Gambar 5.1 Ilustrasi dua sistem A dan A yang mengalami interaksi.

Ukuran: px
Mulai penontonan dengan halaman:

Download "Gambar 5.1 Ilustrasi dua sistem A dan A yang mengalami interaksi."

Transkripsi

1 Sua pss ag dasai pgaata pada sist fisika adala pss itaksi. Apa ag tjadi pada sbua pss itaksi? Bagaiaa kita dfiisika vaiabl akskpik bdasaka pss itaksi ag tjadi? Sbagai ct ag palig sdaa kita tijau pss itaksi tal. 5. Distibusi Egi diataa Sist Makskpik Pada gaba 5. di bawa ii kita iliki sist A * ag tislasi tadap ligkuga. Sist ii puai dua sub sist A da A, ag ata kduaa dibatasi l didig diatik sigga kduaa asi dapat galai itaksi tal. Mgigat sit A * adala sist ag tislasi, aka jula gi sist adala ksta (E * ksta). E + E E * ksta sigga : E E* - E (5.) A * A A Gaba 5. Ilustasi dua sist A da A ag galai itaksi. Ktika A galai itaksi tal dga A, aka gi pada sist A galai pubaa dai E E + de, bgitupu utuk sist A dai E E +de, au jula kdua gi ttap saa aitu E*. Dala kadaa ii dapat dfiisika: Ω (: jula kadaa ag diizika pada sist A ktika sist A iliki gi dai E E + de. 49

2 50 Ω*(: jula kadaa ag diizika pada sist A* ktika sist A iliki gi dai E E + de. Ω (E ): jula kadaa ag diizika pada sist A ktika sist A iliki gi dai E E + de. Sigga pataa pluag utuk sist A ktika sist A iliki gi dai E E + de dapat diataka dga: P( E ) Ω* ( E ) Ω* Tt Ω* Tt Ω* ( E ) C. Ω* ( E ) (5.) Hal ii tjadi kaa jula ttal kadaa ag diizika utuk sua pubaa gi ag dapat tjadi adala ksta. Kaa kita bbicaa dga pluag, aka utuk jula kadaa ag diizika utuk sist gabuga dapat diuaika: Ω *( Ω(. Ω'( E') Sbagai ct tijau kasus bikut: Ω *( Ω(. Ω'( E *, P( C. Ω(. Ω'( E * kaa sigga E' E * E, aka Sist A da A bada dala sist ag tisli. Sist A da sist A dapat bitaksi igga galai kstibaga. Egi tuku sist A * adala satua E. Sbua pgaata tadap sist tsbut bika data sbagai bikut: Tabl 5. Ilustasi data Ω( utuk dua sist ag galai itaksi (5.) Bsaa N E Ttal E A E A Ω ( Ω (E ) Ω * ( Ω * sigga bsaa pluag Tt Ω* ( E ) P Ω * Tt Maka: P ; P 0 68 ; P ; P ; P

3 5 Tata pluag tbsa tjadi ktika pgukua bada dala kadaa ktiga, aki ktika E A 5 satua E da E A 8 satua E, al ii bika idikasi bawa dala kdisi ii sist A da A bada dala kstibaga. Ω * E Jika dibuat gafik distibusi ataa Ω * ( E stibsg E tadap E aka dapat dikali plaa spti gafik disapig dga titik tga adala saat stibag. Tliat pada gafik, jula kadaa ag diizika tadap gia bdistibusi al. Mgigat P( CΩ * (, aka gafik P( aka iliki pla Gaba 5. Gafik ubuga Ω * ( fs E ag saa. Aka ttapi utuk pubaa E ag ifiitsial atau cukup kcil gafik P( tadap E aka tliat lbi cua gigat adaa pubaa ag cukup kcil sigga pluag kadaa stibag aka lbi sdikit. Hal ii dapat diliat pada Gb. (5.). Mdl atatika dapat diguaka utuk ggabaka P( aitu dapat diataka dala fugsi lgaita : l P( l { C.Ω(.Ω (E-E )} l P( l C + l Ω( + lω (E-E ) (5.4) Kapaka kstibaga ii aka tcapai?, dga gigat pada bab tdaulu, al ii ttua dicapai pada saat pbabilitasa capai aga tbsa atau capai aga aksial. Dga dikia utuk capai kstibaga aka: sigga: l P( 0 E P(. 0 P E l C E 0 E { l C + l Ω( + l Ω( E * } 0 kaa C adala kstata sigga: l Ω( l Ω' ( E*) + 0 E E (5.5) Ω( Ω'( E*).. 0 ΩE E Ω( E') E'

4 5 Ω( Ω'( E*).. ΩE E Ω( E') E (5.6) P*E P*E δ <<< E E E stibag E stibag Gaba 5. Gafik P( tadap E utuk pubaa E ag ifiitsial Dga dikia saat kstibaga dicapai ktika kdisi psaaa (5.6) aus tpui. Jika didfiisika aka btuk saat kstibaga di atas dapat jadi: 5. Bbapa Dfiisi dala Ktak Tal Ω(. (5.7) ΩE E ( (E ) (5.8) Tla diktaui bagaiaa suatu ktak tal dijlaska scaa psaaa aupu gafik, pluag tbsaa ujuka kadaa kstibaga ag dicapai. Utuk capai kstibaga itu aus dipui saat psaaa (5.8). Nau sbagaiaa gas idal ag gguaka asusi tttu gua udaka dala pbaasa lbi lajut, aka dala al ii plu adaa bbapa dfiisi dala ktak tal, aitu sbagai bikut: a. Gabaa tpatu dala fisika statistik dapat diataka dga aga ag didfiisika sbagai Ω(. (5.9) ΩE E

5 5 dga k (kstata Bltza) J/K da T tpatu abslut. Dga dikia, utuk ataka saat kstibaga tal dapat digabaka dga: T T (5.0) ' Psaaa (5.0) tidak lai adala pcapaia kstibaga dala pss itaksi tal. b. Dfiisi kdua adala dfiisi tpatu abslut T ag diataka l psaaa: S T (5.) E Tpatu abslut ggabaka pbadiga ataa pubaa tpi tadap pubaa gi. c. Dfiisi ktiga ggabaka tpi sist ag diataka dga: S k l Ω (5.) dga aga Ω adala aga jula kadaa ag diizika ag upaka fugsi gi sist. Kaa jula kadaa slalu psitif, dga dikia aga tpi slalu bilai psitip. 5. Gabaa Pdkata Kstibaga Suatu kadaaa stibag scaa atatis dapat digabaka l difsial, P( 0, (5.) E ag ataka pluag aksial ag dapat tjadi dai sua kjadia ag ada. Jika sist A da sist A galai itaksi aka kduaa aka galai kstibaga (A da A iliki gi ag bbda). Misalka pada saat kstibaga tjadi sist A iliki gi E da sist A iliki gi E, aka dala al ii dapat diataka dga gabaa ilai gi ata-ata kstibaga, isal E E da E E utuk kadaa awal da aki kstibaga dapat diataka dga gaba (5.5) bikut.

6 54 Ω * E E i E f E Gaba 5.4 Kadaa awal da aki kstibaga. Misalka kstibaga awal diataka dga E i diaa E Ei da E ' E' i sdagka kstibaga aki diataka dga E f diaa E E f da E ' E f '. Ktika kstibaga blu tcapai gabaa tpi sist adala sbagai bikut: (S f ) + (S f ) > (S i ) + (S i ) (5.4) dga (S f ) + (S f ) adala tpi aki da (S i ) + (S i ) adala tpi awal, sigga: ( S) + ( S ) > 0 (5.5) Ii adaka tpi sist galai pabaa ktika sist blu capai kstibaga skaligus upaka bukti bawa tpi slalu baga psitip. Ada kadaa ag dapat diguaka utuk ggabaka pdkata kstibaga:. Jika, dapat dikataka bawa sist tla galai kstibaga, tpi sist aksial da tidak ada lagi tasf gi ata kduaa.. Jika, dikataka sist tidak dala kstibaga, tpi blu aksial da di dala sist asi tjadi tasf gi igga capai.

7 5.4 Sist Ktak dga Rsva (Kla Kal) igkuga di lua sist adala sagat baca-aca da al ii tidak ditijau scaa dtil, ag dijadika tijaua adala pada ligkuga. igkuga diaggap sbagai suatu sist ag lai ag diaaka ligkuga saja. igkuga ag dikia diaaka dga sva (kla kal). Sist A iliki gi E da sist A iliki gi E. Kaa sva jau lbi bsa dai sist aka E << E, dala al ii gi sist gabuga dapat diguaka: Haga pbabilitas dapat diataka dga: E E* - E (5.6) P Ω (E* - E ) (5.7) diaa aga P ujukka suatu fugsi ag bkaita dga aga Ω (E ) Ω (E* - E ), dga E << E*, aka aga ag lbi uda utuk ggabaka gi sva dapat diataka dga E E*. Utuk ggabaka kadaa ii aka gabaa jula kadaa utuk sist Ω dapat diataka dala btuk lgaita da pdkata dt Tal, aitu cai ilai l Ω (E* - E ). Dga gguaka dt Tal: l Ω' diaa aga : ' E aka l Ω' l Ω'( E * E ) l Ω'( E*) E l Ω ' ( E * E E ) l Ω' ( E*) E ' E Ω ' ( E * E ) Ω' ( E*) (5.8) aga pbabilitas utuk kadaa ii dapat diataka dga : P Ω (E*) - E (5.9) Jika P C. Ω(. Ω (E* - E ), aka aka didapatka aga pbabilitas utuk sist ii adala : P C. Ω(. Ω (E*) - E (5.0) Kaa E << E* da E* itu sdii adala ksta aka psaaa ii dapat disdaaka jadi: P C. - E (5.) 55

8 56 dga C adala kstata ag sagat bgatug dai sist ag kita dfiisika, E adala gi ag sagat kcil ag basal dai sist da adala paat ag diiliki sva. 5.5 Papa Rsva Kal a. Mtuka aga susptibilitas baa Susptibilitas adala suatu aga pbadiga ataa agtik baa dga da kstala. Patika Gb. (5.5). Gaba tsbut ujukka suatu baa ag iliki sifat agt da dibi da kstal. Bagi baa ag iliki sifat agt aka aka iliki agtik patikl pbtuk baa. Kadaa patikl pada sist di atas adala sbagai bikut: B t.. Ada patikl ag iliki agtik ag saa dga da agt lua;. Ada patikl ag iliki agtik ag blawaa aa dga da agt lua. Mlalui gabaa kla kal, kadaa da dapat diuculka lwat aga pluag: P C - E, tdii atas P + C - E + da P - C - E- (5.) Jika kadaa gi patikl dala sist ii dapat diataka dga aa kaa itasi da agt, aka: Gaba 5.5 Baa agt N patikl dga spi ½ ag dibi da agt lua

9 57 E + -(B) (+µ ) -Bµ (5.a) E - -(B) (-µ ) Bµ (5.b) dga B adala da agt kstal, aka pluag kadaa patikl dala baa dapat diataka dga: P + C Bµ da P - C - Bµ (5.4) Kaa aa ada dua kadaa, aka : P - + P + C - Bµ + C Bµ, sigga C Bµ + µ (5.5) dga C adala aga kstata kusus ag diaati da B adala da agt kstal. Pataa agtik patikl ata-ata diataka l: B Bµ Bµ µ P µ ( + µ ) + ( µ ) (5.6) Bµ Bµ + Pdaaa atatis dapat dilakuka: diaa scaa uu aga : Jika diguaka dfiisi Bµ Bµ µ µ Bµ Bµ (5.7) + θ θ + θ θ taθ, sigga (5.8), diaa µ upaka agtik ata-ata patikl, aka aga agtik baa ttua upaka aga ata-ata dai agtik ttal ag dapat diataka dga: µ B M N.µ M N.µ ta (5.9) µ Pilaku fisis ag dapat diuculka adala utuk ggabaka B ta, µ jika aga µ B >> aka ilai B >>. Dai sii dapat diliat gabaa uu aga ata-ataa: µ µ ta( µ B)

10 58 µ B ta Bµ Bµ + Bµ Bµ sigga dai psaaa (5.9), psaaa (5.0) jadi (5.0) (5.) Akibata µ µ 0 da M N.µ 0 (5.) Skaag tijau aga ta adala : Bµ χ, aka dga ksp dt Mc. aui bsaa !!!! + + ta ; ta! !!!! +! Haga <<, sigga ta / µ sigga utuk B µ B <<, aka M Nµ Nµ B M. (5.) Tata utuk aga µ B <<, kdisi ii dapat ggabaka kadaa agtik ttal baa aitu: Bµ µ B ta Bµ Nµ M B dga aga diaa χ adala aga susptibilitas baa. Nµ χ, (5.) b. Mtuka gi ata-ata gas idal Skaag kita kbali pada sifat-sifat gas idal gua cai gi ataata gas idal. Tijau sbua sist dala ktak bikut ag di dalaa gadug gas idal da iliki sifat-sifat gas idal: a. Gaa taik aik ata patikl diabaika kcuali pada saat tubuka; b. Haa blaku gi taslasi patikl.

11 59 Tijaua kita adala tuka aga gi patikl gas idal, aitu ptaa:, (5.4) P diaa P adala pluag kadaa utuk sbua patikl iliki gi dala tigkat isia (tigkat gi kuatu ag dapat tjadi dala sist taati) ag bsaa: E E E c c P, E E E c c aka aga gi ata-ata patikl dapat diataka dga: d Gaba 5.7 Ilustasi patikl gas idal d >>, sigga gaa taik ata patikla dibaika, gi ag ada aa gi taslasi.. E E E, (5.5) dga E adala gi ag diiliki patikl dala ktak aitu: E π z + +. (5.6) E E Skaag tijau aga. E, aka aga ata-ata gi dapat diataka dga: Kaa jadi: E E (5.7) adala pat aka dapat dikluaka da aga psaaa (5.7)

12 60 E E (5.8) Misal didfiisika suatu fugsi E, aka ϕ, sigga l (5.9) aka ilai dai adala + + p z π p p p z z π π π.. z (5.40) Skaag tijau satu aga diaa, aka: p π. Utuk pubaa ktiu d p π (5.4) ag ataka pubaa gi utuk stiap tigkat gi. Misalka suatu btuk ag sdaa aitu: U π, (5.4) aka U π dga du d π sigga btuka jadi: du U π 0 ) p( (5.4) dga π adala suatu kstata, sigga:

13 6 du U 0 ) p( π (5.44) Igat btuk itgasi uu fugsi gaa: a a π ) p( 0 diuba jadi π ) p( 0 U, sigga: π π π. Vaiabl π adala kstata pbadig, aka aga.. z jadi: V C C C C C g z g z z (5.45) sigga aga jadi l : ( ) l lv lcg + l T Sigga dipl asil ag sagat ptig, aitu gi ata-ata gas idal utuk sbua lkul atik: (5.46) Sal atia. Tijau dua bua sist A da A ag kduaa dapat bitaksi sigga tjadi ptukaa gi satu dga laia. Sist A gadug 5 patikl dga spi ½ ag aga agtik stiap patikla µ. Sist A gadug patikl dga spi ½ ag aga agtik stiap patikla µ. Kdua sist galai itaksi sigga capai

14 6 kstibaga dga gi ttal 5µ B da B adala da agt ag dibika pada sist tsbut. a. Buatla sistatika di sua kadaa ag ui! b. Hitug P(M) di A da A! c. Ttuka M pada sist A!. Sbua sist dga patikl da spi ½ bubuga dga sva ag btpatu T. Bsaa agtik patikl µ dga da agt kstal B. a. Ttuka fugsi gi patisia! b. Natakala E f ( T, B)!. a. Ttuka aga susptibilitas baa paaagtik ag stiap patikla iliki spi! b. Bika agutasi fisis utuk tuka aga tsbut! 4. Suatu sist puai N patikl dga spi ½ da sist tsbut bada dala da agt lua B da bubuga dga sva. a. Ttuka gi ata-ataa! b. Ttuka t agtik ttal! c. Ttuka susptibilitas baa!

Energi total sistem A dan tandon A`

Energi total sistem A dan tandon A` Ensambl dan Sistm Intaktif Ensambl dan Sistm Intaktif Tpik-tpik ang akan dibahas: Ensambl Mikkannik (tanpa intaksi, bab IV Ensambl Kannik (intaksi tmal Ensambl Kannik Bsa (intaksi difusif Ensambl Kannik

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z BAB Toi Pdukug.. Ligkuga Misalka z adalah suatu titik pada bidag da adalah bilaga yata positi. Ligkuga bagi z -ighbohood o z didiisika sbagai sluuh titik z pada bidag, sdmikia shigga z z < ; ditulis z,.

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

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

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

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

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

Lebih terperinci

Megenal Sifat Material I. Pendahuluan 7/24/2013 I S I. Perkembangan Konsep Atom

Megenal Sifat Material I. Pendahuluan 7/24/2013 I S I. Perkembangan Konsep Atom 7//3 daao dia Mgal ifa Maial I I I Pdala: Pbaga Kos o lo bagai Pail da bagai Globag Psaaa Globag cödig liasi Psaaa cödig ada o Kofigasi lo Dala o Pbaga Kos o Pdala Pbaga gaa ag aial diladasi olos ao ag

Lebih terperinci

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL PENGEMBANGAN METODE ITEASI DUA DAN TIGA LANGKAH DENGAN ODE KONVEGENSI OPTIMAL Supriadi Putra M.Si* Dr. Sasudhuha M.S urusa Matatika FMIPA Uivrsitas iau *sputra@uri.a.id ABSTAK Dala akalah ii disajika dua

Lebih terperinci

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

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

Lebih terperinci

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR METDE NEWTN-STEFFENSEN DENGN RDE KEKNVERGENN TIG UNTUK MENYELESIKN PERSMN NNLINER Fitiai, Joha Kho, Supiadi Puta Mahaiwa Pogam Studi S Matmatika FMIP Uivita Riau Do JuuaMatmatika FMIP Uivita Riau Fakulta

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

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

Komang Suardika, Jurusan Pendidikan Fisika Fisika Kuantum

Komang Suardika, Jurusan Pendidikan Fisika Fisika Kuantum Komag Suadika, Juusa Pdidika Fisika Fisika Kuatum I. Ppadaa Fkusi Boh Modl atom muut Ruthfod tdii dai iti atom yag bmuata positif da masif sta dikliligi pada jaak yag latif bsa olh lktolkto yag satiasa

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 7 Transformasi Fourier Cepat

SISTEM PENGOLAHAN ISYARAT. Kuliah 7 Transformasi Fourier Cepat TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 7 Tasomasi Foui Cpat FFT : Fast Foui Tasom Idah Susilaati, S.T., M.Eg. Pogam Studi Tkik Elkto Fakultas Tkik da Ilmu Komput Uivsitas Mcu Buaa Yogyakata 9 KULIAH 7 SISTEM

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

Outline. Oleh : Nachwan Mufti Adriansyah, ST, MT

Outline. Oleh : Nachwan Mufti Adriansyah, ST, MT Outli TTG3D3 Ata Modul#3 Ata da Popagasi mpdasi Ata Pgata mpdasi Sdii Ata ia Tipis mpdasi Gadg Ata Ata mpdasi Susua -lm dtik Tasfomasi mpdasi & Balu Olh : diasyah, ST, MT toductio Pgata A Dai sisi salua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

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

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

Lebih terperinci

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal BAB. Limit Fugsi Ole : Bambag Supraptoo, M.Si. Referesi : Kalkulus Edisi 9 Jilid (Varberg, Purcell, Rigdom) Hal 56 - Defiisi: Pegertia presisi tetag it Megataka bawa f ( ) L berarti bawa utuk tiap yag

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka

Lebih terperinci

PENSIUN NORMAL MENGGUNAKAN MODEL TINGKAT BUNGA COX INGERSOLL ROSS

PENSIUN NORMAL MENGGUNAKAN MODEL TINGKAT BUNGA COX INGERSOLL ROSS PENSIUN NORMAL MENGGUNAKAN MODEL TINGKAT BUNGA COX INGERSOLL ROSS Ria Dwi Pui * Hasiai Haiso Mahasiswa Poga S Maaika Dos Juusa Maaika Fakulas Maaika da Ilu Pgahua Ala Uisias Riau Kapus Bia Widya Pkabau

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

HANDOUT KULIAH OPTIK NONLINIER. Oleh: DR. Ayi Bahtiar, M.Si.

HANDOUT KULIAH OPTIK NONLINIER. Oleh: DR. Ayi Bahtiar, M.Si. HANDOUT KULIAH OPTIK NONLINIER Olh: DR. Ayi Bahtia, M.Si. JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN BANDUNG 5 BAB 1. PENDAHULUAN Physics would b dull ad lif most

Lebih terperinci

BAB I BILANGAN KOMPLEKS

BAB I BILANGAN KOMPLEKS BAB I BILANGAN KOMPLEKS Di dalam bab ii, kita aka meelidiki struktur aljabar da geometri dari sistim bilaga kompleks. Kita aggap bahwa berbagai sifat ag berhubuga dega bilaga real sudah diketahui.. PENJUMLAHAN

Lebih terperinci

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07 METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM07 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pd metode ii, utuk meetuka

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudarao Sudira ig Uari Mgal Sifa-Sifa Marial 3- Sudarao S & Nig Uari Mgal Sifa-Sifa Marial BAB 3 Prsaaa Globag Scrödigr Scrödigr aaka bawa prilaku lkro rasuk igkaigka rgi lkro ag diskri dala ao gikui suau

Lebih terperinci

MODUL FISIKA MODERN 2015

MODUL FISIKA MODERN 2015 MODUL FISIK MODERN PERMULN TEORI KUNTUM O : Sri Juii, S.Pd., M.Pd.. Radiasi Bda Hita Suatu bda jika dipaaska aka aarka radiasi E λ gobag ktroagtik dga rtag rkusi ag bar. Pgukura tradap radiasi rogga ubag

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

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

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

Lebih terperinci

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM09

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM09 METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM09 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pada metode ii, utuk

Lebih terperinci

BARISAN TAK HINGGA DAN DERET TAK HINGGA

BARISAN TAK HINGGA DAN DERET TAK HINGGA BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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 I PERSAMAAN DIFFERENSIAL BIASA (PDB)

BAB I PERSAMAAN DIFFERENSIAL BIASA (PDB) BAB I PERSAMAAN DIFFERENSIAL BIASA (PDB) Tujua Pebelajara Pada bab. ii, pebaca diperkealka kepada persaaa differesial (PD) da jeis-jeisa. Selai itu juga dijelaska cara-cara pebuata persaaa differesial,

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

PENGARUH JENIS TUMPUAN TERHADAP FREKUENSI PRIBADI PADA GETARAN BALOK LENTUR

PENGARUH JENIS TUMPUAN TERHADAP FREKUENSI PRIBADI PADA GETARAN BALOK LENTUR PENGARUH JENIS TUMPUAN TERHADAP FREKUENSI PRIBADI PADA GETARAN BALOK LENTUR Naharuddi 1 1 Staf Pegajar Jurusa Tekik Mesi, Utad Abstrak. Tujua peelitia ii adalah utuk meetuka ilai frekuesi pribadi getara

Lebih terperinci

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

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

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

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

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

Lebih terperinci

Hukum Gauss. f = fluks listrik = jumlah garis gaya yang menembus luas A E r = medan listrik = elemen luas q i

Hukum Gauss. f = fluks listrik = jumlah garis gaya yang menembus luas A E r = medan listrik = elemen luas q i Hukum Gauss Pv. Jumlah gais gaya yang klua dai pmukaan ttutup S bbanding luus dngan jumlah muatan yang dilingkupinya. dimana : f = E d A = q i f = fluks listik = jumlah gais gaya yang mnmbus luas A E =

Lebih terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

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

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

BAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA

BAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA BAB VI BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { },,,,, adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila,,,..,

Lebih terperinci

VIII. KELEMBAGAAN PENGELOLAAN ENERGI

VIII. KELEMBAGAAN PENGELOLAAN ENERGI VIII. KELEMBAGAAN PENGELOLAAN ENERGI Kondisi obyktif pnglolaan ngi di Nusa Pnida dapat dikmukakan bdasakan tahapan pnglolaan yang mliputi tahap pncanaan, plaksanaan, dan pngndalian. Pada tahap pncanaan

Lebih terperinci

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK 8 B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK A. D I F E R E N S I A S I N U M E R I K Misal diberika set data Diketaui set data (, ), (, ), (, ),., (, ) ag memeui relasi = f() Aka ditetuka d/d dalam iterval,

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

METODE PENGUKURAN FERTILITAS

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

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks SOLUSI SISTEM PERSAMAAN DIFERENSIAL LINEAR BIASA TINGKAT- DENGAN METODE TEKNIK OPERATOR Ibu Maja S.Si.M.M Saf UP.MPK Plikik Ngri Sriwijaa Palbag ibuaja76@a.c.id Absraks Sis rsaaa liar biasa igka dga dua

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

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

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

MENENTUKAN KEANDALAN PADA MODEL STRESS-STRENGTH DARI SATU KOMPONEN

MENENTUKAN KEANDALAN PADA MODEL STRESS-STRENGTH DARI SATU KOMPONEN MENENTUKAN KEANDALAN PADA MODEL TRE-TRENGTH DARI ATU KOMPONEN ROMAN IREGAR Fakulta Matatika Da Ilu Pgtahua Jurua Matatika Uivrita uatra Utara PENDAHULUAN Praiga ag aki ktat di duia bii da idutri utuk adaa

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

PERSAMAAN DIFERENSIAL PARSIAL (PDP) MATEMATIKA FISIKA II JURDIK FISIKA FPMIPA UPI BANDUNG

PERSAMAAN DIFERENSIAL PARSIAL (PDP) MATEMATIKA FISIKA II JURDIK FISIKA FPMIPA UPI BANDUNG PERSAMAAN DIFERENSIAL PARSIAL PDP MATEMATIKA FISIKA II JURDIK FISIKA FPMIPA UPI BANDUNG PDP: Persamaa ag pada suku-sukua megadug betuk turua diferesia parsia aitu turua terhadap ebih dari satu variabe

Lebih terperinci

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA 4/3/05 REGRESI LINER BERGND DN REGRESI (TREND) NONLINER Oleh : Fauza mi Sei, 3 pil 05` GDL (07.30-0.50) Regesi Dai deajat (pagkat) tiap peuah eas Liie (ila pagkatya ) No-liie (ila pagkatya uka ) Dai ayakya

Lebih terperinci

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut : I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka

Lebih terperinci

TURUNAN FUNGSI. absis titik C dan absis titik C sama dengan h, maka x 3 = x 1 + h, sehingga gradien garis AC sama dengan

TURUNAN FUNGSI. absis titik C dan absis titik C sama dengan h, maka x 3 = x 1 + h, sehingga gradien garis AC sama dengan TURUNAN FUNGSI. Gardie Garis siggug Kurva Peratika graik ugsi pada gambar berikut. 8 B 6 C A Gambar Titik A, B, da C terletak pada graik, bila absisa berturut-turut,, da, maka koordiat titik A,, B,, da

Lebih terperinci

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

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

Lebih terperinci

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga)

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

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim Tinjauan Trmodinamika Sistm artikl Tunggal Yang Trjbak Dalam Sbua Sumur otnsial Ol Saful Karim Jurusan ndidikan Fisika Fakultas ndidikan Matmatika dan Ilmu ngtauan Alam Univrsitas ndidikan Indonsia 00

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

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 6 Tafomai Foui Dik Idah Suilawai, S.T., M.Eg. Pogam Sudi Tkik Elko Fakula Tkik da Ilmu Komu Uivia Mcu Buaa Yogyakaa 9 KULIAH 6 SISTEM PEGOLAHA ISYARAT TRASFORMASI

Lebih terperinci

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

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pegertia Turua Fugsi Defiisi Turua fugsi f adala fugsi f yag ilaiya di c adala f c f c f c 0 asalka it ii ada. Coto Jika f 3 + +4, maka turua f di adala f f f 0 3 4 3.. 4 0 34 4 4 4

Lebih terperinci

METODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu.

METODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu. ENAKIRAN eaksira Titik eaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk MA 08 tatistika Dasar Dose : Udjiaa. asaribu Utriwei Mukhaiyar 6 April 009 METODE ENAKIRAN. eaksira Titik Nilai tuggal dari

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

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

Lebih terperinci

METODE ADAMS-BASHFORTH-MOULTON DALAM PENYELESAIAN PERSAMAAN DIFERENSIAL NON LINEAR

METODE ADAMS-BASHFORTH-MOULTON DALAM PENYELESAIAN PERSAMAAN DIFERENSIAL NON LINEAR Buleti Ilmia Mat. Stat. da Terapaa (Bimaster) Volume 0, No. (0), al 07 6. METODE ADAMS-BASHFORTH-MOULTON DALAM PENYELESAIAN PERSAMAAN DIFERENSIAL NON LINEAR Apriadi, Bau Priadoo, Evi Noviai INTISARI Metode

Lebih terperinci

Sifat Material. Mengenal HAND OUT 8/20/2012. Kuliah Terbuka dalam format ppsx beranimasi tersedia di Buku

Sifat Material. Mengenal HAND OUT 8/20/2012. Kuliah Terbuka dalam format ppsx beranimasi tersedia di  Buku 8//1 ND OU Mgal Sifat Matial 1 Buku Kulia buka dalam fomat pps baimasi tsdia di www.-caf.og Dalam Fomat PDF tsdia di www.buku-.lipi.go.id da www.-caf.og 4 Pdaulua: Pkmbaga Kosp tom lkto Sbagai Patikl da

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

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

h h h n 2! 3! n! h h h 2! 3! n!

h h h n 2! 3! n! h h h 2! 3! n! Dieresiasi Numerik Sala satu perituga kalkulus yag serig diguaka adala turua/ dieresial. Coto pegguaa dieresial adala utuk meetuka ilai optimum (maksimum atau miimum) suatu ugsi y x mesyaratka ilai turua

Lebih terperinci

= = =

= = = = + + + = + + + = + +.. + + + + + + + + = + + + + ( ) + ( ) + + = + + + = + = 1,2,, = + + + + = + + + =, + + = 1,, ; = 1,, =, + = 1,, ; = 1,, = 0 0 0 0 0 0 0...... 0 0 0, =, + + + = 0 0 0 0 0 0 0 0 0....

Lebih terperinci

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

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

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

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

Lebih terperinci

7. Statistika Kuantum

7. Statistika Kuantum 7. Statitika Kuatum Pada bagia ii aka didikuika pmbahaa itm dga itaki ata molkul lmah ga idal caa mkaika kuatum. Fomulai poblm tatitik Fugi ditibui kuatum Klaifikai Sitm Patikl Fmio da Boo pada Fiika Patikl

Lebih terperinci

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

Transformasi Fourier Waktu Diskrit

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

Lebih terperinci

Teorema Nilai Rata-rata

Teorema Nilai Rata-rata Nilai Kus Prihatoso April 27, 2012 Yogyakarta Nilai Suatu Fugsi Masih igatkah ada tetag ilai rata-rata dari sekmpula bilaga? Berapakah ilai rata-rata dari sebayak bilaga y 1, y 2,..., y? Nilai Suatu Fugsi

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

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

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 II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEI Ladasa ori rdiri aas rapa ori pdukug ag aka diprguaka dalam mlsaika kovrgsi modiikasi mod kig mgguaka ugsi kuadraik.. rd Kovrgsi Kpaa suau mod kovrgsi mrupaka suau ukura kkia suau mod

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

FUNGSI RASIONAL DAN EKSPANSI FRAKSI PARSIAL (EFP)

FUNGSI RASIONAL DAN EKSPANSI FRAKSI PARSIAL (EFP) UNGSI RASIONAL DAN EKSPANSI RAKSI PARSIAL (EP) Ap Namuokhma Juua Tkik Elko Uivia Jdal Achmad Yai Mach EL Siyal da Sim Tuua Blaa : mgahui buk poliomial aau pamaa uku bayak dalam vaiabl mghiug aka-aka poliomial

Lebih terperinci

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4] PENAKIRAN Peaksira Titik Peaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk σ MA 8 Aalisis Data Utriwei Mukhaiyar Oktober 00 008 by UP & UM METODE PENAKIRAN. Peaksira Titik Nilai tuggal dari suatu

Lebih terperinci

INFERENSI STATISTIS: UJI HIPOTESIS

INFERENSI STATISTIS: UJI HIPOTESIS Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga INFERENSI STATISTIS: UJI HIPOTESIS Statistika da Probabilitas Model Matematis vs Pegukura komparasi garis teoretik (prediksi meurut

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 1, 39-46, April 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 1, 39-46, April 2002, ISSN : JURNAL MATEMATKA DAN KOMPUTER Vol 5 No, 39-46, April 22, SSN : 4-858 MENCAR SOLUS PENAKSR PARAMETER PADA ANALSS VARANS DENGAN PENDEKATAN GENERAL NVERS Sukestiaro Jurusa Matematika FMPA Uiversitas Negeri

Lebih terperinci

Pengembangan Model. Gambar 4.1 Strategi Layanan Yang Diusulkan. Penggantian. W waktu

Pengembangan Model. Gambar 4.1 Strategi Layanan Yang Diusulkan. Penggantian. W waktu Bab IV Pngbangan Modl Pada bab IV ini akan dijlaskan pngbangan sagi layanan gaansi unuk poduk dngan pola pnggunaan inin Pada sub bab IV akan dijlaskan foulasi odl unuk sagi layanan yang dikbangkan IV oulasi

Lebih terperinci

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

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

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