yg dgu utu meguur eut sutu hubug trvrbel. Kefse rels dpt drumus sebg berut : Utu meghtug efse rels tr vrbel t bebs deg tg vrbel bebs,, 3 ytu :. Kefse rels tr deg r y { }{ }. Kefse rels tr deg r y { }{ } 3. Kefse rels tr deg 3 r 3 y { }{ } r { }{ } Uversts Sumter Utr

8 Kefse rels meml l tr - hgg. Sft l efse rels dlh plus tu mus-. Hl meuju rh rels. M sft rels:. Krels pstf berrt j vrbel meglm e m vrbel jug meglm e, tu j vrbel meglm e m vrbel jug meglm e.. Krels egtve - berrt j vrbel meglm e m vrbel meglm peuru, tu j vrbel meglm e m vrbel meglm peuru Sft rels meetu rh dr rels. Keert rels dpt delmp sebg berut: Tbel. Keert Krels R 0 0,0 0,0 0, 0,40 0,4 0,60 0,6 0,80 0,8 0,99 Iterprets Td berrels Sgt redh Redh Ag redh Cuup Tgg Sgt tgg.6. Uj Kefse Determs Lgh beruty dlh meghtug efse determs deg meggu rumus: R JJJJJJJJJJ yy Uversts Sumter Utr

9 Kefse determs mecerm seberp besr emmpu vrbel bebs dlm mejels vrs vrbel terty. Mempuy l tr 0 d m l yg medet berrt sem tgg emmpu vrbel bebs dlm mejels vrs vrbel terty.jd egu efse determs dlh:. Sebg uur etept tu ecc grs regres yg dbetu dr hsl bservs. M m besr l R sem bgus grs regres yg terbetu, sebly m ecl l R m td tept grs regres tersebut dlm mewl dt hsl bservs. b. Meguur besr prprs persetse dr jumlh rgm yg dterg leh mdel regres tu utu meguur besr sumbg vrbel pejels terhdp rgm vrbel resp dr hsl perhtug, m dperleh R yg merup efse rels utu ppuls. Peguj hptess tersebut mellu uj F deg rumus : RR F RR Uversts Sumter Utr

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

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

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

( 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

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

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

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 IV Faktorisasi QR

Bab IV Faktorisasi QR Bb IV Ftorss QR. Pedhulu Ftorss QR dr mtr A beruur m dlh pegur mtr A mejd A Q R dm Q R m m dlh orthogol d R R m segtg ts. Ftorss serg jug dsebut ftorss orthogol (orthogol ftorzto). Ad beberp r yg dgu utu

Lebih terperinci

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

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

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

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

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

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

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

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 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

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

Dr.Eng. Agus S. Muntohar Department of Civil Engineering Pertemu ke-7 Persm Ler Smult Oktober 0 Metode Iters Guss-Sedel Dr.Eg. Agus S. Mutohr Deprtmet of Cvl Egeerg Metode Guss-Sedel Merupk metode ters. Prosedur umum: - Selesk ser lbr vrbel tdk dkethu msg-msg

Lebih terperinci

Bab 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

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

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA MEODE REGRESI RIDGE UNUK MENGAASI MODEL REGRESI LINIER BERGANDA ANG MENGANDUNG MULIKOLINIERIAS SKRIPSI NANANG PRADIPA 3833 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS SUMAERA

Lebih terperinci

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT OLUI DERET PANGKAT TETAP DENGAN FUNGI PEMBANGKIT Aleder A Guw Jurus Mtemt d ttst Fults s d Teolog, Uversts B Nustr Jl. K. H. yhd No. 9, Kemggs/Plmerh, Jrt Brt 8 gug@bus.edu ABTRACT Ths rtcle dscusses bout

Lebih terperinci

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

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

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III.

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III. Le 15 J el order h, h h, el order ( od [Nve, 1991] III PEMBAHASAN Pd bg edhulu telh dsebut bhw tuu dr euls dlh eelr teore-teore yg tert solus resdu udrt d egostrus lgort utu ecr solusy, ereostrus Algort

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 0 BAB III METODOLOGI PENELITIAN 3. 1. Loks d Wktu Peelt 1.1.1 Loks Peelt Peelt dlksk d MA Neger 3 Kot Gorotlo pd ssw kels. ekolh merupk slh stu sekolh meegh ts yg terletk d Jl KH. Dewtoro Kelurh Lmb U1

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

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

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

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

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

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

TEORI DASAR. simbol yang menyatakan bahwa dua hal adalah persis sama. Dimana. persamaanya ditulis dengan tanda sama dengan.

TEORI DASAR. simbol yang menyatakan bahwa dua hal adalah persis sama. Dimana. persamaanya ditulis dengan tanda sama dengan. II. TEORI ASAR. Persm d Pertdsm Persm ddefs seg sutu peryt mtemt dlm etu smol yg meyt hw du hl dlh perss sm. m persmy dtuls deg td sm deg. Msly : 4 y 8 Pertdsm ddefs seg lmt mtemt yg meuu perdg uur du

Lebih terperinci

BAB IV METODA ANALISIS RANGKAIAN

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

Lebih terperinci

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

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

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

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

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

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 5 PENDEKATAN FUNGSI

BAB 5 PENDEKATAN FUNGSI BAB 5 ENDEKATAN FUNGSI DEVIDE DIFFERENCE SELISIH TERBAGI A. Tuju. Memhmi oliomil Newto Selisih Terbgi b. Mmpu meetu oeisie-oeisie oliomil Newto c. Mmpu meetu oeisie-oeisie oliomil Newto deg Mtlb B. ergt

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

INVERS MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INVERS MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ NVES MTS gusti Prdjigsih, M.Si. Jurus Mtemti FMP UNEJ gusti.fmip@uej.c.id Defiisi : NVES Ji mtris bujursgr, d ji dpt dicri mtris B sehigg B = B =, M dit ivertible d B dim ivers iverse dri. [B= - ] etuggl

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

SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Basic Properties of Henstock Integral)

SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Basic Properties of Henstock Integral) Jurl Breeg Vol 6 No Hl 7 5 (0) SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Bsc Propertes of Hestoc Itegrl) LEXY JANZEN SINAY MOZART WINSTON TALAKUA Stf Jurus Mtemt FMIPA UNPATTI Jl Ir M Putuhe Kmpus Uptt Po-Amo

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

x = Tegangan yang diterapkan, kg/mm 2 y = waktu patah, jam

x = Tegangan yang diterapkan, kg/mm 2 y = waktu patah, jam INTERPOLASI Pr resw d hli ilmu lm serig beerj deg sejumlh dt disrit g umum disji dlm betu tbel. Dt didlm tbel mugi dieroleh dri hsil egmt dilg hsil eguur dilbortorium tu tbel g dimbil dri buu-buu cu. Cotoh

Lebih terperinci

x 1 M = x 1 m 1 + x 2 m x n m n = x i

x 1 M = x 1 m 1 + x 2 m x n m n = x i Iterl Tertetu..6 oe d ust ss Ttk Bert slk d du ed s-s elk ss sesr d y dletkk pd pp er de jrk erturut-turut d d d dr ttk pey pd - y ered. Ked terseut k se jk dpeuh d d. d d Sutu odel tets y k dperoleh pl

Lebih terperinci

Makalah Seminar Tugas Akhir. MASTER PLAN PENGEMBANGAN KELISTRIKAN DAERAH Study Kasus Kelistrikan Daerah Kabupaten Temanggung

Makalah Seminar Tugas Akhir. MASTER PLAN PENGEMBANGAN KELISTRIKAN DAERAH Study Kasus Kelistrikan Daerah Kabupaten Temanggung Mlh Semr Tugs Ahr MASTER PLAN PENGEMBANGAN KELSTRKAN DAERAH Study Ksus Kelstr Derh Kupte Temggug Novr Prmdyt, NM : LF 000 6 Jurus Te Eletro Fults Te Uversts Dpoegoro ABSTRAK - Dlm Tugs Ahr dsusu rec pegemg

Lebih terperinci

DASAR MATEMATIKA. Untuk mempelajari teori sistem kontrol diperlukan latar belakang matematika. bidang s. s 1. σ 1. Gambar 2-1 Bidang kompleks

DASAR MATEMATIKA. Untuk mempelajari teori sistem kontrol diperlukan latar belakang matematika. bidang s. s 1. σ 1. Gambar 2-1 Bidang kompleks DASAR MATEMATIKA Utu mempelj teo tem otol dpelu lt belg mtemt Koep Peubh Komple Peubh Komple jω bdg σ jω σ σ Gmb - Bdg omple Gmb - meggmb betu bdg omple, yg m tt ddef oleh oodt σ σ d ω ω, tu ec edeh dtul

Lebih terperinci

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1 FITRIANA RICHA HIDAYATI 7 46 Dose Pembimbig M. ARIEF BUSTOMI, M.Si Surby, Jui JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER Alis disesuik deg geometri

Lebih terperinci

Interpolasi dan Turunan Numerik (Rabu, 2 Maret 2016) Hidayatul Mayyani G

Interpolasi dan Turunan Numerik (Rabu, 2 Maret 2016) Hidayatul Mayyani G Iterpolsi d Turu Numeri (Rbu Mret 6) Hidytul Myyi G55535 Outlie: Iterpolsi Lier - Poliomil Lgrge - Poliomil Newto - Vdermode Mtris - Ivers Iterpolsi - Iterpolsi Neville Glt Iterpolsi Turu Numeri Estrpolsi

