b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

Ukuran: px
Mulai penontonan dengan halaman:

Download "b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n."

Transkripsi

1 0

2 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa yag diprhatia mdati ol (p 0). c. pralia.p =, shigga p = /. Briut ii aa dibria purua fugsi pluag distribusi Poisso brdasara fugsi pluag distribusi biomial dga mgguaa prsyarata di atas. p p ( ) ( p ) =!! ( )! = ( )( )...[ ( )]! = ! = ! lim p( ) lim ! = lim...! Kita aa mghitug harga limitya satu pr satu. lim... lim

3 lim Shigga aa diprolh: lim p( )!..! Jadi distribusi pdataya adalah: p( ) P( X ).! ; = 0,,, 3, Dalam pratya, distribusi Poisso aa mrupaa distribusi pdata yag bai dari distribusi biomial, jia dalam distribusi biomial brlau: 00 da p 0 0 da p 0,05 Brdasara uraia di atas, ita dapat mdfiisia distribusi Poisso. Dfiisi 8.4: FUGSI PELUAG POISSO Pubah aca X diayaa brdistribusi Poisso, jia da haya jia fugsi pluagya brbtu: p( ) P( X ).! ; = 0,,, 3, Pubah aca X yag brdistribusi Poisso diataa juga pubah aca Poisso. Pulisa otasi dari pubah aca X yag brdistribusi Poisso adalah P(; ), artiya pubah aca X brdistribusi Poisso dga paramtr. Rataa, varias, da fugsi pmbagit mom dari distribusi Poisso bisa dilihat dalam Dalil 8.4. Dalil 8.4: PARAMETER DISTRIBUSI POISSO Rataa, varias, da fugsi pmbagit mom dari distribusi Poisso sbagai briut:. =. = ( 3. M ( t) ) ; t X t

4 DISTRIBUSI HIPERGEOMETRIK Misalya ita mlaua suatu sprim yag haya mghasila dua pristiwa, sprti pristiwa suss (S) da pristiwa gagal (G). Pluag trjadiya pristiwa S, P(S), sbsar p da pluag trjadiya pristiwa G, P(G) sbsar - p. Kmudia sprim itu diulag bbrapa ali sampai pristiwa S trjadi prtama ali. Jia pubah aca X myataa baya sprim da pgulagaya yag dilaua sampai pristiwa S trjadi prtama ali, maa X = artiya baya sprim da pgulagaya yag dilaua sampai mghasila pristiwa S trjadi prtama ali, adalah ali. Ii brarti bahwa sampai pgulaga -( - ) mghasila pristiwa G da pada pgulaga -(-) mghasila pristiwa S. Kita aa mghitug pluag bahwa pristiwa S trjadi prtama ali pada pgulaga sprim -(-). Susua yag aa trjadi pada sprim itu adalah: ali G G G G G S -p -p -p -p -p p Pgulaga -: Kara stiap pgulaga brsifat bbas, P(S) = p da P(G) = - p brharga ttap utu stiap pgulaga sprim, maa pluag dari pristiwa susua di atas adalah: P(G G G G G S) = P(G).P(G).P(G).. P(G).P(G).P(S) = ( - p)( - p)( - p) ( - p)( - p)(p) P(G G G G G S) = ( - p) -.p Shigga pluag bahwa pristiwa suss trjadi prtama ali pada pgulaga sprim - adalah: P(X = ) = ( - p) -.p Brdasara uraia di atas, ita dapat mdfiisia distribusi gomtri. Dfiisi 8.5: FUGSI PELUAG GEOMETRIK Pubah aca X diataa brdistribusi gomtri, jia da haya jia fugsi pluagya brbtu: 3

5 p() = P(X = ) = ( - p) -.p ; =,, 3, Pubah aca X yag brdistribusi gomtri disbut juga pubah aca gomtri. Pulisa otasi dari pubah aca X yag brdistribusi gomtri adalah X ~ G(;p), artiya pubah aca X brdistribusi gomtri dga baya pgulaga sprimya sampai ali da pluag trjadiya pristiwa suss sbsar p. Sbuah sprim diataa mgiuti distribusi gomtri, jia sprim itu mmuhi sifat-sifat sbagai briut:. Eprimya trdiri atas dua pristiwa, sprti suss da gagal.. Esprimya diulag bbrapa ali sampai pristiwa suss trjadi prtama ali. 3. Pluag trjadiya pristiwa suss da gagal pada stiap pgulaga sprim brsifat ttap. 4. Stiap pgulaga sprim brsifat bbas. Rataa, varias, da fugsi pmbagit mom dari distribusi gomtri bisa dilihat dalam Dalil 8.5. Dalil 8.5: PARAMETER DISTRIBUSI GEOMETRIK Rataa, varias, da fugsi pmbagit mom dari distribusi gomtri sbagai briut:.. p p p 3. M ( t) X t p. ( p). t ; t DISTRIBUSI HIPERGEOMETRIK Misalya sbuah populasi suatu barag yag bruura trdiri atas buah barag bai da sisaya ( - ) buah barag rusa. Kmudia diambil sbuah sampl aca bruura ( ) scara saligus, tryata dari sampl aca itu brisi buah barag bai da sisaya ( - ) buah barag rusa. Dalam hal ii, ita aa mghitug pluag bahwa dari sampl aca itu aa brisi buah barag bai. 4

6 Baya susua yag mugi utu mdapata buah barag bai dari buah barag bai ada cara yag brbda. Baya susua yag mugi utu mdapata ( - ) buah barag rusa dari ( - ) buah barag rusa ada cara yag brbda. Baya susua yag mugi utu mdapata buah barag dari buah barag ada cara yag brbda. Maa pluag bahwa sampl aca itu aa brisi buah barag bai adalah: P( X ) Brdasara uraia di atas, ita dapat mdfiisia distribusi hiprgomtri. Dfiisi 8.6: FUGSI PELUAG HIPERGEOMETRIK Pubah aca X diataa brdistribusi hiprgomtri, jia da haya jia fugsi pluagya brbtu: p( ) P( X ) ; = 0,,, 3,, Pubah aca X yag brdistribusi hiprgomtri disbut juga pubah aca hiprgomtri. Pulisa otasi dari pubah aca X yag brdistribusi hiprgomtri adalah X ~ H(;,,), artiya pubah aca X brdistribusi hiprgomtri dga baya barag bai dari sampl aca sbaya, baya barag dari populasi sbaya, baya barag dari sampl aca sbaya, da baya barag bai dari populasi sbaya. Rataa da varias dari distribusi hiprgomtri bisa dilihat dalam Dalil 8.6. Dalil 8.6: PARAMETER DISTRIBUSI HIPERGEOMETRIK Rataa da varias dari distribusi hiprgomtri sbagai briut: 5

7 .. ( )( ) ( ) 6

DISTRIBUSI KHUSUS YANG DIKENAL

DISTRIBUSI KHUSUS YANG DIKENAL 0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi

Lebih terperinci

BAB V DISTRIBUSI PROBABILITAS DISKRIT

BAB V DISTRIBUSI PROBABILITAS DISKRIT BAB V DISTRIBUSI ROBABILITAS DISKRIT 5.. Distribusi Uniform Disrit Bila variabl aca X mmilii nilai,,... dngan probabilitas yang sama, maa distribusi uniform disrit dinyataan sbagai: f (, ) ;,,... paramtr

Lebih terperinci

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Esata: Jural Imu-Ilmu MIA p. ISSN: 4-47. ISSN: 5-64 Distributio of th Diffrc of Two Idpdt oisso Radom Variabls ad Its Applicatio to th Litrat opulatio Data Atia Ahdia rogram Studi Statistia Uivrsitas Islam

Lebih terperinci

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Distributio o th Dirc o Two Idpdt oisso Radom Variabls ad Its Applicatio to th Litrat opulatio Data Atia Ahdia rogram Studi Statistia Uivrsitas Islam Idosia Jala Kaliurag Km 45 Slma Yogaarta atia.a@uii.ac.id

Lebih terperinci

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA.

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA. MDIFIKASI METDE NEWTN DENGAN KEKNVERGENAN RDE TIGA Fby Satrya HP ), Agusi ), Musraii ) bysatrya@ymail.om ) Mahasiswa Program Studi S Matmatia ) Dos Matmatia, Jurusa Matmatia Faultas Matmatia da Ilmu Pgtahua

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

Transformasi Z Materi :

Transformasi Z Materi : 4 Trasformasi Z Matri : Dfiisi Trasformasi Darah Kovrgsi (Rgio of Covrgc) Diagram Pol Zro Sifat Trasformasi Trasformasi dalam Btu Poliomial Rasioal Fugsi Sistm atau Fugsi Trasfr H() dari Sistm Liir Tida

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N TURI Moita Dwiyai ), Ni Wahyu Utami ) Faultas Kgurua da Ilmu Pdidia Uivrsitas

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

Lebih terperinci

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila

Lebih terperinci

Jurnal MIPA 37 (1): (2014) Jurnal MIPA.

Jurnal MIPA 37 (1): (2014) Jurnal MIPA. Jural MIP 37 (1): 79-91 (014) Jural MIP http://oural.us.ac.id/u/id.php/jm ESENSI NILI DN EKTOR EIGEN DRI SUTU OPERTOR PD RUNG HILBERT KLSIK Wurato Jurusa Matmatia, FMIP, Uivrsitas Ngri Smarag, Idosia Ifo

Lebih terperinci

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga)

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga) INTEGRA FOURIER DISUSUN OEH : Klompok III (Tiga). Maruah (7 6). Yusi Oktavia (7 45 ) 3. Widya Elvi AS (7 45) 4. Azar Saarudi (7 454) 5. Irmaati (7 455) Mata Kuliah Dos Pgasuh Klas : Matmatika ajuta : Fadli,

Lebih terperinci

Bab 5: Discrete Fourier Transform dan FFT

Bab 5: Discrete Fourier Transform dan FFT BAB 5 Dicrt Fourir Traform da FFT Bab 5: Dicrt Fourir Traform da FFT Dicrt Fourir Traform DFT. Dfiii Tuua Blaar Prta dapat mdfiiia DFT, da mghitugya. Utu mlaua aalii frui dari iyal watu dirit maa prlu

Lebih terperinci

BAB VIII KRISTAL KRIST SEMIKONDUKT SEMIK

BAB VIII KRISTAL KRIST SEMIKONDUKT SEMIK A VIII KRISAL SEMIKONDUKOR MAERI : 8.1.Kristal smiodutor itrisi. 8.1.1.ti pguura clah rgi. 8.1..massa ftif 8.1.3.lima alasa hol diaggap sbagai partil brmuata positif. 8.1.4.ostrasi ltro 8.1.5.ostrasi hol.

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

Lebih terperinci

Aprillyan Cahyanti Mahasiswa S1 Pend. Tata Busana, Fakultas Teknik, Universitas Negeri Surabaya

Aprillyan Cahyanti Mahasiswa S1 Pend. Tata Busana, Fakultas Teknik, Universitas Negeri Surabaya PENGARUH UKURAN LEBAR LIPATAN TERHADAP HASIL JADI UNDULATING TUCKS PADA ROK SUAI BERBAHAN DENIM Aprillya Cahyati Mahasiswa S1 Pd. Tata Busaa, Faultas Ti, Uivrsitas Ngri Surabaya aprillya91@yahoo.com Sri

Lebih terperinci

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria BAB II LANDASAN EORI Pada bab ii aka dibahas tori tori pdukug yag aka diguaka pada bab slajutya, atara lai modl matmatika, modl pidmik SIR klasik, ilai ig, prsamaaa difrsial, sistm prsamaa difrsial, titik

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

Respon Frekuensi pada FIR Filter. Oleh:Tri Budi Sanrtoso ITS

Respon Frekuensi pada FIR Filter. Oleh:Tri Budi Sanrtoso ITS Rpo Frui pada FIR Filtr Olh:Tri Budi Sartoo Lab Siyal,, EEPIS-ITS ITS 1 Rpo iuoida pada itm FIR Suatu itm FIR diyataa: y[ ] b x[ ] h[ ] x[ ] 0 0 (1 Siyal iput cara umum mrupaa btu ompl dirit x[ ] x[ A

Lebih terperinci

STATISTIKA MATEMATIKA I

STATISTIKA MATEMATIKA I STATISTIKA MATEMATIKA I Disusu Olh : (005005) PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN PENDIDIKAN (STKIP) PGRI SUMATERA BARAT 0 BAB I PELUANG. Ruag Sampl da Kjadia Ruag sampl atau

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 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 terperinci

OLEH: DESTRIYANTI TRI BUDIARTI YULLIA HESTIANA IRWAN SEPTEMBER GUNAWAN

OLEH: DESTRIYANTI TRI BUDIARTI YULLIA HESTIANA IRWAN SEPTEMBER GUNAWAN OLEH: DESTRIYANTI 7 58 TRI BUDIARTI 7 YULLIA HESTIANA 7 5 IRWAN SEPTEBER 7 46 GUNAWAN 7 KELAS : 6. L ATA KULIAH : ATEATIKA LANJUTAN DOSEN PENGASUH : FADLI, S.Si FAKULTAS KEGURUAN DAN ILU PENDIDIKAN UNIVERSITAS

Lebih terperinci

Aplikasi Metode Matrix Cascade Pada Perhitungan Koefisien Pantul Gelombang Suara Bawah Air Untuk Dasar Laut Miring

Aplikasi Metode Matrix Cascade Pada Perhitungan Koefisien Pantul Gelombang Suara Bawah Air Untuk Dasar Laut Miring Apliasi tod atri Cascad Pada Prhituga Kofisi Patul Glombag Suara Bawah Air Utu Dasar aut irig Day Friyadi da Irsa Somatri Brodjogoro Program Studi Ti Klauta, Istitut Tologi Badug (Email : dayf899@gmail.com)

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

KOMPUTASI DAN DINAMIKA FLUIDA

KOMPUTASI DAN DINAMIKA FLUIDA KOMPUTASI DAN DINAMIKA FLUIDA TUGAS Olh RIRIN SISPIYATI NIM : 006003 Program Studi Matmatia INSTITUT TEKNOLOGI BANDUNG 009 Ercis 40 Ta as initial spctrum a bloc function nonzro for ½. Animat th initial

Lebih terperinci

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS STUDI TERHDP SEBRN STSIONER PD SISTEM BONUS MLUS SWISS Olh : RENSY ERMWTY G PROGRM STUDI MTEMTIK FKULTS MTEMTIK DN ILMU PENGETHUN LM INSTITUT PERTNIN BOGOR BSTRK RENSY ERMWTY Studi Trhadap Sbara Stasior

Lebih terperinci

BAB I PENDAHULUAN Tujuan Makalah ini disusun agar mahasiswa mengetahui bagaimana keadaan elektron dalam sebuah atom kristal

BAB I PENDAHULUAN Tujuan Makalah ini disusun agar mahasiswa mengetahui bagaimana keadaan elektron dalam sebuah atom kristal A I PDAHUUA.. atar blaang oga gang pranan pnting dala hidupan anusia, isalna bsi dala produsi otoobil, tbaga untu pnghantar listri, dan lain-lain. Uuna loga ilii siat uatan isi tinggi, rapatan tinggi,

Lebih terperinci

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE))

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE)) Kalkulus Prsamaa Diffrsial Biasa Ordiar Diffrtial Equatios ODE Dhoi Hartato S.T. M.T. M.Sc. Prodi Tkik Kimia Fakultas Tkik Uivrsitas Ngri Smarag Prsamaa Diffrsial Biasa Prsamaa Diffrsial adalah Prsamaa

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

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

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8 Seragam (Uiform) [D1] : Fugsi probabilita Uiform utuk semua ilai. Dimaa merupaka bayakya 1 f ( ) obyek da diasumsika memiliki sifat yag sama. Biomial [D2] : Sifat percobaa Biomial : Percobaa dilakuka dalam

Lebih terperinci

RENTANG NUMERIK UNTUK FUNGSI EKSPONENSIAL MATRIKS

RENTANG NUMERIK UNTUK FUNGSI EKSPONENSIAL MATRIKS RENTNG NUMERK UNTUK FUNGS EKSPONENSL MTRKS M.Nasir, Musraii Jurusa Mamaia Faulas Mamaia da lmu Pgahua lam, Uivrsias Riau Email: asir@gmail.cm BSTRK Suau spsial maris dirila dalam bu da rag umri dari didfiisia

Lebih terperinci

Transformasi Fourier Waktu Diskrit

Transformasi Fourier Waktu Diskrit Praktikum Isyarat da Sistm Topik 5 Trasformasi ourir Waktu Diskrit Tuua Mahasiswa dapat mtuka da mgguaka trasformasi ourir waktu diskrit dalam aalisa suatu sistm LTI Mahasiswa dapat mgguaka MATLAB sbagai

Lebih terperinci

OLEH: KOMANG SUARDIKA ( )

OLEH: KOMANG SUARDIKA ( ) OLEH: KOMANG SUARDIKA (9334) JURUSAN PENDIDIKAN FISIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN GANESHA SINGARAJA RADIASI ENDA HIAM Salah satu pybab lahirya fisia uatum aalah itmuaya

Lebih terperinci

MODUL E LEARNING SEKSI -9 MATA KULIAH : KALKULUS LANJUT KODE MATA KULIAH : INF 221 : 5099 : DRA ENDANG SUMARTINAH,MA

MODUL E LEARNING SEKSI -9 MATA KULIAH : KALKULUS LANJUT KODE MATA KULIAH : INF 221 : 5099 : DRA ENDANG SUMARTINAH,MA MODUL E LEARNING SEKSI -9 MATA KULIAH : KALKULUS LANJUT KODE MATA KULIAH : INF DOSEN : 5099 : DRA ENDANG SUMARTINAH,MA TUJUAN MATA KULIAH : A.URAIAN DAN TUJUAN MATA KULIAH : Mahasiswa mmplajari Fugsi a

Lebih terperinci

JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 5 No. 1 Agustus 2012

JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 5 No. 1 Agustus 2012 JUNL TKNOLOGI TCHNOSCINTI ISSN: 979-845 Vol. 5 No. gutu PNPN PNMPTN NILI IGN INFINIT SISTM SINGUL P PNYLSIN PSMN POLINOMIL MTIKS NTUK [ ] X + Y U) Kri Suryowati Yudi Styawa Jurua Matmatia Ititut Sai da

Lebih terperinci

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I Univrsitas Indonusa Esa Unggul Fakultas Ilmu Komputr Tknik Informatika Prsamaan Difrnsial Ord I Dfinisi Prsamaan Difrnsial Prsamaan difrnsial adalah suatu prsamaan ang mmuat satu atau lbih turunan fungsi

Lebih terperinci

METODE PENGUKURAN FERTILITAS

METODE PENGUKURAN FERTILITAS Diisi Pua Aa Kotiu Pua aa iataa otiu jia F P apat ugsi sara ( ( iyataa sagai ( ( F u u R ga : R aala ugsi yag tritgrala. Fugsi isut ugsi pata pluag ari. [Gritt a Stirzar 199] Nilai Harapa Diisi Nilai Harapa

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

ANALISIS CEPSTRUM SINYAL SUARA

ANALISIS CEPSTRUM SINYAL SUARA MAKALAH ANALII CEPTRUM INYAL UARA Disusu Ol: NENI ARYANI L2F 300 543 JURUAN TEKNIK ELEKTRO FAKULTA TEKNIK UNIVERITA DIPONEGORO E M A R A N G 2 0 0 2 DAFTAR II JUDUL... 1 ABTRAK... 1 1. Pdaulua.... 1 2.

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

Lebih terperinci

Mengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif

Mengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif Megaji Perbedaa Diagoalisasi Matris Atas Field da Matris Atas Rig Komutatif Teorema : Jia A adalah matris x maa eryataa eryataa beriut eivale satu sama lai : a A daat didiagoalisasi b A memuyai vetor eige

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah: BAB LANDASAN TEORI Pramala adalah giaa umu mmpriraa apa ag aa rjadi pada masa ag aa daag brdasara pgalama di masa lalu. Mod pramala ag srig diguaa dalam oomi da duia usaha adalah dr wau (im sris).. Bbrapa

Lebih terperinci

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus Jural EKSPONENSIAL Volum 3, Nomor, M 22 ISSN 285-7829 Itrprtas Paramtr dalam Modl Rgrs Logst utu Varabl Bbas Dotomus Paramtr Itrprtato Logstc Rgrsso Modls for Dcotomus Idpdt Varabl Darah A. Noh Program

Lebih terperinci

PROSES ANTRIAN DENGAN KEDATANGAN BERDISTRIBUSI POISSON DAN POLA PELAYANAN BERDISTRIBUSI GENERAL. Sugito 1, Abdul Hoyyi 2. Abstract

PROSES ANTRIAN DENGAN KEDATANGAN BERDISTRIBUSI POISSON DAN POLA PELAYANAN BERDISTRIBUSI GENERAL. Sugito 1, Abdul Hoyyi 2. Abstract Pross Antrian (Sugito) PROSES ANTRIAN DENGAN KEDATANGAN BERDISTRIBUSI POISSON DAN POLA PELAYANAN BERDISTRIBUSI GENERAL Sugito, Abdul Hoyyi Staf Pngajar Jurusan Statistia FSM UNDIP Staf Pngajar Jurusan

Lebih terperinci

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

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

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

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

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih terperinci

Pada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P.

Pada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P. nurunan Kcpatan Glombang dan Glombang S Glombang sismik mrupakan gtaran yang mrambat pada mdium batuan dan mnmbus lapisan bumi. njalaran mnybabkan dformasi batuan.strss atau tkanan didfinisikan gaya prsatuan

Lebih terperinci

Catatan Teknik (Technical Notes) Pengerjaan Metoda Inversi Integral pada Perumusan Persamaan Muka Air Gelombang Air Nonlinier

Catatan Teknik (Technical Notes) Pengerjaan Metoda Inversi Integral pada Perumusan Persamaan Muka Air Gelombang Air Nonlinier Huahaa ISSN 085-98 Jural Toris da Trapa Bidag Rayasa Sipil Caaa Ti Tchical Nos Pgrjaa Moda Ivrsi Igral pada Prumusa Prsamaa Mua Air Glombag Air Noliir Syawaluddi Huahaa Klompo Kahlia Ti Klaua, Faulas Ti

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudaryato Sudirham ig Utari Mgal Sifat-Sifat Matrial () - Sudaryato S & Nig Utari, Mgal Sifat-Sifat Matrial () BAB Sifat-Sifat Thrmal Sjumlah rgi bisa ditambahka k dalam matrial mlalui pmaasa, mda listrik,

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

BAB VI MODEL ELEKTRON BEBAS ( GAS FERMI )

BAB VI MODEL ELEKTRON BEBAS ( GAS FERMI ) A VI MODL LKRON AS GAS RMI MARI 6.1. ltron bbas dalam satu dimnsi. 6.1.1.tingat nrgi 6.1..distribusi rmi-dirac 6.1..nrgi rmi 6.. ltron bbas dalam tiga dimnsi. 6..1.nrgi rmi untu tiga dimnsi. 6...cpatan

Lebih terperinci

Teori Saluran Transmisi (3) TTG4D3 Rekayasa Gelombang Mikro Oleh Budi Syihabuddin Erfansyah Ali

Teori Saluran Transmisi (3) TTG4D3 Rekayasa Gelombang Mikro Oleh Budi Syihabuddin Erfansyah Ali Tori Saluran Transmisi (3) TTG4D3 ayasa Glombang Miro Olh Bui Syihabuin Erfansyah Ali Outlin Konsp Pantulan paa Saluran Transmisi oltag Staning Wav atio Konsp Pantulan Paa Saluran Transmisi Pantulan paa

Lebih terperinci

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik 8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna

Lebih terperinci

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh Jural Sais Matmatika da Statistika Vol. No. Juli 0 ISSN 0- Modiikasi Varia Mtod Nwto dga rd Kovrgsi Tujuh Wartoo Ria Rasla Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau Jl. HR. Sobratas

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

Perumusan Fungsi Green Sistem Osilator Harmonik dengan Menggunakan Metode Integral Lintasan (Path Integral)

Perumusan Fungsi Green Sistem Osilator Harmonik dengan Menggunakan Metode Integral Lintasan (Path Integral) Prumusa Fugsi Gr Sistm Osilator Harmoik dga Mgguaka Mtod Itgral Litasa (Path Itgral) Sutisa Abstrat: Th path itgral is a mthod that oft usd i th uatum problms alulatio. For xampl; th alulatio of uatum

Lebih terperinci

Bab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan;

Bab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan; Bab Ruang Vktor I. Ruang Vktor R n. Ruang brdimnsi satu R = R = kumpulan bilangan ral Mnyatakan suatu garis bilangan; -3 - - 0. Ruang brdimnsi dua R = bidang datar ; Stiap vktor di R dinyatakan sbagai

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

FISIKA KUANTUM 1. Radiasi Benda Hitam Gambar 1. Kurva Radiasi Benda Hitam

FISIKA KUANTUM 1. Radiasi Benda Hitam Gambar 1. Kurva Radiasi Benda Hitam FISIKA KUANUM. Raiasi Ba Hitam Ba hitam (lac oy) alam ahasa fisia aalah oy yag myrap sluruh raiasi ltromagti yag jatuh paaya a tia aa raiasi yag apat luar atau ipatulaya. Istilah a hitam ii, prtama ali

Lebih terperinci

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah

Lebih terperinci

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER PENL ND L MUSIK MENGGUNKN LIHRGM OURIER Olh : di Kuria (L57) Jurusa kik Elktro akultas kik Uivrsitas Dipogoro Jl. Pro. H Sudarto S. H., mbalag, Smarag -mail : Katrosid@Yahoo.com bstrak - Mlalui pristiwa

Lebih terperinci

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

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

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

Pertemuan XIV, XV VII. Garis Pengaruh

Pertemuan XIV, XV VII. Garis Pengaruh ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LADASA TEORI.1. Tori Musik.1.1. Musik Musik adalah suatu si yag brbtuk suara yag didapatka dari pggabuga brbagai l yag jadikaya ak utuk didgarka. Murut filsuf Yuai da Idia kuo, usik rupaka kupula ada-ada

Lebih terperinci

BAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan

BAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang

Lebih terperinci

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti

Lebih terperinci

MODUL 2 BILANGAN KOMPLEKS

MODUL 2 BILANGAN KOMPLEKS Diktat Kuliah EL- Matmatika Tkik I MODUL BILANGAN KOMPLEKS Satua Acara Prkuliaha Mdul (Bilaga Kmplks sbagai brikut Ptmua k- Pkk/Sub PkkBahasa TuuaPmblaara Bilaga Kmplks Pgatar Bilaga Kmplks Lambag Bilaga

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN 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 terperinci

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

BAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU

BAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU H. Maman Suhrman,Drs.,M.Si BAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU Pada bab sblumnya, khususnya pada BAB II kita tlah mngnal distribusi pluang scara umum baik untuk pubah acak diskrit

Lebih terperinci

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN PENENTUAN PELUANG BETAHAN DALAM MODEL ISIKO KLASIK DENGAN MENGGUNAKAN TANSFOMASI LAPLACE AMIUDDIN SEKOLAH PASCASAJANA INSTITUT PETANIAN BOGO BOGO 8 PENYATAAN MENGENAI TESIS DAN SUMBE INFOMASI Dngan ini

Lebih terperinci

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3. Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama

Lebih terperinci

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh, Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap

Lebih terperinci

Pemodelan Regresi Logistik Biner terhadap Peminat ITS di Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN) 2014

Pemodelan Regresi Logistik Biner terhadap Peminat ITS di Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN) 2014 JURNAL SAINS DAN SENI ITS Vo. 4, No., (05) 337-350 (30-98X Prit) D-5 Poda Rgrsi Logisti Bir trhadap Piat ITS di Ssi Brsaa Masu Prgurua Tiggi Ngri (SBMPTN) 04 Yati Aggrai da Isaii Zai Jurusa Statistia,

Lebih terperinci

IDE - IDE DASAR MEKANIKA KUANTUM

IDE - IDE DASAR MEKANIKA KUANTUM IDE - IDE DASAR MEKANIKA KUANTUM A. Radiasi Bnda Hitam 1. Hasil-Hasil Empiris Gambar 1. Grafik fungsi radiasi spktral bnda hitam smpurna a. Hukum Stfan Hukum Stfan dapat dituliskan sbagai total = f df

Lebih terperinci