Edisi Juni 2011 Volume V No. 1-2 ISSN DINAMIKA EPIDEMIK TUBERCULOSIS (TB) PADA MODEL SATU STRAIN

Ukuran: px
Mulai penontonan dengan halaman:

Download "Edisi Juni 2011 Volume V No. 1-2 ISSN DINAMIKA EPIDEMIK TUBERCULOSIS (TB) PADA MODEL SATU STRAIN"

Transkripsi

1 Ju 11 Volum V o. 1 - SS DAMKA PDMK TUBCULOSS TB PADA MODL SATU STA Ap Solh Awallu Juua Matmata U Sua Guug Djat Baug mal : aaolh@gmal.om ABSTACT Th pap xpla mathmatal mol fo yam of tubulo pm ug o ta mol, wth uppot thom a lmma. O ta mol laboat a oto of a-f qulbum a uqu m qulbum. Kywo : Populato yam, Tubulo, O ta mol A. Pahulua Pyat Tubulo aalah pyat mula lagug yag baba olh uma TB Myobatum Tubulo, baga ba uma TB myag Pau, ttap apat juga mga oga tubuh laya. Kuma bbtu batag, mmpuya fat huu yatu taha thaap aam paa pwaaa, olh aa tu but pula baga Bal Taha Aam BTA, uma TB pat mat ga a mataha lagug, ttap apat btaha hup bbapa jam tmpat yag glap a lmbab. Dalam jaga tubuh uma apat Domat, ttu lama lama bbapa tahu. Komplta pybaa uma a tu bmbagya pulaa a pta plu atpa a ala. Mol matmata buat utu mmba gambaa algu bgua utu pgala thaap bbapa vaabl yag bhubuga ga mol tbut. Tula mjlaa mol atu ta ta ga puua aa matmat a mol yag buat.. Mol Satu Sta vu-vu xpo TB mug mgalam po lat ga maa yag bba-ba paa yataaya, baya yag mat tapa atau blum bmbag mja TBC atf. upaya, ma lama ta mmbawa mgap bat maa ma buag pmbaga mja TBC atf ual tm bala ta mja gawat abat pyat la. Abatya, po f bagamaa po aa oolog mupaa fato ptg paa majua pyat. Sbapa ptg fato baga pa atau pguu 31

2 Ju 11 Volum V o. 1 - SS pybaa paa tgat popula? Kaa paa 1% vu-vu tf TBC bmbag mja atf lama maa hupya, maa atua 1% mja buah uua yag bgua utu pguua hata publ aa a mgah. Atua bgua ttap paa watu yag ama juga uag ba. Hal tahu bahwa majua TBC ta agam ttap paa yataaya bata at ga fato-fato laya pt tatu gz a/atau a paa pawata m a o lguga hup Bloom Pta TBC lat a atf apat obat ga atbot, pgobata mmpuya f ampg yag aagaag agat u a butuh watu lama. Pmbawa bat TBC pta lat yag ta mgmbaga pyat TBC apat obat ga atu obat yatu H yag hau laua lama 6-9 bula. Pgobata thaap pta atf TBC mmlua tga obat aa multa lama tya 1 bula. Kuagya pmuha thaap obat mupaa maalah yag u yag ta haya mjaaya ambuh ttap jutu apat bmbag mja atbot tat TB Calo, Fg Pluag u ota hgga uptbl mja tf bag ga bayaya ota yag tja a popo vu tf atv TB. Hal lbh umum a auat pgguaaya apaa a bag ga bayaya vu tf. Dga ata la, bayaya vu uptbl yag tf S. Btu lbh baya tmua paa bayaa mol pm aat. Saa matmata tahu ga ba bahwa ja popula buua ttap ota pajag watu atau ja mat buah otata aa amtot ovg maa pgguaa tgat f yag popooal thaap S ta mubah fat-fat ualtatf paa mol. Bagamaapu juga, ta mmola pm paa uatu gaa yag bmbag ga jumlah popula yag ba, pgguaa tlhat lbh apot Calo, Fg Olh aa paa yataaya bayaa pta TBC mlwat maa latya paa watu yag agat lama baga ga po fya maa tjagtya gjalagjala TBC a mampu mulaa a tapat fato pgobata hgga aa pluag utu mbuh, paa baga

3 Ju 11 Volum V o. 1 - SS am mgguaa aum low out, yatu pta TBC aa mlwat maa latya blum a mja atf a mlbata fato pmbaga pgobata paa pta alam pmola yag juga mgguaa popo tf yag lbh umum. Aum laya ga mgguaa uatu popula ttutup a ota yag vg, atya hat a blum pah tag pyat TBC, mua maua atu vu pta atf TBC utu mgaaa ota lagug ga popula. Gamba 1.1 aalah mol tam f a pm TBC mol atu ta, ga pjlaa utu mag-mag ota aalah baga but : t = bayaya total popula paa watu t, St = bayaya uptbl paa watu t, t = bayaya xpo TB tf ttap blum mula, TB paf paa watu t, t = bayaya ft TB tf a mula, TB atf paa watu t, Tt = bayaya tat TBC vu tobat paa watu t, Λ = tgat utm ataaya: laha, tat, β = tgat tam f pota vu ptahu, = tgat mata abat TB ptahu, μ = tgat mata aa alam bua aa TB ptahu, p = tgat pmbaga pat a uptbl mja tf atf, = tgat pmbaga a lat TB mja atf TB, β = pluag u tam f paa uptbl pota ga atu vu tf mulaa p ut watu, β t = pluag u tam f paa tat pota ga atu vu tf mulaa p ut watu, = bayaya ata-ata ota p vu p ut watu, = popo pgobata paa xpo vual p ut watu, = tgat pgobata paa ftou vual p ut watu, = popo uptbl yag bhal tf, S = bayaya uptbl yag bhal tf p ut watu, 33

4 Ju 11 Volum V o. 1 - SS pta atf TB Atv ft Hot Λ Suptbl μ β β t xpo Pav TB μ ft Atv TB μ+ Tat μ Gamba 1.1. Tam f a pm TBC Mol Satu Sta Da luta a aum tam baga mol aa ama pm TB f a pm ata apat uu baga but: uatu tm pamaa fal baa = St + t + t + Tt, 1.1 S S S, 1. 34

5 Ju 11 Volum V o. 1 - SS T S T, t, tt T, Paa umumya, tm pamaa fal ata al baga mol S, S atau lbh tpatya SS, yag maa vu-vu tf lat atau mulaa mbal lag paa uptbl ga pgobata. Ja ta auma bahwa pluag tf pota utu la tat ama ga paa la uptbl, yatu β = β t, maa tm am aalah upa aa ualtatf ga mol SS. Pamaa 1.6 mupaa ba poutv umb yatu bayaya au ua vu tf a mulaa olh atu vu tf a mulaa ftou vual paa au ptama lama po pulaa ftfya ta pala paa buah popula uptbl, yag mupaa hal pala ataa bayaya ata-ata uptbl yag tf olh atu oag yag mulaa pyat β lama po pulaa ftfya 1/μ + + ga popo popula btaha hup paa po lat /μ + +. Tapat ua muga tmbaga qulba yatu tmbaga tapa pyat af qulbum, ja <1 a tmbaga m m qulbum, * ja >1. Calo Catllo-Chavz a Zhla Fg 1996 tlah mjlaa alam tomaya baga but: Lmma 1. Mala f : [, yag fa baga f lmf f t, f t lmup f t t tbata a fabl ua al ga tuua uaya tbata. Mala t a f t ovg paa f atau f utu. Maa f ' t utu. Toma 1. 35

6 Ju 11 Volum V o. 1 - SS a Ja <1 maa tmbaga tapa pyat a-f qulbum, aalah tabl aa amtot global globally aymptotally tabl, g.a.. b Ja >1 maa tmbaga But: m tuggal uqu m qulbum, * aalah tabl aa amtot loal loally aymptotally tabl, l.a.. a Mala <1, plh buah baa t ma hgga t, t. Dga mgguaa pamaa.4 lmma 1 polh..7 Dga lagah upa, plh buah baa ma hgga ga mgguaa pamaa.3 a pamaa.7 polh a :. lm up, Kaa < 1 maa - 1 < abatya. Da aa : lm f maa polh = =, a t utu t. Ja = maa paa pamaa.7. Da aa : lmf t t maa 36

7 Ju 11 Volum V o. 1 - SS polh = =, a t utu t. Slajutya, pjumlaha pamaa-pamaa.-.5 mmba. Plh buah baa u ma hgga u a u : lm f u, u. Da ga lmma 1 polh. Kaa t utu, hgga, tapa mguag umuma, ta haya apat mgaggap olu utu tm pamaa.1-.5 ga t, maa. Ja polh. Dga ma, aalah globally aymptotally tabl g.a. ga tt tabla ba ga,,.b Mala >1, ga aum bahwa β t = β = β maa tm pamaa.-.3 val ga tm:,, ulbum m tuggal uqu m qulbum utu tm pamaa ba olh * = *, *, * ga * 1 * * 1 * *, a. Phata bahwa 37

8 Ju 11 Volum V o. 1 - SS * * * * Utu myuu mat Jaoba a tm pamaa plua:,,, a,, a 1, 1 a,,. Shgga mat Jaoba utu tm pamaa ata: 1 a a a J

9 Ju 11 Volum V o. 1 - SS ga t J a a, D J Polomal aatt J: a a 1 a a 3 3 p a a a 1 3 A B C. Kaa >1 maa A,B,C > a AB > C. Dtma-tma Huwtz: A C 1 A,, 3 1 B A C 1 B A C. Shgga a = 1 >, 1 = A >, = AB - C >, 3 = ABC C = AB C C > yag mmuh tabla outh- Huwtz, atya * aalah loally aymptotally tabl l.a.. B. Smpula Mol atu ta aalah mol ga mmba aum bahwa pluag u ota hgga uptbl mja tf bag ga bayaya ota yag tja a popo vu tf atv TB. Hal lbh umum a auat pgguaaya a paa a bag ga bayaya vu tf. Dga ata la, bayaya vu uptbl yag tf aalah S ta. umua utu mol atu C. f Ba M. Muphy, Bjam H. Sg, D Kh O tatmt of tubulo htogou pupulato, Joual of Thotal Bology. S Dt YJTB 343: Calo Catllo-Chavz, Baojo Sog A Ovvw of Dyamal Mol of Tubulo: Calo Catllo-Chavz, Zhla Fg 1997, To tat o ot to tat: th a of tubulo, Spg- Vlag, J Mol M 35: Da Khata Jaata, oa: Jug, S. Lhat, Z. Fg Optmal Cotol of Tatmt A Two-Sta Tubulo Mol, 39

10 Ju 11 Volum V o. 1 - SS Dt a Cotuou Dyamal Sytm S B Volum o. 4: F.G.Gatmah 196, Th Thoy of Mat, Volum, Chla Publhg Compay, Y: F.G.Gatmah 1964, Th Thoy of Mat, Volum, Chla Publhg Compay, Y: , -1. Ja Mlo Mathmatal Molg of pm: 1-3. O. Dma, J.A.P. Htb. Mathmatal pmology of ftou Da; Mol Bulg, Aaly a tptato, Joh Wly & So, Lt.: 3-6, P la WHO: Sally M. Blow, Jul L. Gbg, 1998 Utag, ptg a otollg th mg of ug-tat tubulo: a thotal famwo, Spg- Vlag, J Mol M 76: Tu Wa g, Gabl Tu, Ato Dah 3 A oubl pm mol fo SAS popagato, BMC ftou Da, BoM Ctal: Z. Fg, M. all, F.A. Ml A Two-Sta Tubulo Mol wth Ag of fto, SAM J. Appl. Math. Vol. 6, o. 5:

ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI PADA MODEL RANDOM KLASIFIKASI DUA ARAH DENGAN DATA TIDAK SEIMBANG

ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI PADA MODEL RANDOM KLASIFIKASI DUA ARAH DENGAN DATA TIDAK SEIMBANG J Pla Sa 6 ( Jul 007 Juua Pdda MIPA FKIP Uta Rau IN 4-5595 Abtact ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI PADA MODEL RANDOM KLASIFIKASI DUA ARAH DENGAN DATA TIDAK SEIMBANG Rutam Efd Pogam Stud Matmata

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

Penerapan Model Predictive Control (MPC) pada Kapal Autopilot dengan Lintasan Tertentu

Penerapan Model Predictive Control (MPC) pada Kapal Autopilot dengan Lintasan Tertentu JURNA SAINS DAN SENI ITS Vol, No, Sp 0 ISSN: 0-98X A-5 Papa Mol P Cool MPC paa Kapal Aoplo a aa T S Aa Sola, Kaa, a Sba Ja Maaa, Fala Maaa a Il Paa Ala, I Tolo Spl Nopb ITS Jl A Raa Ha, Sabaya 60 Eal:

Lebih terperinci

BAB 4 SISTEM DINAMIK ORDE-TINGGI

BAB 4 SISTEM DINAMIK ORDE-TINGGI Stem Damk Ore-Tgg 47 BAB 4 SISTEM DINAMI ORDE-TINI Stem amk ore-tgg gabuga ua atau lebh tem amk ore-atu. Cotoh:. Level cotrol paa tagk-tagk, bak yag tem o- terka oteractg ytem maupu yag terterak teractg

Lebih terperinci

(Saeter & Hammond, 2006) i, j=1,2,...n. III. PEMBAHASAN

(Saeter & Hammond, 2006) i, j=1,2,...n. III. PEMBAHASAN 6 j j, j,, (Sat & Hammod, 006 III PEMBAHASAN 3 Fug poduk Hubuga ataa put da output dapat dtaomaka olh buah ug poduk Scaa matmat, ug poduk dapat dtulka baga bkut: ( K, L, M, dga: output yag dhalka lama

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

Bab 5: Discrete Fourier Transform dan FFT

Bab 5: Discrete Fourier Transform dan FFT BAB 5 Dicrt Fourir Traform da FFT Bab 5: Dicrt Fourir Traform da FFT Dicrt Fourir Traform DFT. Dfiii Tuua Blaar Prta dapat mdfiiia DFT, da mghitugya. Utu mlaua aalii frui dari iyal watu dirit maa prlu

Lebih terperinci

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB.

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB. 4 tp R= tp + f...(3 tp = tp + fp...(4 Evalua dlakuka dga 2 paag ku da dkum lva yag dbuat khuu utuk plta. Dafta paaga ku uj da dkum lva dapat dlhat pada Lampa 2, dagka Lampa 3 bka dkp da ku uj. Nla all

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

BAB VI KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN 59 BAB VI KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil data survai dan analisis yang dilakukan pada lahan parkir Rumah Sakit Umum Daerah RAA Soewondo Pati selama 3 hari dapat diambil kesimpulan

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

APROKSIMASI PADÉ DAN PENERAPANNYA PADA ANALISIS PERFORMANSI DETEKSI RADAR

APROKSIMASI PADÉ DAN PENERAPANNYA PADA ANALISIS PERFORMANSI DETEKSI RADAR 9 Absta AROKSIASI ADÉ DA EERAAYA ADA AALISIS ERFORASI DETEKSI RADAR D Sapud, Kutoo Ad Sdato DU Solah Tgg Tolog Tlom, Badug Dpatm atmata, Isttut Tolog Badug ds@stttlom.a.d, sdato@ds.math.tb.a.d Aposmas

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 6 Tafomai Foui Dik Idah Suilawai, S.T., M.Eg. Pogam Sudi Tkik Elko Fakula Tkik da Ilmu Komu Uivia Mcu Buaa Yogyakaa 9 KULIAH 6 SISTEM PEGOLAHA ISYARAT TRASFORMASI

Lebih terperinci

USAHA KONVEKSI PAKAIAN JADI

USAHA KONVEKSI PAKAIAN JADI P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R I A H ) U S A H A K O N V E K S I P A K A I A N J A D I P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H (

Lebih terperinci

0,8 9 0,9 4 1,2 4 7,1 6 %

0,8 9 0,9 4 1,2 4 7,1 6 % P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) E M P I N G M E L I N J O P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) E M P I N G M E L I N J O B A N K I N D O N E S I A K A

Lebih terperinci

SURVEI PENGELOLAAN EKSTRAKURIKULER OLAHRAGA SEPAKBOLA DI SEKOLAH MENENGAH ATAS SE-KABUPATEN KLATEN

SURVEI PENGELOLAAN EKSTRAKURIKULER OLAHRAGA SEPAKBOLA DI SEKOLAH MENENGAH ATAS SE-KABUPATEN KLATEN Sv Pglolaa Etal... (Adtya Pamdto) SURVEI PENGELOLAAN EKSTRAKURIKULER OLAHRAGA SEPAKBOLA DI SEKOLAH MENENGAH ATAS SE-KABUPATEN KLATEN SURVEY ON OOTBALL EXTRACURRICULAR MANAGEMENT AT SENIOR HIGH SCHOOLSIN

Lebih terperinci

m 2 BUDIDAYA PEMBESARAN IKAN LELE

m 2 BUDIDAYA PEMBESARAN IKAN LELE P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A R A N I K A N L E L E P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A

Lebih terperinci

METODE PENGUKURAN FERTILITAS

METODE PENGUKURAN FERTILITAS Diisi Pua Aa Kotiu Pua aa iataa otiu jia F P apat ugsi sara ( ( iyataa sagai ( ( F u u R ga : R aala ugsi yag tritgrala. Fugsi isut ugsi pata pluag ari. [Gritt a Stirzar 199] Nilai Harapa Diisi Nilai Harapa

Lebih terperinci

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

Lebih terperinci

PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL

PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 9 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Da aya yataa bahwa t Pra Traora

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI ENEAAN ESAMAAN SHODINGE ADA EMASAAHAN ATIKE DAAM KEADAAN TEIKAT (BOUND STATES) UNTUK TIGA DIMENSI A. At Hg (Mslh Gy Stl). Hlt Nl Eg ^ H ^ p ^ z. (7.) s Schg yg bt g sst bup hg t tu lh: ^ p ^ z E (7.) tu

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS. Saniagus Munendra 1) Hery Susanto 2)

SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS. Saniagus Munendra 1) Hery Susanto 2) SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS Saagu Muedra 1) Hery Suato 2) Abtra: Sfat-fat yag berlau pada radal uatu deal teryata tda emuaya berlau pada oep radal uatu ubmodul Raaee

Lebih terperinci

Program Kerja TFPPED KBI Semarang 1

Program Kerja TFPPED KBI Semarang 1 U P A Y A M E N G G E R A K K A N P E R E K O N O M I A N D A E R A H M E L A L U I F A S I L I T A S I P E R C E P A T A N P E M B E R D A Y A A N E K O N O M I D A E R A H ( F P P E D ) S E K T O R P

Lebih terperinci

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4) ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

1 0 0 m 2 BUDIDAYA PEMBESARAN IKAN NILA

1 0 0 m 2 BUDIDAYA PEMBESARAN IKAN NILA P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A R A N I K A N N I L A P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A

Lebih terperinci

USAHA PEMBUATAN GULA AREN

USAHA PEMBUATAN GULA AREN P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) G U L A A R E N ( G u l a S e m u t d a n C e t a k ) P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) G U L A A R E N ( G u l a S

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR METDE NEWTN-STEFFENSEN DENGN RDE KEKNVERGENN TIG UNTUK MENYELESIKN PERSMN NNLINER Fitiai, Joha Kho, Supiadi Puta Mahaiwa Pogam Studi S Matmatika FMIP Uivita Riau Do JuuaMatmatika FMIP Uivita Riau Fakulta

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

RANGKUMAN MATERI ALAT OPTIK

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

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

FUNGSI RASIONAL DAN EKSPANSI FRAKSI PARSIAL (EFP)

FUNGSI RASIONAL DAN EKSPANSI FRAKSI PARSIAL (EFP) UNGSI RASIONAL DAN EKSPANSI RAKSI PARSIAL (EP) Ap Namuokhma Juua Tkik Elko Uivia Jdal Achmad Yai Mach EL Siyal da Sim Tuua Blaa : mgahui buk poliomial aau pamaa uku bayak dalam vaiabl mghiug aka-aka poliomial

Lebih terperinci

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

8. Sistem Partikel Berinteraksi

8. Sistem Partikel Berinteraksi 8. Sstm Patl Btas Sau bau ta plaa sstm patl yag salg bbas tapa tas. Sstm saa apat pu aya paa s fss usus mtal paa suu a, gas paa suu tgg taa a tc. Paa s al yag la, baya umpa patl-patl alam sstm aa btas.

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain:

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain: Peahulua Peugaa Parameter Peugaa Parameter Populai ilakuka ega megguaka ilai Statitik Sampel, Mial :. x iguaka ebagai peuga bagi µ. iguaka ebagai peuga bagi σ 3. p atau p$ iguaka ebagai peuga bagi π Peugaa

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

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember Peracaga Pegedal PID Ittut Tekolog Seuluh Noember Pegatar Mater Cotoh Soal Latha Rgkaa Pegatar Mater Cotoh Soal Peracaga Pegedal P Peracaga Pegedal PI Peracaga Pegedal PD Peracaga Pegedal PID Latha Rgkaa

Lebih terperinci

MENTERI DALAM NEGERI REPUBLIK INDONESIA

MENTERI DALAM NEGERI REPUBLIK INDONESIA SALINAN REPUBLI INDONESIA PERATURAN REPUBLI INDONESIA NOMOR 47 TAHUN 2017 TENTANG BATAS DAERAH ABUPATEN MUSI RAWAS UTARA PROVINSI SUMATERA SELATAN DENGAN ABUPATEN LEBONG PROVINSI BENGULU DENGAN RAHMAT

Lebih terperinci

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS 5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem

Lebih terperinci

PROSIDING ISBN :

PROSIDING ISBN : PROSIDING ISBN : 978 979 6353 3 METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

Lebih terperinci

2 lh uu lh g lol u ool lm u l m mu gcu g - g, u g lu h mu lu oom mj lh cug lm mg g g j uug olh h j Bh h h of Cofc Wol Y Wom ol I mu) Thu Iol (Kof 1975

2 lh uu lh g lol u ool lm u l m mu gcu g - g, u g lu h mu lu oom mj lh cug lm mg g g j uug olh h j Bh h h of Cofc Wol Y Wom ol I mu) Thu Iol (Kof 1975 1 EN ENALAN UU G m Rum : 2012 7 ggl: T Bogo m: T K g 0 197 hu j mul lh mu - mug mgu mol h lh g jl hl Ah mu mu hw om uh D oom mgu gf m mmcl mmu hu h mu mmh hw m Dg u hl mm j, mllu mmu mml mu g g, g lm g

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: asomath@ahoo.com ABSTRACT I ths ae we

Lebih terperinci

PERANCANGAN PUTARAN MOTOR INDUKSI TIGA PHASA TANPA SENSOR KECEPATAN DENGAN PENGENDALI VEKTOR ARUS DAN FULL DAN REDUCED OBSERVER BERADA PADA SUMBU DQ

PERANCANGAN PUTARAN MOTOR INDUKSI TIGA PHASA TANPA SENSOR KECEPATAN DENGAN PENGENDALI VEKTOR ARUS DAN FULL DAN REDUCED OBSERVER BERADA PADA SUMBU DQ 34 MAKARA, TEKNOLOGI, VOL. 10, NO. 1, APRIL 006: 34-39 PERANCANGAN PUTARAN MOTOR INDUKSI TIGA PHASA TANPA SENSOR KECEPATAN DENGAN PENGENDALI VEKTOR ARUS DAN FULL DAN REDUCED OBSERVER BERADA PADA SUMBU

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Bult Ilmah Mat. Stat. a Trapaya (Bmastr) Volum, No. (3), hal. 5 56. PRBANDINGAN MTOD MAXIMUM LIKLIHOOD STIMATION (ML) DAN MTOD BAYS DALAM PNDUGAAN PARAMTR DISTRIBUSI KSPONNSIAL Dw Nurlala, Daa Kusaar,

Lebih terperinci

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400 h t t p : / / m a t e m a t r c k. b l o g p o t. c o m Meetuka uur-uur pada dagram lgkara atau batag Rgkaa Mater : Uur uur pada dagram lgkara yag pokok haya hal :. Meetuka bear baga dalam lgkara ( dapat

Lebih terperinci

TE Dasar Sistem Pengaturan

TE Dasar Sistem Pengaturan TE09346 Daar Stem Pegatura Peracaga otroler : otroler Prooroal Itegral Dfereal Ir. Jo Pramujato, M.Eg. Jurua Tekk Elektro FTI ITS Tel. 594730 Fax.59337 Emal: jo@ee.t.ac. Daar Stem Pegatura 06 Objektf:

Lebih terperinci

6 S u k u B u n g a 1 5 % 16,57 % 4,84 tahun PENGOLAHAN IKAN BERBASIS FISH JELLY PRODUCT

6 S u k u B u n g a 1 5 % 16,57 % 4,84 tahun PENGOLAHAN IKAN BERBASIS FISH JELLY PRODUCT P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) P E N G O L A H A N I K A N B E R B A S I S F I S H J E L L Y P R O D U C T ( O T A K -O T A K d a n K A K I N A G A ) P O L A P E M B I A Y

Lebih terperinci

HAMBURAN COMPTON DALAM KERANGKA ELEKTRODINAMIKA KUANTUM. Erika Rani Agus Purwanto. Abstrak

HAMBURAN COMPTON DALAM KERANGKA ELEKTRODINAMIKA KUANTUM. Erika Rani Agus Purwanto. Abstrak MBR COMPTO DLM KERGK ELEKTRODMK KTM E R gus Puwo Juus s vss sl g Mlg Juus s su Tolog uluh ob uby 6 bs Tlh j s ls hbu Coo l lo uu o h. ubug ous wu bbs b ogo bg l bsgu. ubug ous ug slh solus s g ss ou g

Lebih terperinci

Respon Frekuensi pada FIR Filter. Oleh:Tri Budi Sanrtoso ITS

Respon Frekuensi pada FIR Filter. Oleh:Tri Budi Sanrtoso ITS Rpo Frui pada FIR Filtr Olh:Tri Budi Sartoo Lab Siyal,, EEPIS-ITS ITS 1 Rpo iuoida pada itm FIR Suatu itm FIR diyataa: y[ ] b x[ ] h[ ] x[ ] 0 0 (1 Siyal iput cara umum mrupaa btu ompl dirit x[ ] x[ A

Lebih terperinci

USAHA PENANGKAPAN IKAN PELAGIS DENGAN ALAT TANGKAP GILLNET

USAHA PENANGKAPAN IKAN PELAGIS DENGAN ALAT TANGKAP GILLNET P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) P E N A N G K A P A N I K A N P E L A G I S D E N G A N A L A T T A N G K A P G I L L N E T P O L A P E M B I A Y A A N U S A H A K E C I L (

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

TUGAS AKHIR PERENCANAAN PERBAIKAN KALI BABON KOTA SEMARANG

TUGAS AKHIR PERENCANAAN PERBAIKAN KALI BABON KOTA SEMARANG PENDAHULUAN 1 BAB I PENDAHULUAN 1.1 Latar Belakang Semarang dibagi menjadi dua wilayah administratif yaitu wilayah Kota Semarang dan wilayah Kabupaten Semarang. Di Kota Semarang mengalir beberapa sungai

Lebih terperinci

DAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW

DAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW Lampiran 1 : Daftar Penilaian Pelaksanaan Pekerjaan Pegawai Non Akademik - UKSW DAFTAR PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NON AKADEMIK UKSW Waktu Penilaian : YANG DINILAI a. Nama b. NIP c. Pangkat,

Lebih terperinci

Untuk mentukan titik tetap dari persamaan (3.1) maka persamaan tersebut dibuat sama dengan nol, yaitu dt 0. seperti dalam persamaan berikut dt dt dt

Untuk mentukan titik tetap dari persamaan (3.1) maka persamaan tersebut dibuat sama dengan nol, yaitu dt 0. seperti dalam persamaan berikut dt dt dt LAMIRA 4 5 Lamra eetua t eta ar eramaa 3. Utu metua tt teta ar eramaa 3. maa eramaa tereut uat ama ega ol yatu a ee alam eramaa erut t t t..................3 Dar eramaa aa eroleh la eaga erut t Dar eramaa

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

ANALISIS PENAMPANG KOLOM

ANALISIS PENAMPANG KOLOM ANALISIS PENAMPANG KOLOM ε 0,85 f e Pu Puat plati Pn = Pu/ф Mn = Pn. e k k h e Pn ε a=β1. εu =0.003 Seperti halna paa alok, analii kolom eraarkan prinip-prinip eagai erikut : 1. Kekuatan unur haru iaarkan

Lebih terperinci

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor

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

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

SURVEI INDUSTRI MIKRO DAN KECIL TAHUN 2013

SURVEI INDUSTRI MIKRO DAN KECIL TAHUN 2013 REPUBLIK INDONEIA URVEI INDUTRI MIKRO DAN KECIL TAHUN 2013 PENDATARAN PERUAHAAN/UAHA INDUTRI MIKRO DAN KECIL BADAN PUAT TATITIK VIMK13-L1 BLOK I. KETERANGAN TEMPAT 1. PROVINI 2. KABUPATEN/KOTA *) 3. KECAMATAN

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Tetapi apabila n < 5% N maka digunakan :

Tetapi apabila n < 5% N maka digunakan : Jei- jei pedugaa Iterval:. Pedugaa Parameter dega ampel bear (>30) a. Pedugaa terhadap parameter rata-rata Diketahui; z Maka; Z Z Tetapi apabila tadard deviai populai tidak diketahui, maka diguaka tadar

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

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

Prosiding SPMIPA; pp: 1-9; 2006 ISBN:

Prosiding SPMIPA; pp: 1-9; 2006 ISBN: Posidig SPMIP; pp -9; 6 ISN 9797447 RESI ORE PLN N PENGENLI ENGN MENGGNN MEOE PEMOONGN SEIMNG bdul Wachid Widowai Juusa Mamaia FMIP NIP Smaag Jl Pof Sodao S mbalag Smaag 575 bsa Maalah ii mgmuaa mod pmooga

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA Dlta-P: Jural Matmatka da Pddka Matmatka ISSN 89-855X Vol., No., Oktobr 3 ALJABAR LINTASAN LAVITT SDRHANA Ida Kura Walyat Program Stud Pddka Matmatka FKIP Urstas Kharu, Trat mal: adhku@gmal.com ABSTRAK

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

STATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1)

STATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1) STATISTICS Cofidece Iterval (Retag Keyakia) Cofidece Iterval () Etimai Parameter Ditribui abilita memiliki ejumlah parameter. Parameter-parameter tb umumya tak diketahui. Nilai parameter terebut diperkiraka

Lebih terperinci

ANALISIS KARAKTERISTIK BEBAN

ANALISIS KARAKTERISTIK BEBAN EECTRANS Vol. I No. Sptmb : 9 5 ANAISIS ARATERISTI BEBAN NO OTOR INDUSI ROTOR SANGAR SAAT PENGASUTAN ENGGUNAAN TOOBOX POWER SYSTE BOCSET PROGRA SIUASI ATAB SIUIN Tama Sucta an l Alhapp ABSTRAS : oto nuk

Lebih terperinci

Q = 0.2785 x C x D 2,63 x S 0.54 Q = 0.2785 x C x D 2,63 x ( H/ L) 0.54 10 6 Q = 0.2785 x 120 x (79.2) 2,63 x ( (40/3.500)x100) 0.54 10 6 D = [ 3.59 x 10 6 x Q ] 0.38 C x S 0.54 Q = 0.2785 x C x D 2,63

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

1. Diberikan fungsi permintaan dan penawaran sebuah barang, Q 25 2Q

1. Diberikan fungsi permintaan dan penawaran sebuah barang, Q 25 2Q Matmatika Ekonomi I Jawaban Tuga I Matmatika Ekonomi I. Dibrikan fungi prmintaan an pnawaran buah barang, 0 ngan,, an brturut-turut aalah harga (alam rupiah), kuantita (jumlah) prmintaan an kuantita pnawaran.

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

ANALISIS KEDINAMIKAN SISTEM PADA MASALAH PENJADWALAN FLOW SHOP MENGGUNAKAN ALJABAR MAX-PLUS

ANALISIS KEDINAMIKAN SISTEM PADA MASALAH PENJADWALAN FLOW SHOP MENGGUNAKAN ALJABAR MAX-PLUS Smar Nasoal atmata IV Isttut Tolog Spuluh Nopmbr, Surabaya, 3 Dsmbr 008 ANALISIS KEDINAIKAN SISTE PADA ASALAH PENADWALAN FLOW SHOP ENGGUNAKAN ALABAR AX-PLUS Nur Shofaah, Suboo, urusa atmata FIPA Isttut

Lebih terperinci

0 u, Au gu uu g h hw yu yu gg hgg g u h h,,, j o hgg hw g 3 03 Ay, 97 Ey, Gch c h, u, h g u u o gu j, ghu, oh gug, uu,, g D huu, h Sc u g o o hoogf, g

0 u, Au gu uu g h hw yu yu gg hgg g u h h,,, j o hgg hw g 3 03 Ay, 97 Ey, Gch c h, u, h g u u o gu j, ghu, oh gug, uu,, g D huu, h Sc u g o o hoogf, g B AB II K AJIAN TEORITIS DAN HIPOTESIS Kj To P Pg A y 03 3 K h u c hfh gh,, g h g g Ih h g g oog h gg ogo h o u By og g, Ao Toog Kou P Aoco of Euco couco T choog/aect, g g u u gu og yu /fo Gg, 970 S,,

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci