Gambarkan di kertas A4 serta cek dengan matlab (tampilkan figure dengan matlab pula)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Gambarkan di kertas A4 serta cek dengan matlab (tampilkan figure dengan matlab pula)"

Transkripsi

1 TUGAS Siyal Sistem. Poit : Gambar Siyal x[] sesuai No. NIM Cotoh : 8 X[] = [ 8] Geserlah siyal tersebut sesuai persamaa di bawah ii, a. X[-+] b. X [-+A]; A ditujukka agka kedua terakhir dari NIM Ex : X[-+] c. X [-A]; ditujukka agka terakhir dari NIM Ex : X[-8] d. X[*+] Gambarka di kertas A serta cek dega matlab (tampilka dega matlab pula) NIM Nama 97 Wieadhi Reyaldi Yoga Lazhar Utama 9 Mohammad Feraduz William Adreaw Wahyu 8 Hesod Daraey 9 Tri Agug Setya Budi Ahmad Iqbal Reza Fahmi Abil Khosim Aa Pepe Abseo 6 Ferry Adrie Aryato 7 Isa Nurseha Aziz 9 Muhammad Akbar Suharbi Yauar Izulyasah Revidho Yusuf Demaiqga Maulaa Rachma Zaial Abidi Yosef Yudistira Kukuh Wim Pujo Wicaksoo Adriato Sukusvieri 6 Ach. Habib Arrahma 7 Moch. Helmi Ramadha

2 9 Abimas Setyawa Gultom 6 Ahmad Rifai Argaata 6 Aggi Adiato 6 Muhammad Abrori Rosadi 6 Badrut Tamam 6 Fahmi Adyatma Haris 68 Rezza Ifmaur Isaii 69 Freea Asvia 7 Muhammad Faris Akbar 7 Vicky Idrarta 7 Muhammad Hisyam Bachtiar 7 Wiwik Sukati Putri. Poit Gambarkalah siya x [], dimaa ilai x[] didapatka dari matlab dega sitak berikut X[] = floor(rad(,7)*) (setiap mahasiswa pasti berbeda) a. Apakah perbedaa atara X() da X()? b. Apakah perbedaa atara x(+) da x()+ Buatlah siyalya utuk pertayaa a da b dega matlab. Poit Buatlah siyal diskrit f = [, -,,,,] utuk -<<. Buatlah siyal tersebut dega matlab dega megguaka sitak stem da sitak plot.. Poit Jika siyal soal o diaggap sebagai f[], maka tampilka hasil maipulasi f[] utuk : a. f[+] b. f[--] c. f[-]. Poit Apa perbedaaa atara siyal si (t) da si(πt), buktika dega gambar megguaka matlab dimaa ilai t = :.:

3 Jawaba No 8 Siyal Diskrit(x()) 7 6 x() Siyal diskrtit yag memiliki ilai amplitudo yag berbeda-beda sesuai dega im setiap mahasiswa, dari gambar tersebut terlihat bahwa = berilai. Sehigga represetasi siyal di atas bisa dituliska seperti di bawah ii, X [] = [ 8 ]; 8 x() 6 x() x(-+) 8 6 x()

4 Pergesera siyal diskrit merupaka aplikasi sistem delay atau peudaa, perhatika pada gambar di atas, meujukka bahwa siyal diskrit sagat mudah dilakuka pergesera salah satuya da pecermia atau refleksi. Utuk kasus gambar di atas meujukka bahwa x(-) dilakuka pembalika atau pecermia ilai dari siyal diskrit yag kemudia dilajutka geser ke kiri sebayak. Sehigga ilai pada titik = berubah mejadi ol yag semula titik = berilai. x(-+) x() x(-8) x() x(*+) x() Pada gambar di atas, meujukka bahwa siyal diskrit dapat dilakuka pergesera ke kaa (ditujukka dega tada +) da ke kiri (ditujukka tada -), selai itu siyal diskrit dapat dimaipulasi bagia ilai ya dega megalika variabel dega kostata tersetu, hal ii juga merupaka operasi siyal diskrit dimaa dilakuka peskalaa terhadap sumbu. Operasi x(*+) meujukka perubaha pada sumbu buka pada ilai siyal diskrit itu sediri. No.

5 Siyal x().. x() Pad agambar di atas adalah salah satu cotoh siyal diskrit dimaa siyal tersebut didapatka dari sitak matlab X = floor(rad(,7)*) ; Sitak rad pada matlab meujukka hasil yag radom setiap ruig program, sehigga hasilya berubah-ubah. Selai itu agka (,7) meujukka ukura dari variabel X da agka meujukka ilai radom tersebut berada di wilayah di bawah (atura pegguaa floor). Pada gambar tersebut represetasi siyal dapat di tuliska sebagai berikut : X[] = [ ] 8 Siyal x() 6 x() Siyal x() x()

6 Pada Gambar siyal yag berwara hijau, meujukka bahwa x() megalami peguata atau pegalia amplitudo siyal x[], hal ii mebuktikab bahwa siyal x[] megalami peguata sebesar kali, berbeda halya dega siyal x(), dimaa sumbu dikalika dua sehigga posisi siyal diskrit berubah cotohya Nilai siyal diskrit pada = - adalah ol, karea sumbu dikalika dua sehigga ilai ol berada pada titik = -. 6 x() + x() x(+) x() - - Operaso x()+ terlihat berbeda x(+), pada gambar pik meujukka bahwa x()+ ilai sial diskrit yag ditambahka, cotoh = - memiliki ilai (pada siyal awal), setelah ditambahka satu maka pada = - berubah mejadi. Sedagka operasi x(+) meujukka bahwa siyal itu bergeser ke kiri, sehigga dapat dituliska sebagai berikut : X[] = [ ] X[] = [ ] setelah digeser ke kiri, operasi peggesera ii sagat berpegaruh terhadap operasi siyal yag melibatka sistem delay (peudaaa) No. 6

7 siyal Diskrit dega STEM.. f() Sitak stem memag diguaka utuk meampilka siyal diskrit. siyal Diskrit dega PLOT.. f() t 7

8 Sedagka sitak plot diguaka utuk meampilka siyal cotiue, dimaa sifat dari siyal cotiue adalah siyal yag memiliki ilai real di keseluruha sumbu t.. Beda Stem da Plot dega stem dega plot. f() Jika dua siyal tersebut digabugka seperti gambar di atas, dimaa dega plot meggabugka pucak ilai dari stem, hal ii sagat berbeda sekali bahwa sitak kedua tersebut memiliki fugsi yyag berbeda. No. Pejelasa : Hasil pergesera terhadap ilai terjadi pada siyal utuk peerapa pada siyal yag terdelay sehigga hasil peggesera tersebut berpegaruh terhadap hasil siyal, maka apabila igi meggeser siyal atau merepresetasika siyal delay cukup memaipulasi sumbu x pada gambar atau ilai pada listig program sehigga mudah diprediksi hasil peggesera tersebut. 8

9 f(+) f() f(--) f() f(-) f() No..8.6 Perbedaaa si(*t) da si(*pi*t) si(t) si(*pi*t).. y t Berdasarka gambar di sampig meujukka bahwa faltor pi mempegaruhi kerapata siyal, dimaa pi di sii medefiiska frekuesi sehigga semaki besar frekuesi maka semaki rapat siyal tersebut. Lampira : maupulasi siyal pergesera siyal 9

10 clc;close all; clear all; = -:; x = [ 8 ];, stem(,x) title ('Siyal Diskrit(x())') xlabel ('') ylabel ('x()') = -+; = -+; = -8; N = *+;, subplot stem(,x) xlabel('') ylabel('x()') title ('x()') subplot stem(,x) title ('x(-+)') xlabel('') ylabel('x()'), subplot stem(,x,'b') xlabel('') ylabel('x()') title('x(-+)') subplot stem(,x,'m') xlabel('') ylabel('x()') title('x(-8)') subplot stem(n,x,'k') xlabel('') ylabel('x()') title('x(*+)') %================================

11 %No. ; = -:; X = [ ]; y = *X; % utuk y= (x()); N = *; stem(,x) title('siyal x()') xlabel('') ylabel('x()') subplot stem(,y,'g') title('siyal x()') xlabel('') ylabel('x()') subplot stem(n,x) title('siyal x()') xlabel('') ylabel('x()') pergesera siyal Aa = X+; % x() + Aa = +; % x(+) subplot stem(, Aa,'m') title('x() + ') xlabel('') ylabel('x()') subplot stem(aa,x) title('x(+)') xlabel('') ylabel('x()') %=============================== clc ; clear all; close all No f = [, -,,,,]; = -:; stem(,f)

12 title('siyal Diskrit dega STEM') xlabel('') ylabel('f()') plot(,f) title('siyal Diskrit dega PLOT') xlabel('t') ylabel('f()') stem(,f,'liewidth',) hold o plot(,f,'m','liewidth',) title('beda Stem da Plot') leged ('dega stem','dega plot') xlabel('') ylabel('f()') %========================= %N =+; =--; = -; subplot stem(,f) title('f(+)') xlabel('') ylabel('f()') subplot stem(,f,'g') title('f(--)') xlabel('') ylabel('f()') subplot stem(,f,'c') title('f(-)') xlabel('') ylabel('f()') %====================== %No t = :.: ; y = si(*t); y = si(*pi*t);

13 plot(t,y,'g','liewidth',) hold o plot(t,y,'b','liewidth',) leged ('si(t)','si(*pi*t)') title('perbedaaa si(*t) da si(*pi*t)') xlabel('t') ylabel('y')

MODUL PEMBANGKITAN SINYAL

MODUL PEMBANGKITAN SINYAL si(t) MODUL PEMBANGKITAN SINYAL I. Tujua. Peserta megerti cara membagkitka siyal megguaka Matlab 2. Peserta dapat membagkitka ada dasar megguaka Matlab II. Peragkat Yag Diperluka set PC yag dilegkapi dega

Lebih terperinci

B a b 1 I s y a r a t

B 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 terperinci

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara 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 terperinci

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

MODUL 2 SINYAL WAKTU DISKRIT DALAM KAWASAN WAKTU DAN FREKUENSI

MODUL 2 SINYAL WAKTU DISKRIT DALAM KAWASAN WAKTU DAN FREKUENSI MODUL SINYAL WAKTU DISKRIT DALAM KAWASAN WAKTU DAN FREKUENSI I. Tugas Pedahulua Peritah atau fugsi pada MATLAB dapat dilihat da dipelajari dega olie help pada Commad widow. Cotoh ketiklah : help plot.

Lebih terperinci

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2 Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian 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 terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah BAB LIMIT FUNGSI Stadar Kompetesi Megguaka kosep it ugsi da turua ugsi dalam pemecaha masalah Kompetesi Dasar. Meghitug it ugsi aljabar sederhaa di suatu titik. Megguaka siat it ugsi utuk meghitug betuk

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 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 terperinci

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka

Lebih terperinci

SISTEM LINIER. Oleh : Kholistianingsih, S.T., M.Eng. lts 1

SISTEM LINIER. Oleh : Kholistianingsih, S.T., M.Eng. lts 1 SISTEM LINIER Oleh : Kholistiaigsih, S.T., M.Eg. lts 1 2 Isyarat Waktu Diskrit di kawasa waktu. 2.1 Represetasi Isyarat Waktu Diskrit 2.2 Klasifikasi Rutu 2.3 Rutu rutu Dasar 2.4 Operasi di kawasa waktu

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

Definisi Integral Tentu

Definisi 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 terperinci

EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI

EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI Oleh: Sutopo Jurusa Fisika FMIPA UM sutopo@fisika.um.ac.id Ditulis pada sekitar bula Maret 2011. Diuggah pada 3 Desember 2011 PROBLEM Gambar di bawah ii meyataka

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas 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 terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = 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 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

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

Persamaan Non-Linear

Persamaan 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 terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

2 BARISAN BILANGAN REAL

2 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 terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

,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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 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 terperinci

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta

Induksi 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

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 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 terperinci

Himpunan/Selang Kekonvergenan

Himpunan/Selang Kekonvergenan oki eswa (fmipa-itb) Deret Pagkat Kita aka mempelajari beberapa tehik utuk meyajika suatu fugsi f (x) dalam betuk deret pagkat (power series), yaitu meetuka derat pagkat c (x a) sehigga f (x) = c (x a)

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

BAHAN 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 terperinci

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

Bab 8 Teknik Pengintegralan

Bab 8 Teknik Pengintegralan Catata Kuliah MA3 Kalkulus Elemeter II Oki Neswa,Ph.D., Departeme Matematika-ITB Bab 8 Tekik Pegitegrala Metoda Substitusi Itegral Fugsi Trigoometrik Substitusi Merasioalka Itegral Parsial Itegral Fugsi

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

Setelah mempelajari modul ini Anda diharapkan dapat: a. memeriksa apakah suatu pemetaan merupakan operasi;

Setelah mempelajari modul ini Anda diharapkan dapat: a. memeriksa apakah suatu pemetaan merupakan operasi; Modul 1 Operasi Dr. Ahmad Muchlis B PENDAHULUAN erapakah 97531 86042? Kalau Ada megguaka kalkulator, jawabaya amat bergatug pada tipe kalkulator yag Ada pakai. 9 Kalkulator ilmiah Casio fx-250 memberika

Lebih terperinci

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

DERET TAK HINGGA (INFITITE SERIES)

DERET TAK HINGGA (INFITITE SERIES) MATEMATIKA II DERET TAK HINGGA (INFITITE SERIES) sugegpb.lecture.ub.ac.id aada.lecture.ub.ac.id BARISAN Barisa merupaka kumpula suatu bilaga (atau betuk aljabar) yag disusu sehigga membetuk suku-suku yag

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI 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 terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

5. KARAKTERISTIK RESPON

5. KARAKTERISTIK RESPON 5. ARATERISTI RESPON Adalah ciri-ciri khusus perilaku diamik (spesifikasi performasi) Taggapa (respo) output sistem yag mucul akibat diberikaya suatu siyal masuka tertetu yag khas betukya (disebut sebagai

Lebih terperinci

Bab 3 MODEL-MODEL UNTUK SISTEM DAN SINYAL

Bab 3 MODEL-MODEL UNTUK SISTEM DAN SINYAL Bab 3 MODEL-MODEL UNTUK SISTEM DAN SINYAL 3. Tipe-tipe model Model matematika da model siyal Model matematika adalah deskripsi sistem dimaa hubuga atara variael da siyal model diyataka dalam betuk-betuk

Lebih terperinci

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB 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 terperinci

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga

BAB 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 terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

BAB II CICILAN DAN BUNGA MAJEMUK

BAB II CICILAN DAN BUNGA MAJEMUK BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya

Lebih terperinci

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

Meetuka Parameter Model Cauchy utuk A (1,587) Kosta Baha Polistirea Dzarril Maulidiyah 1, D. J. Djoko H Satjojo 1, Mauludi A Pamugkas 1, Ubaidillah 1 1) Jurusa Fisika FMIPA Uiv. Brawijaya Email: mdzarril@gmail.com

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab 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 terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN 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 terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas 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 terperinci

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii megguaka desai Eksperimet dega pedekata pre test post test with cotrol group. Peelitia ii berupaya utuk megugkapka hubuga sebab-akibat dega cara

Lebih terperinci

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat. L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. 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 terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai :

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai : Defiisi Trasformasi Laplace Trasformasi Laplace Bilateral Trasformasi Laplace bilateral atau dua sisi dari siyal berilai riil x(t) didefiisika sebagai : X B x(t)e Operasi trasformasi Laplace bilateral

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

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

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

Analisis dan Visualisasi Representasi Deret Fourier Gelombang Sinyal Periodik Menggunakan MATLAB

Analisis dan Visualisasi Representasi Deret Fourier Gelombang Sinyal Periodik Menggunakan MATLAB ELECRICIAN Jural Rekayasa da ekologi Elektro Aalisis da Visualisasi Represetasi Deret Fourier Gelombag Siyal Periodik Megguaka MALAB Ahmad Saudi Samosir Jurusa ekik Elektro Uiversitas Lampug, Badar Lampug

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

Projek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16,

Projek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16, Projek Himpulah miimal tiga masalah peerapa barisa da deret aritmatika dalam bidag fisika, tekologi iformasi, da masalah yata di sekitarmu. Ujilah berbagai kosep da atura barisa da deret aritmatika di

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

Karakteristik Dinamik Elemen Sistem Pengukuran

Karakteristik Dinamik Elemen Sistem Pengukuran Karakteristik Diamik Eleme Sistem Pegukura Kompetesi, RP, Materi Kompetesi yag diharapka: Mahasiswa mampu merumuskaka karakteristik diamik eleme sistem pegukura Racaga Pembelajara: Miggu ke Kemampua Akhir

Lebih terperinci

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar BAB III BARISAN DAN DERET Tujua Pembelajara Setelah mempelajari materi bab ii, Ada diharapka dapat:. meetuka suku ke- barisa da jumlah suku deret aritmetika da geometri,. meracag model matematika dari

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

BAB I I I METODOLOGI PENELITIAN. Mulai. Pengumpulan Data

BAB I I I METODOLOGI PENELITIAN. Mulai. Pengumpulan Data BAB I I I METODOLOGI PENELITIAN 3.1 Metodologi Pecaria Flutter 3.1.1. Diagram Alir Mulai Pegumpula Data Permodela Struktur Aalisis Getara Bebas Permodela Gaya Aerodiamika dega Theodorse Mecari Natural

Lebih terperinci

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.

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,...

) 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra 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 terperinci

MATEMATIKA DISKRIT FUNGSI

MATEMATIKA 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 terperinci

Pendahuluan. Dalam statistika tercakup dua pekerjaan penting, yaitu : penyajian DATA menghasilkan INFORMASI penafsiran

Pendahuluan. Dalam statistika tercakup dua pekerjaan penting, yaitu : penyajian DATA menghasilkan INFORMASI penafsiran 1. Pegertia Statistika Pedahulua Statistika metode yag berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah Dalam statistika tercakup dua pekerjaa

Lebih terperinci

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25 head office : Kompleks Sawaga Permai Blok A5 No.1A, Sawaga, Depok 16511 Telp.01-951 1160. cotact perso : 0-878787-1-8585 / 081-8691-10 Bidag Studi Kode Berkas Waktu : Matematika : MA-L01 (solusi) : 90

Lebih terperinci

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

ANALISIS RIIL I. Disusun oleh Bambang Hendriya Guswanto, S.Si., M.Si. Siti Rahmah Nurshiami, S.Si., M.Si.

ANALISIS RIIL I. Disusun oleh Bambang Hendriya Guswanto, S.Si., M.Si. Siti Rahmah Nurshiami, S.Si., M.Si. ANALISIS RIIL I Disusu oleh Bambag Hedriya Guswato, S.Si., M.Si. Siti Rahmah Nurshiami, S.Si., M.Si. PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM FAKULTAS SAINS DAN TEKNIK UNIVERSITAS

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA

BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA II.1 Pegedali Modus Lucur Sistem o-liier dimodelka dalam persamaa status pada persamaa (2.1) berikut ii: x &( = f ( + B( u(...(2.1) dega x ( merupaka

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci