BAB II LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI"

Transkripsi

1 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. (Walpol & Mrs 989) Fugsi distribusi kumulati variabl diotasika sbagai da didiisika sbagai = utuk sluruh ag riil. Jika adalah kotiu maka : = ( ) (.). Fugsi Quatil Diisi.3: Misalka F ugsi distribusi dari suatu distribusi probabilitas pada himpua bilaga ral R jika () maka trdapat dga tuggal shigga = maka disbut kuatil- dari F.Kuatil- dari F diguaka otasi. Fugsi kuatil dari F didiisika sbagai: = i { ( ) } dga () artia adalah ilai trkcil dari dga ( ). Misalka x mmpuai distribusi F da ugsi distribusi dari = + maka dapat diataka sbagai: = > Shigga ugsi quatil itu srig dikal dga istilah ivrs dari kumulati. II-

2 .3 Diskrit iomial Prcobaa biomial adalah prcobaa ag mmiliki ciri-ciri brikut: a. Prcobaaa trdiri atas ulaga. b. Dalam stiap ulaga hasila dapat digologka sbagai brhasil atau gagal. c. Pluag brhasil ag dilambagka dga utuk stiap ulaga adalah sama tidak brubah-ubah. d. Ulaga-ulaga itu brsiat bbas. Diisi.4 (Ari Pai Dsvia M.Sc ) Jika suatu ulaga biomial mmpuai pluag kbrhasila da pluag gagal = maka sbara pluag bagi pubah acak biomial aitu baaka kbrhasila dalam ulaga ag bbas adalah: ; = =.4 Distribusi Pluag Kotiu.4. Distribusi Wibull Distribusi Wibull diambil dari ama sorag isikawa ag brasal dari Swdia brama Waloddi Wibull pada Tahu 939. Distribusi Wibull mrupaka distribusi ag srig diguaka kara mggambarka ksluruha data scara jlas trutama dalam pgujia da mmodlka data shigga distribusi Wibull srig diaplikasika utuk pmodla atara lai pmodla dibidag tkologi kcpata agi usur-usur kimia da juga dibidag hidrologi. Karaktristik dari distribusi Wibull aitu dicirika olh dua paramtr aitu da dimaa > da > (Ri 9). Distribusi Wibull trmasuk distribusi acak kotiu ag juga mmpuai ugsi dsitas pluag sbagai brikut : = (.3) sdagka ugsi distribusi kumulatia adalah : = ( ) (.4) II-

3 .4. Distribusi Pluag gamma Diiisi.5 (Rado Ydra M.Sc 8) Variabl acak Y dikataka mmiliki distribusi gamma dga paramtr da jika da haa jika ugsi dsitas dari Y adalah utuk ag laia DimaaГ = Kuatitas Г dikal dga ugsi gamma. Itgral scara lagsug aka mghasilka bahwaг =. Da scara trus-mrus itgral aka mghasilka bahwa Г = Г > Г = da juga ag dihasilka jika adalah bilaga bulat. Hal di atas dapat ditujukka sprti brikut: Г = = + = = Г Cotoh. : Ttuka Г 6 = 6 = 5 x 4 x 3 x x =. Slajuta aka dibuktika bahwa ugsi dsitas pluag distribusi gamma aka ditujukka mmuhi siat distribusi pluag kotiu sprti brikut : = Г = Г = Г = Г Г = II-3

4 Graik ugsi dsitas gamma utuk da 4 srta dibrika pada gambar brikut: () 4 Gambar. GraikFugsiDsitas Gamma Gambar. mujukka btuk dari dsitas gamma brbda utuk ilai ag brbda. Utuk alasa ii kadag-kadag alpa disbut dga paramtr btuk ag dihubugaka dga distribusi gamma. Paramtr scara umum disbut dga paramtr skala kara mgalika sbuah variabl acak ag didistribusika dga gamma dga bilaga positi ( dga dmikia mgubah skala pada pgukura dibuat) mghasilka variabl acak ag juga mmpuai distribusi gamma dga ilai ag sama ttapi ilai paramtr brubah. Pada kasus trttu ktika adalah bilaga bulat distribusi ugsi dari variabl acak ag didistribusika scara gamma dapat digambarka sbagai jumlah dari pluag poisso trttu. Jika tidak bilaga bulat da c d tidak mmugkika utuk mmbrika gambara ag tpat utuk Г Torma. (RadoYdra M.Sc 8) Jika Y mmpuai distribusi gamma dga paramtr da maka E Y da V Y II-4

5 II-5 ukti : Sprti ag diktahui bahwa d d Y E Dari siat ag tlah dibuktika sbluma diktahui bahwa d Kara itu d Shigga d d Y E Slajuta utuk mtuka variasi distribusi gamma ttuka trlbih dahulu ilai harapa brikut: d d E Y Shigga variasi distribusi gamma dapat dittuka sbagai Y E E Y Y V

6 .4.3 DistribusiPluag ta Fugsi dsitas bta ugsi dsitas brparamtr dua didiisika pada itrval tutup. Ii srig diguaka sbagai modl utuk proporsi sprti proporsi ktakmuria produk kimia atau proporsi waktu sbuah msi diwaktu prbaika. Diisi.6 (RadoYdra M.Sc 8) Variabl acak Y dikataka mmpuai distribusi pluag bta dga paramtr da jika da haa jika ugsi dsitas dari Y adalah Dimaa utuk laia d Graik ugsi dsitas bta mgasumsika prbdaa ag lbar dari btuk utuk brbagai ilai dari dua paramtr digambarka sprti pada gambar dibawah. da. brapa diataraa aka Sbagai catata mdiisika pada itrval tidak mmbatasi pgguaa distribusi bta. Jika c d maka c d c mdiisika variabl baru shigga. Jadi ugsi dsitas bta dapat dipakai utuk variabl acak ag didiisika pada itrval traslasi da prtukara skala. c d dga Fugsi distribusi kumulati utuk variabl acak bta lazim disbut ugsi bta taklgkap da diotasika dga F t t dt I II-6

7 () Gambar. Graik Fugsi Dsitas ta Jika da kdua-duaa bilaga bulat positi I dihubugka dga ugsi pluag biomial. Itgral dga mmpartisi dapat diguaka utuk mujukka bahwa utuk F t t i dt i i da kdua-duaa bilaga bulat Dimaa. Catat bahwa jumlah sisi sblah kaa dari gambara di atas haa mjumlahka pluag ag dihubugka dga variabl acak biomial dga da p i Torma. (RadoYdra M.Sc 8) Jika Y adalah variabl acak ag da maka EY didistribusika dga paramtr da V Y II-7

8 II-8 ukti : Dga diisi d d E Y Utuk mtuka variasi dari distribusi bta prtama skali ttuka ilai harapa dari btuk brikut d d E Y Shigga variasi dari distribusi bta adalah Y E E Y Y V

9 .5 Statistikrurut Scara ormal misal Y Y... Y variabl acak kotiu ag salig bbas dga ugsi distribusi komulati F() da ugsi dsitas (). Notasi variabl acak ag trurut Y i aitu Y () Y ()...Y () dimaa Y () Y ()... Y () Y () = mi (Y Y... Y ) Adalah variabl acak miimum dari Yi Y () = max (Y Y... Y ) Adalah variabl acak maksimum dari Y i Fugsi dsitas pluag utuk Y i da Y dapat dittuka dga mgguaka mtoda ugsi distribusi kumulati. Prtama skali kita aka mtuka ugsi dsitas dari Y. Kara Y adalah maksimum dari Y Y...Y Maka pristiwa (Y () ) aka trjadi jika da haa jika (Y i ) trjadi utuk stiap i =... aki P Y PY Y Y Kara Y i adalah salig bbas da PY i F utuk i mataka bahwa ugsi distribusi kumulati dari Y () dibrika olh FY PY PY PY PY F hal ii Misal g () otasi ugsi dsitas dariy () dga muruka ugsi distribusi kumulati di atas aka dittuka g F Dga cara ag sama kita dapat mtuka ugsi dsitas utuk Y () sbagai brikut: F Y PY P Y Kara Y () adalah miimum dari Y Y Y hal ii mataka bahwa pristiwa (Y () > ) trjadi jika da haa jika pristiwa (Y i > ) trjadi utuk i =. Kara Y i salig bbas da P (Y i > ) = F() utuk i = 3... kita lihat bahwa II-9

10 F Y P Y PY PY Y Y PY PY PY F Misalg () () adalah ugsi dsitas dari Y () dga muruka ugsi distribusi kumulati aka diprolh g F Cotoh.. Kompo-kompo lktroik dari tip trttu mmpuai pajag hidup Y dga dsitas pluag dibrika olh utuk ag laia Adaika bahwa dua kompo dioprasika scara bbas da sstm diragkai scara sri (kara sstm gagal ktika kompo lai gagal). Ttuka ugsi dsitas utuk X. Plsaia: Kara sstm gagal pada kompo utama gagal X = mi (Y Y ) dimaa Y da Y adalah variabl acak dga dibrika ugsi dsitas. Kara F utuk X g F utuk ag laia Da itu mataka scara sdrhaa bahwa X 5 5 utuk ag laia II-

11 Cotoh.3. Adaika kompo di ragkai scara paralll (kara sstm tidak aka gagal sampai kdua kompo gagal). Ttuka ugsi dsitas utuk X. Plsaia : Skarag X = max (Y Y ) da g F da olh sbab itu X X 5 utuk 5 ag laia utuk ag laia.6 Pluag Momt rbobot (PM) Diisi.7 (Grwood da Kawa-kawa 979) Pluag momt brbobot di disika sbagai: = = (.5) Dimaa = ugsi kuatil atau ivrs distribusi = distribusi ugsi kumulati = bilaga ral. Utukilai = = da adalah bilaga bulat tidak gatimaka brdasarka disi. dapat ditulis sbagai: = = Atau dikalsbagai momt k suatu distribusi da jika = maka btuk diatas adalah momt k - atau rata-rata suatu distribusi ugsi dga btuk sprti: = = II-

12 Utuk statistik brurut diktahui distribusi ugsi kumulati utuk k dga sampl brukura. (.6) tuk ag mucul stlah tada adalah btuk ugsi pluag biomial tpat k utuk. David (97) tlah mghasilka hubuga diatara pjumlaha biomial da ugsi bta taklgkap. = + (.7) Dimaa = adalah ugsi bta taklgkap sdagka Olh sbabitu: = adalah ugsi bta utuk > > Maka = = (.8) Kara = Г Г Г = Strusa ambil turua dari prsamaa (.3) ag mrupaka ugsi dsitas pluag dari : = =. (.9) rikuta ilai kspktasi dari dapatditulis: = =. (.) II-

13 Dimaa = Dga mgguaka btuk ii maka momt k utuk uruta k dari sampl brukura dapat dihitug = (.) Olh sbab itu momt k utuk uruta k - + dari ukura sampl + + dapat dihitug: = (.) Dari btuk diatas maka btuk pluag momt brbobot utuk statistik brurut dapat dibtuk sprti: = (.3) Dua btuk pluag momt brbobot ag sagat prlu diprhatika adalah utuk = = 3 da =. Dua btuk ii dapat dittuka sprti: = = (.4) = = (.5).7 Ptua Prkiraa Utuk Adaika data utuk statistik brurut dari kcil kbsar dimaa adalah data ag trbsar. Total jumlah pmiliha sampl bagia uruta + dari adalah: = + (.6) Jumlah sampl bagia brukura + dipilih dari ag mmuat sbagai data trbsar maksuda adalah aggota dari subsampl da aggota lai harus dipilih dari data ag lbih kcil. Olh sbab itu jumlah subsampl ag mmuat sbagai aggota trbsar adalah: II-3

14 = (.7) Strusa dapat dibtuk = (.8) Maka dapat dihasilka rumus momt k utuk statistik brurut k + dari subsampl brukura + ag dipilih dari adalah = (.9) rdasarka btuk diatas dapat dihasilka btuk umum pluag momt brbobot utuk sampl adalah: = dimaa =. (.) Slajuta utuk mmbuktika ilaia mjadi: dari prsamaa. shigga II-4

15 Kmudia dari prsamaa (.). Jika = dashigga = + + : =. II-5

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

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

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

STATISTIKA MATEMATIKA I

STATISTIKA MATEMATIKA I STATISTIKA MATEMATIKA I Disusu Olh : (005005) PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN PENDIDIKAN (STKIP) PGRI SUMATERA BARAT 0 BAB I PELUANG. Ruag Sampl da Kjadia Ruag sampl atau

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

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

Lebih terperinci

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria BAB II LANDASAN EORI Pada bab ii aka dibahas tori tori pdukug yag aka diguaka pada bab slajutya, atara lai modl matmatika, modl pidmik SIR klasik, ilai ig, prsamaaa difrsial, sistm prsamaa difrsial, titik

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

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

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS STUDI TERHDP SEBRN STSIONER PD SISTEM BONUS MLUS SWISS Olh : RENSY ERMWTY G PROGRM STUDI MTEMTIK FKULTS MTEMTIK DN ILMU PENGETHUN LM INSTITUT PERTNIN BOGOR BSTRK RENSY ERMWTY Studi Trhadap Sbara Stasior

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

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol No Juli 6 ISSN 6-5 Mtod Itrasi Tiga Lagkah dga rd Kovrgsi Eam utuk Mlsaika Prsamaa Noliar M Ari da M M Niam Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari

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

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra METODE SENT-MIDPOINT NEWTON UNTUK MENYELESIKN PERSMN NONLINER Supriadi Putra sputra@uri.ac.id Laboratorium Komputasi Jurusa Matmatika Fakultas Matmatika da Ilmu Pgtahua lam Uivrsitas Riau Kampus Biawidya

Lebih terperinci

APLIKASI RESIDU KOMPLEKS PADA PERSAMAAN DIFERENSIAL HOMOGEN CAUCHY- EULER ORDE DUA SKRIPSI. Oleh: YUDIA ISMAIL SYAFITRI NIM:

APLIKASI RESIDU KOMPLEKS PADA PERSAMAAN DIFERENSIAL HOMOGEN CAUCHY- EULER ORDE DUA SKRIPSI. Oleh: YUDIA ISMAIL SYAFITRI NIM: APLIKASI RESIDU KOMPLEKS PADA PERSAMAAN DIFERENSIAL HOMOGEN CAUCHY- EULER ORDE DUA SKRIPSI Olh: YUDIA ISMAIL SYAFITRI NIM: 4547 UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG FAKULTAS SAINS DAN

Lebih terperinci

APLIKASI RESIDU UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL CAUCHY - EULER ORDE-n SKRIPSI. Oleh: IKE NORMA YUNITA NIM

APLIKASI RESIDU UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL CAUCHY - EULER ORDE-n SKRIPSI. Oleh: IKE NORMA YUNITA NIM APLIKASI RESIDU UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL CAUCHY - EULER ORDE- SKRIPSI Olh: IKE NORMA YUNITA NIM. 65 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI (UIN) MAULANA

Lebih terperinci

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA Vol. 9. No. Jural Sais Tkologi da Idustri KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA Yuslita Muda Wartoo Novi Maulaa Laboratorium Matmatika Trapa Jurusa Matmatika

Lebih terperinci

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah Smiar Nasioal Tkologi Iormasi, Komuikasi da Idustri SNTIKI ISSN Pritd : -1 Fakultas Sais da Tkologi, UIN Sulta Sari Kasim Riau ISSN li : -0 Pkabaru, 1-1 Mi 01 Plsaia Prsamaa Noliar Mgguaka Mtod Itrasi

Lebih terperinci

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear Smiar asioal Tkologi Iormasi Komuikasi da Idustri STIKI 9 ISS Pritd : 9- Fakultas Sais da Tkologi UI Sulta Sari Kasim Riau ISS li : 9-6 Pkabaru 8-9 Mi Mtod Itrasi rd Kovrgsi Eam Utuk Plsaia Prsamaa oliar

Lebih terperinci

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE))

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE)) Kalkulus Prsamaa Diffrsial Biasa Ordiar Diffrtial Equatios ODE Dhoi Hartato S.T. M.T. M.Sc. Prodi Tkik Kimia Fakultas Tkik Uivrsitas Ngri Smarag Prsamaa Diffrsial Biasa Prsamaa Diffrsial adalah Prsamaa

Lebih terperinci

MODUL 2 BILANGAN KOMPLEKS

MODUL 2 BILANGAN KOMPLEKS Diktat Kuliah EL- Matmatika Tkik I MODUL BILANGAN KOMPLEKS Satua Acara Prkuliaha Mdul (Bilaga Kmplks sbagai brikut Ptmua k- Pkk/Sub PkkBahasa TuuaPmblaara Bilaga Kmplks Pgatar Bilaga Kmplks Lambag Bilaga

Lebih terperinci

KONVERGENSI MODIFIKASI METODE POTRA - PTAK DENGAN MENGGUNAKAN KELENGKUNGAN KURVA TUGAS AKHIR

KONVERGENSI MODIFIKASI METODE POTRA - PTAK DENGAN MENGGUNAKAN KELENGKUNGAN KURVA TUGAS AKHIR KNVERGENSI MDIFIKASI METDE PTRA - PTAK DENGAN MENGGUNAKAN KELENGKUNGAN KURVA TUGAS AKHIR Diajuka sbagai Salah Satu Sarat utuk Mmprolh Glar Sarjaa Sais pada Jurusa Matmatika lh: YUZI ANDRI SUHARYN 0800086

Lebih terperinci

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Vol. 9. No., 0 Jural Sais, Tkologi da Idustri METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Supriadi Putra, Ria Kuriawati, Asmara Karma sputra@uri.ac.id Laboratorium Matmatika Trapa Jurusa

Lebih terperinci

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER PENL ND L MUSIK MENGGUNKN LIHRGM OURIER Olh : di Kuria (L57) Jurusa kik Elktro akultas kik Uivrsitas Dipogoro Jl. Pro. H Sudarto S. H., mbalag, Smarag -mail : Katrosid@Yahoo.com bstrak - Mlalui pristiwa

Lebih terperinci

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter Smiar Nasioal Tkologi Iormasi, Komuikasi da Idustri SNTIKI 9 ISSN Pritd : 79-77 Fakultas Sais da Tkologi, UIN Sulta Sari Kasim Riau ISSN Oli : 79-406 Pkabaru, 8-9 Mi 07 Modiikasi Mtod Itrasi Dua Lagkah

Lebih terperinci

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh Jural Sais Matmatika da Statistika Vol. No. Juli 0 ISSN 0- Modiikasi Varia Mtod Nwto dga rd Kovrgsi Tujuh Wartoo Ria Rasla Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau Jl. HR. Sobratas

Lebih terperinci

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol o Jauari ISS - prit/iss - oli Mtod Itrasi Tiga Lagkah Bbas Turua rd Kovrgsi Dlapa utuk Mlsaika Prsamaa oliar M Muhaiir L L ada Jurusa Matmatika Fakultas Sais da Tkologi

Lebih terperinci

MODUL E LEARNING SEKSI -9 MATA KULIAH : KALKULUS LANJUT KODE MATA KULIAH : INF 221 : 5099 : DRA ENDANG SUMARTINAH,MA

MODUL E LEARNING SEKSI -9 MATA KULIAH : KALKULUS LANJUT KODE MATA KULIAH : INF 221 : 5099 : DRA ENDANG SUMARTINAH,MA MODUL E LEARNING SEKSI -9 MATA KULIAH : KALKULUS LANJUT KODE MATA KULIAH : INF DOSEN : 5099 : DRA ENDANG SUMARTINAH,MA TUJUAN MATA KULIAH : A.URAIAN DAN TUJUAN MATA KULIAH : Mahasiswa mmplajari Fugsi a

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

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN Supriadi Putra Jurusa Matmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau, Pkabaru ABSTRAT This articl discusss a simpl modiicatio

Lebih terperinci

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK PERLUASAN METDE NEWTN DENGAN PENDEKATAN PARABLIK Abdul Rahma, Supriadi Putra, Bustami Mahasiswa Program Studi S Matmatika Dos JurusaMatmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau Kampus

Lebih terperinci

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal Smiar Nasioal Tkologi Iformasi, Komuikasi da Idustri (SNTIKI 9 ISSN (Pritd : 79-77 Fakultas Sais da Tkologi, UIN Sulta Syarif Kasim Riau ISSN (Oli : 79-406 Pkabaru, -9 Mi 07 Modifikasi Mtod Bahgat tapa

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA Bidag Kajia : Pdidika Matmatika PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB da GEOGEBRA H.A. Parhusip Program Studi Matmatika Fakultas Sais da Matmatika Uivrsitas Krist Satya

Lebih terperinci

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Tujuh

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Tujuh Smiar Nasioal Tkologi Iormasi Komuikasi da Idustri SNTIKI 8 ISSN : 08-0 Pkabaru Novmbr 0 Mtod Itrasi Tiga Lagkah dga rd Kovrgsi Tujuh Wartoo Maumi Istiqomah Uivrsitas Islam Ngri Sulta Sari Kasim Riau Jl.

Lebih terperinci

Modifikasi Metode Rata-Rata Harmonik Newton Tiga Langkah Menggunakan Interpolasi Hermite Orde Tiga

Modifikasi Metode Rata-Rata Harmonik Newton Tiga Langkah Menggunakan Interpolasi Hermite Orde Tiga Jural Sais Matmatika da Statistika Vol. I No. I Jui 06 pp. - ISSN 6-0 prit/issn 0-0 oli Modiikasi Mtod Rata-Rata Harmoik Nwto Tiga Lagkah Mgguaka Itrpolasi Hrmit rd Tiga Wartoo Dwi Sartika Jurusa Matmatika

Lebih terperinci

Modifikasi Metode Newton-Steffensen Bebas Turunan

Modifikasi Metode Newton-Steffensen Bebas Turunan Smiar Nasioal Tkologi Iormasi Komuikasi da Idustri SNTIKI 7 ISSN :08-990 Pkabaru Novmbr 0 Modiikasi Mtod Nto-Sts Bbas Turua M. Niam M.Y Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau

Lebih terperinci

Perencanaan Optimal Sistem Kontrol AVR (Automatic Voltage Regulator) Untuk Memperbaiki Kestabilan Tegangan Dengan Menggunakan Algoritma Genetik

Perencanaan Optimal Sistem Kontrol AVR (Automatic Voltage Regulator) Untuk Memperbaiki Kestabilan Tegangan Dengan Menggunakan Algoritma Genetik Abstrak Prcaaa Optimal Sistm Kotrol A (Automatic oltag gulator) Utuk Mmprbaiki Kstabila Tgaga Dga Mgguaka Algoritma Gtik Makalah Tugas Akhir Disusu Olh : driyato NW LF30437 Jurusa Tkik lktro Fakultas Tkik

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

KOMBINASI METODE NEWTON DENGAN METODE ITERASI YANG DITURUNKAN BERDASARKAN KOMBINASI LINEAR BEBERAPA KUADRATUR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

KOMBINASI METODE NEWTON DENGAN METODE ITERASI YANG DITURUNKAN BERDASARKAN KOMBINASI LINEAR BEBERAPA KUADRATUR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Vol. 0. No. 0 Jural Sais Tkologi da Idustri KOMINSI METODE NEWTON DENGN METODE ITERSI YNG DITURUNKN ERDSRKN KOMINSI LINER EERP KUDRTUR UNTUK MENYELESIKN PERSMN NONLINER Supriadi Putra gusi Yudi Prima Rstu

Lebih terperinci

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR KATA PENGANTAR 00 Pmbahasa UTS Kalkulus II Sbagaia bsar mahasiswa mgagga bahwa Mata Kuliah yag brhubuga dga mghitug yag salah satuya Kalkulus adalah susah, rumit da mmusigka. Alhasil jala kluar yag ditmuh

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print) 54

JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print) 54 JURNAL TEKNIK ITS Vol. 5, No., (06) ISSN: 337-3539 (30-97 Pri 54 Pracaga Kotrolr PID-Fuzzy utuk Sistm Pgatura Cascad Lvl da Flow pada Basic Procss Rig 38-00 Dwi Arki Pritadi, Joko Susila, Eka Iskadar Jurusa

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 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

BAB V DISTRIBUSI PROBABILITAS DISKRIT

BAB V DISTRIBUSI PROBABILITAS DISKRIT BAB V DISTRIBUSI ROBABILITAS DISKRIT 5.. Distribusi Uniform Disrit Bila variabl aca X mmilii nilai,,... dngan probabilitas yang sama, maa distribusi uniform disrit dinyataan sbagai: f (, ) ;,,... paramtr

Lebih terperinci

RANGKUMAN MATERI ALAT OPTIK

RANGKUMAN MATERI ALAT OPTIK RANGKUAN ATERI ALAT OPTIK Priip Huyg Dari uatu umbr cahaya, tiap aat lalu trbtuk muka glmbag / wavrt (tmpat kduduka titik-titik yag aya ama). Titik-titik pada muka glmbag ii brtidak bagai umbr titik (wavlt)

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

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan

Lebih terperinci

Transformasi Z Materi :

Transformasi Z Materi : 4 Trasformasi Z Matri : Dfiisi Trasformasi Darah Kovrgsi (Rgio of Covrgc) Diagram Pol Zro Sifat Trasformasi Trasformasi dalam Btu Poliomial Rasioal Fugsi Sistm atau Fugsi Trasfr H() dari Sistm Liir Tida

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

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73 67, 1/ (16), 67-73 STUDI OPARASI IPLEENTASI URIULU PADA PEBELAJARAN ASELERASI DAN PEBELAJARAN REGULER (ajia pada las XI CI+BI IPA da las XI IPA di SAN 1 Padag) Yssi Rifmasari STIP Adzkia Padag Email :

Lebih terperinci

Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes

Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes Jural gmbaga Tkologi Iformasi da Ilmu Komputr -ISSN: -X Vol., No., Oktobr, hlm. - http://j-ptiik.ub.ac.id Klasifikasi Brita Twittr Mgguaka Mtod Improvd Naïv Bays Budi Kuriawa, Mochammad Ali auzi, Agus

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 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

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Distributio o th Dirc o Two Idpdt oisso Radom Variabls ad Its Applicatio to th Litrat opulatio Data Atia Ahdia rogram Studi Statistia Uivrsitas Islam Idosia Jala Kaliurag Km 45 Slma Yogaarta atia.a@uii.ac.id

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

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

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B. TUGAS ANALISIS REAL LANJUT NOVEMBER 207 () (a) Jika b > 0, B > 0, da a b < A, buktika ab < ba. Kemudia buktika B a b < a + A b + B < A B. (b) Buktika [ 2 (a + b)] 2 2 (a2 + b 2 ). Kemudia tujukka bahwa

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

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA Citra Elok Mgahardiyai, da Dstri Susilaigrum Mahasiswa Jurusa Statistika

Lebih terperinci

MATHunesa (Volume 3 No 3) 2014

MATHunesa (Volume 3 No 3) 2014 MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu

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

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA.

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA. MDIFIKASI METDE NEWTN DENGAN KEKNVERGENAN RDE TIGA Fby Satrya HP ), Agusi ), Musraii ) bysatrya@ymail.om ) Mahasiswa Program Studi S Matmatia ) Dos Matmatia, Jurusa Matmatia Faultas Matmatia da Ilmu Pgtahua

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

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Esata: Jural Imu-Ilmu MIA p. ISSN: 4-47. ISSN: 5-64 Distributio of th Diffrc of Two Idpdt oisso Radom Variabls ad Its Applicatio to th Litrat opulatio Data Atia Ahdia rogram Studi Statistia Uivrsitas Islam

Lebih terperinci

Ringkasan Materi Kuliah METODE-METODE DASAR PERSAMAAN DIFERENSIAL ORDE SATU

Ringkasan Materi Kuliah METODE-METODE DASAR PERSAMAAN DIFERENSIAL ORDE SATU Ringkasan atri Kuliah ETODE-ETODE DASAR PERSAAAN DIFERENSIAL ORDE SATU Pndahuluan Prsamaan dirnsial adalah prsamaan ang mmuat turunan satu atau bbrapa) ungsi ang takdiktahui skipun prsamaan sprti itu harusna

Lebih terperinci

CATATAN KULIAH Pertemuan VII: Konsep Total Derivatif dan Aplikasinya pada Komparatif Statik

CATATAN KULIAH Pertemuan VII: Konsep Total Derivatif dan Aplikasinya pada Komparatif Statik CATATAN KULIAH ertemua VII: Kosep Total erivati a Aplikasia paa Komparati tatik A. ieresial Masalah ag ihaapi: Bagaimaa aalisis komparati-statik jika tiak aa solusi betuk-rigkas reuce-orm ikareaka oleh

Lebih terperinci

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

Sudaryatno Sudirham ing Utari. Mengenal Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudaryato Sudirham ig Utari Mgal Sifat-Sifat Matrial () - Sudaryato S & Nig Utari, Mgal Sifat-Sifat Matrial () BAB Sifat-Sifat Thrmal Sjumlah rgi bisa ditambahka k dalam matrial mlalui pmaasa, mda listrik,

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

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

Perumusan Fungsi Green Sistem Osilator Harmonik dengan Menggunakan Metode Integral Lintasan (Path Integral)

Perumusan Fungsi Green Sistem Osilator Harmonik dengan Menggunakan Metode Integral Lintasan (Path Integral) Prumusa Fugsi Gr Sistm Osilator Harmoik dga Mgguaka Mtod Itgral Litasa (Path Itgral) Sutisa Abstrat: Th path itgral is a mthod that oft usd i th uatum problms alulatio. For xampl; th alulatio of uatum

Lebih terperinci

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

BAB I METODE NUMERIK SECARA UMUM

BAB I METODE NUMERIK SECARA UMUM BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LADASA TEORI.1. Tori Musik.1.1. Musik Musik adalah suatu si yag brbtuk suara yag didapatka dari pggabuga brbagai l yag jadikaya ak utuk didgarka. Murut filsuf Yuai da Idia kuo, usik rupaka kupula ada-ada

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam

Lebih terperinci

Supriyadi Wibowo Jurusan Matematika F MIPA UNS

Supriyadi Wibowo Jurusan Matematika F MIPA UNS Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA akultas MIPA, Uiversitas Negeri Yogyakarta, 16 Mei 29 HUBUNGAN ANTARA ORDER DERIVATI- DARI UNGSI f : DENGAN DIMENSI-γ DARI HIMPUNAN RAKTAL Supriyadi

Lebih terperinci

PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT

PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT Qoriai Widayati 1, Fbriyati Pajaita 2 Dos Uivrsitas Bia Darma 1, Dos Uivrsitas Bia Darma 2 Jala Jdral Ahmad Yai No.12 Palmbag

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

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

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

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

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah

Lebih terperinci

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA Jural Matematika UNAND Vol. 3 No. Hal. 7 34 ISSN : 33 9 c Jurusa Matematika FMIPA UNAND REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA EKA RAHMI KAHAR, DODI DEVIANTO Program

Lebih terperinci

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

MATEMATIKA DISKRIT FUNGSI

MATEMATIKA DISKRIT FUNGSI 1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari

Lebih terperinci

Bab III Aplikasi Teori Kontrol H 2 Pada Sistem Suspensi

Bab III Aplikasi Teori Kontrol H 2 Pada Sistem Suspensi Bab III Alikasi Tori Kotrol H Pada Sistm Sssi 36 Bab III Alikasi Tori Kotrol H Pada Sistm Sssi Pggaa tori kotrol H tlah bayak digaka Olh kara it brikt ii aka dirkalka da macam alikasi tori kotrol H ii

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

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