BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK
|
|
- Sri Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Dktat Rekayasa Trafk BB II PDKT PROBBILITS D MODL TRFIK 2. Pendahuluan Trafk merupakan perstwa-perstwa kebetulan yang pada dasarnya tdak dketahu kapan datangnya dan berapa lama akan berlangsung. Maka untuk mengetahu trafk secara kuanttatf harus dselesakan dengan statstc dan teor probabltas. Sehubungan dengan hal tersebut perstwa trafk ddeskrpskan ke dalam model probabltas yang dsesuakan dengan :. pola kedatangan pangglan 2. pola lamanya waktu pendudukan 3. dspln operas penggambaran matemats untuk proses trafk yatu dengan stokastk yang dsebut dengan proses kelahran dan proses kematan. lahr 2 mat Gambar 2.: Dagram transs konds proses kelahran adalah proses datangnya pangglan dan proses kematan adalah proses berakhrnya pangglan. adalah state atau konds yang menggambarkan jumlah saluran x berkas yang sbuk pada suatu saat. Proses yang dtnjau adalah konds yang menyatakan jumlah saluran atau peralatan yang dduduk sebaga fungs waktu. P,P, P adalah state probablty atau probabltas konds yatu lamanya konds tersebut berlangsung dalam nterval waktu tertentu Transs atau berubahnya konds tertentu ke konds yang lan. Pada waktu dt konds n dapat menjad n jka terdapat pangglan datng dan n- jka terdapat panglan berakhr Sofa anng Hertana Sekolah Tngg Teknolog Telkom
2 2 Dktat Rekayasa Trafk Persamaan kesetmbangan : bn n n dn Gambar 2.2: persamaan kesembangan Berapa kal perubahan dar n ke n sama dengan berapa kal perubahan dar konds n- ke n 2.2 Model Trafk S SUMBR Call datang DVIC Call yg dbawa Call dtolak bla seluruhnya sbuk Gambar 2.3: Model Trafk Bla S, ~ memaka model posson S ~ dan terbatas memaka model rlang S, terbatas memaka model bnomal/bernoul S>, terbatas, memaka model engset Sofa anng Hertana Sekolah Tngg Teknolog Telkom
3 3 Dktat Rekayasa Trafk 2.3 Model Posson sums untuk model posson :. kedatangan pangglan acak random arrval 2. waktu pendudukan : dstrbus eksponensal negatve 3. dspln operas : sumber trafk tak terbatas jumlah saluran yang melayan : panggla yang datng selalu dlayan Mean holdng tme terbatas h Rate rata-rata datangnya pangglan : konstan Berkas masuk Berkas keluar Swtchng network s n Gambar 2.4 : Model Posson 2.3. Dagram Transs Konds 2 µ 2 3 Νµ Νµ Νµ Gambar 2.5 : Dagram transs konds Persamaan kesetmbangan Untuk : P µ P P /µ P, dmana /µ adalah ntenstas trafk P P Untuk P 2µ P2 P2 /2µ P Sofa anng Hertana Sekolah Tngg Teknolog Telkom
4 4 Dktat Rekayasa Trafk P2 /2 P P2 /2 P P2 2 /2 P Untuk 2 P2 3µ P3 P3 /3µ P2 P3 /3 P2 P3 /3. 2 /2 P P3 3 /3 P, dst Untuk P / P Harga P d dapat dar persamaan normal ~ P ~ P P ~ dmana : ~ e sehngga : P e - Jad : P /. e - [2.] trafk yang dtawarkan kepada trunk e logartmk natural e 2,783 dstrbus posson dgunakan untuk :. mendmenskan group trunk plhan terakhr fnal trunk group dmana pangglan yang dblok tdak dtawarkan kepada group srkt lannya. 2. dpaka dalam kasus erlang B dpaka. Sofa anng Hertana Sekolah Tngg Teknolog Telkom
5 5 Dktat Rekayasa Trafk 2.4 Model rlang Berkas masuk Berkas keluar Swtchng network s n Gambar 2.6 : Model rlang sums untuk model erlang :. kedatangan pangglan acak random arrval 2. waktu pendudukan : dstrbus eksponensal negatve 3. dspln operas : sumber trafk tak terbatas jumlah saluran yang melayan :, terbatas. Pangglan yang datng pada waktu semua saluran sbuk, dhlangkan. Full avalablty/berkas sempurna, setap saluran yang bebas selalu dapat dduduk oleh pangglan yang datang Mean holdng tme terbatas h Rate rata-rata datangnya pangglan : konstan 2.4. Dagram Transs Konds 2 µ 2 3 Νµ Gambar 2.7 : Dagram Transs Konds Sofa anng Hertana Sekolah Tngg Teknolog Telkom
6 6 Dktat Rekayasa Trafk Persamaan kesetmbangan Untuk : P µ P P /µ P, dmana /µ adalah ntenstas trafk P P Untuk P 2µ P2 P2 /2µ P P2 /2 P P2 /2 P P2 2 /2 P Untuk 2 P2 3µ P3 P3 /3µ P2 P3 /3 P2 P3 /3. 2 /2 P P3 3 /3 P, dst Untuk P / P Harga P d dapat dar persamaan normal P P P sehngga : P P [2.2] P basanya dsmbulkan dengan, atau atau B atau rumus rug erlang atau rumus erlang B Sofa anng Hertana Sekolah Tngg Teknolog Telkom
7 7 Dktat Rekayasa Trafk Rumus rug erlang n mempunya 3 besaran yatu :, dan B. harga-harga tersebut dapat dtabelkan. da dua sfat pentng dar rumus rug erlang tersebut, yatu efsens dan kepekaan. fsens / UntuklB tertentu, dengan bertambah besarnya, akan dperlukan yang lebh besar pula. Untuk B tertentu msalnya %. Makn besar saluran makn bak efsensnya. In merupakan keuntungan bekerja pada besar. Kepekaan terhadap perubahan trafk Pada berkas saluran yang besar akan lebh besar pula kepekaannya bla dbandngkan dengan berkas yang kecl. In merupakan kerugan bla bekerja dengan besar. Hal-hal tersebut dapat dlhat pada table berkut: /, nal %, dan tetap B berubah menjad %.3.3%.5.5%.33.% Rumus Rekursve rlang B: Untuk tujuan penghtungan dengan computer, maka rumus erlang B dbuat rumus recursve sbb P pemblang dan penyebut dkalkan dengan P Sofa anng Hertana Sekolah Tngg Teknolog Telkom
8 8 Dktat Rekayasa Trafk Sofa anng Hertana Sekolah Tngg Teknolog Telkom.... sehngga :.. dengan [2.3] trafk yang dtawarkan kepada trunk jumlah srkt/server yang melayan Dagram lr Bla yang dcar adalah B Bla yang dcar adalah nla B pada x dan Q, maka dgram alrnya sebaga berkut:
9 9 Dktat Rekayasa Trafk start Insalsas: x By%.-.n- Y Q T Berhent gambar 2.8: dagram alr untuk mencar nla B pada nla dan tertentu Sofa anng Hertana Sekolah Tngg Teknolog Telkom
10 2 Dktat Rekayasa Trafk Bla yang dcar adalah jumlah saluran start Insalsas: x By%.-.n- Y <B? T Berhent gambar 2.9: dagram alr untuk mencar pada nla dan B tertentu teras berhent kalau B yang dhtung Kalau nla B yang dhtung B, maka eras berhent., dan yang dcar adalah Dstrbus erlang dgunakan untuk : Mendmenskan srkt antara 2 sentral local atau toll yang dhubungkan secara drect tanpa overflow Sofa anng Hertana Sekolah Tngg Teknolog Telkom
11 2 Dktat Rekayasa Trafk Metode pencaran jalan: da 2 metode, yatu : metode homng R Y Y 2 R 3 Y 3 Y R Gambar 2.: metode homng pada metode homng, pemlhan jalan selalu mula dar,2,3 dst. In berart bahwa setelah selector dpaka, wper selalu dkembalkan ke tempat semula permulaan jalan keluar ke dan beban atau muatan trafk pada jalan-jalan keluar permulaan lebh besar dar pada jalan-jlan keluar akhr. Perhtungan muatan pada homng selector. Msalkan sejumlah selector yang mempunya jalan keluar saluran dgandakan multple sepert pada gambar 2.8, sehngga berkas saluran masuk dan berkas saluran keluar terdr dar saluran. D berkas masuk terdapat trafk yang dtawarkan ke berkas keluar yang terdr saluran. Karena setap pengetesan jalan keluar selalu dmula dar jalan ke, kemudan jalan ke 2, dst, maka : Besarnya R, R 2,R 3 R dapat dhtung dengan rumus rug erlang. R. [2.4] R -Y, Dmana Y adalah besarnya trafk yang dmuat oleh jalan keluar ke R 2 R -Y 2, Dmana Y 2 adalah besarnya trafk yang dmuat oleh jalan keluar ke 2 R 3 R 2 -Y 3, Dmana Y 3 adalah besarnya trafk yang dmuat oleh jalan keluar ke 2.. R R Y [2.5] dst maka Y, Y 2,Y 3..Y dapat dhtung jad muatan tap saluran dapat dhtung Sofa anng Hertana Sekolah Tngg Teknolog Telkom
12 22 Dktat Rekayasa Trafk Waktu pencaran jalan Pada mtode n pengetesan selalu dmula dar langkah saluran ke, sehngga beban tap saluran keluar tdak sama. Muatan saluran-saluran permulaan lebh besar dar muatan saluran-saluran yang lebh akhr. ] K R. gambar 2.: model system homng dpaka rumus rug erlang: P n > k P k n k tes k jumlah sa;uran rata-rata yang d tes: n k rata rata k[ k k ] k kk k k k K k k k k k substtus yk- : y y y y y jad persamaan ** menjad : n rata rata ss ss s s s ** s Sofa anng Hertana Sekolah Tngg Teknolog Telkom
13 23 Dktat Rekayasa Trafk s s s s s s s rata rata s s n [2.6] s metode non homng pada metode non homng pemlhan jalur keluar tdak selalu dmula dar jalan keluar ke, tetap sembarang jalan keluar,tergatung /dmula dar jalan keluar yang terakhr dpaka. In berart, wper setelah dpaka pembubaran tdak dkembalkan ke tempat semula/jalan keluar ke dan muatan trafknya merata ke seluruh jalan keluar. R Y Y 2 R 3 Y 3 Y R Gambar 2.2 metode non homng Perhtungan muatan untuk non homng selector Karena muatan tap jalan keluar saluran rata/sama maka dapat dhtung sbb: Y muatan trafk pada berkas keluar Y -R [2.7] Maka : Y Y 2 Y 3 Y/ [2.8] Waktu pencaran jalan In berart bahwa pengetesan tdak selalu dmula dar langkah ke, tetap random dan sebaga konsekuensnya : beban muatan tap saluran keluar merata sama. Bla beban tap saluran p, maka berart : Probabltas saluran sbuk p Probabltas saluran bebas -p q kan dcar waktu lamanya rata-rata proses pencaran jalan karena swtch perlu waktu untuk mengetes jalan saluran, bla bebas lalu dduduk. Swtch akan mengalam keadaan-keadaan sbb : Sofa anng Hertana Sekolah Tngg Teknolog Telkom
14 24 Dktat Rekayasa Trafk o Konds Pengetesan langkah Probabltas ke n saluran pertama yang dtespengetesan secara q -p random : bebas 2 saluran pertama yang dtes : sbuk pq p-p saluran yang dtes kedua : bebas saluran pertama yang dtes : sbuk P 2 -p saluran yang dtes ketga : bebas 3 : : : - -2 saluran pertama yang dtes : sbuk P -2 -p saluran yang dtes ke- : bebas - - saluran pertama yang dtes : sbuk saluran yang dtes ke : bebas P - -p - saluran pertama yang dtes : sbuk P saluran yang dtes ke : sbuk Harga rata-rata dar pengetesan yang ke n atau jumlah rata-rata langkah saluran dhtung mula dar langkah permulaan sampa dengan berhentnya swtch : n rata rata n n p n. p 2. p p... { p p p 2... p p p } p n rata rata p [2.9] waktu lamanya pengetesan n rata-rata x waktu tes/sal Sofa anng Hertana Sekolah Tngg Teknolog Telkom
15 25 Dktat Rekayasa Trafk 2.5 Model Bnomal Berkas masuk Berkas keluar Swtchng network s terbatas n terbatas Gambar 2.3 : model bnomal 2.5. Dagram Transs Konds S S S 2 S -2 S µ 2µ 3µ Ν µ Νµ Gambar 2.4 : Dagram transs konds persamaan kesetmbangan Pada keadaan kesetmbangan : s-pµp Untuk s.pµp Ps. /µ.p, dmana /µ ntenstas trafk Ps..P Untuk s-p2µp2 P2s- /2µ.P P2s- /2.P P2s- /2 s P P2s-s. 2 /2 P Sofa anng Hertana Sekolah Tngg Teknolog Telkom
16 26 Dktat Rekayasa Trafk Untuk 2 s-2p23µp3 P3s-2 /3µ.P2 P3s-2 /3.P2 P3s-2 /3 s-s. 2 /2 P P3s-2 s-s. 3 /3 P 3 s P3 P, dst 3 s 3 s P P s s P P s P dcar dar persamaan normal P s P s P s s P s s s s S [2.] 2.6 Model ngset Berkas masuk Berkas keluar Swtchng network s terbatas n terbatas Gambar 2.5: Model ngset Sofa anng Hertana Sekolah Tngg Teknolog Telkom
17 27 Dktat Rekayasa Trafk 2.6. Dagram Transs Konds S S S 2 S -2 S µ 2µ 3µ Ν µ Νµ Gambar 2.6: Dagram transs konds persamaan kesetmbangan Pada keadaan kesetmbangan : s-pµp Untuk s.pµp Ps. /µ.p, dmana /µ ntenstas trafk Ps..P Untuk s-p2µp2 P2s- /2µ.P P2s- /2.P P2s- /2 s P P2s-s. 2 /2 P Untuk 2 s-2p23µp3 P3s-2 /3µ.P2 P3s-2 /3.P2 P3s-2 /3 s-s. 2 /2 P P3s-2 s-s. 3 /3 P 3 s P3 P, dst 3 s 3 s P P s s P P s P dcar dar persamaan normal Sofa anng Hertana Sekolah Tngg Teknolog Telkom
18 28 Dktat Rekayasa Trafk Sofa anng Hertana Sekolah Tngg Teknolog Telkom P P s s s s P s s s s P [2.]
TEORI DISTRIBUSI PADA REKAYASA TRAFIK ( MODEL TRAFIK )
BAB IV TEORI DISTRIBUSI PADA REKAYASA TRAFIK ( ODEL TRAFIK ) Untuk dapat menganalsa trafk dar suatu sstem telekomunkas, basanya dlakukan pemodelan. Umumnya pemodelan n melput 2 fasa, yatu pemodelan dengan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciPERANCANGAN JARINGAN AKSES KABEL (DTG3E3)
PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan
Lebih terperinciBAB VI PERAMALAN TRAFIK UNTUK PERENCANAAN JARINGAN (TRAFFIC FORECASTING FOR NETWORK PLANNING)
55 Dktat Rekayasa Trafk BB V PERMLN TRFK UNTUK PERENCNN JRNGN (TRFFC FORECSTNG FOR NETWORK PLNNNG) Peramalan sangat dperlukan untuk membuat keputusan. Dalam perencanaan arngan peramalan dgunakan sebaga
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciVLE dari Korelasi nilai K
VLE dar orelas nla Penggunaan utama hubungan kesetmbangan fasa, yatu dalam perancangan proses pemsahan yang bergantung pada kecenderungan zat-zat kma yang dberkan untuk mendstrbuskan dr, terutama dalam
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciContoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.
BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciberasal dari pembawa muatan hasil generasi termal, sehingga secara kuat
10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass
Lebih terperinciBAB 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciINFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER
Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP
Lebih terperinciBAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi
BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciSOLUTION INSTITUT TEKNOLOGI BANDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI FISIKA
ISTITUT TEKOLOGI BADUG FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM PROGRAM STUDI FISIKA FI-500 Mekanka Statstk SEMESTER/ Sem. - 06/07 PR#4 : Dstrbus bose Ensten dan nteraks kuat Kumpulkan d Selasa 9 Aprl
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 II TINJUN PUSTK 2.1 Manaemen Proyek 2.1.1 Pengertan Manaemen Proyek Sebelum mengemukakan apa art dar Manaemen Proyek, terlebh dahulu akan mengetahu art dar Manaemen dan Proyek tu. Menurut Hamng dan Nurnaamuddn
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciPENANGANAN BAHAN PADAT S1 TEKNIK KIMIA FT UNS Sperisa Distantina
PENANGANAN BAHAN PAAT S1 TEKNIK KIMIA FT UNS Spersa stantna. SCREENING: MENENTUKAN UKURAN PARTIKEL Mater: Cara-cara menentukan ukuran partkel. Analss data ukuran partkel menggunakan screen shaker. Evaluas
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB V TEOREMA RANGKAIAN
9 angkaan strk TEOEM NGKIN Pada bab n akan dbahas penyelesaan persoalan yang muncul pada angkaan strk dengan menggunakan suatu teorema tertentu. Dengan pengertan bahwa suatu persoalan angkaan strk bukan
Lebih terperinciHistogram Citra. Bab Membuat Histogram
Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau
Lebih terperinciBAB I Rangkaian Transient. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST
BAB I angkaan Transent Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Pendahuluan Pada pembahasan rangkaan lstrk, arus maupun tegangan yang dbahas adalah untuk konds steady state/mantap. Akan tetap
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciLAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES
LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciRekayasa Trafik Telekomunikasi
Rekayasa Trafk Telekomunkas TEU9948 INDAR SURAHMAT emodelan Interval Waktu engetahuan yang mendasar pemodelan nterval waktu adalah teor robabltas engetahuan Dasar robabltas Jka A dan B kejadan sembarang,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciKWARTIL, DESIL DAN PERSENTIL
KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag taptap 25% frekuens
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciMETODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.
METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciIII. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciKWARTIL, DESIL DAN PERSENTIL
KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag tap-tap 25% frekuens
Lebih terperinciSTATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran:
STATISTIKA Jens-jens soal statstka yang serng dujkan adalah soal-soal tentang : 1. Membaca sajan data dalam bentuk dagram. Ukuran pemusatan data 3. Ukuran Letak Data 4. Ukuran Penyebaran Data SOAL DAN
Lebih terperinciMATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)
MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.
Lebih terperinciBAB II DASAR TEORI. 2.1 Definisi Game Theory
BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciEksistensi Bifurkasi Mundur pada Model Penyebaran Penyakit Menular dengan Vaksinasi
1 Eksstens Bfurkas Mundur pada Model Penyebaran Penyakt Menular dengan Vaksnas Intan Putr Lestar, Drs. M. Setjo Wnarko, M.S Jurusan Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Teknolog
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciI. PENGANTAR STATISTIKA
1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan
Lebih terperinciBab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak
Bab 3 Teor Comonotonc Pada bab n konsep teor comonotonc akan dpaparkan dar awal dan berakhr pada konsep teor n untuk jumlah dar peubah - peubah acak 1. Setelah tu untuk membantu pemahaman akan dberkan
Lebih terperinciIII. METODOLOGI PENELITIAN
44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Uj Normaltas Llefors D dalam pengendalan persedaan, perumusan lmu statstk dgunakan untuk menentukan pola dstrbus, dmana pola dstrbus tersebut dapat dhtung dengan menguj kenormalan
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinci