PENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2)"

Transkripsi

1 5 PENDEKTN TEORITIK Model Pepidaha Massa Kafei Pepidaha massa kafei yag ejadi selama poses pelaua belagsug seaa difusi. Model pepidaha massa kafei dai dalam biji kopi diuuka bedasaka asumsi-asumsi sebagai beiku :. Biji kopi bebeuk bula (spheial) da pepidaha massa kafei ejadi sepajag jai-jai (). Pepidaha massa kafei ejadi haya seaa difusi dai dalam ke pemukaa biji kopi 3. Sifa pepidaha massa kafei yag ejadi diasumsika seagam 4. Poses difusi dapa digambaka dega megguaka hukum Fik dega difusivias efekif yag eap 5. Biji kopi memiliki sifa yag homoge da selalu pada kodisi maap (seady sae) Difusivias Massa Kafei Poses pelaua kafei dai dalam biji kopi dapa diaalogka sebagai suau poses pelepasa ai pada poses pegeiga. Pepidaha seyawa kafei dai dalam massa baha bebeuk bula (spheial) memiliki hambaa ieal yag lebih iggi jika dibadigka dega hambaa ekseal sehigga laju pepidaha massa kafei dapa dipekiaka dega pesamaa difusi dega difusivias efekif yag eap (Espioza-Peez e al., 007). Hukum Fik kedua yag mempeseasika difusi kafei uuk koodia buda (spheial) sebagai beiku : aau d = Dk... (3.) d d. = Dk. +. d d d (3.)

2 6 sumsi-asumsi yag haus diambil melipui simei adial, da idak ejadi degadasi di dalam buia biji kopi. Kodisi baas di pusa ( = 0) da pemukaa ( = R) biji adalah : = 0, = 0, 0 (3.3) d = R, = s = 0, 0 (3.4) Di pusa buia dega kodisi simei dimaa fluks N (0, ) sama dega ol, maka kodisi awalya adalah : = 0, = 0, 0 R (3.5) Pelaua Kafei Dai Dalam Biji Kopi Dekafeiasi kopi meupaka poses eksaksi pada-ai, da koseasi kafei elau saga egaug pada waku poses. Model mekaisik uuk eksaksi kafei haus melipui pehiuga difusi kafei di dalam biji biji, koveksi kafei pada kodisi baas pelau da padaa dalam hal ii pemukaa biji kopi, da hubuga keseimbaga yag ejadi aaa koseasi kafei dalam biji kopi da pelau (Espioza-Peez e al., 007). Selai beuk bula (speihal) da lempeg (slab), biji kopi dapa diasumsika dalam beuk elipsoidal. Namu, model maemaika kieika kafei selama poses eksaksi phase pada-ai dalam biji kopi dega asumsi beuk elipsoidal belum peah dilakuka. Solusi aaliis uuk pofil koseasi keadaa ak maap (useady sae) (, ) dipeoleh dega ekik pemisaha vaiabel (Gamba ). Riia solusi aaliik dalam koodia buda adalah sebagai beiku (Cak, 975; Saavaos & Maoulis, 00; Wely e al., 00) : s 0 0 R = + π. ( ). π. si. e R Dk. / R 0, 0,,,... (3.6) Keadaa baas megguaka pesamaa beiku adalah di pusa buia buda ( = 0), koseasiya adalah : s 0 0 R = + π. Dk. ( ). / R e 0, 0,,,... (3.7)

3 7 Seelah solusi aaliik uuk pofil koseasi dikeahui, maka dapa dilakuka pehiuga laju pelepasa kafei da jumlah kumulaif pelepasa kafei pe saua waku. Laju pelepasa kafei, W, adalah hasil kali fluks di pemukaa biji kopi ( = R) da luas pemukaa biji kopi yag bebeuk buda (Wely e al., 00; Bid e al., 960). W = = d.(, ) ( ) 4. π. R. N 4. π. R. Dk (3.8) d Difeesiasika pofil koseasi, (,), ehadap koodia adial, eapka = R, da masukka kembali ke dalam pesamaa di aas uuk W (), maka aka dipeoleh : 0 k Dk.. π. / R W ( ) = 8. π. R.. D e (3.9) Pesamaa di aas meujukka bahwa laju pelepasa kafei maki lama aka semaki keil dega waku yag maki beambah sampai semua kafei yag edapa di dalam biji kopi elau, dimaa pada ahap esebu W aka meuju ol. Jumlah awal kafei (m 0 ) yag edapa di dalam biji kopi adalah hasil kali koseasi kafei awal ( 0 ) da volume (V) biji kopi, m = 0. V = 0.. π. R (3.0) Jumlah kumulaif kafei yag dilepaska dai dalam biji kopi ehadap waku adalah iegal dai laju pelepasa kafei ehadap waku. m = W ( ) ( ) (3.) 0 Iegasi pesamaa di aas aka meghasilka pesamaa sebagai beiku (deso e al., 003; Cak, 975): m ( ) 6 =. m π 0. e D.. π. / R k (3.) Solusi aaliis ii diyaaka sebagai suau pejumlaha dee ifii yag kovege bila medekai ak higga. Kovegesi ke suau ilai umeik uggal dapa diapai dega melakuka pejumlaha dee haya uuk bebeapa suku, euama jika ilai paamee ak bedimesi D k./r elaif besa.

4 8 Pofil pelepasa kafei saga dipegauhi paamee ak bedimesi D k./r da jika paamee D k diaggap eap, maka paamee desai ejieeig kiis yag dapa dimafaaka adalah jai-jai biji kopi R. Jika ilai jai-jai R besa, maka laju pelepasa kafei aka bekuag. Gamba. Pelepasa kafei dai dalam biji kopi Model Keseluuha Poses Dekafeiasi Meode yag dapa diguaka uuk megeluaka (eksaksi) sau kompoe ampua dai za pada dapa digologka dalam dua kaegoi. Kaegoi peama adalah peguasa (leahig) aau eksaksi za pada (solid exaio), da diguaka uuk melauka za yag dapa lau dai ampuaya dega za pada yag ak dapa lau. Kaegoi kedua adalah eksaki za ai (liquid exaio) yag diguaka uuk memisahka dua za ai yag salig beampu dega megguaka suau pelau yag melauka salah sau za dalam ampua esebu lebih bayak dai yag lai. Peguasa idak jauh bebeda dega peguasa za pada hasil eksaksi. Pada poses peguasa, kuaias za mampu lau (soluble) yag dapa dikeluaka umumya lebih bayak dibadigka dega poses peguasa filasi biasa, da dalam opeasi peguasa sifa-sifa za pada mugki aka megalami peubaha (Geakoplis, 983). Peguasa za pada yag membeuk massa ebuka yag pemeable selama poses peguasa, pelauya mugki bepeguasa (megali melalui ogga-ogga) dalam hampaa za pada yag idak eaduk. Meode esebu

5 9 dapa dilakuka dalam sisem bah maupu koiyu. Peguasa hampaa pada sasioe (idak begeak) dilaksaaka di dalam agki yag memiliki dasa belubag yag befugsi uuk medukug za pada eapi masih dapa melewaka pelau kelua (MCabe e al., 999). Geakoplis (983) melapoka bahwa pesamaa uuk meeuka laju peguasa (leahig) adalah sebagai beiku : V. p d = N = k. L p ( ) 0 (3.3) Iegasi pesamaa di aas dega kodisi baas = 0 da = 0 sampai dega = da = adalah sebagai beiku ;. k p L = = V p S L p p. 0 = e ( k. / V ) d (3.4) (3.5) Pesamaa (3.5) adalah beuk sedehaa dai pesamaa (3.) da aka ebuki mampu meggambaka kieika poses eksaksi sisem padaa-aia dalam hal ii laua kafei-biji kopi dimaa kafei aka dieksak dai biji kopi. Dalam pesamaa (3.5) V adalah volume pelau (m 3 ), 0 adalah kada kafei awal (% bk), adalah kada kafei yag diigika (0. aau 0.3%), S adalah kada kafei pada kodisi- (% bk), p adalah luas pemukaa (m ), da adalah waku poses (deik). Peyelesaia pesamaa esebu seaa aaliis uuk mempediksi waku pelaua kafei ( -pediksi ) dalam biji kopi adalah sebagai beiku (Espioza-Peez e al., 007; Doa, 995): pediksi = k L p S..l (3.6) V p 0 Nilai laju pelaua kafei (k f ) meupaka fugsi dai koseasi () da suhu pelau (T) yag seaa maemais dapa diyaaka sebagai beiku : ( koseasi pelau suhu pelau) k f = f, k f ( Ea / RgT ) a = g.. e (3.7) l. kl = l. g + a.l. Ea./ Rg. T

6 30 l.k L = y l. = x /T = x l.g = d Ea / R = g b maka beuk pesamaa liieya adalah : y d + a. x + b x + E E adalah kesalaha (3.8) =. ( d + a. x b x ) E = y + (3.9). Pada pesamaa di aas ilai kesalaha (E) meupaka selisih aaa haga y pegamaa dega haga pedekaayag dipediksika dai pesamaa liie uuk mempeoleh keepaa pesamaa pediksi dega aa memiimalka kuadaya. Nilai laju pelaua kafei (k f ) dai pesamaa (3.7) dapa dieuka dega meode gafik (Suasih e al., 009) megguaka pesamaa sebagai beiku : ( k ). Rg = a.exp f. (3.0) Gadie dai ploig l.r g ehadap waku () meupaka laju pelaua kafei (k f ). Nilai difusivias (D k ) da koefisie pepidaha massa (k L ) dapa dihiug dega pesamaa beiku, Dk =. k f π =. g. π a. e ( Ea / RgT ) (3.) D k = k L (3.) Pesamaa (3.) meujukka bahwa selai paamee koseasi (), ilai difusivias kafei dieuka oleh paamee suhu (T). Poses pelaua kafei dai dalam biji kopi diasumsika belagsug pada suhu yag seagam dai iik pusa biji kopi sampai pada pemukaa biji. Validasi Model Maemaik Laju pelaua (k f ) kafei dai bebagai koseasi da suhu pelau diaalisis dega megguaka muliegesi/egesi gada sofwae SPPS (Saisial Podu ad Sevie Soluio) uuk meeuka ilai kosaa pada vaiabel suhu da koseasi. Daa laju pelaua kafei hasil pegamaa (obsevasi) diguaka uuk memvalidasi model maemais laju pelaua kafei

7 3 (pediksi) dalam eako kolom uggal. Validasi model dilakuka dega aa meghiug ilai koefisie deemiasi (R ). Nilai R bekisa aaa 0 da. Jika ilai R medekai beai keadala daa pediksi semaki baik, da model maemaik yag dibeuk diyaaka valid. Opimasi Poses Dega Respose Sufae Mehodology (RSM) plikasi RSM uuk opimasi poses elah bayak dilakuka, di aaaya uuk poses peyagaia biji kakao (Misawi e al., 005), poses oaig okela (Ghosh e al., 004), sifa aeodiamik buah da biji kopi (foso-juio e al., 007), da opimasi poses peyagaia biji kopi obusa (Medes e al., 00). Opimasi poses pelaua kafei dai dalam biji kopi Robusa dega megguaka eako kolom uggal dilakuka dega megguaka aaga Respose Sufae Mehodology (RSM) sofwae Ehip 6.0. Kodisi opimum poses dieuka dega megguaka sofwae Respose Sufae Mehodology (RSM) Ehip vesi 6.0. Disai vaiabel yag diguaka adalah suhu pelau (T) aaa o C, da koseasi pelau () aaa 0-00% (v/v). Paamee espose yag diguaka adalah laju pelaua kafei (%bk/jam), da waku aau lama poses pelaua obsevasi ( -obseasi ) pelaua kafei sampai dipeoleh kada kafei dalam biji kopi miimum 0.3% bk. Keluaa yag dihasilka adalah dipeolehya poses dekafeiasi biji kopi obusa dalam eako kolom uggal pada laju pelaua kafei yag opimum (%bk/jam).

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BILANGAN BAB V BARISAN BILANGAN DAN DERET Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV BAB III STATISTIK INFERENSI PADA RANTAI MARKOV 3. Pedahulua Pada Bab II elah dibahas megeai aai Makov beode- aau Ō() da maiks peluag asisiya. Pada bagia ii, aka dibahas bagaimaa meeuka ode aai Makov dai

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

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

kimia LAJU REAKSI II Tujuan Pembelajaran

kimia LAJU REAKSI II Tujuan Pembelajaran KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 39 V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 5.. Pegembaga Mode Pemodea fuzzy eah ebuki sebagai ekik yag saga begua keika peaaa daam kodisi keidakpasia aau dega ifomasi yag idak pasi seig dijumpai

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR PERBNDINGN METODE BUNG MJEMUK DN TURN 78 DLM MENENTUKN SIS PINJMN SETIP PERIODE PD NUITS DUE ( Sudi Kasus: Kopeasi Uiesias Islam Negei Sula Syaif Kasim Riau ) TUGS KHIR Diajuka Sebagai Salah Sau Syaa Uuk

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

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 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: muy.sms@gmail.com ABSTRAK

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

Bab III Rancangan Penelitian

Bab III Rancangan Penelitian Bab III Rancanan Peneliian III. Rencana Pelaksanaan Peneliian Komponen uama penyusun as poduse adalah,,, 4,, N, dan penoo, yan melipui komponen oanik a dan anoanik S, l, N 3, loam alkali. Kebeadaan penoo,

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB III PENGEMBANGAN MODEL MATEMATIK

BAB III PENGEMBANGAN MODEL MATEMATIK A III PENGEMANGAN MODEL MATEMATIK Pada analisis manual ang akan dikembangkan, unuk menjamin bahwa eoi maupun umusan ang diuunkan belaku (valid) maka pelu dieapkan asumsi dasa. Sehingga hasil analisis manual

Lebih terperinci

MODEL REDUKSI KADAR KAFEIN PADA PROSES DEKAFEINASI BIJI KOPI

MODEL REDUKSI KADAR KAFEIN PADA PROSES DEKAFEINASI BIJI KOPI Posidig Semia Nasioal Matematika Uivesitas Jembe 9 Novembe 85 MODEL REDUKS KADAR KAFEN PADA PROSES DEKAFENAS BJ KOP RUSL HDAYA da RANGG DAS DW WJAYA Juusa Matematika Fakultas Matematika da lmu Pegetahua

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

4 METODOLOGI 4.1 Waktu dan Tempat 4.2 Alat dan Bahan 4.3 Metode Penelitian 4.4 Metode Pengambilan Sampel

4 METODOLOGI 4.1 Waktu dan Tempat 4.2 Alat dan Bahan 4.3 Metode Penelitian 4.4 Metode Pengambilan Sampel 4 METODOLOGI 4. Waku dan Tempa Peneliian dilaksanakan pada Bulan Mae 009 sampai dengan Bulan Mei 009. Peneliian dilaksanakan di Peaian Teluk Banen dengan basis pendaaan di Pelabuhan Peikanan Panai (PPP)

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

KULIAH SEMESTER VIII PRODI GEOMATIKA INSTITUT TEKNOLOGI SUMATERA

KULIAH SEMESTER VIII PRODI GEOMATIKA INSTITUT TEKNOLOGI SUMATERA KULIAH SEMESER III RODI GEOMAIKA INSIU EKNOLOGI SUMAERA . ENDAHULUAN GEODESI: UJUAN ILMIAH: MENENUKAN BENUK DAN BESAR BUMI, MENGKAJI FENOMENA GEODINAMIKA, SEERI ROASI BUMI, GERAKAN KERAK BUMI, ASANG SURU

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

p q r sesuai sifat operasi hitung bentuk pangkat

p q r sesuai sifat operasi hitung bentuk pangkat Adi Nuhidayat, S.Pd PEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMK KELOMPOK PARIWISATA, SENI DAN KERAJINAN, TEKNOLOGI KERUMAHTANGGAAN, PEKERJAAN SOSIAL, DAN ADMINISTRASI PERKANTORAN TAHUN PELAJARAN

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor Pogam Pekuliahan Dasa Umum Sekolah Tinggi Teknologi Telkom Fungsi Veko [MA4] Deinisi Deinisi ungsi veko Fungsi veko meupakan auan yang mengkaikan ε R dengan epa sau veko F R Noasi : F : R R F î gĵ, g aau

Lebih terperinci

Fisika Dasar I (FI-321)

Fisika Dasar I (FI-321) Fisika Dasa I (FI-321) Topik hai ini (minggu 3) Geak dalam Dua dan Tiga Dimensi Posisi dan Pepindahan Kecepaan Pecepaan Geak Paabola Geak Melingka Geak dalam Dua dan Tiga Dimensi Menggunakan anda + aau

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

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

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

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1 BAHAN AJAR POLA, BARISAN DAN DERET BILANGAN Oleh : Muhammad Imo H 0 Modul Baisa da Deet Hal. BARISAN DAN DERET A. POLA BILANGAN. Pegetia Baisa Bilaga Baisa bilaga adalah uuta bilaga-bilaga dega atua tetetu.

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

= 0 adalah r(dimana r konstan);

= 0 adalah r(dimana r konstan); MODEL PEMAEA LOGISTI UTU PEMAEA IA DEGA LAJU PEMAEA PROPOSIOAL Sigi ova Riyano, aono Juusan Maemaika FMIPA UDIP Semaang Jl. Pof. H. Soedao, SH, Tembalang, Semaang, 575 Absak: Tedapa banyak model pemanenan,

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

KIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P)

KIMIA. Sesi. Sifat Koligatif (Bagian II) A. PENURUNAN TEKANAN UAP ( P) KIMIA KELAS XII IA - KURIKULUM GABUNGAN 02 Sesi NGAN Sifat Koligatif (Bagia II) Iteraksi atara pelarut da zat megakibatka perubaha fisik pada kompoekompoe peyusu laruta. Salah satu sifat yag diakibatka

Lebih terperinci

(The Method of Separation of Variables). Metode ini dapat digunakan pada PDP linier, khususnya PDP dengan koefisien konstan.

(The Method of Separation of Variables). Metode ini dapat digunakan pada PDP linier, khususnya PDP dengan koefisien konstan. METODE PEMISAHAN PEUBAH (The Method of Separatio of Variales) Metode ii dapat diguaka pada PDP liier, khususya PDP dega koefisie kosta Tujua Istruksioal : Setelah megikuti perkuliaha mahasiswa dapat: 1

Lebih terperinci

2. SAMBUNGAN PAKU KELING

2. SAMBUNGAN PAKU KELING . SAMBUNGAN PAKU KELING. Pegguaa Sambuga paku Kelig Paku kelig aalah sejeis pasak aau paku yag iguaka uuk megika suau sambuga, yag sifaya permae imaksuka agar bagia-bagia ksruksi yag elah isambug/iika

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

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

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

SOAL PRAPEMBELAJARAN MODEL PENILAIAN FORMATIF BERBANTUAN WEB-BASED UNTUK MENINGKATKAN PEMAHAMAN KONSEP FISIKA SISWA

SOAL PRAPEMBELAJARAN MODEL PENILAIAN FORMATIF BERBANTUAN WEB-BASED UNTUK MENINGKATKAN PEMAHAMAN KONSEP FISIKA SISWA Lampira 1. Prapembelajara SOAL PRAPEMBELAJARAN MODEL PENILAIAN FORMATIF BERBANTUAN WEB-BASED UNTUK MENINGKATKAN PEMAHAMAN KONSEP FISIKA SISWA Satua Pedidika : SMK Mata Pelajara : Fisika Kelas/ Semester

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

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

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

BANGUN RUANG. ABFE dan sisi DCGH, dan sisi ADHE dan sisi

BANGUN RUANG. ABFE dan sisi DCGH, dan sisi ADHE dan sisi NGUN RUNG. Pengeian 1. Kubu Kubu adalah bangun uang yang dibaai oleh enam buah bidang peegi yang konguen (benuk dan E beanya ama). (Pehaikan Gamba 1) Kubu mempunyai 6 ii, 8 iik udu, dan 12 uuk. Semua uuk

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

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

Lebih terperinci

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4 JURNAL ILMU-ILMU EKNIK - SISEM Vol. 3 No. OPIMASI INVENORY COS PAA MOEL MAEMAIKA EP (ECONOMIC PROUCION UANIY) ENGAN ACKORER AN VARIASI SE UP COS Rofila El Maghfiroh 4 Absrak: Masalah pegedalia persediaa

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

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

KORELASI DAN REGRESI BERGANDA

KORELASI DAN REGRESI BERGANDA KORELASI DAN REGRESI BERGANDA KORELASI BERGANDA Koelasi begada meupaka alat uku megeai hubuga yag tejadi ataa vaiabel depede () dega dua atau lebih vaiabel idepede,. Dega koelasi begada kekuata atau keeata

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

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

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

KLASIFIKASI NASABAH KREDIT BANK X DI PROVINSI LAMPUNG MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL

KLASIFIKASI NASABAH KREDIT BANK X DI PROVINSI LAMPUNG MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahu 5, Halama 937-946 Olie di: hp://ejoural-s.udip.a.id/idex.php/gaussia KLASIFIKASI NASABAH KREDIT BANK X DI PROVINSI LAMPUNG MENGGUNAKAN ANALISIS DISKRIMINAN

Lebih terperinci

Menentukan Pembagi Bersama Terbesar dengan Algoritma

Menentukan Pembagi Bersama Terbesar dengan Algoritma Meetuka Pembagi Besama Tebesa dega Algoitma Macelius Hey M. (135108) Pogam Studi Tekik Ifomatika Sekolah Tekik Elekto da Ifomatika Istitut Tekologi Badug, Jl. Gaesha 10 Badug 4013, Idoesia 135108@std.stei.itb.ac.id

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

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

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi II. TINJAUAN PUSTAKA Pada bab ii aka dibeika bebeapa kosep dasa, istilah istilah da defiisi yag eat kaitaya dega masalah yag haus dibahas yaitu megeai bayakya caa megkostuksi Dyck path dega pajag k upstokes

Lebih terperinci

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal Kompleksitas Waktu utuk Algoritma Rekursif ZK Abdurahma Baizal Algoritma Rekursif Betuk rekursif : suatu subruti/fugsi/ prosedur yag memaggil diriya sediri. Betuk dimaa pemaggila subruti terdapat dalam

Lebih terperinci

ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING

ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING Ewin Panggabean Pogam Sudi Teknik Infomaika STMIK Pelia Nusanaa Medan, Jl. Iskanda Muda No 1 Medan, Sumaea Uaa 20154, Indonesia

Lebih terperinci

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT PBANDINGAN PENAKSIR REGRESI LINI SEDHANA PADA SAMPLING BPINGKAT, SAMPLING EKSTRIM BPINGKAT DAN SAMPLING MEDIAN BPINGKAT E. W. Aitoag *, Haiso, R. Efedi Mahasiswi Pogam S Matematika Dose Juusa Matematika

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

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

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

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

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

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

Lebih terperinci