SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE

Ukuran: px
Mulai penontonan dengan halaman:

Download "SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE"

Transkripsi

1 SINUSOIDAL WATER WAVE SINUSOIDAL WATER WAVE

2 Saa halya beda padat, cair juga epuyai gerak traslasioal, rotasioal, da osilasi. Gerak traslasioal dihasilka ketika air egalir, Gerak Rotasioal terjadi pada pusat air da osilasi terjadi ketika ada gaggua dari luar.seperti betuk gaggua diperukaa air yag disebut gelobag air. Ketika batu jatuh ke air, beratya eeka kebawah terhadap titik air diaa batu itu jatuh seperti kapal.

3 Gelobag adalah batas atara dua fluida atara udara da air. Gelobag terbagi ejadi dua : - Gelobag regular. - Gelobag irregular.

4 Gelobag laut terbetuk karea perukaa laut terkea hebusa agi terus eerus wid waves (lihat Gbr. 1.1) Agi Perukaa laut teag Riak perukaa laut Gelobag kecil Riak di atas gelobag yag ebesar Gabar 1.1. Mekaise pebetuka gelobag oleh agi Besarya gelobag tergatug dari itesitas, jagka waktu, da jarak agi berhebus (fetch legth). Gelobag eyerap eergi dari agi, da sebalikya egeluarka eergi utuk peyebara; kodisi keseibaga disebut sebagai fully developed seas Gelobag aka ereda s/d beberapa hari terutaa karea gaya gravitasi gravity waves. Gelobag lacip da kecil ereda karea ekaise gelobag pecah, disapig itu gelobag juga terreda oleh efek keketala Gelobag yag ereda bergerak ke tepat yag sagat jauh sebagai gelobag pajag da beratura swell 1-1

5 SEA STATES (KONDISI LAUT) adalah erupaka ukura yag lai diguaka dala ejelaska tigkat kegaasa laut pada suatu saat tertetu. Ukura kegaasa laut disii diperoleh berdasarka pegalaa, utaaya oleh para pelaut yag telah terbiasa berlayar di lauta iterasioal. Ukura tersebut uuya juga dijadika sebagai tolok ukur keapua operasi bagua laut secara luas. SEA STATE DESCRIPTION SIGNIFICANT AVERAGE WIND SPEED BEAUFORT OF SEA WAVE HEIGHT Hs () WAVE HEIGHT Hav () Vw (kots) SCALE Cal (glassy) Cal (rippled) Sooth (wavelets) Slight Moderate Rough Very Rough High Very High Pheoeal > 14. > 8.75 >

6 Gelobag laut epuyai betuk da arah geraka tak beratura/acak (rado) da tidak perah berulag uruta kejadiaya, sehigga teori gelobag reguler tidak dapat secara lagsug (deteriistik) ejelaskaya. Oleh karea itu diterapkalah etode statistik utuk egkuatifikasi sifat gelobag acak (t) t (det) Gabar 3.1. Saple tie history rekaa gelobag acak T p1 T p H H 3 5 T 1 T Gabar 3.. Defiisi pegukura sapel gelobag acak 3-1

7 Tiap satu rekaa gelobag diabil sekitar 1 s/d 3 eit (iii euat 1 sapel gelobag (lihat Gbr. 3.1 da 3.) Tiap gelobag dala satu rekaa epuyai harga kobiasi tiggi H, aplitudo w, periode pucak T p da periode sipaga ol T yag berbeda-beda Dega etode statistik ukura gelobag acak diberika dala betuk harga rata-rata, sigifika, 1/1 tertiggi dll dari H, w, T p da T Aalisis yag dilakuka terhadap satu atau beberapa rekaa gelobag disebut aalisis kuru waktu pedek (short-ter wave aalysis - STWA) Dega STWA teryata dapat diidetifikasi bahwa H (da juga w ) epuyai distribusi yag dapat didekati oleh distribusi teoretis dari Rayleigh; dega persaaa kepadata peluag / probability desity fuctio (pdf) lihat juga Gbr. 3.3: p( x ) x exp x 4 ; x H / H (3.1) Sedagka pdf periodeya didekati dega persaaa (lihat juga Gbr. 3.4): p ( ) ; T / T (3.) 3 / 1 3-

8 p(x) p() Teori (Rayleigh) Pegukura. 1.5 Teori ( =.6) Pegukura ( + ) H/Ĥ Gabar 3.3. Histogra o-di utuk H atau w dari STWA T / T ˆ Gabar 3.4. Histogra o-di utuk periode gelobag T dari STWA (t) Dt t (det) ( - ) Gabar 3.5. Pegukura elevasi gelobag ( - ) ( + ) Gabar 3.6. Distribusi Gaussia elevasi gel 3-3

9 Bila depresi perukaa gelobag setiap saat diukur pada setiap iterval waktu tertetu yag cukup kecil, is. Dt =.5 det, aka distribusiya aka edekati distribusi oral atau Gaussia (lihat Gbr. 3.5) 1 p ( ) exp (3.3) Depresi perukaa rata-rata (ea): N / N (3.4) 1 Varia dari depresi relatif terhadap rata-rata adalah: N 1 N (3.5) Sipaga baku atau akar rata-rata (root ea square RMS) depresi relatif terhadap ea adalah: (3.6) Dala pebahasa keudia aka dapat dilihat petigya peakaia RMS utuk euruka harga-harga karakteristik gelobag acak 3-4

10 Proses pebetuka gelobag secara kotiyu eujukka bahwa suatu tie history gelobag yag diabil dala waktu T H dapat diyataka dala deret Fourier: 1 ( t) A cos( t) B si( t) (3.7) Dega harga-harga frekuesi: ( rad / s) utuk 1,,3... T H (3.8) Koefisie A da B diberika sebagai: A T H H ( t)cos( t) dt da B a ta ( A B ) A ( t) cos( t (3.1) dega da B T Sehigga pers. (3.7) dapat dituliska kebali ejadi: 1 ) H H ( t)si( t) dt Pers. (3.7) da (3.1) eujukka bahwa suatu gelobag acak adalah erupaka superposisi/pejulaha gelobag-gelobag reguler dala julah tidak berhigga (lihat Gbr. 3.7) 3-5 (3.9)

11 (t) t (det) Wave-1 Wave- Wave-3 S Wave-k... Wave- Gabar 3.7. Gelobag acak erupaka superposisi gelobag reguler dala julah (Pierso, W.J. Jr. ad St Deis, M, O the Motio of Ships i Cofused Seas, Trasactio of SNAME, Vol. 61, 1953) 3-6

12 S () [/(rad/s)] Kotribusi itesitas gelobag-gelobag reguler dala ebetuk gelobag acak diyataka dala betuk spektru kepadata eergi gelobag (spektru gelobag). Eergi per 1 luas perukaa gelobag reguler (kopoe ke-): E 1 g (3.11) Kotribusi dari seluruh kopoe gelobag reguler yag ebetuk eergi per satua luas perukaa keudia dikupulka dala betuk luasa di bawah kurva dala Gbr Bila adalah frekuesi bgelobag ke-, yi. ratarata dari a da b, sbb: Maka eergi yag dikotribusika oleh gelobag ke- tersebut (dega aplitudo ) adalah: 1 g gs ( ) d Jadi ordiat spektraya adalah: a b S ( ) a /(rad/s) (3.1) Eergi dala retag a da b = g x luasa b (rad/s) Gabar 3.8. Defiisi spektru eergi gelobag 3-7

13 Melihat kebali pers. (3.5), dala pegukura depresi dala julah besar aka depresi rata-rataya aka edekati atau saa dega ol. Dari aalsis ii dapat dituliska besarya varia sebagai fugsi depresi sbb: T H 1 ( t) T H dt ( ) (3.13) Bila variabel depresi (t) digatika dega ruas kaa pers. (3.1) da diabil saa dega ol, aka pers. (3.13) ejadi: T H 1 t dt T cos H (3.14) 1 Karea frekuesi-frekuesi gelobag telah ditetapka seperti dala pers. (3.8) aka peyelesaia persaaa itegral (3.14) di atas adalah: 1 1 (3.15) Measukka pers. (3.1) ke dala pers. (3.15) aka diperoleh: S ( ) S ( ) 1 d (3.16) Pers. (3.16) eujukka bahwa varia depresi gelobag adalah saa dega luasa di bawah kurva spektra gelobag 3-8