Lebih terperinci

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

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

Lebih terperinci

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012 8/9/0 ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) Elty Srv, S., M. Fkults ekk Jurus ekk Idustr Uversts Krste Mrth Bdug ANOVA Dsr perhtug ANOVA dtetpk oleh Rold A. Fsher. Dstrus teorts yg dguk dlh

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metoe Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metoe Elms Guss Tuju : smult Mempeljr metoe Elms Guss utuk peyeles persm ler Dsr Teor : Metoe Elms Guss merupk metoe

Lebih terperinci

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

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS Metode ple erup utu te tdr g dgu utu eech lh Progr Ler e thu 9. Pd prp etode ple ecr peele optl deg eetu tt-tt udut dr derh fele proe dlu erulg-ulg dr utu

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

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

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI ENEAAN ESAMAAN SHODINGE ADA EMASAAHAN ATIKE DAAM KEADAAN TEIKAT (BOUND STATES) UNTUK TIGA DIMENSI A. At Hg (Mslh Gy Stl). Hlt Nl Eg ^ H ^ p ^ z. (7.) s Schg yg bt g sst bup hg t tu lh: ^ p ^ z E (7.) tu

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TORI. Alss Rgrs Dlm bbrp mslh trdpt du tu lbh vrbl yg hubugy td dpt dpsh, d hl trsbut bsy dsld sft hubugy. Alss rgrs dlh sbuh t sttst utu mmrs d mmodl hubug dtr vrbl-vrbl. Thp rgrs trdr dr

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

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

Bunga Majemuk,Angsuran, Anuitas

Bunga Majemuk,Angsuran, Anuitas ODUL ATEATIKA Bug jeu,agsur, Auts ( AT 2.5.4 ) Dsusu Oleh : Drs. Pudjul Prjoo Np. 95807.980..003 PEERINTAH KOTA ALANG DINAS PENDIDIKAN SA NEGERI 6 Jl yje Sugoo No. 58 Telp. (034) 752036 lg odul tet Bug

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

A. Pusat Massa Suatu Batang

A. Pusat Massa Suatu Batang Perteu 7 Pust ss sutu Kepg, Setrod, d Teore Pppus A. Pust ss Sutu Btg Dskusk!. slk ss,,..., terletk pd tg pdt sgsg d ttk,...,,, d = jrk errh tr ss ke sutu ttk tetp 0 pd tg,,,...,. ss prtkel, oe prtkel

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

RANCANGAN STRIP PLOT MODEL TETAP. Staf Jurusan Matematika FMIPA UNDIP

RANCANGAN STRIP PLOT MODEL TETAP. Staf Jurusan Matematika FMIPA UNDIP RANCANGAN STRIP PLOT MODEL TETAP Trstut Wurydr,uc Wldr, Noor Affh Stf Jurus Mtemt FMIPA UNDIP Alum Jurus Mtemt FMIPA UNDIP Astrct The expermet volve the study of the effects of two or more fctors c e used

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Rukiyah 1*, Bustami 2, Sigit Sugiarto 2

TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Rukiyah 1*, Bustami 2, Sigit Sugiarto 2 TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Ruiyh, Bustmi, Sigit Sugirto Mhsisw Progrm S Mtemti Dose Jurus Mtemti Fults Mtemti d Ilmu Pegethu Alm Uiversits Riu Kmpus Biwidy

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

Anuitas. Anuitas Akhir

Anuitas. Anuitas Akhir Auts Auts bersl r kt bhs Iggrs uty yg pt efsk sebg rgk pembyr tu peerm tetp lm jumlh tertetu yg lkuk secr berkl p jgk wktu tertetu. Kt uty sly berrt pembyr ul (thu), k tetp serg eg berjly wktu kt uts jug

Lebih terperinci

Penyelesaian Persamaan Linier Simultan

Penyelesaian Persamaan Linier Simultan Peyelesi Persm Liier Simult Persm Liier Simult Persm liier simult dlh sutu betuk persm-persm yg ser bersm-sm meyjik byk vribel bebs Betuk persm liier simult deg m persm d vribel bebs ij utuk i= s/d m d

Lebih terperinci

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

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

Lebih terperinci

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH MOIFIKASI METOE RUNGE-KUTTA ORE- KLASIK BERASARKAN RATA-RATA HERONIAN TUGAS AKHIR ju Seg Sl Stu Srt utu Memperole Gelr Srj Ss Pd Jurus Mtemt Ole : RIYAN ABULLAH 55 FAKULTAS SAINS AN TEKNOLOGI UNIVERSITAS

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

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

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0. KKKF BAHAGAN A 6 MARKAH Arh : Jw SEMUA sol. Kepekt kter pecemr pt, d dlm secw teh trk yg drk selm eerp jm derk oleh: pt = 5e -.5t + 5e -.75t Crk ms, t, dlm ut jm yg dperluk utuk kter jk kepekt yg dkehedk

