Penerapan Algoritma Greedy by Density dalam Pengerjaan Tugas Besar di Teknik Informatika ITB sebagai Persoalan Binary Knapsack

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penerapan Algoritma Greedy by Density dalam Pengerjaan Tugas Besar di Teknik Informatika ITB sebagai Persoalan Binary Knapsack"

Transkripsi

1 Peerapa Algortma Greedy by Desty dalam Pegerjaa Tugas Besar d Tekk Iformatka ITB sebaga Persoala Bary Kapsack Tubagus Adhka Nugraha ( ) 1 Program Stud Tekk Iformatka Sekolah Tekk Elektro da Iformatka Isttut Tekolog Badug, Jl. Gaesha 10 Badug 40132, Idoesa 1 adhka.ugraha@gmal.com Abstrak Tugas besar adalah salah satu cr khas mata kulah d program stud Tekk Iformatka ITB. Seorag mahasswa Tekk Iformatka dtutut utuk meyelesaka lebh dar satu tugas besar utuk setap mata kulah yag damblya d sela-sela kegataya yag la. Makalah membahas bagamaa strateg algortma dapat dterapka utuk mejadwalka pegerjaa tugas besar tersebut dega memafaatka persoala kapsack. Idex Terms Strateg Algortma, Tugas Besar, Tekk Iformatka, Greedy, Kapsack I. PENDAHULUAN Setap program stud d Isttut Tekolog Badug memlk cr khasya sedr, bak dar seg kemahasswaa d hmpua mahasswaya maupu dar seg akademk. Dar seg kemahasswaa, msalya, hmpua mahasswa program stud Tekk Pertambaga, Tekk Permyaka, Tekk Geolog, da Tekk Geofska dkeal sebaga hmpua mahasswa yag keras, da mahasswaya sergkal dstereotpeka sesua dega ctra yag ddapatka oleh hmpua mahasswaya. Namu, karea pada dasarya pergurua tgg adalah tempat meutut lmu d maa mahasswa kulah utuk medapatka hard sklls, kegata akademk yag dseleggaraka sebuah program stud berdampak pada ctra mahasswa yag kulah d program stud tersebut. Salah satu program stud yag memlk cr khas yag ketal adalah Tekk Iformatka. Cr khas kegata akademk d Tekk Iformatka ITB adalah tugas besar. Mesk bayak mata kulah d program stud la yag megguaka tugas besar sebaga salah satu parameter pelaa da/atau kakas pegajara, tugas besar d Tekk Iformatka memlk reputas tersedr karea hampr seluruh mata kulah wajb d Tekk Iformatka meugaska mahasswaya utuk megerjaka tugas besar. Sergkal, d akhr semester, batas waktu pegumpula (deadle) utuk beberapa tugas besar mata kulah bertumpuk da mejad masalah bag mahasswa yag megerjakaya. Bertumpukya batas waktu pegumpula tersebut bukalah sebuah hal yag tdak dsegaja, karea salah satu tujua pembera tugas besar d Tekk Iformatka, sela utuk meumbuhka pemahama tetag mata kulah, adalah melath soft sklls maajeme waktu. Sela maajeme waktu, pembera tugas besar juga melath kemampua bekerja dalam kelompok da pegatura beba kerja, karea hampr seluruh tugas besar d Tekk Iformatka dkerjaka secara berkelompok. Sebaga mata kulah bahka membagka kelompok secara acak sehgga kemampua adaptas mahasswa juga dasah. Namu, tugas besar bukalah satu-satuya taggug jawab yag harus dambl oleh seorag mahasswa Tekk Iformatka ITB. Layakya seorag mahasswa pada umumya, seorag mahasswa Tekk Iformatka juga dtutut utuk aktf berorgasas da berkegata d luar perkulaha. Kegata-kegata tersebut juga membutuhka waktu da kemampua maajeme waktu yag bak. Namu, tdak jarag mahasswa Tekk Iformatka dega segala taggug jawab akademk da oakademk yag harus djalaya dapat meaga semua tu dega bak. Maajeme waktu mejad sebuah hal yag sult, da pegerjaa tugas besar pu mejad tdak deal. Namu, jka damat, persoala maajeme waktu tdak jauh berbeda dega persoala kapsack. Terdapat sejumlah kegata atau pekerjaa yag masg-masg memlk la-la tertetu yag harus dmuat dalam jagka waktu yag terseda dega tujua medapatka hasl terbak serupa dega persoala kapsack d maa sejumlah barag dega berat tertetu harus dmasukka ke dalam karug (kapsack) utuk medapatka hasl tertetu. Makalah mecoba megaalogka pegerjaa tugas besar d Tekk Iformatka sebaga persoala bary kapsack da bagamaa strateg algortma dapat dterapka utuk meyelesaka persoala tersebut. II. TUGAS BESAR DI TEKNIK INFORMATIKA ITB Terdapat setdakya satu tugas besar utuk sebaga besar mata kulah wajb da plha utama d Tekk Makalah IF3051 Strateg Algortma Sem. I Tahu 2012/2013