14 Depresi gelobag acak yag diforulasika dala pers. (3.1) dapat dituruka utuk edapatka kecepata da percepata perukaa gelobag: 1 si ) ( t t 3-9 (/s) (3.17) Kecepata da percepata perukaa gelobag dapat diaalisis secara statistik seperti depresi gelobag, dega aplitudo asig-asig (/s) da (/s ). Aalogi selajutya, ordiat spektra kecepata da percepata dapat diperoleh seperti dala pers. (3.1): 1 cos ) ( t t (/s ) (3.18) ) ( ) ( S S ( /s ) (3.19) ) ( ) ( 4 4 S S ( /s 4 ) (3.) Varia kecepata da percepata diperoleh dega egikuti prosedur peurua pers. (3.16): ) ( ) ( d S d S ( /s ) (3.1) 4 4 ) ( ) ( d S d S ( /s 4 ) (3.)

15 Varia-varia da 4 disebut sebagai oe ke- da ke-4 luasa spektra. Jadi oe spektra dapat diberika dala betuk uu sbb: S ( ) d (3.3) Dari aalisis di atas, frekuesi rata-rata (atau odal frequecy) yag erupaka pusat spektra dapat diperoleh dega: (rad/s) (3.4) 1 Periode rata-rata gelobag (atau odal period) dapat diperoleh dega: T T (sec) (3.5) 1 Ochi & Bolto (1973) juga eujukka bahwa periode pucak rata-rata gelobag dapat diperoleh dega: T p (sec) (3.6) 4 da periode sipaga ol rata-rata gelobag dapat diperoleh dega: T (sec) (3.7) 3-1

16 Lebih lajut STWA da spektra gelobag dapat euruka harga-harga karakteristik tiggi gelobag berikut. 1. Tiggi gelobag rata-rata: H.5 () (3.8). Tiggi gelobag sigifika: H S H 4 () (3.9) 1/ Tiggi gelobag rata-rata 1/1 gelobag terbesar: H / H S 1 () (3.3) 4. Tiggi gelobag ekstre yag palig ugki terjadi (peluag=6.3%) dala durasi badai yag ebetuk gelobag, T ja : Hˆ 6 T l () (3.31) 5. Tiggi gelobag ekstre dega peluag kejadia a (is. 1%) dala durasi gelobag T ja : Hˆ a 6 T l a () (3.3) 3-11

17 STWA da aalisis spektra gelobag juga eghasilka peruusa utuk epe-roleh julah kejadia gelobag,, per satua waktu (per detik), sbb: 1 (1/det) (3.33) Atau dala betuk yag lebih legkap (eperhitugka oe ke-4: (1/det) (3.34) Spektra gelobag diperoleh dega egaalisis rekaa gelobag egguaka tekik FFT (fast Fourier trasfor). Cotoh hasil aalisis sejulah gelobag di suatu peraira Gbr. 3.9 Gabar 3.9. Cotoh plot sejulah spektra gelobag dari satu peraira dega harga Hs yag saa (grafik tebal utuk spektra gelobag rata-rata) 3-1

18 Peracaga kapal seharusya didasarka pada spektra gelobag yag dihasilka dari data gelobag setepat. Dala hal spektra atau data gelobag setepat tidak tersedia pilih forulasi spektra gelobag yag sesuai (peraira terbuka, peraira tertutup, efek agi, geografis, kedalaa peraira, fetch legth dll) Forulasi spektra dituruka dari spektra rata-rata di suatu peraira. Cotoh-cotoh forulasi spektra gelobag: Bretscheider (peraira terbuka): S ( ).1687 H S 4 S s exp (3.35) S = /T S da T S =.976 T P ISSC - Iteratioal Ship Structure Cogress (peraira terbuka): S 4 4 ( ).117HS exp.147 ; = frekuesi odal (frekuesi pucak spektra) (3.36) 3-13

19 JONSWAP Joit North Sea Wave Acquisitio Project (peraira kepulaua / tertutup): S ( ) ag 5 exp ( ) exp / (3.37) = 3.3 (dapat bervariasi atara 1. s/d 7.) peakedess paraeter =.7 utuk shape paraeter =.9 utuk > a =.81 Catata: persaaa JONSWAP dewasa ii bayak dipakai utuk aalisis bagua lepas patai di Idoesia dega egabil harga sekitar. ~.5. Artiya euruka pucak spektra, atau dega kata lai doiasi tidak terkosetrasi pada periode atau frekuesi gelobag tertetu saja. 3-14

20 Aalisis gelobag kuru waktu pajag (log-ter wave aalysis LTWA) adalah aalisis yag dilakuka terhadap kupula data-data gelobag yag telah diperoleh dala kuru waktu tahua (iial 1 tahu). Bila satu rekaa gelobag diperoleh setiap 3 eit, aka dala 1 hari aka diperoleh idealya 4 rekaa (pertibagka 3 eit atar waktu pegukura sebagai settig peralata). Maka dala 1 tahu aka diperoleh sejulah 4 x 365 data = 876 data (iiu berisi kobiasi atara Hs da Tp, T atau T ratarata). Bila ditijau dari julah sapel gelobag, aka 1 tahu aka diperoleh 876 data x 1 sapel = 876, sapel gelobag (asusika tiap rekaa berisi 1 sapel gelobag). Data gelobag laiya diperoleh dega epertibagka arah propagasi gelobag. Disapig itu aalsis yag legkap juga aka eilahka atara gelobag yag terbetuk oleh agi lokal da gelobag yag datag dari tepat yag jauh (swell). Data gelobag kuru waktu pajag uuya disajika dala tabel yag dikeal sebagai diagra sebara gelobag (wave scatter diagra) Cotoh wave scatter diagra) yag cukup legkap dari ladag West Seo di Selat Makassar dapat dilihat dala Tabel 3.1. Data gelobag terlegkap di duia adalah yag dicatat di North Atlatic (> 5 tahu) 4-1

21 Tabel 4.1a. Data sebara gelobag (lokal) trivariat utuk ladag iyak West Seo, Selat Makassar [UNOCAL, 3] All Years Sea Wave Directio Hs () Tp (s) N NE E SE S SW W NW All Sea

22 Swell Period Hs () All Swell Total

23 Hs (ft) Tp sec) Gabar 4.1. Data sebara gelobag bivariat 4-4

24 Salah satu hal terpetig dala LTWA adalah eraalka itesitas gelobaggelobag kuru waktu pajag dari data yag relatif terbatas. Kebayaka bada berweag (API) atau klasifikasi (ABS, DNV) esyaratka peracaga bagua laut harus didasarka pada gelobag 1-tahua (kodisi ekstre operasi) da gelobag 1-tahua (kodisi survival, ULS) Distribusi gelobag dala kuru waktu pajag dapat didekati dega distribusi kotiyu dari Weibull (1951), yag fugsi kepadata peluagya (probability desity fuctio) diberika dala betuk persaaa: p( x) x x l l x exp l x 1 x (4.1) x = paraeter betuk dega harga uu atara.75 ~.; sedagka utuk gelobag laut uuya berkisar atara.9 ~ 1.1 (Naess :.7 ~ 1.3) l = paraeter skala yag hargaya tergatug dari harga ekstri variabel x ; atau utuk gelobag laut adalah harga tiggi ekstreya, yaki yag terjadi sekali dala kuru waktu pajag () x = itesitas obyek/paraeter yag ditijau; is. tiggi gelobag, sehigga x = H 4-5

25 Persaaa (3.1) dapat dituliska dala betuk persaaa liier sebagai berikut: 1 ll 1 P( H) x l x x ll Distribusi Weibull dapat diaproksiasi dega kurva berbetuk garis lurus bila variabel x pada ruas kaa pers. (3.) digatika dega (H a). Variabel a disii adalah ukura abag tiggi gelobag (threshold wave height), yaitu tiggi gelobag terkecil yag terjadi di suatu peraira. Utuk peraira tertutup a dapat e puyai harga sagat kecil (), sedagka utuk peraira terbuka dapat epuyai harga atara.5 ~.. Kurva distribusi Weibull aka epuyai betuk garis lurus jika digabarka pada grafik yag egkorelasika l{l{1/1-p(h)}] sebagai ordiat da l(h a) sebagai sebagai absisya, seperti ditujukka dala Gbr. 3.. (4.) 3-6

26 l[l{1-p(h)} -1 ] th 1-th 1-th l(h-a) Gabar 4.. Plot betuk liier kurva distribusi Weibull 347

27 P(H) dihitug dega easuka durasi terjadiya badai yag eyebabka tibulya gelobag, yi. ± 3 ja [Ochi, 1978]. Jadi peluag terjadiya gelobag ekstri kuru waktu pajag atau P LT (H) adalah saa artiya dega eghitug peluag terjadiya seua gelobag yag epuyai itesitas lebih kecil dari gelobag ekstri tersebut. Hal ii dilakuka dega eguragi peluag pasti terjadi, yaitu 1., dega harga perbadiga atara durasi badai T badai da kuru waktu pajag T LT terhadap, seperti dala persaaa: P LT ( H) P H H LT 1 T LT Tbadai ( ja) ( tahu) 365( hari) 4( ja) Sebagai isal igi diketahui peluag terjadiya gelobag 1-tahua, P 1 (H), aka perhituga dega pers. (3.3) eghasilka: 3 P1 ( H) P H H sehigga bila harga P 1 (H) ii diasukka ke ruas kiri pers. (3.) aka diperoleh hasil: 1 ll 1 P( H) 1 ll (4.3) 4-8

28 CONTOH PREDIKSI GELOMBANG KURUN WAKTU PANJANG Diagra sebara gelobag hasil pegukura di peraira teluk Mexico adalah seperti diberika dala tabel. Utuk keperlua peracaga bagua laut di daerah tersebut Saudara sebagai kosulta diita elakuka prediksi itesitas gelobag ekstri akibat badai utuk kuru waktu 1 tahu, 5 tahu, da 1 tahu. Utuk egatisipasi ketaktetua adaya gelobag dega tiggi di atas 8. aka dala perhituga disaraka julah total gelobag dari tabel ditabah.5. Guaka prosedur aalisis kuru waktu pajag dala prediksi ii, da guaka batua grafis utuk peyelesaiaya (ilai P(H) agar dihitug sapai delapa digit dibelakag koa). Tp (det) Hs () Julah Julah Koulatif 4-9

29 PENYELESAIAN Pejulaha bayakya gelobag yag terjadi pada tiap-tiap iterval serta julah koulatif setiap keaika iterval sapai dega harga Hs aksiu: Hs () Tp (det) Julah Koulatif Julah

30 Tabulasi data perhituga utuk aalisis kuru waktu pajag: Harga acua batas bawah tiggi gelobag a diabil saa dega.. Utuk perhituga P(Hs) berikut julah gelobag total diabil sebesar = gelobag. Nilai.5 julah gelobag adalah utuk egatisipasi ketaktetua karea keugkia adaya gelobag dega itesitas di atas Hs = 8.. Hs () P(Hs) l (Hs a) 1 ll 1 P( Hs ) Dega egguaka data di atas dapat dibuat grafik hubuga atara para eter dala kolo (3) sebagai absis da kolo (4) sebagai ordiat. Dari sebara data dapat dilakuka aalisis regresi (atau dala hal ii dilakuka perkiraa tredlie sebara data). 4-11

31 v = l[l{1/1-p(hs)}] Persaaa tredlie yag diperkiraka sesuai dega sebara data adalah: 1 v = u.8 ; dega v = ll da u = l (Hs a) 1 P( Hs ) v u.8 Persaaa tredlie tersebut aka diguaka sebagai padua utuk eyelesaika proses aalisis selajutya u = l (Hs - a) 4-1

32 Perhituga utuk prediksi gelobag sigifika akibat badai 1, 5 da 1 tahu a dilakuka dega tabulasi sbb: 1 Kuru Waktu Py(Hs) ll l (Hs a) Hs () 1 P( Hs ) (1) () (3) (4) (5) 1 tahu tahu tahu Kolo (1): jelas. Kolo (): dihitug dega pers. (3.3) utuk T badai = 3 ja Kolo (3): dihitug berdasar hasil kolo (). Kolo (4): hasil dala kolo ii diperoleh dari pebacaa grafik tredlie hu bu ga ordiat - absis dari kolo (3) da kolo (4). Nau utuk keu da ha peyelesaia, perhituga telah dilakuka dega eakai persa a a garis tredlie yag diperoleh sebeluya, yaki: v = u.8, dega v adalah ilai yag diperoleh dari kolo (3), da u adalah hasil yag diasukka ke dala kolo (4). Kolo (5):hasil akhir aalisis yag diperoleh dari iversi ilai-ilai dari kolo (4), yaki (Hs-a) = exp[l(hs a)] ; karea a =. aka Hs a = Hs 4-13

33 Dari tabel perhituga di atas akhirya didapat bahwa: Tiggi gelobag sigifika Hs utuk kuru 1 tahua adalah = 1.46 Tiggi gelobag sigifika Hs utuk kuru 5 tahua adalah = Tiggi gelobag sigifika Hs utuk kuru 1 tahua adalah = 1.18 Catata: Perlu dipahai tredlie yag diperoleh pada aalsis di atas adalah erupaka perkiraa (buka dari aalisis regresi yag akurat), sehigga satu peracag ugki eperkiraka tredlie yag berbeda dega peracag yag lai. Nau perbedaa ii, utuk data yag saa, seharusya tidak terlalu besar. 4-14

34 Sebagaiaa dijelaska pada Bab, gelobag acak adalah erupaka superposisi dari gelobag-gelobag reguler dala julah yag sagat bayak (teoretis s/d tak berhigga), dega kobiasi variasi tiggi gelobag H () da frekuesi (rad/det). Selajutya itesitas suatu gelobag acak dapat direpresetasika dala betuk uata eergi per satua luas perukaa laut, yag ditujukka oleh kurva kerapata spektra eergi gelobag atau lai disigkat sebagai spektra gelobag. Berdasarka hal tersebut di atas, bilaaa karakteristik respos struktur akibat eksitasi gelobag reguler (RAO) telah diketahui, aka respos struktur akibat eksitasi oleh gelobag acak keudia dapat dihitug dega eyusu kebali kopoe eergi respos yag tibul akibat pegaruh tiap-tiap gelobag dega variasi H () da (rad/det). Harap diigat bahwa suatu kurva RAO adalah euat harga repos yag bervariasi tergatug dari harga (rad/det), sedagka variasi H () pada tiap-tiap harga (rad/det) aka egakibatka perubaha respos yag liier. Karea eergi gelobag adalah erupaka fugsi luasa perukaa yag direprestasika oleh ( ), aka eergi respos juga aka erupaka fugsi RAO. 5-1

35 RAO = r / w S() S r () Hal tersebut adalah saa dega egubah eergi gelobag ejadi eergi respos, atau dega kata lai egubah spektra gelobag ejadi spektra respos. Proses yag disebut sebagai ANALISIS SPEKTRA ii dapat ditujukka secara grafis berikut: INPUT RAO & S() SISTEM (PROSES) RAO x S() OUPUT S r () X = Setelah spektra respos diperoleh aka harga-harga statistik dari respos dapat dihitug dega egguaka persaaa-persaaa yag saa utuk hargaharga statistik gelobag (lih. Pers ). 5-

36 See

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

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

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi

Lebih terperinci

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Perbaikan Bagan Kendali Pergerakan Data (Data Driven) Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

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

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

Sekolah Olimpiade Fisika

Sekolah Olimpiade Fisika SOLUSI SIMULASI OLIMPIADE FISIKA SMA Agustus 06 TINGKAT KABUPATEN/KOTA Waktu : 3 ja Sekolah Olipiade Fisika davitsipayug.co Sekolah Olipiade Fisika davitsipayug.co davitsipayug@gail.co. Dua orag aak earik

Lebih terperinci

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

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

Lebih terperinci

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN BAB III ANUITAS DNGAN BBRAPA KALI PMBAYARAN STAHUN TRHADAP TABUNGAN PNDIDIKAN. Tabuga Pedidika Aak Tabuga erupaka salah satu produk yag ditawarka oleh bak utuk eyipa uag. Utuk epersiapka daa pedidika aak,

Lebih terperinci

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN Siste idetifikasi daerah rawa bajir ebutuhka adaya data spasial yag diolah dega eafaatka tekologi Siste

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

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

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block

Perbandingan Inversi Least-Square dengan Levenberg- Marquardt pada Metode Geomagnet untuk Model Crustal Block PROSIDING SKF 6 Perbadiga Iversi Least-Square dega Leveberg- Marquardt pada Metode Geoaget utuk Model Crustal Block Uar Said a, Mohaad eriyato b, da Wahyu Srigutoo c Laboratoriu Fisika Bui, Kelopok Keilua

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

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

LEMBAR KERJA SISWA 5

LEMBAR KERJA SISWA 5 94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

Dalam kehidupan sehari-hari terdapat banyak benda yang bergetar.

Dalam kehidupan sehari-hari terdapat banyak benda yang bergetar. Getara (Vibratio) Dalam kehidupa sehari-hari terdapat bayak beda yag bergetar. Sear gitar yag serig ada maika, Soud system, Garpu tala, Demikia juga rumah ada yag bergetar dasyat higga rusak ketika terjadi

Lebih terperinci

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

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

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih 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

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 2 DASAR TEORI. 2.1 Probabilitas

BAB 2 DASAR TEORI. 2.1 Probabilitas BAB DASAR TEORI. Probabilitas Probabilitas epuyai bayak persaaa seperti keugkia, kesepata da kecederuga. Probabilitas eujukka keugkia terjadiya suatu peristiwa yag bersifat acak. Suatu peristiwa disebut

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB 7 DISAIN KONTROL BERUMPAN-BALIK LUP TUNGGAL KLASIK

BAB 7 DISAIN KONTROL BERUMPAN-BALIK LUP TUNGGAL KLASIK BAB 7 DISAIN ONTROL BERUMPAN-BALI LUP TUNGGAL LASI 7. Tekik Tepat eduduka Akar (Root Lous) Root Lous: tekik seara grafik yag terdiri atas peggrafika akar-akar pers. karakteristik (eigevalue), sebagai fugsi

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1 Kuliah : Rekayasa Hidrologi II TA : Geap 2015/2016 Dose : 1. Novriati.,MT 1 Materi : 1.Limpasa: Limpasa Metoda Rasioal 2. Uit Hidrograf & Hidrograf Satua Metoda SCS Statistik Hidrologi Metode Gumbel Metode

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 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

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

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

ANALISIS SPEKTRUM FREKUENSI NON-LINEAR SINYAL TUTUR DENGAN ALIH RAGAM FOURIER CEPAT

ANALISIS SPEKTRUM FREKUENSI NON-LINEAR SINYAL TUTUR DENGAN ALIH RAGAM FOURIER CEPAT ISS: 693-693 5 AALISIS SPEKTRUM FREKUESI O-LIEAR SIYAL TUTUR DEGA ALIH RAGAM FOURIER CEPAT Sala Abd. Cadu, Prayoto 2, Adhi Susato 3, Kirbai Sri Brotopuspito 4,3 Jurusa Tekik Elektro Fakultas Tekik Uiversitas

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +K Oleh : MOHAMMAD IQBAL 1 0 100 01 Pebibig : Drs. Suhud Wahyudi, M.Si. 1900109 198701 1 001 ABSTRAK Graph adalah hipua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori 4 Bab II Ladasa Teori II. Aalisis "Net Social Gai" (NSG) PT. Siar Asia Fortua sebagai suatu perusahaa tabag baha galia batugapig epuyai kotribusi positif terhadap peigkata pedapata jika ilai outputya lebih

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

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 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

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

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

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO

ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO Titiek Widyasari 1 1 Program Studi Tekik Sipil, Uiversitas Jaabadra Yogyakarta, Jl. Tetara Rakyat Mataram 55 57 Yogyakarta Email: myso_jayastu@yahoo.co.id

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

TEKNIK-TEKNIK PENGAMBARAN ARUS LALU LINTAS

TEKNIK-TEKNIK PENGAMBARAN ARUS LALU LINTAS TEKIK-TEKIK PEGABARA ARS LAL LITAS Kebutuha dasar tekik lalu litas (Traffic Egieerig) adalah pegetahua komprehesif da pegambara dari gerak mobil, truk da bus atara lai pada : jala raya da jariga jala Tekik-tekik

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih 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 METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

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

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

Lebih terperinci

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk

Lebih terperinci

VISUALISASI PENGENALAN UCAPAN VOKAL BAHASA INDONESIA DENGAN METODE LPC-DTW

VISUALISASI PENGENALAN UCAPAN VOKAL BAHASA INDONESIA DENGAN METODE LPC-DTW VISUALISASI PENGENALAN UCAPAN VOKAL BAHASA INDONESIA DENGAN METODE LPC-DTW Syaiful Racha (L2F001644) Jurusa Tekik Elektro, Fakultas Tekik Uiversitas Dipoegoro Searag, Idoesia Ipoeltekik2001@yahoo.co Abstrak-

Lebih terperinci

Kata kunci: jarak tempuh, komponen estimasi statistik, routing S-shape, return strategy

Kata kunci: jarak tempuh, komponen estimasi statistik, routing S-shape, return strategy Estiasi Jarak Tepuh Order Pickig Maual Dega Metode Aalitik di PT GMS Agug Chadra Fakultas Tekik, Jurusa Tekik Idustri, Uiversitas Mercubuaa Jl. Raya Meruya Selata o.0, Kebaga, Jakarta Barat 650 Surel:

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

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih 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

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

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

MODUL MATEMATIKA SMA IPA Kelas 12

MODUL MATEMATIKA SMA IPA Kelas 12 MODL MATEMATIKA SMA IPA Kelas BARISAN DAN DERET ARITMATIKA. Betuk uu: a, ( a b), ( a b) ( a b). Ruus suku ke- ( ) a ( ) b a : suku pertaa b : beda. Julah suku pertaa (S ) S ( a ) atau S (a ( ) b) Dega

Lebih terperinci

ANALISIS REGRESI DAN KORELASI SEDERHANA

ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

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

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

III. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di

III. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di III. MATERI DAN METODE PENELITIAN 3.. Waktu da Tempat Peelitia telah dilakuka pada bula November - Desember 203 di peteraka Kambig yag ada di Kota Pekabaru Provisi Riau. 3.2. Alat da Baha Materi yag diguaka

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

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

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

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

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

CATATAN KULIAH #12&13 Bunga Majemuk

CATATAN KULIAH #12&13 Bunga Majemuk CATATAN KULIAH #12&13 Buga Majemuk 10.1 Pedahulua Pada pembahasa sebelumya diasumsika bahwa P atau ilai pokok pembayara tidak megalami perubaha dari awal higga akhir sehigga ilai buga selalu dihitug dari

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

τ = r x F KESETIMBANGAN

τ = r x F KESETIMBANGAN KESETIMBG Moe Gaa ( τ ) Moe gaa atau torsi adalah besara ag dapat eebabka beda berotasi atau berputar. Besar oe gaa didefiisika sebagai hasil kali atara gaa ag bekerja dega lega. Moe gaa terasuk dala besara

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:

BAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan: BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah

Lebih terperinci

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA

PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA PERTEMUAN 3 CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI UKURAN PEMUSATAN DATA Cara Peyajia Data dega Tabel Distribusi Frekuesi Distribusi Frekuesi adalah data yag disusu dalam betuk kelompok baris berdasarka

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

,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 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN

BAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN BAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN A. Mome Misalka diberika variable x dega harga- harga : x, x,., x. Jika A = sebuah bilaga tetap da r =,,, maka mome ke-r sekitar A, disigkat m r, didefiisika oleh

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci