BAB II LANDASAN TEORI
|
|
- Utami Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI 2.1 Programa liear Programa Liear yag diterjemahka dari Liear programmig (LP) adalah suatu cara utuk meyelesaika persoala pegalokasia sumber-sumber yag terbatas di atara beberapa aktifitas yag bersaig, dega cara yag terbaik yag mugki dilakuka. Persoala pegalokasia ii aka mucul maakala seseorag harus memilih tigkat aktifitas-aktifitas tertetu yag bersaig dalam hal pegguaa sumber daya lagka yag dibutuhka utuk melaksaaka aktifitas-aktifitas tersebut. Beberapa cotoh situasi dari uraia di atas atara lai ialah persoala pegalokasia fasilitas produksi, pegalokasia sumber daya asioal utuk kebutuha domestik, pejadwala produksi, solusi permaia (game), da pemiliha pola pegirima (shoppig). Satu hal yag mejadi ciri situasi si atas ialah adaya keharusa utuk megalokasiaka sumber terhadap aktifitas. Programa liear ii megguaka model matematis utuk mejelaska persoala yag dihadapiya. Sifat liear di sii memberi arti bahwa seluruh fugsi matematis dalam model ii merupaka fugsi yag liier, sedagka kata programa merupaka sioim utuk perecaaa. Dega demikia, programa liear (LP) adalah perecaaa aktifitas-aktifitas utuk memperoleh suatu hasil yag optimum, yaitu suatuhasil yag mecapai tujua diatara seluruh alteratif yag fisibel. 2.2 Tipe-tipe Khusus Persoala Programa Liear Programa Liear mempuyai beberapa karakteristik-karakteristik khusus, diataraya ialah bahwa persoala-persoala tersebut cederug membutuhka sejumlah pembatas da variabel yag sagat bayak sehigga pegguaa komputer dalam peyelesaia metodeya aka sagat mahal, atau mugki proses perhitugaya aka meghadapi berbagai hambata. Karakteristik lai ialah bahwa kebayaka koefisieya dalam pembatas-pembatasya berharga ol, da sedikit
2 sekali koefisie yag berharga buka ol terjadi atau mucul dalam suatu pola tertetu. Karea itu, petig bagi kita utuk megeal tipe-tipe khusus dari persoala ii sehigga, jika pada suatu saat persoala ii mucul, kita aka segera megeal da meyelesaika dega prosedur perhituga yag tepat. Tipe khusus persoala programa liear yag palig petig ialah apa yag dikeal sebagai persoala trasportasi. Selai itu juga ada yag dikeal dega persoala trasshipmet da persoala peugasa (Assigmet) yag erat kaitaya dega persoala trasportasi Persoala Trasportasi Persoala trasportasi membahas masalah pedistribusia suatu komoditas atau produk dari sejumlah sumber (supply) kepada sejumlah tujua (destiatio, demad)m dega tujua memiimumka ogkos pegagkuta yag terjadi. Ciri-ciri khusus persoala trasportasi ii adalah : 1. Terdapat sjumlah sumber da sejumlah tujua tertetu. 2. Kuatitas komoditas atau barag yag didistribusika dari setiap sumber da yag dimita oleh setiap sumber da yag dimita oleh setiap tujua,besarya tertetu. 3. Komoditas yag dikirim atau diagkut dari suatu sumber ke suatu tujua, besarya sesuai bega permitaa da atau kapasitas sumber. 4. Ogkos pegagkuta komoditas dari suatu sumber ke suatu tujua, besarya tertetu Model Trasportasi Secara diagramatik, model trasportasi dapat digambarka sebagai berikut : Misalka ada m buah sumber da buah tujua.
3 Sumber a 11 Tujua b i = 1 12 j = i = 2 22 j = i = m 32 j = m Gambar 2.1 Model Trasportasi Masig-masig sumber mempuyai kapasitas a i, i = 1, 2, 3,..., m Masig-masig tujua membutuhka komoditas sebayak b j, j = 1, 2, 3,..., Jumlah satua (uit) yag dikirimka dari sumber i ke tujua j adalah sebayak Ogkos pegirima per uit dari sumber i ke tujua j adalah c Miimumka : z Berdasarka Pembatas: m i 1 j 1 c j 1 m i 1 a i, i b j, j 1, 2, 3,..., m 1, 2, 3,..., 0 utuk seluruh i da j
4 2.2.2 Model Trasshipmet Model Trasshipmet adalah model trasportasi yag memugkika pegirima barag (komoditas) secara tidak lagsug, dimaa barag dari suatu sumber dapat berada pada sumber lai atau tujua lai sebelum mecapai tujua akhirya. Jadi, pada Model Trasshipmet ii, suatu simber sekaligus dapat berpera sebagai tujua da sebalikya, suatu tujua dapat juga berpera sebagai sumber. Dalam model ii, setiap sumber maupu tujua dipadag sebagai titik-titik potesial bagi demad maupu supply. Oleh karea itu, utuk mejami bahwa tiap titik potesial tersebut mampu meampug total barag di sampig jumlah barag yag telah ada pada titik-titik tersebut, maka perlu ditambahka kepada titik-titik itu kuatitas supply da demad-ya masig-masig sebesar B. B m i 1 a i j 1 b j Model Peugasa Model peugasa merupaka kasus khusus dari model trasportasi, dimaa sejumlah m sumber ditugaska kepada sejumlah sumber situgaska kepada sejumlah tujua (satu sumber utuk satu tujua) sedemikia sehigga didapat ogkos total yag miimum. Biasaya yag dimaksud dega sumber ialah pekerjaa (job), sedagka yag dimaksud dega tujua ialah mesi-mesi (pekerja). Jadi, dalam hal ii, ada m pekerjaa yag ditugaska pada mesi, dimaa apabila pekerjaa i (i = 1, 2, 3,..., m) di tugaska kepada mesi j (j = 1, 2, 3,..., ) aka mucul ogkos peugasa c. Karea satu pekerjaa ditugaska ditugaska haya pada satu mesi, maka supply yag dapat diguaka pada setiap sumber adalah 1 (atau a i = 1, utuk seluruh i). Semikia pula halya dega mesi-mesi, karea satu mesi haya dapat meerima satu pekerjaa, maka demad dari setiap tujua adalah 1 (atau b j = 1, utuk seluruh j). Jiks ada suatu pekerjaa yag tidak dapat ditugaska pada mesi tertetu, maka c
5 yag berkorespodesi degaya diyataka sebagai M, yag merupaka ogkos yag sagat tiggi. Peggambara umum persoala peugasa ii adalah sebagai berikut : N 1 c 11 c c c 21 c c M c m1 c m2... c m Gambar 2.2 Gambara Umum Persoala Peugasa Sebelum model ii dapat dipecahka dega sebuah metode, terlebih dahulu persoalaya harus diseimbagka dega meambahka pekerjaa-pekerjaa atau mesi-mesi khayala, bergatug pada apakah m < atau m >. Dega kata lai ilai m harus sama dega agar semua mesi-mesi medapatka pekerjaa masig-masig satu. Secara matematis, model peugasa ii dapat diyataka sebagai berikut : X 0, jika pekerjaa ke - i tidak ditugaska pada mesi ke - j 1, jika pekerjaa ke - i ditugaska pada mesi ke - Dega demikia, model persoala peugasa ii adalah ; j Miimumka : z j 1 c
6 Berdasarka Pembatas: j 1 i j 1, i 1, j 0 atau 1 1, 2,..., 1, 2,..., Suatu ciri khas persoala peugasa ialah bahwa solusi optimum aka tetap sama bila suatu kostata ditambahka atau dikuragka kepada baris atau kolom yag maapu dari matriks ogkosya.hal ii dapat dibuktika sebagai berikut : Jika pi da qj meripaka kostata pegurag terhadap baris i da kolom j, maka eleme ogkos yag baru adalah : c' c - p i - q j Sehigga fugsi tujua baru mejadi : z' c i j i j c - pi i j i j i j j i - p i - q i) Karea 1, maka z' z - kostata (c - q 1 Hal ii meujuka bahwa memiimumka z meghasilka solusi yag sama dega memiimumka z. Suatu hal yag mearik ialah bahwa jika kita melakuka operasi peguraga p i da q j tehadap matriks ogkos aka diperoleh zero eteries, yaitu eleme-eleme ogkos dalam matriks yag berharga ol, yaitu juga merupaka variable-variabel yag meghasilka solusi optimum bagi z sehigga, berdasarka pembuktia di atas, merupaka solusi optimal bagi z.
7 2.3 Quadratic Assigmet Problem (QAP) Quadratic Assigmet Problem (QAP) pertama kali dikealka oleh Koopmas da Beckma tahu 1947, yag meyataka bahwa Quadratic Assigmet Problem (QAP) adalah suatu model utuk meguraika permasalaha yag praktis. Permasalaha Quadratic Assigmet Problem (QAP) adalah suatu masalah optimasi kombiatorial da termasuk dalam permasalaha peugasa yag bertipe liear programmig. Permasalaha peugasa Quadratic Assigmet Problem (QAP) aka mecakup sejumlah sumber yag mempuyai tugas. Dega matriks berukurab. Tiap peugasa mempuyai uruta sumber utuk uruta tugas masig-masig sumber. Optimasi dari permasalaha peugasa Quadratic Assigmet Problem (QAP) bertujua memiimasi fasilitas/sumber dalam peugasaya. 2.4 Algoritma Semut Ay Coloy System (ACS) awalya dikembagka oleh Marco Dorigo pada tahu Algoritma At Coloy System (ACS) adalah algoritma yag didasarka pada cara kerja semut utuk meetuka jarak terpedek dari sarag meuju sumber makaa. Semut dapat meemuka jarak terpedek dega memafaatka jejak pheromoe (air liur semut) yag dimafaatka sebagai komuikasi tidak lagsug atar semut. Ketika semut berjala, ia meiggalka pheromoe dalam jumlah tertetu pada jalur yag dilewatiya. Semut dapat mecium pheromoe da ketika memilih jalur mereka cederug utuk memilih jalur dega kosetrasi pheromoe yag lebih besar adalah jarak terpedek. Saat seekor semut yag terisolasi bergerak secara acak, semut ii aka megikuti jejak yag telah ditiggalka sebelumya yag dapat dideteksi da mempuyai tigkat probabilitas yag tiggi utuk diikuti da melajutka jejak sebelumya dega pheromoe baru. Tigkah laku kolektif yag mucul disebut dega tigkah laku Autocalystic, dimaa semut yag lai dapat megikuti jejak yag ada da jejak yag semaki jelas aka memudahka bagi semut yag lai utuk
8 megikutiya. Proses ii secara khusus terjadi melalui kumpula umpa balik yag positif, dimaa kemugkia semut utuk memilih pola meigkat seirig dega jumlah semut yag sebelumya megikuti pola yag sama. Gambar 2.5 Jalur Solusi Semut (At Coloy System) Utuk meyelesaika permasalaha algoritma At Coloy System, berikut ii adalah rumus-rumus dasar yag dipakai dalam algoritma (rumus-rumus megacu pada masalah TSP). Keteraga : k t t t, jika j (2.1) 0 j t t laiya p k t : Probabilitas semut ke-k utuk pergi dari ode atau kota i ke ode j pada saat t. t : Itesitas pheromoe pada jalur ode i da j pada saat t. : Visibilitas/desirability utuk pergi dari ode i ke ode j. 1 d (2.2) je : Jumlah pheromoe yag meghubugka ode i ke ode j. : Parameter yag meyataka kepekaa terhadap jejak 0 : Parameter yag meyataka kepekaa terhadap desirability 0. d : Jarak dari ode i ke ode j. : Himpua ode yag diperbolehka dilewati da boleh dilewati.
9 Setelah setiap ode pada masig-masig kolom memiliki ilai probabilitas, maka aka dihitug probabilitas komulatif dega persamaa dibawah ii Q = q + Q i(j-1) (2.3) Setelah didapatka jalur terpedek, maka jalur tersebut aka di update. Jalur tersebut di update dega tujua utuk meguragi jumlah pheromoe pada semua sisi sebesar da meambah jumlah pheromoe pada sisi yag memberika jarak terpedek dari satu ode ke ode berikutya sebesar t. Sedagka sisi yag lai tidak medapatka peambaha pheromoe. Berikut ii persamaa utuk megupdate jumlah pheromoe. t 1 1. t. t (2.4) Keteraga : : Parameter eveporasi/peguapa (0< <1). t : Peambaha jejek pheromoe. t 1 : Itesitas pheromoe pada saat t + 1. Ada pula yag disebut Tabu List yaitu sebuah matriks berukura a (jumlah semut) jumlah ode. Tabu List ii berfugsi utuk sebagai memory semut, kemaa saja semut tersebut sudah bergerak (ode maa saja) sehigga jalur maa saja yag dilalui setiap semut dapat diketahui. Algoritma umum ACS adalah sebagai berikut (megacu pada masalah TSP): Lagkah 1 Iisialisasi t = 0 ; Iterasi = 0 utuk setiap jalur () berika pheromoe awal 0 Lagkah 2 Lagkah 3 Tempatka a semut di ode awal. Utuk semua semut. Hitug probabilitas yag ada dega persamaa (2.1) Sampai semua ode terpilih.
10 Lagkah 4 Lagkah 5 Lagkah 6 Utuk setiap semut hitug pajag jalur yag telah ditempuh. Utuk setiap jalur terbaik lakuka perbaika pheromoe dega megguaka persamaa (2.3) Jika jumlah Iterasi Belum terpeuhi. Maka kosogka semua TabuList. Kembali ke lagkah Algoritma Hugaria Algoritma Hugaria dikembagka oleh Harold W Khu, pada tahu ii dibuktika dega dibuatya paper yag ditulisya sediri yag berjudul The Hugaria Method for The Assigmet Problem. Algoritma yag Harold buat merupaka pegembaga atau hasil ispirasi dari dua orag ahli matematika yag berasal dari Hugaria, D Koig da E Egervary. Oleh karea itulah maka Harold memberi ama Algoritma Hugaria. Metode atau algoritma Hugaria adalah salah satu metode yag berfugsi utuk meyelesaika masalah peugasa. Dalam algoritma Hugaria terdapat beberapa pegertia yag aka diguaka dalam peyelesaiamasalah Quadratic Assigmet Problem (QAP), yaitu : 1. Opportuity-cost (biaya kesempata) / Reduced-Cost Matri Pemiliha ilai terkecil pada setiap baris dari matriks biaya mula-mula utuk meguragi seluruh eleme (bilaga) pada masig-masig baris. 2. Reduced-cost matri Sama seperti Opportuity-cost, tetapi operasi peguraga dilakuka pada kolom yag belum memiliki ilai ol. 3. Total-Opportuity-Cost ol Adaya kemugkia setiap mesi sudah medapatka pekerjaa. Apabila ada yag belum medapatka pekerjaa maka matriks harus direvisi.
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya
Lebih terperinciANALISIS SENSITIVITAS
PERTEMUAN 8 ANALISIS SENSITIVITAS Seorag aalis jarag dapat meetuka parameter model Program Liier seperti (m,, C j, a, b i ) dega pasti karea ilai parameter ii adalah fugsi dari beberapa ucotrolable variable.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciPenyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.
Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciPERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM
PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciI. 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 terperinciBAB III PROGRAMA LINIER
BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear
Lebih terperinci6. 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 terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinci2 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 terperinciBAB 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 terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)
Lebih terperinciBAB 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 terperinci1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu
Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciSecara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:
BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif
Lebih terperinciB 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 terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciPERTEMUAN 13. VEKTOR dalam R 3
PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinciBAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum
BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciII. 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 terperinciPENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT
Makalah Semiar Tugas Akhir Periode Jauari 21 PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT Ade Vicidia S. P. Yudhi Purwaato, S.Kom,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciPenyelesaian Persamaan Non Linier
Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN
Lebih terperinciBalas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming
Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha
Lebih terperinciEKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI
EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI Oleh: Sutopo Jurusa Fisika FMIPA UM sutopo@fisika.um.ac.id Ditulis pada sekitar bula Maret 2011. Diuggah pada 3 Desember 2011 PROBLEM Gambar di bawah ii meyataka
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciPrestasi itu diraih bukan didapat!!! SOLUSI SOAL
SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciII. 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 terperinciProbabilitas dan Statistika Teorema Bayes. Adam Hendra Brata
robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah
BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinciLaboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung
Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3
Lebih terperinciPENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA
PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA Eky Pawestri Gita Asmara 1, Bambag Irawato, S.Si, M.Si 2, Lucia Ratasari, S.Si, M.Si Departeme Matematika
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciAlgoritma Branch and Bound pada Permasalahan 0-1 Knapsack
Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciCATATAN 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 terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciPETA 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 terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciMATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM
MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinci) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,...
SISEM PERSAMAAN LINIER DAN MARIKS. SISEM PERSAMAAN LINIER Secara umum, persamaa liier dega variabel ( x, x,..., x ) didefiisika sebagai persamaa yag dapat diyataka dalam betuk: a x a x a x b... dega a,
Lebih terperinciBAB 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 terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciLIMIT. = 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 terperinciIII 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 terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBab 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 terperinciIII BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar
BAB III BARISAN DAN DERET Tujua Pembelajara Setelah mempelajari materi bab ii, Ada diharapka dapat:. meetuka suku ke- barisa da jumlah suku deret aritmetika da geometri,. meracag model matematika dari
Lebih terperinci3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder
3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag
Lebih terperinciElemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.
Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciMAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd
MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR Dose Pegampu : Darmadi, S.Si, M.Pd Disusu : Kelas 5A / Kelompok 5 : Dia Dwi Rahayu (084. 06) Hefetamala (084. 4) Khoiril Haafi (084. 70) Liaatul Nihayah (084. 74)
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB 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 terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBARISAN FIBONACCI DAN BILANGAN PHI
BARISAN FIBONACCI DAN BILANGAN PHI Fiboacci Matematikawa terbesar pada abad pertegaha adalah Leoardo dari Pisa, Italia (80 0). Ia lebih dikeal dega ama Fibo-acci. Artiya, aak Boaccio. Meara Pisa yag terkeal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciModel Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika
Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciSTUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP
STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN
Lebih terperincimempunyai 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