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

Save this PDF as:

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 Semar Nasoal Tekolog 007 (SNT 007) ISSN : IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : ABSTRACT Itegral dega batas ddefska sebaga luasa daerah yag dbatas oleh suatu fugs, sumbu x, xa da xb. Salah satu metode utuk peyelesaa tegral dega batas adalah megguaka atura segempat. Atura membag daerah yag dcar luasaya mejad beberapa baga segempat, sehgga dega lebar yag semak kecl (perseg empat yag dhaslka semak bayak), dharapka haslya aka semak medekat yag sebearya. Ada tga macam atura segempat, yak segempat atas, segempat tegah (mdpot rule), serta segempat bawah. Dar tga macam atura tersebut metode segempat tegah (mdpot rule) lebh cepat koverge dbadgka dua metode laya. Keywords : tegral dega batas, atura segempat.. PENDAHULUAN Itegras suatu fugs yag dotaska: I () merupaka tegral suatu fugs f terhadap varabel x yag dhtug atara batas x a sampa x b. Dar persamaa d atas, yag dmaksud dega tegras adalah la total atau luasa yag dbatas oleh fugs f da sumbu x, serta atara batas x a da x b. yf(x) xa xb Itegral aaltk suatu fugs dapat dselesaka dega mudah. Utuk selajutya yag aka dbahas d s adalah tegras umerk yag merupaka metode pedekata dar tegras aaltk. Itegras umerk aka dlakuka apabla: tegral tdak dapat (sukar) dselesaka secara aaltk. Metode tegras umerk merupaka tegral tertetu yag berdasarka pada htuga perkraa. Sepert pada metode perhtuga tegral secara aaltk, htuga tegral secara umerk dapat dlakuka dega membag luasa dalam sejumlah pas kecl. Jumlah luas semua pas yag dsebut dega luas total. D

2 Semar Nasoal Tekolog 007 (SNT 007) ISSN : ATURAN SEGIEMPAT Utuk mempermudah mecar luasa daerah yag dmaksud maka dlakuka pemecaha terval batas mejad beberapa baga yag sama luasya. yf(x) xa xb Gambar. Pemecaha daerah utuk atura segempat atas Luas daerah dcar dega: Luas jumlaha luas segempat Luas dega xa+(b-a)/ x x-+(b-a)/ : jumlah pael lebarxpaj ag (( b a) / ) * f ( x ) yf(x) : ttk tegah terval xa xb Gambar. Pemecaha daerah utuk atura segempat tegah (md pot rule) D

3 Semar Nasoal Tekolog 007 (SNT 007) ISSN : Luas daerah dcar dega: Luas jumlaha luas segempat Luas lebarxpaj ag dega xa+(b-a)/ x x-+(b-a)/ : jumlah pael (( b a) / ) * f ( x ) yf(x) xa xb Gambar. Pemecaha daerah utuk atura segempat bawah Luas daerah dcar dega: Luas jumlaha luas segempat Luas dega xa x x-+(b-a)/ : jumlah pael lebarxpaj ag (( b a) / ) * f ( x ). IMPLEMENTASI PROGRAM Algortma datas dmplemetaska mejad sebuah program, dega jumlah pael D

4 Semar Nasoal Tekolog 007 (SNT 007) ISSN : (jumlah segempat) awal adalah 00. Utuk setap proses berkutya dbuat jumlah paelya bertambah 00, sehgga dega semak bayakya pael yag dbuat, hasl yag ddapat aka medekat yag sebearya. Lstg programya sebaga berkut: clc;clear; syms x; fput('masukka persamaa '); xput('masukka batas bawah '); xput('masukka batas atas '); b00; fprtf('\'); fprtf('jml pael PPA PPT PPB\'); fprtf('\'); for j:5 %metode segempat atas d(x-x)/b; luasa0; tx; for :b tt+d; ftsubs(f,x,t); luasaft*d; luasaluasa+luasa; ed %metode segempat tegah (mdpot rule) tx-d/; luast0; for :b tt+d; ftsubs(f,x,t); luastft*d; luastluast+luast; ed %metode segempat bawah luasb0; tx; for :b D 4

5 Semar Nasoal Tekolog 007 (SNT 007) ISSN : ftsubs(f,x,t); luasbft*d; luasbluasb+luasb; tt+d; ed fprtf('%4d %.7f %.7f %.7f\',b,luasa,luast,luasb); bb+00; ed fprtf('\'); 4. HASIL PERCOBAAN Dambl cotoh kasus sebaga berkut: Htug 4 x dx. Secara aalts permasalaha datas dapat dselesaka sebaga berkut: 4 x dx x Dega megguaka mplemetas algortma ketga atura d atas ddapat output sebaga berkut (dega tgkat ketepata 7 agka dbelakag koma utuk atura ttk tegah): Masukka persamaa x^ Masukka batas bawah Masukka batas atas 4 Jml pael PPA PPT PPB D 5

6 Semar Nasoal Tekolog 007 (SNT 007) ISSN : PEMBAHASAN Dega melhat hasl percobaa datas terlhat bahwa utuk jumlah pael berapapu atura ttk tegah memberka hasl yag lebh medekat kepada hasl yag sebearya. Dega tgkat ketepata 7 agka dbelakag koma, atura ttk tegah memberka hasl bear dega jumlah pael.500. Sedagka dua metode laya sampa dega pael (hasl tdak dlamprka), baru mecapa tgkat ketepata agka dbelakag koma. Dega melhat vsualsas pada tga gambar datas bsa djelaska bahwa metode ttk tegah megambl rata-rata tgg perseg pajag dar ttk tegah lebar perseg pajagya. Metode segempat bawah megguaka batas bawah terval utuk pajag segempatya, sedagkat metode persegempat atas megguaka batas atas terval utuk pajag persegempatya. Sehgga hasl utuk metode segempat tegah aka ampak sebaga ttk tegah atara metode segempat atas da segempat bawah. Dega melhat kelebha/kekuraga luasa yag dhaslka oleh ketga metode datas, telhat pula metode segempat atas mempuya kelebha palg besar (error palg besar postf). Metode segempat tegah mempuya sedkt kekuraga pada daerah haslya (error palg kecl egatf). Metode segempat bawah mempuya bayak kekuraga pada daerah haslya (error palg besar egatf). 6. KESIMPULAN Dar ketga atura segempat datas, atura segempat tegah (mdpot rule) lebh cepat koverge dbadg dega dua metode laya. I dapat dmegert dega mudah, karea dalam metode kekuraga/kelebha luasa yag ada, lebh kecl jka dbadgka dega dua metode laya. D 6

7 Semar Nasoal Tekolog 007 (SNT 007) ISSN : DAFTAR PUSTAKA [] Gary J. Lastma & Naresh K. Sha, 000, Mcrocomputer-Based Numercal Methods for Scece ad Egerg. [] MatLab 6 Help. [] Wllam J Palm, 004, Itroducto to MatLab 6 for Egeers, The McGraw-Hll Compaes, Ic. [4] [5] 45-met_um_-p.ppt D 7

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

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

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

Lebih terperinci

UKURAN PEMUSATAN & PENYEBARAN

UKURAN PEMUSATAN & PENYEBARAN UKURAN PEMUSATAN & PENYEBARAN RATA - RATA UKURAN PEMUSATAN MEDIAN MODUS Rata rata htug (mea) Merupaka hasl bag dar sejumlah skr dega bayakya respde Utuk Data Tdak Berkelmpk x Dmaa : = la samapa x = la

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

NPV DAN IRR IR. ASEP TOTO KARTAMAN, MENG

NPV DAN IRR IR. ASEP TOTO KARTAMAN, MENG DAN IRR IR. ASEP TOTO KARTAMAN, MENG SEMESTER PENDEK SEMESTER TAHUN AKADEMIK 03-04 Prod Tekk Idustr Fakultas Tekk Uverstas Pasuda Badug 04 PERHITUNGAN KELAYAKAN INVESTASI. Net Preset Value () merupaka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, BAB LANDASAN TEORI Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut varabel tak bebas (depedet

Lebih terperinci

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Tgg tekaa [m] UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 11 Desember 017 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 50%] Sebuah PDAM melakuka pegukura

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

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

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

Lebih terperinci

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

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 19 Desember 016 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 40%] Hasl pegukura sampel d beberapa sekolah da

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB

IMPLEMENTASI INTERPOLASI LAGRANGE UNTUK PREDIKSI NILAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATLAB Semnar Nasonal Teknolog 007 (SNT 007) ISSN : 1978 9777 Yogakarta, 4 November 007 IMPEMENTASI INTERPOASI AGRANGE UNTUK PREDIKSI NIAI DATA BERPASANGAN DENGAN MENGGUNAKAN MATAB Krsnawat STMIK AMIKOM Yogakarta

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

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

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

Lebih terperinci

PELABELAN HARMONIS GANJIL PADA GRAF

PELABELAN HARMONIS GANJIL PADA GRAF Jural EduTech ol. No. Maret 08 ISSN: -60 e-issn: -06 PELABELAN HARMONIS GANJIL PADA GRAF Zulf Amr, Arda Aula, Army Syella, Harsma Pratamal, Saftr Ramadha, Charusa Uverstas Muhammadyah Sumatera Utara zulfamr@umsu.ac.d;

Lebih terperinci

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK INTERPOASI INTERPOASI INIER INTERPOASI KUADRATIK INTERPOASI POINOMIA Dua ttk data : Gars Tga ttk data : Kuadratk g Empat ttk data :Polomal tgkat-3 Dketahu: ttk data ( y ) ( y ) ( y ) D ttk data :Polomal

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENGINTEGRALAN KOMPLEKS

BAB I PENGINTEGRALAN KOMPLEKS BAB I PENGINTEGRALAN OMPLES . Itegral Gars Sebelum membcaraka tegral gars terlebh dahulu aka dbahas kurva kurva mulus ltasa da retas suatu ltasa. Ltasa urva legkuga d bdag datar dapat dataka dalam betuk

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

3.1 Biaya Investasi Pipa

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

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

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

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

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

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

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

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

Lebih terperinci

Edge Anti-Magic Total Labeling dari

Edge Anti-Magic Total Labeling dari Edge At-Magc Total Labelg dar Charul Imro da Suhud Wahyud Jurusa Matematka Isttut Tekolog Sepuluh Nopember Surabaya mro-ts@matematka.ts.ac.d, suhud@matematka.ts.ac.d C Abstract We wll fd edge at-magc total

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

Pertemuan VII IV. Titik Berat dan Momen Inersia

Pertemuan VII IV. Titik Berat dan Momen Inersia Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

Lebih terperinci

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

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

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

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

Lebih terperinci