MODEL OPTIMISASI NONLINIER JARINGAN PIPA GAS DENGAN PERCABANGAN Non-Linear Optimization Model for Gas Transmission System with Branch

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL OPTIMISASI NONLINIER JARINGAN PIPA GAS DENGAN PERCABANGAN Non-Linear Optimization Model for Gas Transmission System with Branch"

Transkripsi

1 Jural Barekeg Vol. 7 No. Hal. 8 (03) ODEL OPTIISSI NONLINIER JRINGN PIP GS DENGN PERCBNGN No-Lear Optmzato odel for Gas Trasmsso System wth Brach FRNCIS Y. RULWNG Jurusa atematka FIP Uverstas Pattmura mbo Jl. Ir.. Putuhea, Kampus Upatt, Poka-mbo E-mal: rumlawag@staff.upatt.ac.d BSTRCT Gas trasmsso system has a brach to costumer area that affects to flow rate, gas pressure, ad ppe dameter. Ths paper dscusses optmzato of ths trasmsso system. Optmum gas pressure ad ppe dameter was foud by mmzg cost objectve fucto subjects to pahadle ad pahadle B costra fucto. Steepest Descet method whch s combed wth Ragekutta methods s use to determe the optmzato process. The result shows that the ppe braches affect the optmzato varables. Keywords: Objectve fucto, pahadle, pahadle B, stepest descet PENDHULUN Idoesa adalah egara peghasl gas terbesar d dua amu keyataaya Idoesa belum mekmat statusya tersebut, akbat dar keyataa bahwa harga gas mash relatf lebh mahal, dar sumber eerg laya. Salah satu peyebab harga yag mash relatf tgg adalah kuragya saraa trasportas yag memada da murah utuk medstrbuska gas agar sampa ke kosume, karea pada umumya sumber gas berada cukup jauh dar kosume. Dalam proses pedstrbusa, alat trasportas yag palg ama da efektf bag gas adalah melalu jarga ppa trasms. Namu membagu jarga ppa gas merupaka vestas yag sagat mahal da membutuhka perecaaa da perhtuga yag bak. Pembagua da pegoperasa jarga ppa trasms gas yag memeuh kualtas da stadar keamaa yag bak, dpegaruh oleh dua faktor. Pertama faktor ekoom, yag dalam hal adalah baya. Baya tersebut melput baya vestas, baya operas, da baya peambaga gas. Baya vestas terdr dar baya ppa da baya kompresor. Baya operas adalah baya pegoperasa ppa trasms da kompresor. Sebearya baya utuk membel ppa dapat dbuat mmum dega memlh ppa berdameter kecl, tetap aka megakbatka kehlaga tekaa yag cukup besar, sehgga dperluka kompresor dega daya yag cukup besar. kbatya baya vestas utuk pembela kompresor aka ak. Sebalkya baya vestas dega ppa berdameter besar cukup mahal, amu baya kompresor lebh murah. Kedua faktor teks, melput kekuata ppa, keamaa, lokas jarga ppa (darat da laut),da karakterstk dar gas (tekaa, temperatur,laju alr, vskostas gas, da sebagaya). Karea permasalaha utama kta ds adalah baya dmaa kompoe utama dpegaruh oleh dameter, tekaa da flowrate, maka tujua dar peulsa adalah membuat model utuk meghtug ukura dameter yag optmum, serta dstrbus tekaa da flowrate gas sehgga baya vestas da operas mmum, dega megguaka fugs kedala Pahadle da Pahadle B, yag dmplemetaska pada jarga ppa trasms dega percabaga. TINJUN PUSTK odel Laju lr Gas da Baya Gambar. Skema Jarga Ppa dar ke L

2 Barekeg Vol. 7 No. Hal. 8 (03) salka kosume berada pada suatu lokas, amaka L da Q, sedagka gas yag dkrm ke L da Q melalu daerah, B, C,..,K. Gas dar ke L dkrm melalu jarga ppa trasms -B, B-C,..., K-L serta ke Q melalu trasms -B, B-C,...,G-Q, dega demka terlhat bahwa terdapat percabaga d G, lebh jelas dapat dlhat dalam gambar. Kosume d L da Q meetuka berapa laju alr gas da tekaa yag dperluka oleh mereka. Perusahaa gas harus medesa berapa dameter ppa yag dbutuhka da bagamaa dstrbus tekaa harus dberka agar gas dapat sampa ke L da Q dega laju alr da tekaa yag dgka. Tekaa dar gas yag megalr aka megalam peuruaa sepajag perjalaa. Hal harus datspas oleh perusahaa gas, karea jka gas tersebut sampa ke kosume dega tekaa yag lebh redah dar yag dsepakat maka perusahaa aka terkea deda. Oleh kerea tu dperluka kompresor utuk meaka tekaa. Sebearya gas yag sudah megalam proses pegolaha mempuya tekaa tertetu. Haya saja yag mejad masalah adalah dega tekaa tersebut apakah gas dapat megalr da sampa ke kosume? Jka gas dapat sampa ke kosume sesua dega permtaa, maka tdak dperluka kompresor. Tap apakah baya mmum? Hal la yag harus dperhatka adalah ppa gas mempuya keterbatasa dalam meaha tekaa, jad perusahaa gas tdak dapat secara bebas memberka tekaa yag tgg dalam pegrma gas. Berkea dega pembahasa d atas maka, subbab berkut aka dbahas model dar alr gas da model baya yag djadka acua utuk memmumka baya pembagua da pegoperasa jarga ppa trasms gas. Dalam meuruka model laju alr gas da baya perlu dasumska beberapa hal utuk meyederhaaka permasalaha. Berdasarka [3], asums yag dpaka adalah sebaga berkut :. Ppa lurus da horsotal. lra gas dalam ppa steady-state 3. Temperatur gas sepajag satu segme ppa kosta 4. Tdak ada perubaha temperatur setelah gas keluar dar ppa 5. Faktor kompressbltas gas (Z) sepajag satu ppa kosta 6. Tdak ada faktor perubaha faktor kompressbltas gas setelah keluar dar kompresor 7. Persamaa alr gas yag dpaka adalah persamaa Pahadle da persamaa Pahadle B. 8. Jes kompresor yag dpaka adalah setrfugal da dpasag dttk awal. 9. Zat yag megalr terdr dar satu fasa atau gas saja 0. Perhtuga pajak, asuras, baya peambaga, da faktor ekoom laya dabaka. Berdasarka asums d atas, sekarag aka dtetuka model laju alr gas da baya.. odel Laju lr Steady Gas Ppa Tuggal Persamaa dasar alra gas dturuka dar persamaa kesetmbaga eerg dega memasukka persamaa emprs utuk harga faktor geseka yag ada dalam persamaa tersebut, da d asumska dalam keadaa tuak (steady). Berdasarka [7] model laju alr gas ppa tuggal dega faktor geseka pahadle adalah T b P P Q Pb T Lm Z d S Gg Sedagka dega faktor geseka dega model Pahadle B, persamaa laju alr gas adalah: Q Lm SGg Z T T b P b d P P T b P P Q Pb T Lm Z d S Gg : laju alr gas (SCFD) : pajag ppa (ft) : gravtas gas stadar (stadard gravty of gas) : faktor kompresbltas gas : temperatur gas (Rek) : temperatur dasar (Rek) : tekaa dasar (psa) : dameter (ch) : adalah tekaa gas yag masuk ke dalam ppa (tekaa let), da : adalah tekaa gas yag keluar dar ppa (tekaa outlet). : vskostas gas (cetpose,cp). Persamaa vskostas dperoleh dar korelas Lee- Gozales sepert yag tedapat pada [] adalah.5 ( ) T T P T P S Gg T ZT 3 e dega adalah berat molekul, da = 8.97 SGg. odel Baya Tahua Ppa Tuggal Sepert telah dsebutka bahwa pegrma gas bum merupaka suatu proyek yag membutuhka baya sagat besar. Baya tersebut melput baya vestas da baya operas. Berdasarka pada [3] model baya tahua utuk ppa tuggal adalah sebaga berkut: odel baya tahua utuk satu segme ppa berdasarka [3] adalah sebaga berkut: C CIC CIP. OCkomp OCppa (3) total () () Rumlawag

3 Barekeg Vol. 7 No. Hal. 8 (03) dega jka kompresor dpasag 0 jka kompresor tdak dpasag r( r) ( Rp) CpL d CIP ( r) l m (4) r( r) CIC Ckomp (5) ( r) OCkomp = ( + Copkomp).C Lstrk (6) l m r( r) ( Rp) CfpCpL d OCppa ( r) (7) dmaa CIP : baya tahua utuk vestas ppa (US$/tahu) CIC : baya tahua utuk vestas kompresor (US$/tahu) OCppa : Baya operas ppa (US$/tahu) OCkomp : Baya operas kompresor R : tgkat suku buga tahua Cp : Harga ppa per satua pajag da dameter (US$/ft.ch) Rp : Fraks atara baya pemasaga dega harga ppa L : pajag ppa (feet) d : dameter ppa(ch) Cfp : Fraks atara baya tahua vestas ppa da operas ppa Copkomp : Fraks baya operas la sela lstrk dega baya lstrk kompresor l : kostata ketaklera atara harga ppa da pajag ppa m : kostata ketaklera atara harga ppa da dameter ppa C Lstrk : Baya lstrk yag dguaka utuk operaska kompresor Perlu dketahu pula bahwa l da m dapat dtetuka dega regres ler jka kta mempuya data harga ppa. Ckomp = Chp (gph) b (8) dega Chp : harga kompresor (US$/hp) gph : daya kompresor setrfugal b : kostata ketaklera harga kompresor terhadap daya kompresor k P k Ep QPb T ( Z Z ) k P 35 gph bl sl (9) 06 Tb ( k) dmaa Z : faktor kompressbltas gas sebelum melalu kompresor Z : faktor kompressbltas gas sesudah melalu kompresor P : tekaa gas sebelum melalu kompresor P : tekaa gas sesudah melalu kompresor Ep : ekspoe adabatk k : efses kompresor bl; : bearg losses da seal losses, daya sl tambaha yag dberka utuk meggatka daya kompresor yag hlag akbat adaya proses hdraulk da mekak. CLstrk ( ( bl sl ) CeHy 8760 k P k Ep (0) QPTZ b k P 4 Tb ( k) dega Ce : baya lstrk Hy : jam operas pertahu 3. odel Baya da Laju lr utuk N Segme Ppa odel baya tahua utuk N segme ppa adalah sebaga berkut: r( r) Ctotal Ckomp. OCkomp CIP OCppa ( r) CIP OCppa N N r( r) ( Rp) CpL d l m ( r) r( r) ( Rp) CfpCpL d l m ( r) 3 () Berdasarka persamaa Pahadle, laju alr gas utuk N segme ppa adalah dega megsubsttuska la P da P ke persamaa datas, dperoleh persamaa laju alr gas utuk model Pehadle sebaga berkut:.0788 b T P P Q Pb T Lm Z () d SGg sedagka berdasarka persamaa Pehadle B dperoleh b T P P Q Pb T Lm Z d SGg dega.5 ( ) T T e T P P SGg T ZT dmaa = 8.97 SGg, =,, 3, N (3) 4. Tarf Toll Trasportas (Tollfee) Tollfee adalah baya yag harus dbayar pemaka jarga ppa trasms utuk setap volume gas yag dalrka melalu sstem pempaa tersebut. Tollfee dtetapka berdasarka laju pegembala vestas yag dpegaruh oleh berbaga batasa. Rumlawag

4 Barekeg Vol. 7 No. Hal. 8 (03) Perhtuga Tollfee sebearya melbatka bayak faktor ekoom, tetap dalam tulsa dbahas metode perhtuga Tollfee yag sederhaa. Sesua dega asums kta bahwa perhtuga pajak dapat dabaka, maka Tollfee dapat dhtug sebaga berkut:. Htug baya tahua pembagua da pegoperasa sstem jarga ppa (tapa baya peambaga). Dalam hal kta sebut baya tahua sebaga C total. C total dapat dpsah mejad CIP, CIC, OCppa, da OCkomp. 3. CIP da OCppa dpsah setap segme dperoleh CIP = CIP + CIP + CIP 3 + +CIP N OCppa = OCppa + OCppa OCppa N 4. Berdasarka asums bahwa kompresor terletak pada awal segme, maka kompresor tersebut aka mempegaruh gas yag megalr pada semua segme, dega demka CIC da OCkomp dbag ke tap segme dega melakuka pembobota berdasarka pajag ppa. CIC OCkomp L Lf L Lf CIC OCkomp dega Lf adalah pajag total ppa. 5. Besar Tollfee tap segme berdasarka [6] adalah CIP OCppa CIC OCkomp Tf = Q (365)(000) (4) etode Optmsas Berdasarka pejelasa sebelumya persamaa () dapat dpadag sebaga fugs objektf baya, sedagka persamaa () da persamaa (3) masg-masg merupaka fugs kedala pahadle da pehadle B. Dega demka permasalaha kta adalah memmumka fugs objektf baya terhadap fugs baya. Dalam baga dbahas metode yag dguaka utuk proses optmsas dmaksud.. Peurua etode Optmas Berdasarka [], msalka kta mempuya fugs objektf C(x) dega fugs kedala W (x), utuk =,,,. Nla mmum dar fugs C(x) yag memeuh W (x) = 0 dcapa pada ttk U(T) =x*; yatu suatu ttk yag dperoleh ketka kurva ketgga fugs C(x) bersgguga dega fugs kedala W(x)=0. Utuk memperoleh ttk tersebut kta memula proses pegotmasa dar ttk U(0) = x0; yatu suatu ttk yag juga memeuh kedala W(x) = 0. Utuk sampa pada ttk U(T) = x* kta setap lagkah kta haruslah memeuh W(x) = 0, dega kata la setap ttk yag dperoleh harus memeuh W (x) = 0: Utuk mecapa kods setap arah gerak harus meyggug W (x) = 0. rah gerak yag kta sebut Ut yag berbetuk: Ut C( x) jwj( x) (5) j dega j adalah suatu la tertetu da t adalah parameter teras. Ut juga merupaka kombas ler dar C(x) da W (x), =,,,. gar selalu meyggug fugs kedala W (x) = 0, haruslah pada W (x) = 0 berlaku: dw W Ut 0 dt W ( x) C( x) jwj ( x) j W ( x) C( x) W ( x) W ( x) 0 sehgga j j j j jw ( x) Wj ( x) W ( x) C( x) (6) Dega demka j dapat dtetuka sebaga berkut. = B dmaa W W W W W WN W W W W W W N WN W WN W WN WN W C W C B N WN C Da dapat dtuls sebaga = - B. etode Ragekutta Orde 4 Padag Ut sebaga persamaa dferesal orde satu yag dketahu la awal U(0) = x 0 : Dega demka kta mempuya N yag berbetuk: U(0) = x 0, Ut C( x ) W ( x ) k j j k j Dega pedekata umerk permasalaha datas dapata dselesaka dega metode Rugekutta orde 4. Dalam proses peyelesaaya, metode dguaka utuk meghtug hampra solus pada ttkttk x = x,x,. dega x = x 0 + h da h meyataka ukura lagkah. eurut [5], skema utuk meghampr fugs U pada x = x 0 + h adalah sebaga berkut: U(x ) = U(x 0 ) + (k + k + k 3 + k 4 )/6 dega k = hf(x 0 ) k = hf(x 0 + k /) k 3 = hf(x 0 + k /) k 4 = hf(x 0 + k 3 ) dmaa f ( x ) C( x ) W ( x ) k k j j k j Secara teratf fugs U dapat dhtug dttk x, x 3, 4 Rumlawag

5 Barekeg Vol. 7 No. Hal. 8 (03) HSIL DN PEBHSN Implemetas da alss Hasl Optmsas odel laju alr da baya, serta metode optmsas yag dperoleh dar baga sebelumya aka dmplemetaska dalam suatu jarga ppa trasms gas dega percabaga (lhat Gambar.) Dalam jarga pada daerah C terdapat peambaha laju alr, akbat dar adaya tambaha gas yag bersumber d. Dega megasumska bahwa segme ppa dar ke C tdak dperhtugka dalam proses optmsas, secara keseluruha terdapat segme ppa. Dega meredefska beberapa varabel, model baya tahua da model laju alr dperoleh dar baga kedua. Kta medefska fugs objektf baya sebaga berkut: C CIC CIP. OCkomp OCppa total l m r( r) ( Rp) CpL d CIP ( r) (7) OCppa r( r) ( Rp) CfpCpL d l m ( r).0788 b T P P Q Pb T Lm Z (8) d SGg sedagka berdasarka persamaa Pehadle B dperoleh b T P P Q Pb T Lm Z d SGg dega =,, 3,, (9). sums Data Data masuka yag dpaka dalam proses optmsas dapat dlhat pada Tabel. Sedagka data dar jarga ppa trasms STJB dapat dlhat pada Tabel. Dega megguaka asums data yag ada da dega megaggap temperatur ppa pada setap segme sama, maka terdapat 39 varabel optmas yatu {d,, d, P,, P 4 } dega P adalah tekaa let setelah melewat kompresor daggap sebaga tekaa d, P sebaga tekaa outlet d L serta P 4 adalah tekaa outlet d N.. Kods wal Dalam memlh kods awal U(0) = x 0 = (d 0,, d 0, P 0,, P 0 4 ) haruslah memeuh kedala P =0, dmaa =,,,. Da utuk meghdar perhtuga mager P 0 - > P 0. Utuk memudahka kta dberka suatu metode khusus, yak:.. etode Peark Dalam proses optmsas meetuka kods awal x 0 sagat petg karea harus memeuh persamaa kedala P j (x 0 ) = 0. Oleh karea tu dperluka kat khusus agar kods awal kta tdak perlu memeuh persamaa kedala P j (x 0 )=0, dega meark la awal tersebut ke kedala. etode peark berbetuk: x x h P P ( x ) (0) k k k j j k j Tabel. Data masuka yag berupa tetapa Smbol Keteraga Nla Satua Z faktor kompressbltas 0.9 gas T Temperatur ppa 5500 Rek SGg gravtas gas stadar 0.64 Pb Tekaa Dasar 4.73 psa Tb Temperatur Dasar 500 Rek Ps Tek. Gas sblm masuk 000 psa Bl kompresor bearg 30 losses Sl seal losses 0 Rp fraks baya.4 pemasaga dega harga ppa Ep ekpoe adabatk 0.9 K efses kompresor.4 Cfp fraks baya tahua 0. vestas dega operas ppa Cp harga ppa US$/ft. ch Chp harga kompresor 500 US$/hp L kostata ketaklera harga dega pajag ppa kostata ketaklera harga dega dameter ppa N jagka waktu 0 pembayara R tgkat suku buga 0. tahua Ce baya lstrk Hy jam operas pertahu 8760 Copko fraks baya operas 0.75 mp sela lstrk dega baya lstrk kompresor B kostata ketaklera harga terhadap daya kompresor Tabel. Data yag ada d lapaga Segme Daerah Pajag (Km) -B 39 B-C 3 3 C-D 9 4 D-E E-F 3. 6 F-G 0 7 G-H.5 8 H-I I-J J-K 3. K-L 9. G-Q 0. 5 Rumlawag

6 Barekeg Vol. 7 No. Hal. 8 (03).. Kedala Tambaha Telah dketahu bahwa kedala yag dguaka dalam model adalah Persamaa laju alr gas yag dturuka berdasarka persamaa pahadle da pehadle B. Namu karea tekaa let da tekaa oulet dtetapka maka dapat djadka sebaga kedala. Pada ttk percabaga dmaa terjad peambaha laju alr, tekaa pada ttk tersebut tdak terjad perubaha, dalam hal laju alr megalam peurua tekaa yag keluar dar ttk percabaga tu daggap sama, sedagka utuk ttk pertemua atar segme tapa percabaga tekaaya sama. Perlu dketahu pula dalam proses optmsas tekaa yag dperoleh tdak boleh lebh besar dar tekaa maksmum ppa. Dega demka tekaa maksmum dalam ppa juga merupaka kedala. Dalam hal proses optmsas aka berhet jka tekaa telah melebh tekaa maksmum ppa. Dalam kasus optmsas megguaka flowrate pada segme da segme, 000 mmscfd, utuk segme 3 sampa segme 6, 50 mmscfd, utuk segme 7 sampa segme, 65 mmscfd, da segme, 65 mmscfd. Selajutya P = 500 psa; P = 500 psa;da P 4 = 400 psa: Hasl optmsasya dapat dlhat dalam Tabel 3 da Tabel 4. Dalam betuk grafk dstrbus tekaa da dameter pada setap segme adalah sebaga berkut: 6 3. Hasl Optmsas da alss Hasl optmsas ds dbag dalam dua kasus yak yag pertama pada cabag keluara yatu dttk G, laju alr gas yag keluar dar ttk tersebut dbuat sama, sedagka utuk kasus yag kedua dbuat tdak sama yatu pada segme 7 laju alrya lebh besar dar segme. Dalam kedua kasus tekaa d ttk percabaga d aggap sama. 3.. Kasus Tabel 3. Hasl Optmsas Kasus, dega persamaa pahadle kedala Tabel 4. Hasl Optmsas Kasus, dega kedala persamaa pahadle B Dar hasl yag dperoleh dar tabel maupu dar grafk terlhat bahwa pada jalur utama besar dameter optmal bergatug pada laju alrya. Jka segme mempuya laju alr yag sama maka dameter optmum dar segme tersebut juga sama. Sepert dalam tabel maupu grafk utuk segme da segme, dmaa laju Rumlawag

7 Barekeg Vol. 7 No. Hal. 8 (03) alrya sama yak 000 mmscfd, dameter optmumya sama yatu 4.87 ch utuk optmsas dega pahadle da ch bla optmsas dega pahadle B. Utuk segme 3 sampa segme 6 dega laju alr 50 mmscfd juga mempuya dameter optmum yag sama, demka pula utuk segme 7 sampa segme dega laju alr 65 mmscfd. Namu pada segme percabaga yak segme walaupu laju alr d segme tersebut sama dega d segme 7, terlhat bahwa dameter optmum cukup kecl hal karea pajag segme tersebut pedek da tekaa outputpya dtetapka kecl. Utuk dstrbus tekaa, terlhat bahwa tekaa terus turu d setap segme utuk jalur utama maupu percabaga. Dar Grafk. da Grafk 3. tekaa let maupu tekaa outlet utuk setap segme tdak terdapat perbedaa yag sgfka bla optmas dlakuka dega kedala pahadle da pahadle B. Hal karea telah dtetapka terlebh dahulu tekaa let da tekaa outlet dar jarga ppa. Dalam betuk grafk dstrbus tekaa da dameter pada setap segme dalam kasus adalah sebaga berkut: 7 3. Kasus Optmsas d s megguaka flowrate pada segme ke da, 000 mmscfd, utuk segme 3 sampa segme 6, 50 mmscfd, utuk segme 7 sampa segme, 750 mmscfd, da utuk segme, 500 mmscfd. Selajutya P = 500 psa; P = 500 psa;da P4 = 400 psa. Hasl dar optmsas tersebut dapat dlhat dalam Tabel 5 da Tabel 6. Tabel 5. Hasl Optmsas Kasus, dega kedala persamaa pahadle Tabel 6. Hasl Optmsas Kasus, dega kedala persamaa pahadle B Dar hasl yag dtamplka dalam tabel da grafk dalam kasus d s, sama halya dega kasus sebelumya terlhat bahwa optmsas dega megguaka kedala, pahadle lebh bak dar hasl optmsas dega megguaka kedala pahadle B mash tetap lebh bak. Dalam tabel terlhat bahwa pada jalur utama pu, dameter ppa aka sama, jka laju alr dalam ppa tersebut sama. Dalam kasus telhat bahwa bla segme dkurag laju alrya da segme 7 sampa segme dtambah laju alrya maka, dameter optmum d segme Rumlawag

8 Barekeg Vol. 7 No. Hal. 8 (03) aka megecl sedagka dameter optmum d segme 7 sampa aka membesar. Sedagka utuk jalur laya tdak terjad perubaha yag sgfka. Sama halya dega kasus sebelumya dar grafk 5, da grafk 6, terlhat bahwa tekaa let maupu tekaa outlet dar setap segme cederug sama, bak utuk optmsas dega kedala pahadle maupu pahadle B. KESIPULN DN SRN Kesmpula Berdasarka hasl pembahasa dar bab-bab sebelumya dapat dsmpulka bahwa. Dameter ppa optmum utuk optmsas dega kedala pahadle lebh kecl dbadegka dega bla optmsas dega kedala pahadle B.. Ttk percabaga berpegaruh dalam proses optmsas. Karea pada ttk percabaga tersebut terjad paambaha maupu peguraga laju alr 3. Dega laju alr yag sama dameter ppa belum tetu sama hal karea pegaruh tekaa da pajag ppa. 4. Dstrbus tekaa let maupu tekaa outlet dalam setap segme ppa sama, utuk optmsas dega kedala pahadle maupu pahadle 5. kbat dar da 4 maka optmsas dega kedala pahadle meghaslka baya yag lebh kecl dar optmsas dega kedala pahadle B. [4] ucharam, L., Hartoo,. B, odel utuk Peetua Dameter Optmum Ppa Trasms Gas dega odel Waymouth, Pahadle, Pahadle B da Blasus, JT-FIKT-ITB Vol VII No. 4, 000 [5] OPPINET, Fal Result- arch 00, Optmzato o Gas ad Trasmsso & Dstrbuto Ppele Network, Ceter for Research o the pplcato ad dvacemet of athematcs- P4 ITB. [6] atthews, Joh H.,Kurts D. Fk Numercal ethods Usg TLB, 3rd ed, Pretce hall, Upper Saddle Rver, New Jersey 999. [7] rsegato, Suwoo E., pr ochamad., No-Lear Optmzato odel for Gas Trasmsso System: Case of Grssk-Dur Ppele, SPE Iteratoal, Sara. Hasl yag dtamplka dalam tulsa haya terdr dar dua kasus saja. Sebearya mash dapat dkembagka ke bebaga kasus dega varas laju alr, tekaa let, da tekaa outlet haya saja dbutuhka cukup lama waktu utuk proses optmsas. Dega demka dharapka aka dlakuka proses optmsas dega berbaga varas tersebut dkemuda har.. Dalam melakuka proses optmsas dega megguaka TLB dbutuhka cukup lama waktu agar hasl dapat dtamplka, hal mugk karea keterbatasa dar peuls ataupu mugk karea keterbatasa dar TLB, oleh karea tu dsaraka agar proses optmsas dapat dkerjaka dega program la dkemuda har. 3. Tampla program utuk permasalaha juga belumlah bak, mash dperluka perbaka-perbaka yag lebh. Dega demka peuls berharap agar tampla progra pu dapat dperbak kemuda. DFTR PUSTK [] Ikoku, Ch. U, Natural Gas Producto Egeerg, Joh Wley ad Sos Ic.,New York 984. [] Rao S.S, Optmzato Theory ad pplcato, d ed, Wley Easter Lmted, 989. [3] ochamad pr., odel Baya Total Jarga Ppa Trasms Gas da Optmasya, Departeme atematka ITB Badug, Tugas khr, 00. Rumlawag

Volume 1, Nomor 1, Juni 2007 ISSN

Volume 1, Nomor 1, Juni 2007 ISSN Volume, Nomor, Ju 007 ISSN 978-77 Barekeg, Ju 007. hal.-8 Vol.. No. ODEL OPTIISSI NONLINIER JRINGN PIP GS DENGN PERCBNGN (No-Lear Optmzato odel for Gas Trasmsso System wth Brach) Fracs Y Rumlawag Jurusa

Lebih terperinci

3.1 Biaya Investasi Pipa

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

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

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

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

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

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

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

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

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

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

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

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

Lebih terperinci

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri Megubah baha baku mead produk yag lebh berla melalu stess kma bayak dlakuka d dustr Asam sulfat, ammoa, etlea, proplea, asam fosfat, klor, asam trat, urea, bezea, metaol, etaol, da etle glkol Serat/beag,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

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

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms)

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms) MEKANISME KERUNTUHAN LINGKARAN (Crcular alure Mechasms) Stabltas Lereg Moda kerutuha lereg umumya adalah rotatoal slp sepajag bdag rutuh yag medekat lgkara Kerutuha dagkal Kerutuha dalam Saat rutuh Stabltas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

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

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

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

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

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

; θ ) dengan parameter θ,

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

BAB III METODOLOGI III-1

BAB III METODOLOGI III-1 BAB III METODOLOGI III.1. Data terumbu karag da Pegolaha Data terumbu karag beserta wlayah kaja berasal dar Setash dkk., 006 (WWF-Idoesa). Data kerusaka terumbu karag yag dguaka adalah data tahu 1997-1998,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

Lebih terperinci