2 Iformatka ITB. Sebuah tugas besar dalam lgkup makalah berart tugas yag oleh dose pegajar mata kulah dsebut secara harfah sebaga tugas besar. Beberapa mata kulah, d ataraya IF3051 Strateg Algortma, juga memberka tugas-tugas la yag dsebut tugas kecl. Tugas besar dapat dkerjaka berkelompok maupu perseoraga, amu kebayak dkerjaka berkelompok. Satu mata kulah dapat memberka lebh dar satu tugas besar selama satu semester, d ataraya IF3051 Strateg Algortma. Msalka sebuah mahasswa Tekk Iformatka 2010 Semester 5 ber-nim gajl yag megambl mata kulah yag dseleggaraka program stud Tekk Iformatka sebaga berkut: KODE KULIAH KU1071 IF2091 IF2092 IF2030 EL2010 IF2032 IF2034 IF2036 IF2050 IF2052 IF3035 IF3051 IF3055 IF3057 IF3097 NAMA MATA KULIAH Pegeala Tekolog Iformas A Struktur Dskrt Probabltas & Statstka Algortma & Struktur Data Orgasas & Arstektur Komputer Pemrograma Beroretas Objek Bass Data Rekayasa Peragkat Luak Logka Iformatka Teor Bahasa da Otomata Sstem Bass Data Strateg Algortma Sstem Operas Sstem Iformas Jarga Komputer Terdapat lma belas mata kulah pada daftar mata kulah d atas. Jka dklasfkaska berdasarka ada atau tdakya tugas besar, maka ddapatka tabel sebaga berkut: KODE KULIAH KU1071 IF2091 IF2092 IF2030 EL2010 IF2032 IF2034 NAMA MATA KULIAH Pegeala Tekolog Iformas A Struktur Dskrt Probabltas & Statstka Algortma & Struktur Data Orgasas & Arstektur Komputer Pemrograma Beroretas Objek Bass Data IF2036 IF2050 IF2052 IF3035 IF3051 IF3055 IF3057 IF3097 Rekayasa Peragkat Luak Logka Iformatka Teor Bahasa da Otomata Sstem Bass Data Strateg Algortma Sstem Operas Sstem Iformas Jarga Komputer Berdasarka tabel d atas, haya empat dar lma belas mata kulah Tekk Iformatka hgga semester 5 yag tdak memberka tugas besar. I berart 73.33% mata kulah pada kasus d atas meyedaka tugas besar. Secara umum, terdapat dua jes delverables tugas besar d Tekk Iformatka ITB: Dokume Delverables yag berupa dokume dapat berupa dokume utuk rekayasa peragkat luak atau sstem, atau lapora. Dokume rekayasa peragkat luak dberka oleh d ataraya mata kulah IF2036 Rekayasa Peragkat Luak, IF3037 Rekayasa Peragkat Luak Lajut. Dokume rekayasa sstem formas dberka oleh d ataraya mata kulah IF3057 Sstem Iformas. Lapora umumya dkumpulka bersama dega delverables aplkas. Ada juga mata kulah sepert IF2052 Teor Bahasa da Otomata yag memberka tugas membuat makalah sebaga tugas besar. Mata kulah IF2091 Struktur Dskrt juga memberka tugas makalah sebaga tugas akhr mata kulah tersebut, amu tdak secara tersurat dsebut sebaga tugas besar. Sebuah dokume terdr atas beberapa bab da umumya ddasarka pada sebuah cotoh yag dsedaka oleh dose, yag tataletakya umumya bersumber dar IEEE. Sebuah bab dapat memlk subbab, sebuah subbab dapat memlk subsubbab, da seterusya, hgga membuat sebuah documet outle. Aplkas Tugas besar dega delverables berupa aplkas dberka pada bayak mata kulah, dega kakas da bahasa pemrograma yag berbeda-beda, mula dar Assembly pada mata kulah EL2010 Orgasas da Arstektur Komputer, C++ pada mata kulah IF2032 Pemrograma Beroretas Objek, hgga C# pada mata kulah IF3051 Strateg Algortma. Umumya bahasa pemrograma yag dguaka utuk tugas besar tdak dajarka d dalam kelas. Melalu mata kulah KU1071 Pegeala Tekolog Iformas A da IF2030 Algortma da Struktur Data, mahasswa dajarka utuk membuat aplkas secara modular, da modulartas tersebut merupaka cr khas dar delverables aplkas. Kode sumber sebuah aplkas dapat dpsahka mejad beberapa modul, yag masg-masg modul dapat dpsahka mejad berkas masg-masg atau dgabug Makalah IF3051 Strateg Algortma Sem. I Tahu 2012/2013