Lebih terperinci

mengambil semua titik sample berupa titik ujung, yakni jumlah Riemann merupakan hampiran luas dari daerah dibawah kurva y = f (x) x i b x

mengambil semua titik sample berupa titik ujung, yakni jumlah Riemann merupakan hampiran luas dari daerah dibawah kurva y = f (x) x i b x B 4. Peerp Itegrl BAB 4. PENGGUNAAN INTEGRAL 4.. Lus re dtr Perhtik derh di wh kurv y = f () di tr du gris tegk = d = di ts sumu, deg f fugsi kotiu. Seperti pd s medefiisik itegrl tertetu, kit gi itervl

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

MATRIKS. Create by Luke

MATRIKS. Create by Luke Defiisi Mtris MTRIS Crete y Lue Seuh mtri dlh sergi eleme dlm etu persegi pg Eleme e-(i,) i dri mtris erd diris e-i d olom e- dri rgi terseut Order (uur) dri seuh mtri dit seesr (m x ) i mtris terseut

Lebih terperinci

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY Oleh : Yusup Fkults Ilmu Komputer, Uversts AKI Semrg Astrt The frto of No Homoge Lerty Ajustmet System towr Cholesky Doule

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL EAKIR RAIO AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG AAK EDERHAA DEGA MEGGUAKA KUARTIL urt * Arsm Ad Frdus Mssw rogrm Mtemt Dose Jurus Mtemt Fults Mtemt d Ilmu egetu Alm Uversts Ru Kmus wd ebru 89 Idoes

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

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA UNIVERSITAS INDONESIA PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA 0706695 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK JULI

Lebih terperinci

Pertemuan : 3 Materi : Sistem Persamaan Linear : - Teorema Eksistensi - Reduksi ke Bentuk Echelon

Pertemuan : 3 Materi : Sistem Persamaan Linear : - Teorema Eksistensi - Reduksi ke Bentuk Echelon Pertemu : 3 Mteri : Sistem Persm Lier : - Teorem Eksistesi - Reduksi ke Betuk Echelo Stdr Kompetesi : Setelh megikuti perkulih ii mhsisw dihrpk dpt. memhmi kemli pegerti mtriks d trsformsi lier. memhmi

Lebih terperinci

SISTEM PERSAMAAN LINEAR

SISTEM PERSAMAAN LINEAR http://istirto.stff.ugm..id SISTEM PERSAMAAN LINEAR Systems of Lier Algebri Equtios Sistem Persm Lier http://istirto.stff.ugm..id Au Chpr, S.C., Cle R.P., 99, Numeril Methods for Egieers, d Ed., MGrw-Hill

Lebih terperinci

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai Mtemtik Dsr INTEGRAL TENTU Pegerti tu kosep itegrl tetu pertm kli dikelk oleh Newto d Leiiz. Nmu pegerti secr leih moder dikelk oleh Riem. Mteri pemhs terdhulu yki tetg itegrl tk tetu d otsi sigm k kit

Lebih terperinci

BARISAN DAN DERET A. POLA BILANGAN B. BARISAN BILANGAN. Contoh Soal

BARISAN DAN DERET A. POLA BILANGAN B. BARISAN BILANGAN. Contoh Soal BARIAN DAN DERET A. POLA BILANGAN Bergi jeis ilg yg serig it pergu mempuyi pol tertetu. Pol ii serig digu dlm meetu urut / let ilg dri seumpul ilg yg ditetu, cotoh ilg gjil e-5 dri ilg :,, 5, 7, yitu 9.

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

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

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNAN DERET BERTINKAT BERDAAR BILANAN EULERIAN DENAN OPERATOR BEDA Aleder A uw Jurus Mtetk, Fkults s d Tekolog, Uversts B Nustr Jl. K.H. yhd No. 9, Plerh, Jkrt Brt 48 gug@bus.edu ABTRACT Cscde seres

Lebih terperinci

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx.

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx. Nuryto,ST.,MT d c. INTEGRAL TAK TENTU KONSEP DASAR INTGRAL f. ALJABAR INTEGRAL f. TRIGONO CONTOH SOAL SOAL LATIHAN UJI KOMPETENSI Itegrl merupk opersi ivers dri turu. Jik turu dri F dlh F = f, mk F = f

Lebih terperinci

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter IV. FUNGSI KARAKTERISTIK Pd bgi seljuty k dijbrk megei ugsi krkteristik. Pd peeliti ii k ditetuk ugsi krkteristik dri distribusi our-prmeter geerlized t deg megguk deiisi d kemudi k membuktik ugsi krkteristik

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Jordan

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

Lebih terperinci