27/04/2015 GAME THEORY GAME THEORY GAME THEORY GAME THEORY. Prisoner s Dilema OPERATIONAL RESEARCH II

Ukuran: px
Mulai penontonan dengan halaman:

Download "27/04/2015 GAME THEORY GAME THEORY GAME THEORY GAME THEORY. Prisoner s Dilema OPERATIONAL RESEARCH II"

Transkripsi

1 7/0/05 GAME THEORY OPERATONAL RESEARCH Agusta Euke, ST., MT., MBA. dustral Egeerg Uversty of Brawaya Teor peraa erupaka baga dar stud ratoal behavor terhadap kesalgtergatuga atau terdepedes atar pea. Para pea elk persaaa kepetga utuk edapatka baga keutuga sebesar ugk. Para pea elk kepetga yag salg bersgguga utuk eaksalka baga keutuga asg-asg. GAME THEORY GAME THEORY Pegabla keputusa rasoal seorag pea ebutuhka atspas terhadap respo pesag. Ekspektas terhadap perlaku pesag tdaklah selalu sesua harapa. ketdakpasta ead pertbaga petg dar peraa. Setap pea bera rasoal, dega asus elk teleges yag saa, da tuua saa, yatu eaksuka payoff, dega krtera aks da aks. Terdr dar pea, keutuga bag salah satu pea erupaka keruga bag pea la. Tuua dar teor peraa adalah egdetfkas strateg yag optal GAME THEORY Syarat da Ketetua: Tabel yag dsusu euukka keutuga pea bars, da keruga pea kolo. Prsoer s Dlea Dua orag dtagkap oleh pols da ddakwa ead pelaku tdaka yag elawa huku. Dua orag tersebut dtaha dala ruag yag terpsah sehgga keduaya tdak bsa utuk berkoukas. Peraa dkataka adl ka hasl akhr eghaslka la ol (0), tdak ada yag eag/kalah.

2 7/0/05 Prsoer s Dlea Dua orag tersebut aka dterogas da sebelu dterogas kedua tersagka tersebut dber tahu bahwa: Jka salah satu egaku da yag la tdak egaku, aka yag egaku aka bebas da yag tdak egaku aka edapat hukua 0 tahu peara. Jka dua-duaya tdak egaku aka keduaya aka dpeara selaa tahu. Jka dua tersagka tersebut egaku aka keduaya aka dpeara selaa 5 tahu. Apakah yag seharusya dlakuka oleh kedua tersagka tersebut?? Prsoer s Dlea Plha tdaka (strateg) yag bsa dplh oleh kedua tersagka tersebut beserta kosekuesya dapat dgabarka sebaga berkut: Tdaka yag aka dabl Tersagka Tersagka Jka a egaku aka keugka a aka dhuku 5 tahu ka teryata tersagka uga egaku atau aka bebas ka tersagka tdak egaku. Jka a tdak egaku aka keugka a aka dhuku 0 tahu ka teryata tersagka egaku atau aka dhuku tahu kalau tersagka uga tdak egaku. Apapu tdaka yag aka dabl oleh tersagka, bag tersagka aka selalu lebh egutugka utuk egaku! Tdaka yag aka dabl Tersagka Tersagka Jka a egaku aka keugka a aka dhuku 5 tahu ka teryata tersagka uga egaku atau aka bebas ka tersagka tdak egaku. Jka a tdak egaku aka keugka a aka dhuku 0 tahu ka teryata tersagka egaku atau aka dhuku tahu kalau tersagka uga tdak egaku. Apapu tdaka yag aka dabl oleh tersagka, bag tersagka aka selalu lebh egutugka utuk egaku! yag aka dabl oleh tersagka da tersagka Berdasarka aalsa tersebut aka bsa dpastka keduaya aka egaku!! Kedua orag tersebut aka dhuku selaa 5 tahu! Apakah yag aka terad kalau ereka dperbolehka berkoukas?? Keduaya aka bekerasaa da asg-asg aka tutup ulut sehgga ereka asg-asg haya aka dhuku selaa tahu. Apakah yag aka terad kalau ereka dperbolehka berkoukas??

3 7/0/05 Apakah yag aka terad kalau ereka dperbolehka berkoukas?? tsar Prsoer s Dlea Kedua pea aka elk kods lebh bak apabla ereka dapat bekera saa atau kooperatf dala eecahka asalah Oleh karea tu, pols aka esahka tersagka ke dala ruag terogas berbeda Ttk kesebaga atau equlbru tdak harus efse. Ttk kesebaga o-kooperatf d dala Prsoer s Dlea eghaslka peecaha asalah yag buka erupaka hasl terbak yag dkehedak kedua phak Nash Equlbru Tdak ada satu peapu yag elk setf utuk egubah strateg, terhadap plha pea laya. Apabla keduaya egaku, aka ttk kesebaga tercapa yag dsebut sebaga Nash Equlbru Apabla keduaya tdak egaku, aka tdak dapat dkategorka sebaga Nash Equlbru, karea pesag aka selalu g elawa atau eberotak Nash equlbru s a soluto cocept of a o-cooperatve gae volvg two or ore players, whch each player s assued to kow the equlbru strateges of the other players, ad o player has aythg to ga by chagg oly ther ow strategy Two-Perso, Zero Su Gaes Melbatka haya dua orag player Julah peroleha player peeag saa dega ulah keruga player yag kalah et wg kedua player saa dega ol Karakterstk two-perso gae Ada plha strateg utuk player Ada plha strateg utuk player Ada tabel payoff Two-Perso, Zero Su Gaes Atura yag dtetapka dawal terkat tdaka yag harus dberka pada stuas tertetu, utuk tap tahap peraa. Tabel Payoff Meuukka peroleha pea yag dhaslka dar tap kobas strateg tap pea. Two-Perso, Zero Su Gaes Asus: Kedua pea adalah rasoal Kedua pea elh strateg yag edorog keseahteraaya sedr.

4 7/0/05 Gae Odds ad Eves Gae Odds ad Eves Setap player salg euukka satu atau dua ar secara bersaaa. Bla bayakya ar yag keluar saa sehgga ulahya geap aka player eeagka taruha sebesar $ dar player, da sebalkya tap player euukka satu atau dua ar Payoff Table for the Odds ad Eves Gae Strategy Player Player - - Poltcal Capag Proble Poltcal Capag Proble Dua orag polts salg bersag utuk dapat duduk d kurs DPR. Kapaye harus dlakuka pada dua har terakhr. Kedua polts tersebut berkega eghabska asa kapaye d dua kota, Surabaya da Malag. Agar waktu yag dlk dapat dguaka dega efektf da efse, ereka erecaaka utuk utuk elakuka peralaa d ala har da eghabska waktu har peuh pada tap kota atau dua har peuh pada satu kota. Utuk pegatura yag optal, tap polts elakuka pegukura terhadap dapak yag dapat dperoleh (ugk eag atau kalah) dar berbaga varas waktu tggal, bak utuk drya aupu lawa poltkya. aa yag terbak utuk dguaka oleh polts tersebut? : eghabska satu har d asg-asg kota : eghabska dua har d Surabaya : eghabska dua har d Malag Forulas Tabel Payoff utuk Poltcal Capag Proble Varas :Doated Strategy Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts

5 7/0/05 Varas Varas Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Varas Varas Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Varas Max Max Kedua polts egabl strateg Polts aka edapatka payoff sebesar dar polts (polts erebut.000 suara dar polts ) Payoff la gae Far gae la gae = 0 Ufar gae la gae 0 Pea strateg ax Setap strateg dcar keugka terburukya, Plh strateg yag keugka terburukya elk payoff yag terbesar ka dbadgka dega strateg yag la. Pea strateg ax Dasar pekra saa dega ax pada pea. Pada tabel payoff la yag besar (postf) ustru euukka keruga yag besar pada pea sehgga ax ead ax! 5

6 7/0/05 Varas Varas : Max Crtero Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Mu ax Maksu Max Varas Nla gae = 0 far gae Player (polts) elh strateg dega u payoff terbesar (ax) Player (polts) elh strateg dega axu payoff terkecl (ax) Max = ax saddle pot stable soluto Varas Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Varas Total Peroleha Suara yag Deagka Polts (x.000 suara) Polts Polts Mu ax Maksu 5 Max Varas Max Max Tdak ada saddle pot Ustable soluto Tdak dapat dselesaka dega pure strategy Dselesaka dega xed strateges 6

7 7/0/05 Latha : Latha : Tetuka strateg optal utuk tap pea dega egguaka doated strategy beserta la payoff-ya. Berka daftar strateg doas dar tap pea yag dguaka utuk egelas strategya Tetuka saddle pot -ya GAME THEORY MXED STRATEGY x = probabltas player egguaka strateg ; =,,, y = probabltas player egguaka strateg, =,,, p = payoff ka player egguaka strateg ur da player egguaka strateg ur v* = payoff optal v * x y p x y Player Player : EPO Proba bltas y y y x p p p x p p p EPO** : : : : : x p p p p x y px y px y p x y p x y p x y **EPO: Expected Payoff 7

8 7/0/05 Mxed strateges Max theore f xed strateges are allowed, the par of xed strateges that s optal accordg to the ax crtero provdes a stable soluto wth v = v = v (the value of the gae), so that ether player ca do better by ulaterally chagg hs strategy Solus Optal Player elh strateg x yag eaksuka EPO terkecl dala kolo (ax EPO) Player elh strateg y yag euka EPO terbesar dala bars (ax EPO) v ax x v ax y daa v v * a x, optaldcapa bla v v v a y, a x,..., a y,..., ax a y Cotoh utuk varas Player (x, x, x ) = (½, ½, 0) Player (y, y, y ) = (0, ½, ½) Player Reduced Payoff Table for Varato Probablty Probablty Pure strategy Player y y y x 0 - x 5 - (y, y, y ) Expected Payoff (, 0, 0) 0x + 5( x ) = 5 5x (0,, 0) x + ( x ) = 6x (0, 0, ) x ( x ) = + 5x 8

9 expected payoff 7/0/05 6 ax pot 5 0 x - 0 0,5 0,5 0,75 Mu EPO utuk player dtada dega gars batas yag teredah dar gars dala grafk Max EPO utuk player ttk potog tertgg yag terletak pada gars batas u EPO Ttk potog gars ( 6x ) da (- + 5x ) x x 5x 7 x 7 x x 7 v 6x 6 7 v 5x 5 7 Ttk ax utuk player dhaslka dar perpotoga atar grafk EPO player ka player elh pure strategy da y = 0 y = y y = y Player Reduced Payoff Table for Varato Probablty Probablty Pure strategy Player y = 0 y = y y = y x 0 - x 5 - (x, x ) Expected Payoff (, 0) y + ( y ) = y (0, ) y ( y ) = + 7y 9

10 7/0/05 y y 7 y 5 y 5 y y 5 6 v y 5 v 7 y 7 5 capura yag dplh player = (x *, x *, x * ) = (7/, /, 0) capura yag dplh player = (y *, y *, y * ) = (0, 5/, 6/) Nla gae optal = v* = / Perasalaha Two Perso Zero Su Gaes dapat dselesaka dega etode graphcal bla tabel payoff ebetuk atrks x atau x Perasalaha Two Perso Zero Su Gaes dega tabel payoff yag ebetuk atrks x dapat dselesaka dega ler prograg Player Cotoh: x Besar Keeaga Player Player Mu Maksu 5 6 Max } ax Cotoh: x Besar Keeaga Player Player Probabltas y y = y Probabltas PS Player Mu x x x 5 x Maksu 5 6 Cotoh: x (x, x, x, x ) Expected Payoff (, 0, 0, 0) y + ( y ) = y (0,, 0, 0) y + ( y ) = y (0, 0,, 0) 5y + ( y ) = + y (0, 0, 0, ) -y + 6( y ) = 6 8y 0

11 7/0/05 Cotoh: x Cotoh: x EPO 7 6 ttk aks 5 0 y - 0 0, 0, 0, 0, 0,5 0,6 0,7 0,8 0,9 - - EPO EPO EPO EPO y 0y 6 8y y 0, 0 y y 0, 0,7 v y,6,6 0, v 6 8y 6 8 0, Cotoh: x Ttk ax utuk player dhaslka dar perpotoga atar grafk EPO player ka player elh pure strategy da x = 0 x = 0 x = x x = x Player Cotoh: x Besar Keeaga Player Probablty Probablty Pure strategy Player y y x = 0 x = 0 x = x 5 x = x - 6 Cotoh: x Cotoh: x (y, y ) Expected Payoff (, 0) 5x ( x ) = + 7x (0, ) x + 6( x ) = 6 x 7x 0x 6 x 8 x 8 0,8 0 x x 0,8 0, v 7x,6 v 6 x,6 7 0,8 6 0,8

12 7/0/05 Cotoh: x capura yag dplh player = (x *, x *, x *, x * ) = (0; 0; 0,8; 0,) capura yag dplh player = (y *, y * ) = (0,; 0,7) Nla gae optal = v* =,6 GAME THEORY LNEAR PROGRAMMNG Ler Prograg Utuk perasalaha Two Perso Zero Su Gaes dega atrks payoff x Ler Prograg: Player z ST x p x x x x 0,,,..., K 0;,,..., Ler Prograg: Player ax z ST y p y y y y 0,,,..., K 0;,,..., Player Ler Prograg Tabel Payoff Player Player Mu Maksu

13 7/0/05 Nla ax postf K = 0 Nla ax egatf K la ax Ler Prograg Max = - 0 (ada keugka la v 0) o feasble soluto Dtabahka kostata K, daa = - = Msal: K = 5 Player Ler Prograg Tabel Payoff Player Player Ler Prograg: Player ax z x K Ler Prograg: Player ax z x 5 ST p x p p x p x x p x p x x p x p x 0,,, x p x x x x x x ST 8x x x x 8x x x x x x x x x 8x x x 0,,, ax = x - 5; LNGO LNGO 8*x + *x + x x >= 0; *x + 8*x + *x x >= 0; *x + *x + 8*x x >= 0; x + x + x = ;

14 7/0/05 Ler Prograg: Player z y K Ler Prograg: Player z y 5 ST p y p y p y y 0 p y p p y p y p y p y y y y 0,,,..., y y 0 y y 0 ST 8y y y y 0 y 8y y y 0 y y 8y y 0 y y y y 0,,,..., = y - 5; LNGO LNGO 8*y + *y + *y - y <= 0; *y + 8*y + *y - y <= 0; y + *y + 8*y - y <= 0; y + y + y = ; Hasl V = -0,6 (x, x, x) = (0,; 0,; 0,) (y, y, y) = (0,; 0,; 0,) Soal Pea Pea

15 7/0/05 Soal Pea Pea Soal Pea - Pea Soal: awab Refereces Pea = (0; /5; 0; /5; 0) Pea = (/5; 0; 0; /5; 0) Payoff = v* = /5 Hller, Frederck ad Lebera, Gerald J., troducto to Operatos Research, 7th ed, McGraw-Hll, New York, 00. Taha, Hady, Operato Research : A troducto, 8th ed, Pearso Educato c., NJ, 007. Wsto, Waye L., Operatos Research: Applcato & Algorths, th ed, Thoso Learg, Belot CA, 00. 5

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

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

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 Metode Perbaka ASM pada Masalah Trasportas Tak Sebag T - 35 Solkh Departee Mateatka FSM Uverstas Dpoegoro sol_erf@yahooco Abstrak Masalah trasportas

Lebih terperinci

METODE ASM PADA MASALAH TRANSPORTASI SEIMBANG

METODE ASM PADA MASALAH TRANSPORTASI SEIMBANG METODE AM PADA MAALAH TRANPORTAI EIMBANG Aru Rya eptaa 1, olkh 2, Luca Ratasar 3 1,2,3 Departee Mateatka, Fakultas as da Mateatka Uverstas Dpoegoro, Jl Prof oedarto, H earag, 5275 Eal: 2 solkh@lveudpacd

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

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

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

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari)

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari) Jural Sas Mateatka da Statstka, Vol. 3, No. 2, Jul 2017 ISSN 1693-2390 prt/issn 2407-0939 ole Peyelesaa Model Trasportas Megguaka Metode ASM, RDI da MODI (Stud Kasus : PT. Melayu Bu Lestar) Sr Basrat 1,

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

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

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

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 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

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

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

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ 5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

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

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

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

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

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

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

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT 68 Bud: PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT Dya Seta Bud ), Da Reto Sar Dew ), D Edah

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

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

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4) ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.

Lebih terperinci

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

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

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

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

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

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

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

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

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

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

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

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

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

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS 5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem

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

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

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

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

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

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

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

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

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

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

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

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

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

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 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

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

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION MODEL OPIMISASI POROFOLIO SAHAM DAN DEPOSIO SECARA ERINEGRASI MENGGUNAKAN MEAN ABSOLUE DEVIAION Husa Athfal Hdayat 1, De Saepud, Ira Palup 3 1,,3 Progra Stud Ilu Koputas elko Uversty, Badug 1 hshdayat@studets.telkouversty.ac.d,

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

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

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

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

PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri)

PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri) PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Stud Kasus pada PT. Busaa Ceerlag Garet Idustr) Maxs Ary Progra Stud Maaee Iforatka Akadek Maaee Iforatka da Koputer

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

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, smrd2007@gmal.com 2 Mathematcs Departmet, Gadah Mada Uverst, supama@ugm.ac.d

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

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

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

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

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA 58 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 9

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

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdg Sear Nasoal Mateatka, Statstka, da Aplkasya 017 3 Septeber 017, Saarda, Idoesa ISBN: 978-60-5031-0-3 Aalss Portofolo Optal Dega Model Sgle Idex utuk Saha yag Lstg pada Sektor Agr da Mg d Bursa Efek

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

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

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

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

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

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

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 II AKSIOMA PELUANG

BAB II AKSIOMA PELUANG II KSIOM PELUNG PENGNTR pakah peluag tu? pakah sebatas peluag muul gambar pada pelempara 1 mata uag yag setmbag adalah 0.5, atau peluag rs Joh aka mampu meg-ko lawa tadgya dalam pertadga tju adalah 0.6.

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA A IJAUA PUSAA Pada bab aka duraka egea dasar teor ag dguaka dala pegerjaa tugas akhr. eor ag dbahas atara la egea pegeala obek, Prcpal Copoet Aalss (PCA), Lear Dscrat Aalss (LDA), Subclass Dscrat Aalss

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

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

BAB 2 LANDASAN TEORI 2.1 Pemodelan

BAB 2 LANDASAN TEORI 2.1 Pemodelan BAB LANDASAN TEORI. Peodela Dala elakuka aalss terhadap suatu kasus yata, peodela sergkal dperluka utuk ebatu eecahka kasus yata tu. Starr da Mller eyataka, odel adalah represetas dar suatu realta yag

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

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

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