3 mejad sebuah modul yag baru. Sebuah modul bsa dmaksudka sebaga sebuah pustaka, sebuah kelas, sebuah fugs, atau baga aplkas laya. Jka modulartas dlaksaaka dega bak, sebuah modul tdak salg bergatug pada modul laya. Berdasarka dua jes delverables d atas, sebuah tugas besar d Tekk Iformatka ITB dapat dpsahka mejad dua jes: dokume saja serta dokume da aplkas. Karea dokume da aplkas sama-sama bersfat modular, serta utuk pembaga kerja d kelompok umumya memafaatka modulartas tugas besar juga, sebuah tugas besar d Tekk Iformatka dapat dgeeralsas mejad sebuah struktur data yag megadug beberapa modul. Masg-masg modul memlk tgkat kesulta da waktu peyelesaa sedr. Sebuah tugas besar yag mejad duk modul megadug sebuah taggal batas pegumpula. Jka pada saat tugas besar dberka, tdak ada tugas besar la yag perlu dkerjaka, maka persoala pegerjaa tugas besar mejad relatf mudah. Namu, pada akhr semester, skearo tersebut hampr tdak mugk. Semester 5 d Tekk Iformatka, msalya, dkeal sebaga semester terberat d Tekk Iformatka, karea bayakya tugas besar yag dberka. Baga yag palg meatag dar Semester 5 adalah dua mggu terakhr perkulaha. Pada dua mggu, setdakya utuk Semester I-2012/2013, terdapat buka satu, buka dua, buka tga, tap empat tugas besar yag batas waktu pegumpulaya berdekata. Keempat tugas besar tersebut adalah: 1. Tugas Besar 3 IF3051 Strateg Algortma: Aplkas Algortma Pecocoka Strg pada Smple ChatBot. Deadle: 7 Desember Revs akhr Tugas Besar IF3055 Sstem Iformas: Pegembaga sstem formas utuk sebuah perusahaa Deadle: 9 Desember Tugas besar IF3091 Sstem Operas: Implemetas flesystem sederhaa Deadle: 8 Desember Tugas besar IF3097 Jarga Komputer: Implemetas FTP sederhaa Deadle: 7 Desember 2012 Keempat tugas tersebut memlk waktu kurag lebh dua mggu mula dar pembera tugas hgga batas waktu pegumpula. Keempat tugas tersebut dkerjaka secara berkelompok, da bag sebaga besar orag, kelompok setap Tugas Besar berbeda. Persoalaya adalah, bagamaa meetuka tugas besar apa yag sebakya dkerjaka dalam satu kuru waktu tertetu? III. PERSOALAN BINARY KNAPSACK Persoala kapsack adalah sebuah persoala optmsas kombatoral. Terdapat beberapa jes persoala kapsack, salah satu d ataraya 1/0 kapsack, yag juga dkeal sebaga persoala bary kapsack. Dberka buah objek da sebuah kapsack dega kapastas bobot K. Setap objek memlk propert bobot (weght) w da keutuga (proft) p. Bagamaa memlh memlh objek-objek yag dmasukka ke dalam kapsack sedemka sehgga memaksmumka keutuga. Total bobot objek yag dmasukka ke dalam kapsack tdak boleh melebh kapastas kapsack. Solus persoala bary kapsack dyataka sebaga X = {x 1, x 2,, x } d maa x = 1, jka objek ke- dplh, x = 0, jka objek ke- tdak dplh. [1] Pemecaha persoala bary kapsack dapat megguaka beberapa strateg algortma, atara la exhaustve search, algortma Greedy, da pemrograma dams. Secara umum, formalsas persoala adalah sebaga berkut: Maksmas F = 1 p x dega kedala (costrat) w x 1 K yag dalam hal, x = 0 atau 1, = 1, 2,, Makalah IF3051 Strateg Algortma Sem. I Tahu 2012/2013

4 IV. PENJADWALAN PENGERJAAN TUGAS BESAR SEBAGAI PERSOALAN KNAPSACK Utuk memecahka persoala yag dyataka dalam Bab II, dperluka aalog atara tugas besar d Tekk Iformatka ITB dega persoala kapsack. Kompoe persoala tugas besar adalah: 1. Modul, bab, atau baga tugas besar yag harus dkerjaka a. Waktu yag dbutuhka utuk megerjaka modul b. Waktu yag terssa sebelum teggat waktu tugas besar 2. Waktu yag dmlk oleh mahasswa yag dalokaska utuk megerjaka tugas besar Kompoe pada persoala kapsack adalah: 1. Barag yag g dambl a. Beratya b. Keutugaya 2. Kapastas kapsack Terdapat kemrpa atara kompoe pada persoala tugas besar da persoala kapsack. Modul, bab, atau baga tugas besar yag harus dkerjaka dapat daalogka sebaga barag yag dambl pada persoala kapsack, da waktu yag terseda dapat daalogka dega kapastas kapsack. Waktu pada persoala tugas besar dapat daalogka sebaga berat pada persoala kapsack. Waktu yag terssa sebelum teggat waktu dapat daalogka sebaga keutuga pada persoala kapsack, karea tugas besar yag teggat waktuya lebh dekat lebh urge utuk dkerjaka. Namu, agar aalog tersebut dapat drealsaska, ada dua asums yag dambl. Asums pertama adalah bahwa pegerjaa sebuah modul atau bab bersfat atomk, yatu tdak dapat dpecah. Tetuya pada keyataaya sebuah modul dapat dccl mejad pegerjaa yag lebh sgkat amu bayak. Agar aalog dapat berjala, stlah modul dubah mejad pecaha tugas besar, dalam ukura apapu, yag bersfat atomk. Sebuah modul dapat bersfat depede pada modul laya, dalam hal d maa jka sebuah modul berkegatuga pada modul la yag belum dkerjaka, modul tersebut belum dapat dkerjaka. Asums kedua adalah bahwa mahasswa dapat dega tepat megra-gra waktu yag dbutuhka utuk megerjaka sebuah modul tersebut. Mesk sult medapatka perkraa yag tepat, amu dega bayakya tugas besar yag sudah dkerjaka oleh mahasswa sebelumya, mahasswa seharusya memlk kemampua yag cukup utuk medapatka perkraa waktu tersebut. Asums ketga adalah bahwa mahasswa memlk kemampua utuk bertukar moda pkra atara satu tugas besar dega tugas besar laya dega bak, atau waktu utuk melakuka pertukara moda pkra tersebut sudah dhtug dalam peubah waktu. Jka kedua asums tersebut kta geeralsas, asums yag dguaka haya satu, yatu bahwa mahasswa memlk kemampua maajeme waktu dasar utuk memparts sebuah tugas dega bak dega megetahu waktu yag dbutuhka utuk megerjakaya. Dega demka, aalog persoala tugas besar sebaga persoala bary kapsack dapat berlaku. Persoala tersebut mejad: Maksmas F = 1 p x dega kedala (costrat) 1 w x K yag dalam hal, x = 0 atau 1, = 1, 2,, p adalah waktu yag terssa sebelum teggat waktu tugas, da w adalah waktu yag dbutuhka utuk megerjaka tugas. V. ALGORITMA GREEDY BY DENSITY Greedy adalah algortma pemecaha masalah yag fokus utuk medapatka solus optmal utuk lagkah tertetu amu tdak memkrka apakah solus tersebut optmal utuk ragkaa solus secara keseluruha. Greedy by desty adalah algortma Greedy yag peetua bobot laya bergatug pada destas yag dtetuka. Destas adalah perbadga la da bobot. Nla da bobot tergatug pada masg-masg kasus, d maa dalam persoala kapsack mewakl keutuga da berat. [1] [2] Nla yag dmaksmas dalam algortma Greedy by Desty adalah: F 1 p w x VI. PEMECAHAN PERSOALAN Utuk memecahka persoala tugas besar, pertama perlu dketahu kasus yag aka dpecahka. Msalka taggal saat adalah 30 November 2012 da seorag mahasswa berama Bud megambl mata kulah Strateg Algortma, Sstem Iformas, Jarga Komputer, da Sstem Iformas. Keempat mata kulah tersebut memlk teggat waktu dalam sembla har ke depa, dega rca sebaga berkut: 1. Tugas Besar 3 IF3051 Strateg Algortma: Aplkas Algortma Pecocoka Strg pada Makalah IF3051 Strateg Algortma Sem. I Tahu 2012/2013

5 Smple ChatBot. Deadle: 7 har lag 2. Revs akhr Tugas Besar IF3055 Sstem Iformas: Pegembaga sstem formas utuk sebuah perusahaa Deadle: 9 har lag 3. Tugas besar IF3091 Sstem Operas: Implemetas flesystem sederhaa Deadle: 8 har lag 4. Tugas besar IF3097 Jarga Komputer: Implemetas FTP sederhaa Deadle: 7 har lag Bud bersama kelompokya telah meetuka baga apa saja yag harus dkerjaka oleh Bud, da Bud sudah membuat perkraa waktu yag dbutuhka utuk megerjaka masg-masg baga tersebut. Baga-baga tersebut adalah: Baga Waktu 1. Atarmuka dasar ChatBot (Stma) 3 jam 2. Struktur data dasar flesystem (OS) 5 jam 3. Struktur dasar server FTP (Jarkom) 2 jam 4. Implemetas ftur pada SI 4 jam 5. Pemerksaa edtoral dokume SI 1 jam Bud perlu megerjaka baga-baga la juga pada masg-masg tugas besar, amu keempat baga d atas adalah baga-baga yag bsa dkerjaka saat. Baga-baga tugas tersebut berkorespodes dega teggat waktu tugas besar sebaga berkut: Baga Teggat waktu 1. Atarmuka dasar ChatBot (Stma) 7 har 2. Struktur data dasar flesystem (OS) 8 har 3. Struktur dasar server FTP (Jarkom) 7 har 4. Implemetas ftur pada SI 9 har 5. Pemerksaa edtoral dokume SI 9 har Bud g meetuka tugas apa saja yag harus da kerjaka dalam 10 jam ke depa (K = 10). Dega memafaatka algortma Greedy by Desty, ddapatka tabel berkut: Baga p w p/w X Stma 7 3 2,33 1 OS 8 5 1,6 0 Jarkom 7 2 3,5 1 SI ,25 1 SI Implemetas ftur pada SI 4. Pemerksaa edtoral dokume SI Waktu yag dbutuhka utuk megerjaka semuaya adalah 10 jam. V. KESIMPULAN DAN SARAN Berdasarka papara d atas, dapat dsmpulka bahwa algortma Greedy by Desty dapat dguaka utuk meetuka baga tugas besar apa sajakah yag harus dkerjaka dalam kuru waktu tertetu. Namu, makalah belum dapat mejawab apakah keputusa yag dhaslka bersfat bak atau buruk, sehgga ada bakya jka dlakuka kaja megea dampak keputusa yag dambl dar metode yag djelaska dalam makalah. VII. UCAPAN TERIMA KASIH Peuls megucapka terma kash kepada Bapak Rald Mur da Bu Masayu Lela Khodra sebaga dose pegajar mata kulah IF3051 Strateg Algortma. Peuls juga megucapka terma kash kepada dosedose d Tekk Iformatka ITB yag telah memberka tugas besar kepada mahasswaya sehgga mejad spras utuk makalah. REFERENSI [1] Rald Mur, Dktat Kulah Strateg Algortma, 2011 [2] Redy Bambag Juor, Peerapa Greedy by Desty dalam Pemlha Meu Warteg sebaga Permasalaha Kapsack, 2011 PERNYATAAN Dega saya meyataka bahwa makalah yag saya tuls adalah tulsa saya sedr, buka sadura, atau terjemaha dar makalah orag la, da buka plagas. Badug, 21 Desember 2012 Tubagus Adhka Nugraha Berdasarka perhtuga tersebut, baga yag harus dkerjaka Bud dalam sepuluh jam adalah: 1. Atarmuka dasar ChatBot 2. Struktur dasar server FTP Makalah IF3051 Strateg Algortma Sem. I Tahu 2012/2013

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

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

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

3 Departemen Statistika FMIPA IPB

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

Penggunaan Aritmetika Modulo dan Balikan Modulo pada Modifikasi Algoritma Knapsack

Penggunaan Aritmetika Modulo dan Balikan Modulo pada Modifikasi Algoritma Knapsack Pegguaa Artmetka Modulo da Balka Modulo pada Modfkas Algortma Kapsack Sesdka Sasa NIM 3507047 Jurusa Tekk Iformatka ITB, Badug, Jl. Gaesha 0, emal: f7047@studets.f.tb.ac.d Abstract Makalah membahas megea

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Knapsack Problem merupakan permasalahan optimasi kombinatorik dengan

BAB II TINJAUAN PUSTAKA. Knapsack Problem merupakan permasalahan optimasi kombinatorik dengan BAB II TINJAUAN PUSTAKA 2.1. Kapsack Problem Kapsack Problem merupaka permasalaha optmas kombatork dega memaksmalka proft dar tem ddalam kapsack (karug) tapa melebh kapastasya. Kapsack problem dapat dlustraska

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Angka Banding Manfaat dan Biaya

Angka Banding Manfaat dan Biaya METODE ANALISIS PERENCANAAN 2 Mater 3 : TPL 311 Oleh : Ke Marta Kaskoe Agka Badg Mafaat da Baya Dalam proyek pembagua, perlu dketahu apa mafaat dar proyek tersebut? Bagamaa keutuga ekoom atau keutuga sosal

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG) Prosdg SPMIPA pp 185-191 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG) Taro Program Stud Statstka FMIPA UNDIP Semarag

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

Lebih terperinci

Bab 4 Pengumpulan dan Pengolahan Data

Bab 4 Pengumpulan dan Pengolahan Data Bab 4 Pegumpula da Pegolaha Data 4.. Pegumpula Data 4... Peguja Kuesoer Pedahulua Peguja kuesoer pedahulua bertujua utuk meguj kelayaka da keadala peryataa-peryataa dalam kuesoer tersebut. Pada peelta

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

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

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

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

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

Lebih terperinci

Penurunan Persamaan Perpetuitas dan Anuitas

Penurunan Persamaan Perpetuitas dan Anuitas SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY 2016 Peurua Persamaa Perpetutas da utas T - 6 Bud Fresdy Fakultas Ekoom da Bss Uverstas Idosa bstrak Mahasswa bss da akutas, debtor bak, da vestor memerluka

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua

Lebih terperinci

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN INCREMENTAL RODUCTION COST YANG SAMA. (Al Imra) OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci