BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]"

Transkripsi

1 BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan suatu jarngan jalan maka akan trja pnurunan akan prmntaan prgrakan transportas. [ 11] Tngg atau rnahnya tngkat playanan suatu jarngan jalan akan mmpngaruh ksmbangan sstm transportas. Para plaku prjalanan akan mncar rut yang trbak yang akan mmnmumkan baya prjalanan, ataupun yang mnngkatkan kamanan an knyamanan suatu prjalanan hngga akhrnya braa mncapa zona tujuan karna mrka tlah braa paa rut yang trbak yang trsa. Hal n sbut sbaga kons ksmbangan jarngan jalan. [ 11] Pnngkatan playanan jarngan jalan akan mnybabkan pnngkatan prgrakan yang skalgus akan mnngkatkan arus lalu lntas. Pnngkatan arus lalu lntas yang mlbh kapastas jalan akan mnybabkan kmacmatn lalu lntas. [ 12] Ktaklancaran arus lalu lntas n akan mnmbulkan baya tambahan, tunaan, kmactan, an brtambahnya polus uara an suara. Bbrapa cara tlah 2 Unvrstas Sumatra Utara

2 lakukan untuk mnanggulang masalah kmactan, msalnya mmbangun jalan layang (fly ovr), jalan tol, an jalan lngkar. [ 11] Pnylnggaraan jalan tol brtujuan untuk mnngkatkan fsns playanan jasa strbus guna mnunjang pnngkatan prtumbuhan konom trutama wlayah yang suah tngg tngkat prtumbuhannya. Jalan tol Inonsa mmlk nam spsfkas mlput [ ] 7 : 1. Tak aa prsmpangan sbang ngan ruas jalan lan atau ngan prasarana lannya; 2. Jumlah jalan masuk an jalan kluar k an ar jalan tol batas scara fsn an smua jalan masuk an jalan kluar harus trknal scara pnuh; 3. Jarak antar smpang susun, palng rnah 5 (lma) klomtr untuk jalan tol luar prkotaan an palng rnah 2 (ua) klomtr untuk jalan tol alam prkotaan; 4. Jumlah lajur skurang-kurangnya ua lajur pr arah; 5. Mnggunakan pmsah tngah atau man; an 6. Lbar bahu jalan sblah luar harus apat prgunakan sbaga jalur lalulntas smntara alam kaaan arurat. Kbjakan prncanaan jalan tol susun ngan mmprhatkan pngmbangan wlayah prkmbangan konom, sstm transportas nasonal, an kbjakan nasonal sktor lan yang trkat yang mrupakan lanasan pnyusunan rncana umum jarngan jalan tol ngan mmprhatkan kons sosal, konom, an kons lngkungan arah sktarnya. [ 7] 21 Unvrstas Sumatra Utara

3 II.2 Faktor Faktor Yang Mmpngaruh Pmlhan Rut Aa bbrapa faktor pnntu utama alam pmlhan rut olh para plaku prjalanan, yatu waktu tmpuh, nla waktu, an baya prjalanan. [ 11] II.2.1 Waktu Tmpuh Waktu tmpuh aalah waktu total ar sluruh prjalanan yang lakukan plaku prgrakan yang mcakup waktu prjalanan, waktu brhnt an tunaan paa prpnahan ar suatu tmpat k tmpat lan. II.2.2 Nla Waktu Nla waktu aalah sjumlah uang yang sakan ssorang yang kluarkan untuk mnghmat baya prjalanan. II.2.3 Baya Prjalanan. Baya prjalanan aalah gabungan atau kombnas ar waktu tmpuh, jarak, an baya ar suatu prrjalanan. Total baya prjalanan suatu rut aalah jumlah ar baya stap ruas jalan yang lalu. Dar faktor-faktor yang mmpngaruh plaku prjalanan alam pmlhan rut trapat hal-hal yang prlu analss, yatu: 1. Analss alasan pmakaan jalan (plaku prjalanan) mmlh suatu rut banng rut lannya. 2. Analss pngmbangan mol (mto) yang gunakan sprt mnggabungkan sstm transportas ngan alasan pmaka jalan mmlh rut trtntu. 22 Unvrstas Sumatra Utara

4 3. Analss probabltas (kmungknan) pmaka jalan brba prspsnya mngna rut trbak. 4. Analss kmactan an cr fsk ruas jalan (V/C rato analyss) yang mmbatas jumlah arus lalu lntas ruas jalan trtntu. II.3 Alasan Pmlhan Rut Mol harus mwakl crr sstm transportas an salah satu cara hpotss tntang pmlhan rut pmaka jalan. Trapat tga hpotss yang apat gunakan yang mnghaslkan jns mol yang brba-ba. II.3.1 Pmbbanan All Or Nothng Pmaka jalan scara rasonal mmlh rut trpnk yang mmnmumkan hambatan trasportas (jarak, waktu, an baya). Smua lalu lntas antara zona asal an tujuan mnggunakan rut yang sama ngan anggapan bahwa pmaka jalan mngtahu rut yang trcpat trsbut. Dngan kata lan, pmaka jalan mngtahu rut trpnk yang mmnmumkan waktu tmpuh an smuanya mnggunakan rut trsbut, tak aa yang mnggunakan rut lan. II.3.2 Pmbbanan Banyak Ruas Dasumskan pmaka jalan tak mngtahu nformas yang tpat mngna rut trcpat. Pngnara mmlh rut yang pkrnya aalah rut trcpat, ttap prsps yang brba untuk stap pmaka jalan mngakbatkan brmacam-macam rut akan plh antara ua zona trtntu. 23 Unvrstas Sumatra Utara

5 Dasumskan bahwa pmaka jalan blum mnapatkan nformas tntang altrnatf rut yang layak. Da mmlh rut yang anggpnya trbak (jarak tmpuh pnk, waktu tmpuh sngkat, an baya mnmum) II.3.3 Pmbbanan Brpluang Pmaka jalan mnggunakan bbrapa faktor rut alamm pmlhan rutnya ngan mmnmumkan hambatan tranportas. Contohnya, faktor yang tak apat kuantfkas sprt rut yang aman an rut yang panoramanya nah. Dalam hal n, pngnara mmprhatkan faktor lan slan jarak, waktu tmpuh, an baya yang mnmum, msalnya rut yang tlah knal atau anggap aman. II.4 Prncanaan Volum Lalu Lntas Volum lalu lntas aalah banyaknya knaraan yang mlwat suatu ttk trtntu ar ruas jalan slama waktu trtntu. [ 2] Prhtungan volum lalu lntas lakukan untuk mlhat bak atau buruknya tngkat playan jalan. Volum lalu lntas yang mlwat suatu ruas jalan tak bolh mlbh kapastas jalan trsbut agar tak trja kmactan lalu lntas. [ 2] Pntngnya prncanaan volum lalu lntas aalah untuk mnsan gomtrk jalan an pnntu tbal prkrasan [ 1 ]. Dbawah n aalah tabl prncanaan gomtrk jalan brasarkan jumlah LHR yang mlntas ruas jalan. Artr Kolktor Lokal 24 Unvrstas Sumatra Utara

6 LHRT Lbar Ial Lbar Lbar Lbar Lbar Lbar Mnmum Ial Mnmu Ial Mnmu m m Jalur Bah Jalur Bah Jalur Bah Jalu Bah Jalu Bah Jalu Bah u u u r u r u r u (smp/har (m) (m) (m) (m) (m) (m) (m) (m) (m) (m) (m) (m) ) < 3 6, 1,5 4,5 1, 6, 1,5 4,5 1, 6, 1, 4,5 1, 3 7, 2, 6, 1,5 7, 1,5 6, 1,5 7, 1,5 6, 1, , 2, 7, 2, 7, 2, **) **) > 25 2x3, 2,5 2x3, 2, 2x3, 2, **) **) *) 5 5 *) *) Tabl 2.1 Pnntuan Lbar Alur an Bahu Jalan Brasarkan Jumlah LHR [ 2] Dalam prncanaan volum lalu lntas prlukan ata lalu lntas haran ratarata (LHR) ar jalan utama yang aa saat n. Volum lalu lntas haran rata-rata aalah jumlah lalu lntas slama satu tahun (365 har) bag ngan jumlah harnya alam tahun trsbut yang ttapkan alam unt Satuan Mobl Pnumpang (smp) pr har atau alam satuan knaraan pr har. [ 2] 25 Unvrstas Sumatra Utara

7 Pramalan pmlhan rut olh plaku prjalanan apat lakukan ngan brbaga mto. Bbrapa mto yang apat gunakan untuk mmprkrakan jumlah lalu lntas yatu ngan mnggunakan kurva vrs, ksmbangan, kombnas sbaran prgrakan, an mto mto lan yang tlah kmbangkan olh para ahl. [ 11] II.4.1 Mol Gravty Mol gravty mrupakan bagan ar mto sntss yang palng srng gunakan karna lbh srhana an muah mngrt. Mol n mnggunakan konsp gravty yang prknalkan olh Nwton. Mol gravty mnyatakan bahwa banyaknya prjalanan antara ua zona brbanng langsung ngan kgatan alam kua zona tu, an brbanng trbalk ngan jarak antara kua zona trsbut sbaga fungs waktu tmpuh. [ 3] Dmana: Mol gravty n apat rumuskan sbaga brkut : T. ( C ) = O. D. A. B f (2.2) T = jumlah prjalanan yang haslkan alam zona an yang tark k zona D = Tujuan prjalanan O = Asal prjalanan f ( C ) = fungs pakat = zona asal = zona tujuan 26 Unvrstas Sumatra Utara

8 Sblum jumlah prtukaran prjalanan apat htung, bbrapa paramtr harus fnskan. Waktu tmpuh antara stap pasangan zona alam kawasan kajan trsbut tntukan ngan pross pmbbanan prjalanan. Waktu tmpuh prjalanan basa sbut ngan nla hambatan. Hambatan prjalanan trr ar waktu tmpuh, baya, jarak, an gabungan faktor. [ 11] II Jns Mol Gravty Mol gravty mmlk mpat jns, yatu: [ 11] 1. Mol gravty tanpa batasan (UCGR) 2. Mol gravty ngan batasan bangktan (PCGR) 3. Mol gravty ngan batasan tarkan (ACGR) 4. Mol gravty ngan batasan bangktan an tarkann (PACGR) Mol PCGR an ACGR srng sbut mol ngan satu batasan (SCGR), sangkan mol PACGR sbut ngan mol ngan ua batasan (DCGR). II Mol UCGR (tanpa batasan) Mol n sktnya mmpunya satu batasan, yatu total prgrakan yang haslkan harus sama ngan total prgrakan yang prkrakan ar tahap bangktan prgrakan. Mol n brsfat tanpa batasan, alam art bahwa mol n tak haruskan mnghaslkan total yang sama ngan total prgrakan ar an k stap zona yang prkrakan olh tahap bangktan prgrakan. Mol UCGR mmlk prsamaan yang sama ngan prsamaan (2.2) ngan nla A = 1 untuk sluruh an B = 1 untuk sluruh. 27 Unvrstas Sumatra Utara

9 Paa mol UCGR, jumlah bangktan an tarkan yang haslkan tak harus sama ngan prkraan hasl bangktan prgrakan. Akan ttap, prsyaratan yang prlukan aalah total prgrakan yang haslkan mol (t) harus sama ngan total prgrakan yang apat ar hasl bangktan prgrakan (T). Mol UCGR gunakan untuk prjalanan yang brbass bukan rumah. Pnggunaan mol UCGR aalah karna ata yang tak cukup, atau ktpatan hasl tak bgtu prmasalahkan untuk kajan prncanaan jangka panjang, msalnya untuk kota yang tumbuh an brubah ngan cpat. II Mol PCGR Paa mol PCGR total prgrakan global hasl bangktan prgrakan harus sama ngan total prgrakan yang haslkan ngan pmolan; bgtu juga, bangktan prgrakan yang haslkan mol harus sama ngan hasl bangktan prgrakan yang ngnkan. Akan ttap tarkan tak prlu sama. Mol PCGR mmlk prsamaan yang sama ngan prsamaan (2.2) ngan nla B = 1 untuk sluruh an A = ( B D f ) 1 untuk sluruh. Bla prsamaan trsbut gunakan alam matrks asal tujuan (MAT) maka prsyaratan alam mol PCGR akan trpnuh, yatu total prgrakan yang apat ar hasl mol (t) harus sama ngan total prgrakan yang apat ar hasl bangktan prgrakan (T). Mol PCGR basanya gunakan untuk prjalanan brbass rumah, ngan brbaga tujuan prgrakan. II Mol ACGR 28 Unvrstas Sumatra Utara

10 Paa mol ACGR total prgrakan scara global harus sama an tarkan prgrakan yang apat ngan pmolan harus sama ngan hasl tarkan prgrakan yang ngnkan. Sbalknya, bangktan prgrakan yang apat ngan pmolan tak harus sama. Mol ACGR mmlk prsamaan yang sama ngan prsamaan (2.2) ngan nla A = 1 untuk sluruh an B = ( AO f ) 1 untuk sluruh. Hasl akhr alam pnggunaan mol n mnunjukkan bahwa total prgrakan yang haslkan mol (t) harus sama ngan total prgrakan yang apat ar hasl bangktan prgrakan (T), an mmprlhatkan bahwa total prgrakan yang mnuju k stap zona asal slalu sama ngan total prgrakan (yang trtark) yang haslkan olh tahap bangktan prgrakan. Mol ACGR apat gunakan untuk prjalanan brbass rumah, bak untuk prjalanan ngan tujuan bkrja maupun pnkan karna lbh muah spsfkas an kalbras. II Mol DCGR Tor paa mol n aalah bahwa bangktan an tarkan prgrakan harus slalu sama ngan yang haslkan olh tahap bangktan prgrakan. Rumus umum yang gunakan paa mol n sama ngan prsamaan (2.2) ngan syarat batas: B = ( AO f ) 1 untuk smua an A = ( B D f ) 1 untuk smua nla. Kua faktor pnymbang (A an B) mnjamn bahwa total bars an kolom an matrks hasl pmolan harus sama ngan total bars an kolom 29 Unvrstas Sumatra Utara

11 ar matrks hasl bangktan prgrakan. Paa mol n hasl akhr akan slalu sama, ar manapun pngulangan mula ( bars atau kolom ). Hasl akhr tak trgantung paa nla awal. Nla awal apat brupa nla brapa saja asal lbh bsar r nol. Hal n hanya akan brpngaruh paa jumlah pngulangan untuk mncapa nla konvrgns. Smakn bsar prbaan antara nla awal ngan nla akhr, smakn banyak jumlah pngulangan yang butuhkan untuk mncapa konvrgns. Jumlah pngulangan sangat brgantung paa nla awal faktor pnymbang. Smakn kat nal awal trsbut k nla faktor pnymbang, smmakn skt jumlah pngulangan yang butuhkan. Mol DCGR gunakan untuk prjalanan brbass rumah ngan brbaga tujuan prjalanan. Mol n gunakan paa kasus ramalan bangktan an tarkan prgrakannnya cukup bak masa mnatang. II Kalbras Mol Gravty Jka nla C, O, an D ktahu, paramtr Gravty yang blum ktahu hanyalah paramtr α an β jka prtmbangkan fungs ksponnsal, pangkat an Tannr. Jka asumskan hanya mnggunakan paramtr β (fungs ksponnsal an pangkat), maka stlah nla β ktahu, prsamaan (2.4) apat gunakan untuk mngtahu nal A an B. Pross n sbut pross kalbras. [ 11] Kalbras mol gravty capa ngan mngmbangkan faktor-faktor gangguan an mngmbangkan faktor-faktor pnysuaan sosokonoms.faktorfaktor gangguan yang maksu aalah pngaruh waktu tmpuh ar hambatan trhaap trjanya prjalanan. Sbaga masukan yang gunakan alam mngkalbras mol gravty aalah [ ] 3 : 3 Unvrstas Sumatra Utara

12 1. Tabl prjalanan hasl tarkan untuk stap kprluan / tujuan. 2. Waktu tmpuh untuk smua pasangan zona, trmasuk waktu-waktu ntrazona. 3. Faktor-faktor gangguan awal untuk stap prtambahan waktu tmpuh. Hal mnasar slanjutnya aalah pross kalbras n mlbatkan pnysuaan paramtr faktor gangguan hngga s prncana puaskan bahwa mol n tlah cukup untuk mmprouks strbus prjalanan sprt yang sajkan olh tabl prjalanan masukan hngga tabl prjalanan mol tu ssua bnar ngan tabl ar ata survy, ngan mnggunakan nkator sprt strbus frkuns waktu prjalanan an waktu prjalanan rata-rata. Pross kalbas apat urakan sbaga brkut [ ] 3 : 1. Gunakanlah mol gravty n untuk mnstrbuskan prjalanan yang asarkan paa masukan awal. 2. Tarkan prjalanan mnyluruh paa smua zona j, sbagamana yang htung olh mol n, banngkan ngan tarkan prjalanan mnyluruh yangprolh ar masukan pngamatan tabl prjalanan amatan masukkannya. 3. Jka prbanngan n mnunjukkan stap prbaan yang nyata, tarkan Aj ssuakan untuk stap zona, tmpat prbaan trsbut tmukan. 4. Mol n krjakan lag hngga tarkan yang htung an yang amat cukup smbang. 5. Tabl prjalanan mol n ann tabl waktu tmpuh masukan apat gunakan alam ua prbanngan: strbus frkuns waktu prjalanan 31 Unvrstas Sumatra Utara

13 an waktu prjalanan rata-rata. Jka trapat prbaan yang nyata, pross n ulang lag. Urutan langkah pross kalbras apat gambarkan alam bntuk agram alr sbaga brkut Faktor-faktor gangguan awal, tabl waktu tmpuh an tabl prjalanan Brkan mol an strbuskan prjalanannnya Ssuakan faktor-faktor gangguan Banngkan tarkan-tarkan Smbang? Ssuakan faktorfaktor tarkan Tak smbang Pmbanngan tak mmuaskan Banngkan strbus waktuprjalanan an waktu prjalanan rata-rata pmbanngannya bagus? Faktor-faktor gangguan kalbras Gambar 2.2 Urutan Langkah untuk Kalbras Mol Gravty [ 3] Prmasalahan yang tmbul alam pross kalbras paramtr mol gravty aalah paa kttapan paramtr. Bbrapa mto tlah kmbangkan untuk mngkalbras paramtr mol gravty yatu: mto srhana, mto hyman, mto analss rgrs lnr, mto pnaksran kuarat trkcl (KT), mto 32 Unvrstas Sumatra Utara

14 pnaksran kmrpan maksmum (KM), mto pnaksran nfrns bays (IB), mto pnaksran ntrop-maksmum (EM), an mto lannya. Mto-mto pngkalbrasan gravty n kmbangkan karna butuhkan pross kalbras yang cpat, srhana, an tpat. II Mto Srhana Pnkatan yang sangat srhana mmnjam nla β, kmuan mnghtung mol GR an mnapatkan sbaran panjang prjalanan hasl pmolan. Kmuan, sbaran n banngkan ngan sbaran panjang prjalanan hasl pngamatan. Jka mash trapat prbaan antara kua sbaran trsbut, nla β baru harus gunakan an pross ulang lag sampa prbaan kua sbaran tu sangat kcl. Klmahan ar mto srhana n aalah tak prakts an pnggunaannya mmbutuhkan waktu yang cukup lama. II Mto Hyman Hyman mnyatakan bahwa nla faktor pnymbang harus plh shngga total bars an kolom ar sl MAT sama ngan propors hasl pngamatan paa stap bars an kolom. Juga, paramtr β harus plh shngga baya rata-rata prjalanan yang apat ar pngamatan sama ngan yang haslkan alam pross pmolan. Mto hyman apat rumuskan ngan prsamaan brkut : c ( β ) = [ T ( β ) c ] T ( β ) = / c = ( C ) N / N (2.3) 33 Unvrstas Sumatra Utara

15 ngan mnganggap matrks T ( β ) akan mnghaslkan T ( β ) T ( β ) Dmana : sbaga fungs ar (β) an total ar matrks =. (2.4) c N = baya rata-rata ar sbaran panjang prgrakan hasl pngamatan = jumlah prgrakan ar stap pasangan zona. Mto hyman n apat paka ngan mngkutu pnjlasan bawah n: 1. Mulalah pngulangan prtama ngan mnyatakan m = an mnntukan nla awal β = 1/c 2. Buat m = m+1; ngan mnggunakan nla βm-1, htung matrks ngan mnggunakan mol GR. Dapatkan baya rata-rata cm an banngkan nla trsbut ngan c ; jka prbaan cukup kcl, pross hntkan an nyatakan βm-1 sbaga nla β trbak; jka tak, truskan k tahap Jka m = 1, htung nla β baru ngan prsamaan brkut: β1 = c 1 β / c 1, apatkan nla β baru ngan prsamaan: ( c c ) β ( c c ) m 1 m 1 m m β m+ 1 = (2.5) cm cm 1 4. Ulang tahap 2 an 3 sprt syaratkan, sampa konvrgns trcapa. Nla β apat juga apat ngan mnggunakan prsamaan mprs, yatu: C β k β = (2.6) Dmana: k = 2 ~ 3 C = rata-rata nla C 34 Unvrstas Sumatra Utara

16 Mskpun brbaga mto apat gunakan untuk mnurunkan mol gravty ttap tak mmbuktkan bahwa mol gravty aalah mol yang trbak. Pnggunaan suatu mol trgantung paa asums yang syaratkan alam pross pnurunan an ntrprtasnya. Mol yang gunakan untuk pramalan prjalanan hanya mncoba mnkat ralta ngan brbaga pross pnyrhanaan, asums, pnkatan, pngabaan, ssua ngan maksu an tujuan prmasalahan, kajan yang akan uj, analss yang lakukan, nformas yang aa, batasan baya, srta waktu an sumbr ana yang trsa. II Mto Analss Rgrs Lnar Scara umum, pross tranformas lnar butuhkan untuk mngubah fungs tak lnar mnja lnar. Slanjutnya, mto analss-rgrs akan gunakan untuk mngkalbras paramtr mol yang tak ktahu. II Fungs Hambatan Eksponnsal Ngatf Prtmbangan suatu mol gravty yang mmpunya fungs hambatan ksponnsal-ngatf trlhat paa prsamaan: T ( βc ) = A. B. O. D. xp (2.7) Prsamaan atas apat srhanakan mnja : ( C ) xp = T β (2.8) A. B. O. D T log ( xp( β C )) = log (2.9) A. B. O. D β C = log T log ( A. B. O. D ) (2.1) ( A. B. O D ) βc log T = log. (2.11) 35 Unvrstas Sumatra Utara

17 Dngan mlakukan transformas lnar, prsamaan atas apat srhanakan mnja prsamaan lnar Y = A + BX ngan mngasumskan log T = Y an X C =. Dngan mngtahu nformas [ T ] an [ C ], maka ngan mnggunakan analss rgrs lnar, paramtr A an B apat htung an haslkan bbrapa nla sbaga brkut : B = -β an A log ( A. B. O. D ) =. B = N N ( X. Y ) ( X ). ( Y ) = 1 = 1 = 1 N 2 N N N 2 ( X ) ( X ) = 1 = 1 N (2.12) II Fungs Hambatan Pangkat Prtmbangan suatu mol gravty yang mmpunya fungs hambatan pangkat trlhat paa prsamaan: T ( C ) β = A B. O. D. xp. (2.13) Prsamaan atas apat srhanakan mnja : C β = T A. B. O. D (2.14) log C β = log T A. B. O. D (2.15) β log C = log T log ( A. B. O. D ) (2.16) log T ( A. B. O. D ) β log C = log (2.17) 36 Unvrstas Sumatra Utara

18 Dngan mlakukan transformas lnar, prsamaan atas apat srhanakan mnja prsamaan lnar Y = A + BX ngan mngasumskan log T = Y an C = X log. Dngan mngtahu nformas [ T ] an [ C ], maka ngan mnggunakan analss rgrs lnar, paramtr A an B apat htung an haslkan bbrapa nla sbaga brkut : B = -β an A log ( A. B. O. D ) =. II Fungs Hambatan Tannr Prtmbangan suatu mol gravty yang mmpunya fungs hambatan Tannr trlhat paa prsamaan: T = β A. B. O. D. C.xp( βc ) (2.18) Prsamaan atas apat srhanakan mnja : C β. xp( βc ) = T A. B. O. D (2.19) log β T ( C.xp( βc )) = log A. B. O. D (2.2) β log C βc = log T log ( A. B. O. D ) (2.21) ( A. B. O. D ) ( C C ) log T = log β log + (2.22) Dngan mlakukan transformas lnar, prsamaan atas apat srhanakan mnja prsamaan lnar Y = A + BX ngan mngasumskan log C + C = X. log T = Y an 37 Unvrstas Sumatra Utara

19 Dngan mngtahu nformas [ T ] an [ C ], maka ngan mnggunakan analss rgrs lnar, paramtr A an B apat htung an haslkan bbrapa nla sbaga brkut : B = -β an A log ( A. B. O. D ) =. II.4.2 Kurva Dvrs Kurva vrs aalah kurva yang gunakan untuk mmprkrakan arus lalu lntas yang trtark k jalan baru atau jalan ngan fasltas baru. Olh karna tu, prlu banngkan baya prjalanan ngan atau tanpa fasltas transportas yang baru. [ 11] Kurva vrs bsa apat ngan mlakukan mprs pngukuran kuanttatf hambatan prjalanan. Kurva vrs mmprlhatkan sbrapa bsar propors pngnara yang mungkn pnah mnggunakan rut jalan lan. [ 11] Bbrapa mol kurva vrs tlah kmbangkan ngan mnggunakan bbrapa ukuran hambatan prjalanan msalnya waktu tmpuh yang apat hmat, jarak yang apat hmat, nsbah waktu tmpuh, nsbah jarak, nsbah baya, nsbah waktu tmpuh/jarak yang hmat an nsbah jarak/kcpatan. [ 11] Bruton mnyatakan tga kurva vrs yang srng gunakan wasa n, yatu kurva ngan nsbah waktu, waktu tmpuh an jarak yang apat hmat, an nsbah kcpatan. Kurva nsbah waktu tmpuh mnyatakan prbanngan antara waktu tmpuh yang mnggunakan tol banngkan ngan rut altrnatf lannya. [ 11] Smakn bsar waktu prjalanan yang hmat mlalu fasltas yang lbh bak, sprt jalan tol, makn mnngkat pmakaan fasltas trsbut. 38 Unvrstas Sumatra Utara

20 Brkut n aalah contoh kurva vrs nsbah waktu tmpuh (gambar 2.2) an kurva vrs pnghmatan waktu tmpuh an slsh jarak va jalan tol (gambar 2.3). Grafk 2.1 Kurva vrs nsbah waktu tmpuh [ 11,12] Gambar 2.2 Kurva vrs pnghmatan waktu tmpuh an slsh jarak va tol [ 11,12] 39 Unvrstas Sumatra Utara

21 Kurva vrs yang haslkan brbntuk hprbola. Asums asar pnurunan kurva trsbut aalah [ 11,12] : Faktor slan waktu an jarak tak apat ukur scara ksplst, apalag ramalkan, shngga abakan. Makn bsar waktu tmpuh an jarak yang apat hmat, makn tngg propors pnggunaan. Jka pnghmatan waktu an jarak kcl, hanya skt orang yang akan mnggunakan jalan bbas hambatan, sangkan yang lan ttap mnggunakan rut altrnatf. Kurva vrs paa umumnya brgantung paa prbanngan baya an slsh waktu prjalanan antara jalan tol an jalan altrnatf. Smakn bsar waktu prjalanan yang hmat mlalu fasltas yang lbh bak, maka akan smakn mnngkat pmakaan fasltas trsbut. Prsamaan yang apat buat untuk mmbntuk kurva vrs aalah [ 11,12] : K P = (2.23) 1 b ( + ax ) ngan P aalah prsntas ar knaraan yang akan brpnah k jalan tol bbas hambatan atau tol trhaap volum lalu lntas total, an X aalah baya tol atau waktu yang hmat [ 11,12]. Kofsn a, b, an K apat ar analss statstk. Untuk mnrapkan mol n prlukan ata : 1. Prbaan baya tol antara rut bbas hambatan atau tol trbak yang trsa an rut altrnatf trbak yang trsa. 4 Unvrstas Sumatra Utara

22 2. Prbaan waktu prjalanan antara rut bbas hambatan atau tol trbak yang trsa an rut altrnatf yang trsa. Brasarkan ua hal trsbut, prsntas lalu lntas yang akan brpnah k jalan bbas hambatan atau tol apat prolh ar kurva. Hasl prkalan prsntas n ngan total volum lalu lntas mnunjukkan jumlah knaraan yang brpnah k jalan bbas hambatan atau tol. [ 11,12] Mto kurva vrs kmbangkan mnja ua mol yatu mol JICA an Mol logt bnomal an rgrs pngal. II Mol JICA [ 11,12] Mol JICA tlah kmbangkan mnja ua mol, yatu Mol I an Mol II. Pngmbangan mol trsbut aalah untuk apat mmolkan vrs lalu lntas paa jalan tol. II Mol I Mol n kalbras ngan mnggunakan pubah tak bbas brupa slsh waktu tmpuh jka mnggunakan jalan tol an jalan altrnatf. Pubah lannya yang analss aalah tarf tol an nla waktu tmpuh. Mol trsbut rumuskan sbaga: P = tngkat vrs jalan tol (%) P b = a T (2.24) ΔT A T = A (T + TR/TV) = waktu tmpuh jka mnggunakan jalan altrnatf (mnt) = waktu tmpuh jka mnggunakan jalan tol (mnt) 41 Unvrstas Sumatra Utara

23 TR TV = tarf tol (rupah/knaraan) = nla waktu tmpuh (rupah/mnt) a, b = paramtr yang harus taksr Prsamaan atas apat srhanakan ngan mnggunakan transformas lnr yang mnghaslkan prsamaan : log P = log a + b log ΔT (2.25) Dngan mngasumskan Y= log P an X= log ΔT maka prsamaan atas apat anggap prsamaan lnar. II Mol II Mol n mmprhtungkan faktor yang apat ar nla tarf tol bag ngan prbaan waktu tmpuh. Dalam mol n, faktor prgsran gunakan untuk mncrmnkan pnngkatan kngnan untuk mmbayar tol yang sjalan ngan pnngkatan tngkat pnapatan. Prsamaan untuk pmolan sprs paa mol II n rumuskan sbaga: P = a c T 1 + b S (2.26) P T S = tngkat vrs jalan tol = nsbah tarf tol/slsh waktu tmpuh (rupah/mnt) = faktor prgsran (nsbah pnapatan tahunan) a, b, c = paramtr yang harus kalbras Prsamaan pmolan vrs atas apat srhanakan ngan transformas lnr. Pnyrhaan prsamaan trsbut apat lakukan ngan cara sbaga brkut : 42 Unvrstas Sumatra Utara

24 c T P + bp = a (2.27) S c T b = S a P P (2.28) a P T log = logb + c log (2.29) P S Dngan mngasumskan a P Y = log an P X T = log maka prsamaan S atas apat anggap sbaga prsamaan lnr. II Mol Logt Bnomal an Rgrs Pngal [ 11,12] II Mol Logt Bnomal Mol n mnggunakan slsh baya prjalanan an slsh waktu tmpuh sbaga pubah tak bbas. Prsamaan yang gunakan alam mol logt bnomal aalah : Dmana : ( a + b( BPH )) ( a + b( BPH )) xp P = (2.3) 1+ xp P BPH = tngkat vrs = baya prjalanan yang hmat alam rupah a an b = paramtr yang harus kalbras Prsamaan vrs atas apat srhanakan mnja : { + xp[ a + b( BPH )]} = xp[ a b( BPH )] P 1 + (2.31) ( a + b( BPH )) = xp( a b( BPH )) P + P xp + (2.32) 43 Unvrstas Sumatra Utara

25 ( a + b( BPH )) P xp( a b( BPH )) P = xp + (2.33) ( xp( a b( ))) P = ( 1 P). + BPH (2.34) P 1 P = xp ( a + b( BPH )) (2.35) Shngga apat tuls mnja: P log = a 1 P + b( BPH ) (2.36) Prsamaan atas apat anggap sbaga prsamaan lnr ngan mngasumskan Y P = log 1 P an X = (BPH ). II Mol Rgrs Pngal Mol n mnunjukkan hubungan antara tngkat vrs an nsbah antara baya prjalanan (NBP) mnggunakan jalan tol ngan jalan altrnatf. Psamaan untuk mol rgrs pngal n apat rumuskan sbaga : 1 P = (2.37) b 1+ a( NBP) Dmana: P NBP = tngkat vrs = nsbah baya prjalanan a an b = paramtr yang harus kalbras Prsamaan vrs atas apat srhanakan mnja : ( 1+ a( NBP) ) 1 P. = (2.38) P + Pa( NBP) = 1 (2.39) ( 1 P) b P = a( NBP) (2.4) 44 Unvrstas Sumatra Utara

26 log ( 1 P) P = log a + b log( NBP) (2.41) Prsamaan atas apat anggap sbaga prsamaan lnr ngan mngasumskan Y P ( ) = log an X = log(nbp). 1 P II.5 Stu Trahulu Sbaga bahan prbanngan, pnuls mngmukakan contoh stu trahulu yang mnggunakan mto kurva vrs an mol gravty paa pmlhan rut, yatu sbaga brkut : Th Analyss of Rout Choc Btwn Toll an Altrnatv Roa Usng Dvrson Curv Mol: A Cas Stuy n Jakarta (Inonsa), Procng of Th 7 th Worl Confrnc on Transport Rsarch, Syny, Australa. Olh : Ofyar Z. Tamn Pnltan n mnganalss pmlhan rut antara jalan tol an jalan altrnatv ngan mnggunakan kurva vrs. Mto kurva vrs yang gunakan paa pnltan aalah: mol logt bnomal an analss rgrs pngal. Tujuan pnltan aalah untuk mlhat prlaku plaku prjalanan trhaap pnghmatan jarak, pnghmatan waktu, an pnghmatan baya. Dar hasl uj snstvtas prolh bahwa bus mmlk tngkat snstvtas yang trkcl trhaap prubahan tarf tol, sangkan mobl pnumpang an truk mmlk tngkat snstvtas yang cukup bsar trhaap prubahan tarf tol. Stu Klayakan Jalan Tol Pngambngan Pngragoan Olh : A.A.G. Agung Yana, Ktut Swjana, an Santran Dw 45 Unvrstas Sumatra Utara

27 Pnltan n brtujuan untuk mnntukan klayakan pngmbangan jalan tol ar sg fnansal yang asar ar prhtungan jumlah LHR yang bralh ar jalan ksstng. Analss pmbbanan lalu lntas k jalan baru htung ngan mnggunakan mto kurva vrs pnghmatan jarak an waktu tmpuh. Dar kurva trsbut akan prolh jumlah knaraan yang akan mlwat jalan baru. Dar hasl pnltan prolh bahwa jumlah knaraan yang mlntas jalan baru aalah 2589 smp/har. Dan paa tahun 218 ruas jalan ksstng prkrakan tak mampu lag mnahan volum lalu lntas. Namun ar sg fnansal jalan tol n blum layak bangun. Pngmbangan Mol Kombnas Gravty, Multnomal Logt, an Equlbrum Assgnmnt Olh : Rahayu Sulstyorn, Ofyar Z. Tamn, an A Sjafrun Pnltan n mnggunakan mto gravty sbaga mol sbaran prgrakan, mto multnomal logt untuk pmlhan moa, an mto ksmbangan untuk pmlhan rut. Tujuan pnltan aalah untuk mngmbangkan mol kombnas gravty ngan multnomal logt paa kons pmlhan rut ksmbangan. Mto stmas yang gunakan aalah kuarat trkcl. Dar hasl pnltan apat smpulkan bahwa pnntuan awal nla paramtr mol mrupakan masalah utama yang jumpa alam pross stmas paramtr mol. 46 Unvrstas Sumatra Utara

28 Kajan Pngmbangan Mol Smultan Olh : Rahayu Sulstyorn an Ofyar Z. Tamn Pnltan n mmbahas tntang kombnas sbaran prgrakan ngan pmbbanan rut; kombnas sbaran prgrakan ngan pmlhan moa; kombnas akssbltas, sbaran prgrakan, an pmlhan moa; kombnas sbaran prgrakan, pmlhan moa, an pmlhan rut. Dar hasl pnnltan prolh bahwa kmungknan yang apat ambl aalah pngmbangan kombnas sbaran prgrakan, pmlhan moa, an pmlhan rut brasarkan nformas ata arus lalu lntas paa kons ksmbangan rut. 47 Unvrstas Sumatra Utara

5 Model sebaran pergerakan

5 Model sebaran pergerakan 5 Mol sbaran prgrakan Pmolan bangktan prgrakan tlah trangkan paa bab 4 scara rnc. D stu prkrakan bsarnya prgrakan yang haslkan ar zona asal an yang trtark k zona tuuan. Bsarnya bangktan an tarkan prgrakan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

Jurusan Teknik Sipil, Universitas Riau, Jl. Subrantas KM 12.5 Pekanbaru

Jurusan Teknik Sipil, Universitas Riau, Jl. Subrantas KM 12.5 Pekanbaru KINERJA STRUKTUR GEDUNG BERATURAN DUAL SYSTEM (CONCRETE FRAME RC ALL STRUCTURES) MENGGUNAKAN METODE DIRECT DISPLACEMENT BASED DESIGN DAN CAPACITY SPECTRUM METHOD Raja Parulan Purba 1), Zulkar Djauhar ),

Lebih terperinci

MODEL DINAMIS RANTAI MAKANAN TIGA SPESIES

MODEL DINAMIS RANTAI MAKANAN TIGA SPESIES MODL DINAMIS RANTAI MAKANAN TIGA SPSIS Wj Bu Pratkno an Sunarsh Program Stu Matmatka FMIPA UNDIP Jl. Prof. Soarto SH Smarang 575 Astract. Thr spcs foo chan mols ar mol that xprss th ntracton of thr populatons

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

Analisis Rangkaian Listrik

Analisis Rangkaian Listrik Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

BAB 2 SISTEM MAKRO DAN MIKRO

BAB 2 SISTEM MAKRO DAN MIKRO BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh

Lebih terperinci

V. DISTRIBUSI PERJALANAN

V. DISTRIBUSI PERJALANAN V. DISTRIBUSI PERJALANAN 5.. PENDAHULUAN Trp strbuton aalah suatu tahapan yang menstrbuskan berapa jumlah pergerakan yang menuju an berasal ar suatu zona. Paa tahapan n yang perhtungkan aalah :. Sstem

Lebih terperinci

KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA

KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA LAPORAN PENELITIAN HIBAH PENELITIAN STRATEGIS NASIONAL TAHUN ANGGARAN 2009 KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA Pnliti : Lasmini Ambarwati, ST.,

Lebih terperinci

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM

Lebih terperinci

PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS

PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS Wwt Tr Rahayu 1 Abstract The more ata traffc count usng n process wth

Lebih terperinci

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB) OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK Wjayanto Mahasswa Magster Bang Keahlan Manajemen Dan Rekayasa Transportas Fakultas Teknk Spl an Perencanaan Insttut Teknolog

Lebih terperinci

IV. Konsolidasi. Pertemuan VII

IV. Konsolidasi. Pertemuan VII Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh

Lebih terperinci

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk

Lebih terperinci

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

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

Lebih terperinci

PENGUKURAN BULLWHIP EFFECT DENGAN MODEL AUTOREGRESSIVE

PENGUKURAN BULLWHIP EFFECT DENGAN MODEL AUTOREGRESSIVE PENGUKURAN BUWHIP EFFECT ENGAN MOE AUTOREGRESSIVE Ta Talha Program Su Tknk Inusr, Fakulas Tknk Unvrsas an Nuswanoro Jalan Nakula I No. 5- Smarang E-mal : a@osn.nus.ac. Absrak Kurangnya nformas apa mnmbulkan

Lebih terperinci

ESTIMASI PARAMETER PADA KENDALI ADAPTIF DENGAN METODA LEAST SQUARE. Iskandar Aziz Dosen Fakultas Teknik Universitas Almuslim ABSTRAK

ESTIMASI PARAMETER PADA KENDALI ADAPTIF DENGAN METODA LEAST SQUARE. Iskandar Aziz Dosen Fakultas Teknik Universitas Almuslim ABSTRAK ESIMASI ARAMEER ADA KENDALI ADAIF DENGAN MEODA LEAS SQUARE Iskanar Aziz Dosn Fakultas knik Univrsitas Almuslim ABSRAK Estimasi paramtr alam kontrol aaptif sangat pnting mngingat prinsip bahwa hasil stimasi

Lebih terperinci

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa

Lebih terperinci

Analisis Variansi Multivariat

Analisis Variansi Multivariat Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak

Lebih terperinci

PENGUAT FREKUENSI RENDAH (lanjutan)

PENGUAT FREKUENSI RENDAH (lanjutan) EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum

Lebih terperinci

FIXED EFFECT MODEL PADA REGRESI DATA PANEL

FIXED EFFECT MODEL PADA REGRESI DATA PANEL ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan

Lebih terperinci

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

ESTIMASI MODEL KEBUTUHAN TRANSPORTASI MENGGUNAKAN DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN

ESTIMASI MODEL KEBUTUHAN TRANSPORTASI MENGGUNAKAN DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN ESTIMASI MODEL KEBTHAN TRANSPORTASI MENGGNAKAN DATA ARS LAL LINTAS PADA KONDISI PEMILIHAN RTE KESEIMBANGAN Rusmad Suyut Staf Pngaar Jurusan Tknk S nvrstas Muhammadyah Jakarta Jn. Cmaka Puth Tngah 27, Jakarta

Lebih terperinci

KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN

KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN Ad Yudha Iswara, Fahry Husin, Ludfi Djakfar, Hndi Bowoputro Jurusan Tknik Sipil Fakultas Tknik Univrsitas Brawijaya Jalan MT. Haryono 167 Malang 65145,

Lebih terperinci

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

Solusi Persamaan Schrodinger 1-dimensi untuk Potensial Deng Fan MenggunakanKonstruksi Supersimetri

Solusi Persamaan Schrodinger 1-dimensi untuk Potensial Deng Fan MenggunakanKonstruksi Supersimetri ISSN: 57-533X Solusi Prsamaan Shroingr 1-imnsi untuk Potnsial Dng Fan MnggunakanKonstruksi Suprsimtri 1. Wahyulianti, A. Suparmi, C. Cari 1, Program Stui Ilmu Fisika Pasasarjana Univrsitas Sblas Mart,

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

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

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

Lebih terperinci

Pendekatan Bayes Empirik Pada Pendugaan Statistik Area Kecil Berbasis Model Poisson-Gamma Dengan Peubah Penyerta

Pendekatan Bayes Empirik Pada Pendugaan Statistik Area Kecil Berbasis Model Poisson-Gamma Dengan Peubah Penyerta Pnkaan Bas mprk Paa Pnugaan Sask Ara Kcl Brbass Mol Posson-Gamma Dngan Pubah Pnra Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Absrak Bas mprk mrupakan salah sau mo paa pnugaan ara kcl ang apa

Lebih terperinci

Konsolidasi http://www.pwri.go.jp/ http://www.ashirportr.org Pmbbanan tanah jnuh brprmabilitas rndah akan mnaikkan tkanan air pori Air akan mngalir k lapisan tanah dngan tkanan pori yg lbih rndah Prmabilitas

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES Prosng Semnar Nasonal Matematka an Penkan Matematka (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Statstka, hal. 14-18 PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES NENENG SUNENGSIH

Lebih terperinci

IMPLEMENTASI MODEL PENGUKURAN BULLWHIP EFFECT MENGGUNAKAN MODEL MA(1)

IMPLEMENTASI MODEL PENGUKURAN BULLWHIP EFFECT MENGGUNAKAN MODEL MA(1) IMPEMENTASI MOE PENGUKURAN BUWHIP EFFECT MENGGUNAKAN MOE MA() Ta Talha Jurusan Tknk Inusr Fakulas Tknk Unvrsas an Nuswanoro Jalan Nakula I No. 5- Smarang Emal : a@osn.nus.ac. Absrac In supply chan managmn

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat

Lebih terperinci

PENDEKATAN BAYES EMPIRIK PADA PENDUGAAN STATISTIK AREA KECIL BERBASIS MODEL POISSON-GAMMA DENGAN PEUBAH PENYERTA 1)

PENDEKATAN BAYES EMPIRIK PADA PENDUGAAN STATISTIK AREA KECIL BERBASIS MODEL POISSON-GAMMA DENGAN PEUBAH PENYERTA 1) PNDKATAN BAS MPIRIK PADA PNDUGAAN STATISTIK ARA KCIL BRBASIS MODL POISSON-GAMMA DNGAN PUBAH PNRTA ) Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Bas mprk mrupakan salah sau mo paa pnugaan ara

Lebih terperinci

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta

Lebih terperinci

ANALISIS SAMBUNGAN PAKU

ANALISIS SAMBUNGAN PAKU 4 ANALISIS SAMBUNGAN PAKU Alat sambung paku masih sring ijumpai paa struktur atap, ining, atau paa struktur rangka rumah. Tbal kayu yang isambung biasanya tiak trlalu tbal brkisar antara 0 mm sampai ngan

Lebih terperinci

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

PENENTUAN NILAI e/m ELEKTRON

PENENTUAN NILAI e/m ELEKTRON Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga

Lebih terperinci

Pertemuan XIV, XV VII. Garis Pengaruh

Pertemuan XIV, XV VII. Garis Pengaruh ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui

Lebih terperinci

MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL

MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,

Lebih terperinci

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,

Lebih terperinci

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik 8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan

Lebih terperinci

BAB I PENDAHULUAN 1.1.Latar Belakang

BAB I PENDAHULUAN 1.1.Latar Belakang BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.

Lebih terperinci

23. FUNGSI EKSPONENSIAL

23. FUNGSI EKSPONENSIAL BAB III FUNGSI-FUNGSI ELEMENTER Paa bagian ini kita slalu mmprtimbangkan fungsi lmntr yang iplajari alam kalkulus an mnfinisikan hubungannya ngan fungsi ari suatu variabl komplks. Khususnya, kita finisikan

Lebih terperinci

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type) TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk

Lebih terperinci

Analisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang

Analisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil

Lebih terperinci

VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH

VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...

Lebih terperinci

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya

Lebih terperinci

FUNGSI EKSPONEN, TRIGONOMETRI DAN HYPERBOLIK BAB I FUNGSI EKSPONEN

FUNGSI EKSPONEN, TRIGONOMETRI DAN HYPERBOLIK BAB I FUNGSI EKSPONEN BAB I FUNGSI EKSPONEN Dfinisi Fungsi ksponn aalah fungsi f yang mnntukan k. Rumusnya ialah f(. Fungsi ksponn ngan pubah bbas + yi ( an y bilangan ral aalah (cos y + i sin y. Dari finisi ini, jika : y 0

Lebih terperinci

Bab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan;

Bab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan; Bab Ruang Vktor I. Ruang Vktor R n. Ruang brdimnsi satu R = R = kumpulan bilangan ral Mnyatakan suatu garis bilangan; -3 - - 0. Ruang brdimnsi dua R = bidang datar ; Stiap vktor di R dinyatakan sbagai

Lebih terperinci

Metode Elemen Hingga dan Elemen Batas untuk Antena Celah pada Pemandu Gelombang

Metode Elemen Hingga dan Elemen Batas untuk Antena Celah pada Pemandu Gelombang JTETI, Vol. 4, o., M 5 Mto Elmn ngga an Elmn Batas untu ntna Clah paa Pmanu Glombang Iswan bstract In th hghr frqunc rang, th wall-thcnss causs mor ffcts to th charactrstc of slott wavgu antnna. Ths papr

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI. MICRO BUBBLE GENERATOR Micro Bubbl Gnrator (MBG) mrupakan suatu alat yang difungsikan untuk mnghasilkan glmbung udara dalam ukuran mikro, yaitu glmbung dngan diamtr 00 μm []. Aplikasi

Lebih terperinci

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal

Lebih terperinci

6/1/2010 DR. MOHAMMAD ABDUL MUKHYI SE., MM. Kebijakan Perdagangan Internasional

6/1/2010 DR. MOHAMMAD ABDUL MUKHYI SE., MM. Kebijakan Perdagangan Internasional DR. MOHAMMAD ABDUL MUKHYI SE., MM. Kbijakan Prdagangan Intrnasional 1 2 3 4 Kbijakan Ekonomi 21 Prioritas kbijakan bidang konomi trdiri dari tujuh bidang : Pngmbangan Infrastruktur Prcpatan pnylsaian infrastruktur

Lebih terperinci

Jurnal Spektran Vol. 2. No. 2, Juli 2014

Jurnal Spektran Vol. 2. No. 2, Juli 2014 ANALISIS PENGARUH PENDAPATAN TERHADAP KEPEMILIKAN MOBIL DAN SEPEDA MOTOR PADA RUMAH TAGGA DI SEPANJANG KORIDOR TRAYEK TRANS SARBAGITA I B. Wirahaji 1, D. M. Priyantha Wdagama 2, dan P. Alit Suthanaya 2

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka

Lebih terperinci

Penggunaan Metode User Centered Design (UCD) dalam Perancangan Ulang Web Portal Jurusan Psikologi FISIP Universitas Brawijaya

Penggunaan Metode User Centered Design (UCD) dalam Perancangan Ulang Web Portal Jurusan Psikologi FISIP Universitas Brawijaya Jurnal Pngmbangan Tknologi Informasi an Ilmu Komputr -ISSN: 24-964X Vol. 2, No. 7, Juli 21, hlm. 244-24 http://j-ptiik.ub.ac.i Pnggunaan Mto Usr Cntr Dsign (UCD) alam Prancangan Ulang Wb Portal Jurusan

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

PENERAPAN MIN PLUS ALGEBRA PADA PENENTUAN RUTE TERCEPAT DISTRIBUSI SUSU

PENERAPAN MIN PLUS ALGEBRA PADA PENENTUAN RUTE TERCEPAT DISTRIBUSI SUSU J. Math. and Its ppl. E-ISSN: 2579-8936 P-ISSN: 829-605X Vol. 4, No. 2, Dsmbr 207, 5-24 PENERPN MIN PLUS LGEBR PD PENENTUN RUTE TERCEPT DISTRIBUSI SUSU Vivi Suwanti, Poht Bintoto 2, Riski Nur Istiqomah

Lebih terperinci

Penentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang

Penentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation

Lebih terperinci

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan TRFRS DA DFRAKS Maa Kulah: Glombang & Opk Dosn: Anhy Sawan A. nfns nfns mupakan ppauan ua aau lbh glombang sbaga akba blakunya pnsp supposss. nfns ja bla glombang glombang sbu kohn, yau mmpunya pbaan fas

Lebih terperinci

Diktat TERMODINAMIKA DASAR

Diktat TERMODINAMIKA DASAR Dktat TERMODINAMIKA DASAR Olh : Ir. Sudjto, PhD., Ir. Safuddn Badow, Agung Sugng W., ST.,MT BabIV HUKUM TERMODINAMIKA I : SISTEM TERBUKA ( VOLUME ATUR ) 4.1 ANALISA TERMODINAMIKA VOLUME ATUR Pada sbagan

Lebih terperinci

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,

Lebih terperinci

METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR E. Yuliani, M. Imran, S. Putra Mahasiswa Program Studi S Matmatika Laboratorium Matmatika Trapan, Jurusan

Lebih terperinci

model pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag

model pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya

Lebih terperinci

Susunan Antena. Oleh : Eka Setia Nugraha S.T., M.T. Sumber: Nachwan Mufti Adriansyah, S.T., M.T.

Susunan Antena. Oleh : Eka Setia Nugraha S.T., M.T. Sumber: Nachwan Mufti Adriansyah, S.T., M.T. Susunan Antna Olh : ka Stia Nugraha S.T., M.T. Sumbr: Nachwan Mufti Adriansyah, S.T., M.T. A. Pndahuluan Dalam kuliah Mdan lktromantika Tlkomunikasi kita sudah mngnal pnjumlahan/ suprposisi mdan. Tlah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl

Lebih terperinci

RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED)

RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) Winny Friska Uli,Ali Hanafiah Ramb Konsntrasi Tknik Tlkomunikasi, Dpartmn Tknik Elktro Fakultas

Lebih terperinci

Tekanan pra-konsolidasi = 160 kn/m 2

Tekanan pra-konsolidasi = 160 kn/m 2 Soal: Dibrikan suatu lapisan tana sprti trliat pada Gambar 1a. Tbal lapisan pasir 4m dan tbal lapisan lmpung 8m. Muka air tana (MAT) trdapat pada kdalaman 3m dari prmukaan tana. Brat isi pasir di atas

Lebih terperinci

ANALISA NILAI SIMPANGAN HORIZONTAL (DRIFT) PADA STRUKTUR TAHAN GEMPA MENGGUNAKAN SISTEM RANGKA BRESING EKSENTRIK TYPE BRACED V

ANALISA NILAI SIMPANGAN HORIZONTAL (DRIFT) PADA STRUKTUR TAHAN GEMPA MENGGUNAKAN SISTEM RANGKA BRESING EKSENTRIK TYPE BRACED V Tras Jurnal, Vol.7, No.2, Sptmbr 2017 P-ISSN 2088-0561 ANALISA NILAI SIMPANGAN HORIZONTAL (DRIFT) PADA STRUKTUR TAHAN GEMPA MENGGUNAKAN SISTEM RANGKA BRESING EKSENTRIK TYPE BRACED V Said Jalalul Akbar

Lebih terperinci

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan Mata kula LKTONKA ANALOG. LOLOH ALK Pngglngan pnguat ( amplr) dapat pula dglngkan dalam 4 macam glngan umum, yatu pnguat tgangan, pnguat aru, pnguat tranantaran dan pnguat trantaanan. Pngglngan n brdaarkan

Lebih terperinci

Jurnal Inovasi Pembelajaran Fisika (INPAFI)

Jurnal Inovasi Pembelajaran Fisika (INPAFI) Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN

Lebih terperinci

WORKSHOP KREATIVITAS ALAT PERAGA PENDIDIKAN EDUKATIF IPA-MATEMATIKA

WORKSHOP KREATIVITAS ALAT PERAGA PENDIDIKAN EDUKATIF IPA-MATEMATIKA LAPORAN KEGIATAN WORKSHOP KREATIVITAS ALAT PERAGA PENDIDIKAN EDUKATIF IPA-MATEMATIKA Pnanggung Jawab Kgiatan: DRS. H. SUTIMAN Ktua Plaksana: Yuni Wibowo, M.Pd FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER

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

Lebih terperinci

Materike April 2014

Materike April 2014 Matrik-6 Pnggunaan Intgral Tak Tntu 10 April 014 Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna ( difrnsial Contoh ' ' '' ' Prsamaan Difrnsial dan Pnggunaanna

Lebih terperinci

RANCANG BANGUN SCREW FEEDER SEBAGAI PERANGKAT DUKUNG PELEBURAN KONSENTRAT ZIRKON

RANCANG BANGUN SCREW FEEDER SEBAGAI PERANGKAT DUKUNG PELEBURAN KONSENTRAT ZIRKON Yogyakarta, Sptmbr 0 RANCANG BANGUN SCREW FEEDER SEBAGAI PERANGKAT DUKUNG PELEBURAN KONSENTRAT ZIRKON Sajima, Dddy Hasnurrofiq, Sudaryadi -BATAN-Yogyakarta Jl Babarsari Nomor, Kotak pos 0 Ykbb 558 -mail

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN IV SI D EMS 4 Mol Mikroskopik Jalur unggal Mol mikroskopik mrupakan suatu mol yang mnskripsikan tingka laku pngnara mobil scara iniiu paa brbagai macam situasi alam brknara i jalan raya aa mol mikroskopik

Lebih terperinci

Ensembel Kanonik Klasik

Ensembel Kanonik Klasik nsmbl Kanonik Klasik Mnghitung Banyak Status Kaaan Sistm Misal aa ua sistm A an B yang bolh brtukar nrgi tai tiak bolh tukar artikl. Misal status kaaan an nrgi masing-masing sistm aalah sbb: Status A nrgi

Lebih terperinci