Notasi Asimtot untuk Analisis Efisiensi Waktu
|
|
- Sudomo Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Notasi Asimtot utuk Aalisis Efisiesi Waktu Aalisis Algoritma 14/09/2006 CS3024-FAZ 1
2 Isi Notasi Asimtot: O (big oh) (big omega) (big theta) Kelas-kelas Efisiesi Dasar CS3024-FAZ 2
3 Pada bahasa berikut t() & g(): setiap fugsi o egatif didefiisika pada sekumpula agka alami t() algoritma ruig time Biasaya dididikasika oleh perhituga operasi dasarya C() g() beberapa fugsi sederhaa utuk membadigka perhituga dega CS3024-FAZ 3
4 O(g()): Iformally O(g()) adalah kumpula semua fugsi dega tigkat pertumbuha lebih kecil atau sama dega g() Cotoh: O( 2 ); O( 2 ) ½ (-1) O( 2 ) 3 O( 2 ); O( 2 ); O( 2 ) CS3024-FAZ 4
5 (g()): Iformally (g()) kumpula semua fugsi dega tigkat pertumbuha lebih besar atau sama dega g() Examples: 3 ( 2 ) ½ (-1) ( 2 ) ( 2 ) CS3024-FAZ 5
6 (g()): Iformally (g()) adalah kumpula semua fugsi dega tigkat pertumbuha sama dega g() Examples: a 2 +b+c; a>0 ( 2 ); 2 +si ( 2 ) ½ (-1) ( 2 ); 2 +log ( 2 ) ( 2 ); 3 ( 2 ) = CS3024-FAZ 6
7 Notasi-O: Formally DEF1: Sebuah fugsi t() dikataka himpua bagia dari O(g()),ditujukka oleh t() O(g()), jika t() di batas atas beberapa pegali kotsta dari g() utuk semua ukura Cotoh: terdapat beberapa kostata positif c da beberapa iteger oegatif 0, yaitu: t() cg() utuk semua 0 CS3024-FAZ 7
8 Ilustrasi :t() O(g()) cg() t() does't matter 0 CS3024-FAZ 8
9 Cotoh: O( 2 ) DEF1: cari c ad 0, sehigga t() cg() utuk semua (for all 5) = c=101, 0 = (for all 1) = c=105, 0 =1 CS3024-FAZ 9
10 -otatio: Formally DEF2: Suatu fugsi t() dikataka himpua bagia dari (g()), ditujukka dega t() (g()), jika t() dibatasi dibawah beberapa pegali kosta dari g() for semua ukura Cotoh: terdapat beberapa kostata positif c da beberapa iteger oegatif 0, yaitu: t() cg() for all 0 CS3024-FAZ 10
11 Ilustrasi : t() (g()) t() cg() does't matter 0 CS3024-FAZ 11
12 Cotoh: 3 ( 2 ) DEF2: temuka c da 0, sehigga t() cg() utuk semua (for all 0) c=1, 0 =0 CS3024-FAZ 12
13 -otatio: Formally DEF3: Fugsi t() dikataka himpua bagaia (g()), ditujukka oleh t() (g()), jika t() dibatasi diatas da dibawah beberapa pegali tetap dari g() for utuk semua ukura Cotoh: terdapat beberapa kostata positif c da beberapa iteger oegatif 0, yaitu: c 2 g() t() c 1 g() for all 0 CS3024-FAZ 13
14 t() (g()): Illustratio c 1 g() t() does't matter c 2 g() 0 CS3024-FAZ 14
15 Cotoh: ½(-1) ( 2 ) DEF3: temuka c 1 da c 2 da beberapa iteger oegatif 0, sehigga c 2 g() t() c 1 g() for all 0 Batas atas ½ (-1) = ½ 2 ½ ½ 2 (for all 0) Batas bawah : ½ (-1) = ½ 2 ½ ½ 2 - ½ ½ (for all 2) = ¼ 2 c 1 = ½, c 2 = ¼, 0 = 2 CS3024-FAZ 15
16 Kelas-kelas Efisiesi Dasar Efisiesi waktu sejumlah besar algoritma terbagi ke dalam beberapa kelas 1, log,, log, 2, 3, 2,! Kostata pegali diabaika algoritma pada efisiesi yag lebih buruk mugki saja memproses lebih cepat dibadig algoritma pada efisesi yag lebih baik Cotoh Alg A: 3, alg B: ; kecuali > 10 6,alg B memproses lebih cepat daripada alg A CS3024-FAZ 16
17 Class: 1 Nama: costat Kometar: Efisiesi pada kasus terbaik Haya sedikit cotoh yag ada ruig time algoritma biasaya aka mejadi tak terbatas ketika ukura iputya meigkat tak terbatas CS3024-FAZ 17
18 Class: log Nama: logarithmic Kometar: Biasaya merupaka hasil pemotoga ukura problem dega faktor kosta pada tiap iterasi algoritma Algoritma logaritmik tidak dapat meerima semua iput atau bahka pembagia tetap dari iput tersebut: sembarag algoritma yag melakukaya setidakya aka memiliki liear ruig time CS3024-FAZ 18
19 Class: Nama: liear Kometar: Algoritma yag memeriksa sebuah daftar dega ukura (cotoh: pecaria sekuesial) termasuk dalam class ii CS3024-FAZ 19
20 Class: log Nama: -log- Kometar: Bayak algoritmadivide-ad-coquer, termasuk merge sort ad quick sort pada kasus average, masuk dalam class ii CS3024-FAZ 20
21 Class: 2 Nama: quadratic Kometar: Khususya, algoritma yag megkarakterisasi efisiesi megguaka dua loopig yag diembed Cotoh stadar: algoritma sortig dasar da operasi tertetu pada matrik -by- CS3024-FAZ 21
22 Class: 3 Nama: cubic Kometar: Biasaya, algoritma yag megkarakterisasi efisiesi megguaka dua loopig yag diembed Beberapt algoritma otrivial dari aljabar liear masuk ke dalam class ii CS3024-FAZ 22
23 Class: 2 Nama: expoetial Kometar: Diguaka khusus utuk algoritma yag megeerate seluruh subset suatu set dega - elemet Istilah expoetial setig diguaka utuk hal ii da bahka utuk algoritma dega tigkat pertumbuha yag lebih cepat CS3024-FAZ 23
24 Class:! Nama: factorial Kometar: Khusus utuk algoritma yag dipakai utuk me-geerate semua permutasi suatu set dega -elemet CS3024-FAZ 24
25 Properti yag bergua Teorema: Jika t 1 () O(g 1 ()) da t 2 () O(g 2 ()), maka t 1 () + t 2 () O(max{g 1 (), g 2 ()}) Teorima tersebut berlaku juga pada otasi ad CS3024-FAZ 25
26 Cotoh Alg yag dipakai utuk memeriksa apakah dalam array terdapat eleme yag sama: 1. Sort the array 2. Sca array yag telah di sort utuk memeriksa kesamaa eleme berikutya (1) = ½(-1) compariso O( 2 ) (2) = -1 compariso O() The efficiecy of (1)+(2) = O(max{ 2,}) = O( 2 ) CS3024-FAZ 26
27 Usig Limits for Comparig OoG A coveiet method for comparig order of growth of two specific fuctios Three pricipal cases: lim 0 t( ) c g ( ) implies implies implies that t()has that t()has that t()has a smaller OoG tha g() thesame OoG as g() a larger OoG tha g() The first two cases t() O(g()); the last two cases t() (g()); the secod case aloe t() (g()) CS3024-FAZ 27
28 Limit-based: why coveiet? It ca take advatage of the powerful calculus techiques developed for computig limits, such as L Hopital s rule Stirlig s formula lim t( ) g( ) lim t'( ) g'( )! 2 e for large value of CS3024-FAZ 28
29 Example (1) Compare OoG of ½(-1) ad ( 1) lim lim lim The limit = c ½(-1) ( 2 ) Compare OoG of log 2 ad 1 log (log 2 )' (log 2 e) lim 2 lim lim 2log 2 elim 1 ( )' The limit = 0 log 2 has smaller order of 2 0 CS3024-FAZ 29
30 Example (2) Compare OoG of! ad 2. lim! 2 lim 2 2 e lim 2 2 e lim 2 2e The limit =! (2 ) CS3024-FAZ 30
31 Exercises (1) 1. True or false: (+1)/2 O( 3 ) (+1)/2 O( 2 ) (+1)/2 ( 3 ) (+1)/2 () 2. Idicate the class (g()): ( 2 +1) 10 ( ) ½ 2 log (+2) 2 +(+2) 2 log (/2) CS3024-FAZ 31
32 Exercises (2) 3. Prove that every polyomial p() = a k k + a k-1 k a 0 with a k > 0 belogs to ( k ) 4. Prove that expoetial fuctios a have differet orders of growth for differet values of base a > 0 CS3024-FAZ 32
33 Exercises (3) 5. You are facig a wall that stretches ifiitely i both directios. There is a door i the wall, but you kow either how far away or i which directio. You ca see the door oly whe you are right ext to it. Desig a algorithm that eables you to reach the door by walkig at most O() steps where is the (ukow to you) umber of steps betwee your iitial positio ad the door. CS3024-FAZ 33
Program Attributes. Algorithm Analysis. Time Consumption. Algoritma
Algorithm Aalysis Kita perlu memproses jumlah data yag sagat besar. Harus diyakika bahwa program berheti dalam batas waktu yag wajar (reasoable) Tidak terikat pada programmig laguage atau bahka metolodologi
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 3 Notasi Asymptotic dan Kelas Dasar Efisiensi
Desig ad Aalysis of Algorithms CNH2G3- Week 3 Notasi Asymptotic da Kelas Dasar Efisiesi Dr. Putu Harry Guawa (PHN) Review. What the complexity of the followig pseudocode for to : for y
Lebih terperinci6. 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 terperinciLIMIT. = 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 terperinciSecara 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 terperinci2 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 terperinciI. 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 terperinciII. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <
II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 3: Notasi Asymptotic dan Kelas Dasar Efisiensi Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciDefinisi 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 terperinciBAB 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 terperinciInstitut 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 terperinciBAB 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 terperinciIII Sistem LTI Waktu Diskrit Sistem LTI Operasi Konvolusi Watak sistem LTI Stabilitas sistem LTI Kausalitas sistem LTI
III Sistem LTI Waktu Diskrit Sistem LTI Operasi Kovolusi Watak sistem LTI Stabilitas sistem LTI Kausalitas sistem LTI lts 1 III.1 Sistem LTI Sistem LTI Liear Time Ivariat Liear Tak-ubah-Waktu Liear Shift
Lebih terperinciHendra Gunawan. 14 Februari 2014
MA20 MATEMATIKA 2A Hedra Guawa Semester II, 203/204 4 Februari 204 Sasara Kuliah Hari Ii 9. Barisa Tak Terhigga Memeriksa kekovergea suatu barisa da, bila mugki, meghitug limitya 9.2 Deret Tak Terhigga
Lebih terperinciDistribusi 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 terperinciBAB I ALGORITMA. Buku Ajar Metode Numerik, didanai oleh Proyek HEDS tahun
BAB I ALGORITMA 1.1. Pedahulua Algoritma memegag peraa petig dalam bidag pemrograma. Sebegitu petigya suatu algoritma, sehigga perlu dipahami kosep dasar algoritma. Apalagi utuk seorag programer, tetu
Lebih terperinciPersamaan 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 terperinciBAB 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 terperinciBab 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 terperinciBAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor
Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat
Lebih terperinciHendra 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 terperinciTINJAUAN 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 terperinciHimpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia
Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya
Lebih terperinciBARISAN DAN DERET. Nurdinintya Athari (NDT)
BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga
Lebih terperinciProbabilitas 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 terperinciCATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis
CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da
Lebih terperinciKompleksitas 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 terperinciProgram 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 terperinciBarisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1
Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciBARISAN TAK HINGGA DAN DERET TAK HINGGA
BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi
Lebih terperinciDERET DAN APROKSIMASI
DERET DAN APROKSIMASI D E R E T M A C L A U R I N D E R E T T A Y L O R COURTESY: IDRIS M. KAMIL DAN ROFIQ IQBAL TUJUAN Keapa perlu perkiraa? Perkiraa dibetuk dari ugsi palig sederhaa polyomial. Kita bisa
Lebih terperinciBAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET
Pertemua 7. BAHAN AJAR ANALISIS REAL Matematika STKIP Tuaku Tambusai Bagkiag 5. da kekovergeaya 5. DERET Diberika sebuah barisa a, dapat didefeisika barisa bilaga real S N dega S N := N a = a + a 2 +...
Lebih terperinciPendekatan 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 terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas
Lebih terperinci1 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 terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi
Lebih terperinciDeret dan Aproksimasi. Deret MacLaurin Deret Taylor
Deret da Aproksimasi Deret MacLauri Deret Taylor Tujua Keapa perlu perkiraa? Perkiraa dibetuk dari ugsi palig sederhaa polyomial. Kita bisa megitegrasika da medieresiasi dega mudah. Kita bisa guaka saat
Lebih terperinciModul 1. (Pertemuan 1 s/d 3) Deret Takhingga
Modul. (Pertemua s/d ) Deret Takhigga. Deret Tidak Terhigga. Pembicaraa kita sekarag deret pada umumya. Deret yag bayakya suku tak terbatas disebut deret tak higga, otasi : Masalah pokok pada deret tak
Lebih terperinciPEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati
Jural Matematika Muri da Terapa εpsilo Vol. 07, No.01, (2013), Hal. 33 44 PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati Program Studi Matematika Fakultas Sais da Tekologi UIN Sua Kalijaga Yogyakarta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)
Lebih terperinciTINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas
II. TINJAUAN PUSTAKA 2.1 Ruag Vektor Defiisi 2.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da (F,,. ) lapaga dega eleme idetitas 1. V disebut ruag vektor (vector space) atas F jika ada operasi
Lebih terperinciII LANDASAN TEORI. Sebuah bilangan kompleks dapat dinyatakan dalam bentuk. z = x jy. (2.4)
3 II LANDASAN TEORI 2.1 Peubah Kompleks da Fugsi Kompleks Sebuah bilaga kompleks dapat diyataka dalam betuk z = x + jy, (2.1) dega x da y adalah bilaga-bilaga real da j = 1. Bilaga x disebut bagia real
Lebih terperinciInfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 2, No.1, Februari 2013
IfiityJural Ilmiah Program Studi Matematika STKIP Siliwagi Badug, Vol 2, No.1, Februari 2013 KEKONTINUAN FUNGSI PADA RUANG METRIK Oleh: Cece Kustiawa Jurusa Pedidika Matematika FPMIPA UPI, cecekustiawa@yahoo.com
Lebih terperinciBarisan dan Deret. Modul 1 PENDAHULUAN
Modul Barisa da Deret Reto Wika Tyasig Ada P PENDAHULUAN okok bahasa dalam modul ii terdiri atas dua kegiata belajar. Yag pertama tetag barisa, yag kedua tetag deret da cotoh-cotoh pemakaia deret. Pembahasa
Lebih terperinciMAKALAH 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 terperinciKompleksitas 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 terperinciKekeliruan dalam Perhitungan Numerik dan Selisih Terhingga Biasa
Modul 1 Kekelirua dalam Perhituga Numerik da Selisih Terhigga Biasa D PENDAHULUAN Dr. Wahyudi, M.Pd. i dalam pemakaia praktis, peyelesaia akhir yag diigika dari solusi suatu permasalaha (soal) dalam matematika
Lebih terperinciDERET Matematika Industri 1
DERET TIP FP UB Pokok Bahasa Barisa Deret Deret aritmetik Deret geometrik Deret pagkat dari bilaga-bilaga asli Deret tak berhigga Nilai-ilai limit Deret koverge da deret diverge Uji kovergesi Deret secara
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciREGRESI 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 terperinciBAB 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 terperinciJURNAL 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 terperinciBAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga
BAB V. INTEGRAL 5.. Ati Turua (Itegral Tak-tetu) Defiisi: F suatu ati-turua f pada selag I jika da haya jika D F() = f() pada I, yaki F () = f() utuk semua dalam I. (Jika suatu titik ujug I, F () haya
Lebih terperinciHimpunan 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 terperinciDesign and Analysis Algorithm
Design and Analysis Algorithm Pertemuan 02 Drs. Achmad Ridok M.Kom Fitra A. Bachtiar, S.T., M. Eng Imam Cholissodin, S.Si., M.Kom Aryo Pinandito, MT Contents 31 2 Analisis Algoritma Analisis Efisiensi
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA Pada bab ii aka dituliska beberapa aspek teoritis berupa defiisi, teorema da sifat-sifat yag berhubuga dega aljabar liear, struktur aljabar da teori kodig yag diguaka sebagai
Lebih terperinciMETODE 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 terperinciBAB 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 terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciInduksi 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) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,...
SISEM PERSAMAAN LINIER DAN MARIKS. SISEM PERSAMAAN LINIER Secara umum, persamaa liier dega variabel ( x, x,..., x ) didefiisika sebagai persamaa yag dapat diyataka dalam betuk: a x a x a x b... dega a,
Lebih terperinciPenyelesaian 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 terperinciARRAY. Pertemuan 2. Array dapat didefinisikan sebagai suatu himpunan hingga elemen yang terurut dan homogen.
ARRAY Pertemua Array atau Larik merupaka Struktur Data Sederhaa yag dapat didefiisika sebagai pemesaa alokasi memory semetara pada komputer. Array dapat didefiisika sebagai suatu himpua higga eleme yag
Lebih terperinciBatas Bilangan Ajaib Pada Graph Caterpillar
J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu
Lebih terperinciPENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI
PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI Nadya Zulfa Negsih, Bustami Mahasiswa Program Studi S Matematika Dose Jurusa Matematika
Lebih terperincix = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Lebih terperinciAn = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3
BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciPengertian Secara Intuisi
Pegertia Secara Ituisi Coba Gambarka grafik fugsi-fugsi berikut.. f ( ) +, pada [0,].. ) pada [0, ] da.. Dari grafik fugsi yag kamu peroleh, apa yag dapat kamu kataka tetag ilai-ilai ketiga fugsi tersebut
Lebih terperinciAlgoritma dan Struktur Data
Algoritma dan Struktur Data Click to edit Master subtitle style Pertemuan 3 Pengantar Analisis Efisiensi Algoritma Analisa efisiensi algoritma bertujuan mengestimasi waktu dan memori yang dibutuhkan untuk
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciHUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI. Oleh : Ambar Mujiarti J2A
HUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI Oleh : Ambar Mujiarti J2A 004 003 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2009
Lebih terperinciPERBANDINGAN HASIL PENGUJIAN INTERCEPT
IdoMS Joural o Statistics Vol., No. (3), Page 35-47 PERBANDINGAN HASIL PENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM DAN MINIMUM PADA UJI-UJI TERKAIT NON-SAMPLE PRIOR INFORMATION PADA MODEL REGRESI SEDERHANA
Lebih terperinciBARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1
BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka
Lebih terperinciSIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL
SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL Riza Febri Yusma Sri Gemawati Asli Sirait *riza_febri@yahoo.com Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiveritas
Lebih terperincioleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka
Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak
Lebih terperinciBab 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 terperinciStatistik Bisnis 2. Week 5 Comparing the Means of Two Independent Populations
Statistik Bisis Week 5 Comparig the Meas of Two Idepedet Populatios Learig Objectives The meas of two idepedet populatios The meas of two related populatios I this chapter, you lear how to use hypothesis
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinci,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.
PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO SOAL UJIAN TENGAH SEMESTER GENAP TA 03/04 Mata Ujia : Aalisis Real Tipe Soal : REGULER Dose : Dr. Jula HERNADI Waktu : 90 meit Hari, Taggal : Selasa,
Lebih terperinciAn = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3
SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a
Lebih terperinciMetode Akra-Bazzi Sebagai Generalisasi Metode Master Dalam Menyelesaikan Relasi Rekurensi
JURNAL FOURIER Oktober 2013, Vol. 2, No. 2, 63-72 ISSN 2252-763X Metode Akra-Bazzi Sebagai Geeralisasi Metode Master Dalam Meyelesaika Relasi Rekuresi Muchammad Abrori Program Studi Matematika Fakultas
Lebih terperinciHALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.
Didowload dari ririez.blog.us.ac.id HALAMAN 36 37 5. Dega defiisi limit barisa buktika limit berikut ii : a. lim = 0 lim 1 2 + 3 = 0 > 0 h 1 = 2 + 3 0 = 1 2 + 3 1 2 1 2 1 2 < jadi terbukti bahwa lim =
Lebih terperinciBAB 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 terperinciFungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.
Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A
Lebih terperinciSistem Bilangan Kompleks (Bagian Ketiga)
Sistem Bilaga Kompleks (Bagia Ketiga) Supama Jurusa Matematika, FMIPA UGM Yogyakarta 55281, INDONESIA Email:maspomo@yahoo.com, supama@ugm.ac.id (Pertemua Miggu III) Outlie 1 Akar Bilaga Kompleks 2 Akar
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciDeret Fourier. Modul 1 PENDAHULUAN
Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi
Lebih terperinciBab IV. Penderetan Fungsi Kompleks
Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara
Lebih terperinciMATEMATIKA DISKRIT FUNGSI
1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari
Lebih terperinciPENERAPAN 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 terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciBAB VI DERET TAYLOR DAN DERET LAURENT
BAB VI DERET TAYLOR DAN DERET LAURENT. Deret Taylor Misal fugsi f() aalitik pada - < R ( ligkara dega pusat di da jari-jari R ). Maka utuk setiap titik pada ligkara itu, f() dapat diyataka sebagai : f
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinci