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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila kputusa suatu sistm atria. A. Dfiisi da Usur-usur Dasar Modl Atria Dfiisi Sistm Atria. Sistm atria adalah himpua plagga, playa, da suatu atura yag mgatur kdataga para plagga da playaaya. Sistm atria mrupaka pross klahira-kmatia dga suatu populasi yag trdiri atas para plagga yag sdag muggu playaa atau yag sdag dilayai. Klahira trjadi jika sorag plagga mmasuki fasilitas playaa, sdagka kmatia trjadi jika plagga miggalka fasilitas playaa trsbut. Kadaa sistm adalah jumlah plagga dalam suatu fasilitas playaa. Pross atria adalah suatu pross yag brhubuga dga kdataga plagga k suatu sistm atria, kmudia muggu dalam atria higga playa mmilih plagga ssuai dga disipli playaa, da akhirya plagga miggalka sistm atria stlah slsai playaa. Sistm Atria Sumbr pmaggila Plagga Atria Playaa Playaa slsai Gambar Pross atria pada suatu sistm atria Usur-usur Dasar Modl Atria Suatu sistm atria brgatug pada tujuh faktor yaitu :. Pola Kdataga adalah bayakya kdataga plagga slama priod waktu trttu. Plagga dapat datag sara idividu maupu klompok. Namu, jika tidak disbutka sara khusus maka kdataga trjadi sara idividu. Kdataga dapat bragam pada suatu priod waktu trttu, amu dapat juga brsifat aak di maa kdataga plagga tidak brgatug pada waktu. Jika kdataga brsifat aak maka prlu dittuka distribusi probabilitas waktu atar kdatagaya. Pola kdataga dapat diirika olh distribusi probabilitas waktu atar kdataga atau probabilitas jumlah plagga yag datag pada sistm atria. Waktu atar kdataga adalah waktu atara dua kdataga yag bruruta pada suatu fasilitas playaa.. Pola Kprgia adalah bayakya kprgia plagga slama priod waktu trttu. Pola kprgia biasaya diirika olh waktu playaa, yaitu waktu yag dibutuhka olh sorag playa utuk mlayai sorag plagga. Waktu playaa dapat brsifat dtrmiistik atau brupa suatu variabl aak dga distribusi pluag trttu. 3. Raaga Saraa Playaa atau dsai saraa playaa brkaita rat dga btuk barisa atria da playaa pada suatu sistm atria. Sbuah saraa playaa mmpuyai jumlah salura (hal) da jumlah tahap (phas) playaa trttu. Salura (hal) adalah jumlah playa yag dapat mmbrika playaa kpada plagga pada waktu yag brsamaa, sdagka tahap (phas) adalah jumlah trmial-trmial playaa yag harus dilalui olh plagga sblum playaa diyataka lgkap atau slsai. Raaga saraa playaa trdiri atas mpat maam yag diuraika sbagai brikut.. Satu salura satu tahap (sigl hal sigl phas), artiya saraa playaa mmiliki satu playa da playaa kpada plagga dislsaika dalam satu kali pross playaa. Plagga masuk Playaa (jis ) Plagga Kluar Atria Gambar Dsai saraa playaa satu salura satu tahap 7

2 8. Bayak salura satu tahap (multihal sigl phas), artiya saraa playaa mmiliki lbih dari satu playa da playaa kpada plagga dislsaika dalam satu kali pross playaa. Dsai ii disbut juga dsai playaa parall. Plagga masuk Playaa (jis,omor ) Plagga Kluar Atria Playaa (jis,omor ) Gambar 3 Dsai saraa playaa bayak salura satu tahap 3. Satu salura bayak tahap (sigl hal multiphas), artiya saraa playaa mmiliki satu playa da playaa kpada plagga blum trslsaika haya dalam satu kali pross playaa. Dsai ii disbut juga dsai playaa sri atau tadm. Plagga masuk Atria Playaa (jis ) Playaa (jis ) Gambar 4 Dsai saraa playaa satu salura bayak tahap Plagga Kluar 4. Bayak salura bayak tahap (multihal multiphas), artiya saraa playaa mmiliki lbih dari satu playa da playaa kpada plagga blum trslsaika haya dalam satu kali pross playaa. Dsai ii disbut juga dsai playaa jariga atau atria twork. Plagga masuk Playaa (jis,omor ) Playaa (jis,omor ) Plagga Kluar Atria Playaa (jis,omor ) Playaa (jis,omor ) Gambar 5 Dsai saraa playaa bayak salura bayak tahap 4. Disipli Playaa adalah kbijaka yag mgatur ara mmilih plagga yag aka dilayai dari suatu atria. Disipli playaa yag biasa ditrapka dalam khidupa shari-hari yaki sbagai brikut:. First Com First Srvd (FCFS) atau First I First Out (FIFO), artiya playaa didahuluka kpada plagga yag lbih awal datag atau mmpuyai omor atria lbih kil.. Last Com First Srvd (LCFS), artiya playaa didahuluka kpada plagga yag lbih akhir datag. 3. Srvi I Radom Ordr (SIRO), artiya playaa dilakuka kpada plagga dga pmiliha sara aak. Atria prioritas (priority quu), artiya playaa dibrika kpada plagga yag mmpuyai kptiga atau prioritas yag sagat tiggi. Trdapat dua maam pratura dalam atria prioritas yaitu disipli prmtif (prmtiv disipli) yag ditulis PRD da disipli o-prmtif (o-prmtiv disipli) yag ditulis NPD. Disipli prmtif brlaku ktika plagga dga prioritas lbih tiggi mmasuki sistm maka plagga trsbut lagsug dapat dilayai mskipu plagga yag mmpuyai prioritas yag lbih rdah brada dalam pross playaa. Disipli o-prmtif brlaku ktika plagga dga prioritas lbih tiggi mmasuki sistm, baru aka dilayai stlah sbuah playaa yag sdag brlagsug trslsaika. 5. Kapasitas Sistm adalah jumlah maksimum plagga, baik plagga yag sdag brada dalam playaa maupu dalam atria, yag dapat ditampug olh fasilitas playaa pada saat yag sama. Suatu sistm atria yag tidak mmbatasi jumlah plagga dalam fasilitas playaaya disbut sistm brkapasitas tak brhigga, sdagka suatu sistm yag mmbatasi jumlah plagga dalam fasilitas playaaya disbut sistm brkapasitas brhigga. 6. Ukura Sumbr Pmaggila adalah bayakya populasi yag mmbutuhka playaa dalam suatu sistm atria. Ukura sumbr pmaggila dapat trbatas maupu tak trbatas. Sumbr pmaggila trbatas trjadi ktika bayakya plagga dalam sistm mmpgaruhi laju kdataga plagga baru. 7. Prilaku Mausia mrupaka prilaku-prilaku yag mmpgaruhi suatu sistm atria ktika mausia mmpuyai pra dalam sistm sbagai playa atau plagga. Playa yag brupa mausia dapat bkrja pat maupu lambat ssuai dga kmampuaya shigga mmpgaruhi lamaya waktu

3 9 tuggu. Slai itu, playa juga dapat mmprpat laju playaa ktika trjadi atria yag sagat pajag. Jika trdapat dua atau lbih jalur atria maka plagga yag brupa mausia dapat brpidah dari jalur yag satu k jalur yag lai, yag dikal dga istilah joky habit. Jika plagga mlihat atria yag trlalu pajag ktika aka mmasuki sistm maka plagga yag sabar ttap mmasuki sistm da brgabug dga atria. Namu dmikia, plagga yag tidak sabar dapat molak utuk mmasuki sistm atria (balkig). Plagga yag sudah brada dalam sistm atria, yag buka mrupaka atria lagsug, dapat miggalka barisa atria utuk smtara waktu, bahka dapat mmbatalka atria (rgig) kara barisa masih trlalu pajag. Prilaku-prilaku mausia trsbut, baik prilaku plagga maupu playa, diasumsika tidak trjadi dalam suatu sistm atria jika tidak disbutka sara khusus. B. Notasi Atria Notasi baku utuk mmodlka suatu sistm atria prtama kali dikmukaka olh D. G. Kdall dalam btuk a / b /, da dikal sbagai otasi Kdall. Namu, A. M. L mambahka simbol d da shigga mjadi a / b / / d / yag disbut otasi Kdall-L. Notasi Kdall-L trsbut prlu ditambah dga simbol f. Shigga, karaktristik suatu atria dapat diotasika dalam format baku (a / b / ) : ( d / / f ). Notasi a sampai f brturut-turut myataka distribusi waktu atar kdataga, distribusi waktu playaa, jumlah hal playaa, disipli playaa, kapasitas sistm, da ukura sumbr pmaggila. Notasi a sampai f dapat digati dga simbol-simbol yag disajika dalam Tabl. Tabl Simbol-simbol pggati otasi a sampai f pada otasi Kdall-L Notasi Simbol Ktraga a da b M Markov, kdataga atau kprgia brdistribusi Poisso (waktu atar kdataga atau waktu playaa brdistribusi ksposial) D Dtrmiistik, waktu atar kdataga atau waktu playaa kosta atau dtrmiistik E k Erlag, waktu atar kdataga atau waktu playaa brdistribusi Erlag GI Gral Idpdt, distribusi idpd umum dari kdataga atau waktu atar kdataga G Gral, distribusi umum dari kprgia atau waktu playaa d FCFS/FIFO First Com First Srvd/First I First Out LCFS Last Com First Srvd SIRO Srvi I Radom Ordr GD Gral Disipli NPD No-prmtiv disipli PRD Prmtiv disipli,, da f,,..., C. Pross Kdataga da Kprgia Pross kdataga da kprgia dalam suatu sistm atria mrupaka pross klahira da kmatia (birth-dath prosss). Klahira trjadi jika sorag plagga mmasuki sistm atria da kmatia trjadi jika plagga miggalka sistm atria trsbut. Pross klahira da kmatia mrupaka pross pjumlaha dalam suatu sistm di maa kadaa sistm slalu mghasilka bilaga bulat tak gatif. Kadaa sistm pada saat t didfiisika sbagai slisih atara bayakya klahira (kdataga) da kmatia (kprgia) pada saat t, diotasika dga N(t), yaitu bayakya plagga yag brada dalam sistm pada saat t. Misal, bayakya kdataga plagga pada saat t diotasika dga X(t) da bayakya kprgia pada saat t diotasika dga Y(t), maka bayakya plagga yag brada dalam sistm pada saat t adalah N(t) X(t) Y(t). Sdagka pluag trdapat plagga dalam sistm atria pada saat t diotasika dga P(N(t) ) atau P (t). Pross kdataga da kprgia dalam suatu atria mmiliki asumsi-asumsi sbagai brikut.. Pluag trjadi satu kdataga pada itrval waktu [t, t + Δt] ditulis P[ X ( t t) X ( t) ] t o( t), dga : bayakya plagga dalam sistm atria λ : laju kdataga tiap satua waktu jika trdapat plagga dalam sistm Δt : pajag itrval waktu o( t) o(δt): suatu fugsi yag mmuhi lim. t ( t)

4 . Pluag tidak trjadi kdataga pada itrval waktu [t, t + Δt] ditulis P[ X ( t t) X ( t) ] λ Δt + o(δt). 3. Pluag trjadi satu kprgia pada itrval waktu [t, t + Δt] ditulis P[ Y( t t) Y( t) ] µ Δt + o(δt), dga µ : laju kprgia tiap satua waktu jika trdapat plagga dalam sistm. 4. Pluag tidak trjadi kprgia pada itrval waktu [t, t + Δt] ditulis P[ Y( t t) Y( t) ] µ Δt + o(δt). 5. Pluag trjadi lbih dari satu kdataga da kprgia pada itrval waktu [t, t + Δt] adalah o(δt). 6. Kdataga da kprgia mrupaka kjadia-kjadia yag salig bbas. Brdasarka Asumsi 6, kdataga da kprgia mrupaka kjadia-kjadia yag salig bbas, shigga kjadia yag trjadi pada itrval waktu trttu tidak mmpgaruhi kjadia pada itrval waktu sblumya atau kjadia pada itrval waktu stlahya. Pross kdataga da kprgia dalam suatu sistm atria dapat ditujukka pada Gambar µ µ µ µ + Gambar 6 Pross kdataga da kprgia pada sistm atria Brdasarka Gambar 6, jika trdapat ( > ) plagga dalam sistm pada waktu (t + Δt) maka kjadiakjadia salig asig yag mugki trjadi dapat ditujukka pada Tabl. Tabl Bayakya plagga saat t, bayakya kdataga slama Δt, da bayakya kprgia slama Δt utuk tiga kjadia jika N(t +Δt) ( > ) Kjadia N(t) X(t + Δt) X(t) Y(t + Δt) Y(t) I II + III - Ktraga: N(t) : bayakya plagga dalam sistm pada saat t N(t +Δt) : bayakya plagga dalam sistm pada saat t + Δt X(t + Δt) X(t) : bayakya kdataga plagga slama Δt Y(t + Δt) Y(t) : bayakya kprgia plagga slama Δt Slai tiga kjadia yag ditujukka pada Tabl, trdapat kjadia (IV) yaitu kadaa sistm pada saat t kurag dari ( ) atau lbih dari ( + ) srta jumlah kdataga da kprgia lbih bsar dari. Namu murut Asumsi 5, pluag kjadia ii brilai o(δt). Murut Asumsi 6, kdataga da kprgia mrupaka kjadia-kjadia yag salig bbas, shigga pluag dari masig-masig kjadia trsbut adalah sbagai brikut. P(Kjadia I) P((N(t) ) ( X ( t t) X ( t) ) ( Y( t t) Y( t) )) ( λ Δt + o(δt)) ( µ Δt + o(δt)) P(N(t) ) ( (λ + µ )Δt + o(δt)) P (t) P(Kjadia II) P(( N( t) ) ( X( t t) X ( t) ) ( Y( t t) Yt ( ) )) ( λ + Δt + o(δt)) (µ + Δt + o(δt)) P( N( t) ) (µ + Δt + o(δt)) P + (t) P(Kjadia III) P(( N( t) ) ( X( t t) X ( t) ) ( Y( t t) Yt ( ) )) (λ Δt + o(δt)) ( µ Δt + o(δt)) P(( N( t) ) (λ Δt + o(δt)) P (t) P(Kjadia IV) o(δt) (Ssuai Asumsi 5) Slajutya aka dibahas ttag pluag trdapat ( > ) plagga dalam sistm pada waktu (t + Δt). Pluag trdapat ( > ) plagga dalam sistm pada waktu (t + Δt) dapat diprolh dga mjumlahka kmpat kjadia salig asig di atas, shigga diprolh

5 P (t + Δt) P(Kjadia I) + P(Kjadia II) + P(Kjadia III) + P(Kjadia IV) ( (λ + µ )Δt + o(δt)) P (t) + (µ + Δt + o(δt)) P + (t) + (λ Δt + o(δt)) P (t) + o(δt) P (t) λ Δt P (t) µ Δt P (t) + µ + Δt P + (t) + λ Δt P (t) + o(δt) () Slajutya masig-masig ruas pada Prsamaa () dikuragi P (t) da dibagi Δt shigga diprolh P( t t) P( t) o( t) λ P (t) µ P (t) + µ + P + (t) + λ P (t) + t t o( t) λ P (t) (λ + µ ) P (t) + µ + P + (t) + t Kmudia dihitug ilai limit dari masig-masig ruas utuk t, shigga mjadi P ( t t) P ( t) o( t) lim lim P ( t) ( ) P ( t) P ( t) t t t t dp( t) λ P (t) (λ + µ ) P (t) + µ + P + (t) () dp Prsamaa () haya brlaku utuk >, maka dga ara yag sama, aka dittuka ( t). Brdasarka Gambar 6, jika trdapat plagga dalam sistm pada waktu (t + Δt) maka kjadiakjadia salig asig yag mugki trjadi ditujukka pada Tabl 3. Tabl 3 Bayakya plagga saat t, bayakya kdataga slama Δt, da bayakya kprgia slama Δt utuk dua kjadia jika N(t +Δt) Kjadia N(t) X(t + Δt) X(t) Y(t + Δt) Y(t) I II Ktraga: N(t) : bayakya plagga di dalam sistm pada saat t N(t +Δt) : bayakya plagga di dalam sistm pada saat t + Δt X(t + Δt) X(t) : bayakya kdataga plagga slama Δt Y(t + Δt) Y(t) : bayakya kprgia plagga slama Δt Slai dua kjadia yag ditujukka pada Tabl 3, trdapat kjadia (III) yaitu kadaa sistm pada saat t lbih dari satu srta jumlah kdataga da kprgia juga lbih bsar dari satu. Namu murut Asumsi 5, pluag kjadia ii brilai o(δt). Pluag dari masig-masig kjadia trsbut adalah sbagai brikut. P(Kjadia I) P((N(t) ) (X(t + Δt X(t) ) (Y(t + Δt) Y(t) ) ( λ Δt + o(δt)) () P((N(t) ) ( λ Δt + o(δt)) P (t) P(Kjadia II) P((N(t) ) (X(t + Δt X(t) ) (Y(t + Δt) Y(t) ) ( λ Δt + o(δt)) (µ Δt + o(δt)) P((N(t) ) (µ Δt + o(δt)) P (t) P(Kjadia III) o(δt) (Ssuai Asumsi 5) Pluag trdapat plagga dalam sistm pada waktu (t + Δt) dapat diprolh dga mjumlahka ktiga kjadia salig asig di atas sbagai brikut. P (t + Δt) P(Kjadia I) + P(Kjadia II) + P(Kjadia III) ( λ Δt + o(δt)) P (t) + (µ Δt + o(δt)) P (t) + o(δt) P (t) λ Δt P (t) + µ Δt P (t) + o(δt) (3) Slajutya, masig-masig ruas pada Prsamaa (3) dikuragi P (t) da dibagi Δt srta dihitug ilai limitya utuk Δt, shigga P( t t) P( t) o( t) λ P (t) + µ P (t) + t t P( t t) P( t) o( t) lim lim P ( t) P ( t) t t t t dp( t) λ P (t) + µ P (t) (4)

6 D. Distribusi Kdataga Distribusi kdataga brhubuga dga pluag trdapat kdataga palagga dalam suatu sistm atria pada itrval waktu trttu. Kdataga yag dimaksud dalam pmbahasa ii adalah kdataga muri, yaitu kdataga tapa disrtai kprgia, maka laju kprgia µ,. Diasumsika bahwa laju kdataga tidak trgatug pada bayakya plagga yag brada dalam sistm, shigga λ λ,. Pluag trdapat ( ) kdataga pada waktu t dapat diprolh dga msubstitusika µ da λ λ k Prsamaa () da Prsamaa (4) sbagai brikut. dp( t) P() t (5) dp( t) P ( ) ( ), t P t (6) Prsamaa (5) dapat diyataka sbagai prsamaa diffrsial liar ord I dga P(x) λ da Q(x). Maka, pylsaiaya adalah P (t) λt. Diasumsika bahwa pross klahira muri dimulai (t ) pada saat sistm mmiliki ol plagga ( ), maka pluag trdapat ol plagga dalam sistm pada saat t (ditulis P ()) yaki. Jika > maka P (). Hal ii dapat dituliska sbagai brikut., P () (7), Dga dmikia, P () λ, da diprolh ilai. Olh kara itu, didapatka P (t) λt (8) Prsamaa (6) dapat diyataka sbagai prsamaa diffrsial liar ord I dga P(x) λ da Q(x) λp (t). Shigga pylsaiaya adalah P (t) P () t t t P () t Utuk ilai diprolh t t t P (t) P () t (9) Prsamaa (8) disubstitusika k Prsamaa (9) maka didapatka t t t t P (t) λt + λt λt () Brdasarka Prsamaa (7), didapatka P () λ + λ.. λ Shigga diprolh ilai. Kara ilai, maka Prsamaa () mjadi P (t) λt λt () t t t Utuk ilai, maka P (t) P () t () Prsamaa () disubstitusika k Prsamaa () mjadi P (t) t t t t t t t t t. (.). ( t) t (3) Brdasarka Prsamaa (7), diprolh P (). Shigga diprolh ilai. ( t) t Kara, maka Prsamaa (3) mjadi P (t) (4) Dga iduksi matmatika, dapat dibuktika bahwa pylsaia umum dari Prsamaa (5) da Prsamaa (6) adalah sbagai brikut. P (t) ( t ) t (5)! Lagkah-lagkah pmbuktiaya sbagai brikut.. Prsamaa () yaitu P (t) λt λt mmbuktika bahwa Prsamaa (5) mrupaka pylsaia Prsamaa (6) utuk.. Diasumsika Prsamaa (5) mrupaka pylsaia Prsamaa (6) utuk k, maka P k (t) k ( t) t. k! 3. Aka dibuktika bahwa Prsamaa (5) mrupaka pylsaia Prsamaa (6) utuk k +. dpk Prsamaa (6) dga k + adalah ( t) Pk( t) Pk ( t) (6) Asumsi disubstitusika k Prsamaa (6) shigga mjadi k dpk ( t) k t t P! () k t (7) k

7 Prsamaa (7) mrupaka prsamaa diffrsial liar ord I dga P(x) λ da Q(x) shigga pylsaiaya adalah k k k t t P k + (t) t t k t t t k! k! k k t t k t t ( t) t ( k )! ( k )! Brdasarka (7), maka P k + () (.) ( k )! k... Diprolh ilai. ( ) Kara, maka (8) mjadi P k + (t) k t t ( k )! Prsamaa (9) mrupaka pylsaia (6) utuk k + da mmuhi (5). t k! 3 k k t, Jadi, P (t) ( t ) t mrupaka solusi umum dari Prsamaa (5) da Prsamaa (6). Dga dmikia,! dapat disimpulka bahwa kdataga plagga brdistribusi Poisso. Torma. Jika kdataga plagga brdistribusi Poisso maka waktu atar kdataga plagga brdistribusi ksposial. Bukti: Brdasarka uraia di dpa, kdataga plagga brdistribusi Poisso. Misal, T ( > ) adalah waktu atara ( ) kdataga sampai kdataga. Barisa {T,, 3, 4,...} mrupaka barisa waktu atar kdataga yag salig asig da salig bbas. Ambil T yag mrupaka waktu atara sistm atria kosog ( ) da kdataga prtama. Aka ditujukka bahwa T brdistribusi ksposial. Ambil t < T, maka bayakya kdataga pada waktu t adalah ol, artiya P (T > t) P(tidak ada kdataga slama waktu t) P (t) () Brdasarka Prsamaa (8), P (t) -λt dga λ myataka laju kdataga rata-rata, maka fugsi distribusi kumulatif dari T dga t adalah F(t) P(T t) P(T > t) P (t) -λt () Brdasarka Dfiisi 6, Prsamaa () mrupaka fugsi distribusi kumulatif dari distribusi ksposial t, t yag sara umum ditulis F(t)., t df() t t Shigga fugsi dsitas pluag dari T utuk t adalah f(t) () Brdasarka Dfiisi 5, T mrupaka pubah aak yag brdistribusi ksposial dga paramtr λ. Ssuai dga asumsi bahwa barisa waktu atar kdataga pada sistm atria adalah salig bbas, maka pmbuktia di atas juga brlaku utuk {T }, >. Jadi, trbukti bahwa waktu atar kdataga brdistribusi ksposial. E. Distribusi Kprgia Distribusi kprgia brhubuga dga pluag trdapat kprgia palagga dalam suatu sistm atria pada itrval waktu trttu. Kprgia yag dimaksud dalam pmbahasa ii adalah kprgia muri, yaitu kprgia yag tapa disrtai kdataga, shigga laju kdataga λ,. Diasumsika bahwa laju kprgia tidak trgatug pada bayakya plagga yag brada dalam sistm, shigga µ µ,. Pluag trdapat ( ) kprgia slama waktu t dapat diprolh dga msubstitusika λ da µ µ k Prsamaa () da Prsamaa (4) sbagai brikut. dp( t) P( t) P ( t), (3) P ( t), Jika jumlah plagga dalam sistm atria slama t adalah sbayak N, maka P + (t), N. dp Shigga utuk N brlaku ( t) -µp (t) (4) dp Sdagka utuk < < N brlaku ( t) -µp (t) + µp + (t) (5) Brdasarka Dfiisi 9, maka Prsamaa (4) da Prsamaa (5) mrupaka btuk prsamaa diffrsial liar ord I. Pylsaia Prsamaa (4) adalah P (t) -µt, N (6) (8) (9)

8 4 Diasumsika bahwa pross kmatia muri dimulai (t ) pada saat sistm mmiliki N plagga dalam sistm, maka pluag trdapat N plagga dalam sistm pada kodisi awal (t ) diotasika dga P(N() N) P N () adalah. Jika < N maka P (). Hal ii dapat dituliska sbagai brikut., N P () (7), N Dga dmikia, P N () -µ., da diprolh ilai. Olh kara itu, P N (t) -µt (8) Pylsaia Prsamaa (5) adalah P (t) -µt + µ -µt t P () t, < < N (9) Utuk N, maka P N (t) -µt + µ -µt t P N () t (3) Prsamaa (8) disubstitusika k Prsamaa (3) shigga P N (t) -µt + µ -µt t t -µt + µt -µt (3) Ssuai dga Prsamaa (7), maka P N () -µ. + µ.. -µ.. Shigga, diprolh ilai. Kara, maka Prsamaa (3) mjadi P N (t) µt -µt (3) Utuk ilai N, maka P N (t) -µt + µ -µt t P () N t (33) Prsamaa (3) disubstitusika k Prsamaa (33) shigga P N (t) -µt + µ -µt t t t -µt + µ -µt t -µt ( t) t + (34) Ssuai dga Prsamaa (7), maka P N () -µ. (.). +. Shigga, diprolh ilai. ( t) t Kara, maka Prsamaa (34) mjadi P N (t) (35) Sama sprti halya distribusi kdataga, dapat dibuktika dga iduksi matmatika bahwa pylsaia umum dari P (t) yag mrupaka probabilitas trdapat kprgia plagga slama waktu t adalah sbagai brikut. P (t) ( ) t t, N (36)! Olh kara itu, dapat disimpulka bahwa kprgia plagga brdistribusi Poisso. Torma 3. Jika kprgia plagga brdistribusi Poisso maka waktu playaa plagga brdistribusi ksposial. Bukti: Brdasarka uraia di atas, kprgia plagga brdistribusi Poisso. Misal, kadaa awal suatu sistm atria sbayak N plagga. Misalka T ( > ) adalah waktu playaa kpada plagga k-, shigga barisa {T }, > mrupaka barisa dari waktu playaa yag salig asig da salig bbas. Ambil T yag mrupaka waktu playaa kpada plagga prtama. Aka ditujukka bahwa T brdistribusi ksposial. Jika t < T maka bayakya playaa pada waktu t adalah ol, artiya P (T > t) P (tidak ada playaa slama waktu t) P N (t) (37) Brdasarka Prsamaa (8), P N (t) -µt dga µ myataka laju playaa rata-rata, maka fugsi distribusi kumulatif dari T dga t adalah F(t) P(T t) P(T > t) P N (t) -µt (38) Brdasarka Dfiisi 6, Prsamaa (38) mrupaka fugsi distribusi kumulatif dari distribusi ksposial. Shigga fugsi dsitas pluag dari T utuk t adalah df() t f(t) µ -µt (39) Brdasarka Dfiisi 5, T mrupaka pubah aak yag brdistribusi ksposial dga paramtr µ. Ssuai dga asumsi bahwa barisa waktu playaa pada sistm atria adalah salig bbas, maka pmbuktia di atas juga brlaku utuk {T }, >. Jadi, trbukti bahwa waktu playaa brdistribusi ksposial. F. Pross Kdataga da Kprgia Stady Stat Kodisi stady stat yaitu kadaa sistm yag tidak trgatug pada kadaa awal maupu waktu yag tlah dilalui. Jika suatu sistm atria tlah mapai kodisi stady stat maka pluag trdapat plagga dp dalam sistm pada waktu t (P (t)) tidak trgatug pada waktu. Kodisi stady stat trjadi ktika ( t) da lim P ( t) P, shigga P (t) P utuk smua t, artiya P tidak trgatug pada waktu. t

9 5 Pross kdataga da kprgia pada Subbab sblumya mghasilka Prsamaa () da Prsamaa (4). Dalam kodisi stady stat, Prsamaa () da Prsamaa (4) disubstitusika dga dp( t) da P (t) P, shigga diprolh ( ) P ( ) P P, P P P, atau P P, P P (4) ( ) Utuk, maka P P P (4) Slajutya Prsamaa (4) dga disubstitusika k Prsamaa (4), shigga diprolh ( ) P P P P P P (4) ( ) Utuk, maka P3 P P 3 3 (43) Jika Prsamaa (4) da Prsamaa (4) dga disubstitusika k Prsamaa (43), diprolh P3 P P P P P (44) Aka dibuktika mgguaka iduksi matmatika bahwa pluag trdapat plagga dalam kadaa stady stat P (t) adalah sbagai brikut.... i P P P... i i (45) Lagkah-lagkah pmbuktia dari Prsamaa (45) adalah sbagai brikut.. Tlah dibuktika pada Prsamaa (4) bahwa Prsamaa (45) brlaku utuk. kk.... Diasumsika bahwa utuk k, maka P k + P. k k Aka dibuktika bahwa Prsamaa (45) brlaku utuk k +. Brdasarka Prsamaa (4), utuk k + maka ( k k ) k ( k k ) kk... k k k... P k + Pk Pk P P k k k k k... k kk... k k k... k kk... kk k... k k k... P P P kk k... kkk... k k k... Trbukti Prsamaa (45) brlaku utuk k +. Jadi, Prsamaa (45) myataka pluag trdapat plagga dalam kadaa stady stat (P ), >. Slajutya aka diari P yag mrupaka pluag stady stat trdapat ol plagga dalam suatu sistm atria. Brdasarka Dfiisi, P(S), dga S adalah jumlah total suatu pluag. Dapat ditulis... shigga P P P... Dga dmikia, diprolh P Jadi, probabilitas trdapat plagga dalam kadaa stady stat (P ), > adalah... i P P P dga P... i i G. Modl Atria ( M / M / ) : ( FCFS / / ) P, Modl Atria ( M / M / ) : ( FCFS / / ) mrupaka salah satu modl atria yag potasiaya brdasarka pada otasi Kdall-L. Pada modl atria ii, M myataka kdataga da kprgia brdistribusi Poisso, kuival dga waktu atar kdataga da waktu playaa brdistribusi (46) (47)

10 6 ksposial, myataka jumlah hal playaa, disipli playaa FCFS, kapasitas sistm tak trbatas, da ukura sumbr pmaggila tak trbatas. Modl atria ( M / M / ) : ( FCFS / / ) mmpuyai kdataga brdistribusi Poisso da waktu playaa brdistribusi ksposial. Olh kara itu, pross dalam sistm ii ssuai dga pross klahira da kmatia (birth dath prosss) yag tlah dibahas pada Subbab sblumya. Shigga λ λ,, artiya laju kdataga slalu kosta da tidak trgatug pada bayakya plagga yag brada dalam sistm. Jumlah hal playaa pada sistm atria ( M / M / ) : ( FCFS / / ) adalah playa. Jika jumlah plagga yag brada dalam sistm adalah ( ) maka sbayak playa brada dalam kodisi sibuk dga laju playaa pr playa adalah μ. Shigga laju playaa rata-rata sluruh playa μ T μ. Namu, jika jumlah plagga yag brada dalam sistm adalah sbayak ( ) maka sbayak ( ) playa brada dalam kodisi sibuk. Shigga laju playaa rata-rata sluruh playa adalah μ T μ. Sara umum dapat ditulis sbagai brikut. λ λ, (48), T (49), Brdasarka Prsamaa (48) da Prsamaa (49), pross kdataga da kprgia pada modl atria ( M / M / ) : ( FCFS / / ) dapat disajika pada Gambar µ µ µ µ Gambar 7 Pross kdataga da kprgia pada modl ( M / M / ) : ( FCFS / / ) Probabilitas trdapat plagga dalam sistm atria sdrhaa pada kadaa stady stat mghasilka Prsamaa (45) da Prsamaa (46). Pada modl atria ( M / M / ) : ( FCFS / / ), probabilitas stady stat trdapat, > plagga dapat diprolh dga msubstitusika Prsamaa (48) da Prsamaa.49) k Prsamaa (45), maka Utuk <, diprolh... P P i P P... P i i! i utuk, diprolh P P P i i T P sbayak ( ) T! P yag mrupaka probabilitas trdapat ol plagga dalam kadaa stady stat dapat diprolh dga msubstitusika Prsamaa (48) da Prsamaa (49) k Prsamaa (46). P......!! Misal,, maka P !! Brdasarka Dfiisi 8, Prsamaa (5) mjadi P!! P (5) (5) (5) dga (53)!!

11 7 Brdasarka uraia di atas, dapat disimpulka bahwa probabilitas stady stat trdapat ( > ) plagga pada modl atria ( M / M / ) : ( FCFS / / ) adalah P P,! P,! Dga P, (55)!! Probabilitas dalam kadaa stady stat ii aka diguaka dalam mtuka ukura kfktifa sistm. H. Ukura Kfktifa Modl Atria ( M / M / ) : ( FCFS / / ) Dfiisi.. Jika S(x) adalah jumlah sbuah drt pagkat pada itrval I {x - < x < } shigga S(x) ds( x) x + x + x + x dga x brada pada itrval I trsbut, maka brlaku dx x x Dfiisi.. Bayakya plagga dalam sistm atria adalah hasil pjumlaha atara bayakya plagga dalam atria da bayakya plagga yag sdag dalam pross playaa. Dfiisi.. Waktu muggu dalam sistm atria adalah jumlah atara waktu muggu dalam atria da waktu playaa. Ukura kfktifa sistm atria ( M / M / ) : ( FCFS / / ) dapat dittuka dga mgguaka probabilitas stady stat trdapat, palagga yag brada dalam sistm (P ) pada Prsamaa (54) da Prsamaa (55). Ukura kfktifa sistm ii diguaka utuk mgaalisis situasi sistm atria dga tujua utuk mraag sistm yag optimal. Ukura kfktifa sistm dalam kodisi stady stat mliputi kspktasi jumlah plagga dalam atria (L q ), kspktasi jumlah plagga dalam sistm (L s ), kspktasi waktu muggu dalam atria (W q ), kspktasi waktu muggu dalam sistm (W s ), da kspktasi jumlah playa yag sibuk ().. Ekspktasi jumlah plagga dalam atria (L q ) Brdasarka Dfiisi, bayakya plagga dalam atria adalah slisih atara bayakya plagga dalam sistm atria da bayakya plagga yag sdag dalam pross playaa. Jika bayakya plagga dalam sistm adalah da bayakya plagga yag sdag dalam pross playaa adalah sbayak jumlah playaya, yaitu maka kspktasi jumlah plagga dalam atria (L q ) adalah sbagai brikut. L q P ( ) P (56) Jika Prsamaa (54) disubstitusika k Prsamaa (56) maka diprolh L q ( ) P! P! ( ) P ( )! P d! (57) d Murut Dfiisi 8, Prsamaa (57) mjadi P d P L q!, P d! ( )! Dga dmikia, kspktasi jumlah plagga dalam atria (L q ) adalah d dx x (54)

12 L q P ( )!, dga 8 (58). Ekspktasi waktu muggu dalam atria (W q ) Sblum mmbahas lbih lajut, brikut dibrika rumus Littl yag myataka hubuga atara L s da W s srta L q da W q. L s λ ff W s (59) L q λ ff W q (6) dga λ ff mrupaka laju kdataga fktif dalam sistm da diyataka dga λ ff P (6) Waktu muggu dalam suatu atria artiya waktu yag diprluka olh sorag plagga sjak mmasuki atria higga mdapat playaa, amu tidak trmasuk waktu playaa. Ekspktasi waktu muggu dapat dittuka dga mgguaka rumus Littl pada Prsamaa (59). Brdasarka Prsamaa (48), pada modl atria ( M / M / ) : ( FCFS / / ) brlaku λ λ,, shigga diprolh laju kdataga fktif sbagai brikut. λ ff P P P λ. λ (6) L q Shigga, Prsamaa (59) mjadi W q (63) Jika Prsamaa (58) disubstitusika k Prsamaa (63) maka didapatka kspktasi waktu muggu dalam atria sbagai brikut. P W q ( )! P ( )!, (64) 3. Ekspktasi waktu muggu dalam sistm (W s ) Waktu muggu dalam sistm atria artiya waktu yag diprluka olh sorag plagga sjak mmasuki atria higga playaa yag dibrika kpadaya slsai. Brdasarka Dfiisi, dapat diyataka prsamaa brikut. Waktu muggu dalam sistm waktu muggu dalam atria + waktu playaa Jika laju playaa pr satua waktu adalah µ maka waktu playaa utuk sorag plagga adalah satua waktu. Shigga prsamaa di atas mjadi W s W q + (65) Slajutya Prsamaa (64) disubstitusika k Prsamaa (65), maka diprolh kspktasi waktu muggu dalam sistm atria sbagai brikut. P W s + ( )!, (66) 4. Ekspktasi jumlah plagga dalam sistm (L s ) Brdasarka Dfiisi, bayakya plagga dalam sistm artiya hasil pjumlaha atara bayakya plagga dalam atria da bayakya plagga yag sdag dalam pross playaa. Ekspktasi jumlah plagga dalam sistm dapat dittuka dga mgguaka rumus Littl pada Prsamaa (6). Brdasarka Prsamaa (6), diprolh L s λw s (67) Jika Prsamaa (66) disubstitusika k Prsamaa (67) maka diprolh kspktasi jumlah plagga dalam sistm sbagai brikut. P L s λ ( )! P ( )!

13 P ( )! P ( )! 9, (68) Jika Prsamaa (58) disubtitusi k Prsamaa (68) maka diprolh hubuga atara L q da L s sbagai brikut, L s ρ + L q, (69) 5. Ekspktasi jumlah playa yag sibuk () Bayakya playa yag sibuk adalah slisih atara bayakya plagga yag brada dalam sistm da bayakya plagga yag brada dalam atria. Dga dmikia, bayakya playa yag sibuk adalah L s L q (7) Jika Prsamaa (69) disubstitusika k Prsamaa (7) maka diprolh ρ (7) Sdagka prstas pmafaata suatu saraa playaa dga hal playaa adalah sbagai brikut. Prstas pmafaata % % (7) Jika kspktasi jumlah playa yag sibuk diyataka dga Prsamaa (7) maka kspktasi jumlah playa yag mgaggur atau tidak sdag mlayai plagga adalah bayakya playa dikuragi jumlah playa yag sibuk da dapat diyataka sbagai brikut. Playa yag mgaggur (kosog) (73) Akibatya, prstas waktu kosog para playa atau saraa playaa yaki sbagai brikut. X % % % %, dga (74) I. Modl Tigkat Aspirasi Modl kputusa atria mrupaka suatu modl yag brtujua mmiimumka biaya total yag brkaita dga suatu sistm atria. Olh kara itu, kputusa yag diambil mlalui modl kputusa ii diharapka dapat ditrapka da mampu mgoptimalka sistm atria trsbut. Sifat dari situasi atria mmpgaruhi pmiliha modl kputusa yag aka diguaka. Olh kara itu, situasi atria dapat digologka k dalam tiga katgori brikut.. Sistm mausia, yaitu sistm atria yag plagga da playaya mausia. Misalya: sistm atria di Bak.. Sistm smiotomatis, yaitu sistm atria yag plagga atau playaya mausia. Misalya: sistm playaa ATM (Automati Tllr Mahi), dga plagga mausia da playa brupa ATM. 3. Sistm otomatis, yaitu sistm atria yag plagga da playaya buka mausia. Misalya: data yag muggu diolah olh suatu program komputr, dga plagga brupa data da playa brupa program. Ada dua maam modl kputusa atria yag dapat diguaka utuk mgoptimalka suatu sistm atria, yaitu modl biaya da modl tigkat aspirasi. Modl biaya dapat dipilih utuk mgoptimalka sistm dga mmprkiraka paramtr-paramtr biaya trlbih dahulu. Smaki tpat ptua paramtrparamtr biaya, smaki optimal raaga saraa playaa yag dihasilka. Namu, tidak smua paramtr biaya dalam sistm atria dapat diprkiraka dga mudah, misalya biaya muggu plagga pada suatu bak. Modl tigkat aspirasi mrupaka suatu modl yag brtujua myimbagka aspirasi plagga da playa dalam suatu sistm atria. Modl ii sara lagsug mmafaatka karaktristik yag trdapat dalam sistm dga tujua mraag sistm atria yag optimal. Optimalitas diapai jika tigkat aspirasi plagga da playa dipuhi. Tigkat aspirasi yaitu batas atas dari ilai-ilai yag salig brttaga, yag dittuka olh pgambil kputusa. Prapa modl tigkat aspirasi utuk mtuka jumlah playa yag optimum mmiliki dua paramtr yag brttaga yaitu:. kspktasi waktu muggu dalam sistm (W s ), sbagai aspirasi plagga,. prstas waktu kosog para playa (X), sbagai aspirasi playa. Brdasarka paramtr W s da X yag salig brttaga, jumlah playa tlah optimum jika mmuhi prsyarata brikut.

14 W s α (75) da X β (76) Dga α : batas atas dari W s β : batas atas dari X Pylsaia masalah ii juga dapat dittuka dga ara mggambar W s da X sbagai fugsi dari sprti ditujukka pada Gambar 8. Itrval ilai yag ditrima W s W s X X β α C Gambar 8 Itrval ilai yag ditrima Dga mmpatka α da β pada grafik, dapat dittuka kisara optimal yag mmuhi kdua batasa trsbut. Jika Prsamaa (75) da Prsamaa (76) tidak dipuhi sara simulta maka salah satu atau kdua batasa prlu diloggarka sblum kputusa diambil. Tori Pdukug Aka diari pluag trdapat plagga dalam suatu sistm atria pada saat t. Namu sblumya, dibrika bbrapa dfiisi yag aka diguaka pada pmbahasa slajutya. Dfiisi. Kjadia A, A,..., A k dikataka kjadia-kjadia yag salig asig jika A i A j Ø, i j. Dfiisi. Pada sbuah probaa, A, A, A 3,... adalah kjadia-kjadia yag mugki pada ruag sampl S. Fugsi pluag mrupaka fugsi yag mgawaka stiap kjadia A dga bilaga ral P(A) da P(A) disbut pluag kjadia A jika mmuhi kttua brikut. P(A) ;. P(S) ; 3. Jika A, A, A 3,... adalah kjadia-kjadia yag salig asig maka P( A A A3...) P( A ) P( A ) P( A3 )... Dfiisi 3. Kjadia A da B dikataka salig bbas jika da haya jika P(A B) P(A)P(B). Jika kjadia A da B tidak mmuhi kodisi trsbut maka disbut kjadia brgatug. Dfiisi 4. Suatu variabl aak diskrt T dikataka brdistribusi Poisso dga paramtr λ > jika k mmpuyai fugsi dsitas pluag brbtuk P(T k), dga k. k! Dfiisi 5. Suatu variabl aak kotiu T dikataka brdistribusi ksposial dga paramtr λ > jika mmpuyai fugsi dsitas pluag brbtuk t, ( t ) f(t), ( t ). Dfiisi 6. Suatu variabl aak kotiu T brdistribusi ksposial dga paramtr λ > jika fugsi distribusi kumulatifya yaitu t, t P(T t)., t < Dfiisi 7. Turua fugsi f adalah fugsi f yag ilaiya pada sbarag bilaga t adalah f ( t t) f ( t) f '( t) lim, asal ilai limitya ada. t t a Dfiisi 8. Jika < x < maka ax, dga. x dy Dfiisi 9. Prsamaa diffrsial ord I yag dapat diyataka sbagai P( x) y Q( x) disbut prsamaa dx diffrsial liar da mmpuyai pylsaia: P( x) dx P( x) dx P( x) dx y Q( x) dx.

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

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian TEORI ANTRIAN Teori atria merupaka studi matematis megeai atria atau waitig lies yag di dalamya disediaka beberapa alteratif model matematika yag dapat diguaka utuk meetuka beberapa karakteristik da optimasi

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

Lebih terperinci

TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem

TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem TEORI ANTRIAN A. ross Aria ross aria mrupaka pross yag brhubuga dga kdaaga plagga pada suau fasilias playaa, muggu dalam baris aria jika blum mdapa playaa, da akhirya miggalka fasilias rsbu slah playaa

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

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

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

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

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

Lebih terperinci

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga)

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga) INTEGRA FOURIER DISUSUN OEH : Klompok III (Tiga). Maruah (7 6). Yusi Oktavia (7 45 ) 3. Widya Elvi AS (7 45) 4. Azar Saarudi (7 454) 5. Irmaati (7 455) Mata Kuliah Dos Pgasuh Klas : Matmatika ajuta : Fadli,

Lebih terperinci

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

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK

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

Lebih terperinci

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS

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

Lebih terperinci

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

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

Lebih terperinci

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

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

Lebih terperinci

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

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

Lebih terperinci

Transformasi Fourier Waktu Diskrit

Transformasi Fourier Waktu Diskrit Praktikum Isyarat da Sistm Topik 5 Trasformasi ourir Waktu Diskrit Tuua Mahasiswa dapat mtuka da mgguaka trasformasi ourir waktu diskrit dalam aalisa suatu sistm LTI Mahasiswa dapat mgguaka MATLAB sbagai

Lebih terperinci

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear

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

Lebih terperinci

STATISTIKA MATEMATIKA I

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA

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

Lebih terperinci

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA

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

Lebih terperinci

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

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

Lebih terperinci

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR

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

Lebih terperinci

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah

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

Lebih terperinci

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh

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

Lebih terperinci

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER

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

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

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

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

Lebih terperinci

Modifikasi Metode Newton-Steffensen Bebas Turunan

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

Lebih terperinci

MODUL 2 BILANGAN KOMPLEKS

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

Lebih terperinci

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

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

Lebih terperinci

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3. Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama

Lebih terperinci

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal

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

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter

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

Lebih terperinci

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

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b. Didowload dari ririez.blog.us.ac.id HALAMAN 36 37 5. Dega defiisi limit barisa buktika limit berikut ii : a. lim = 0 lim 1 2 + 3 = 0 > 0 h 1 = 2 + 3 0 = 1 2 + 3 1 2 1 2 1 2 < jadi terbukti bahwa lim =

Lebih terperinci

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

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

Lebih terperinci

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

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

Lebih terperinci

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

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

Lebih terperinci

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract Disribusi oisso Sugio DISRIBUSI OISSON DAN DISRIBUSI EKSONENSIAL DALAM ROSES SOKASIK Sugio, Moch Abdul Mukid Saf gajar rogram Sudi Saisika FMIA UNDI Absrac I h quuig sysm, h procsss usually com from a

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL PENGEMBANGAN METODE ITEASI DUA DAN TIGA LANGKAH DENGAN ODE KONVEGENSI OPTIMAL Supriadi Putra M.Si* Dr. Sasudhuha M.S urusa Matatika FMIPA Uivrsitas iau *sputra@uri.a.id ABSTAK Dala akalah ii disajika dua

Lebih terperinci

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z BAB Toi Pdukug.. Ligkuga Misalka z adalah suatu titik pada bidag da adalah bilaga yata positi. Ligkuga bagi z -ighbohood o z didiisika sbagai sluuh titik z pada bidag, sdmikia shigga z z < ; ditulis z,.

Lebih terperinci

Bab 6 Sumber dan Perambatan Galat

Bab 6 Sumber dan Perambatan Galat Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng Leture 4 : Queueig Theory ad Apliatios Haa Lestari, M.Eg Struktur Dasar Model Model Atria Teori Atria bertujua utuk megetahui/meetuka besara kierja sistem atria. Ukura kierja sistem dalam kodisi steady

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Model Pertumbuha Betuk ugsi pertumbuha satu jeis spesies pada umumya megguaka otasi ugsi aalitik yag diyataka dalam satu persamaa. Secara umum ugsi pertumbuha meyataka hubuga

Lebih terperinci

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Tujuh

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

Transformasi Z Materi :

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

Lebih terperinci

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

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

Lebih terperinci

PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT

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

Lebih terperinci

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

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

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

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

Analisis Faktor Faktor Yang Mempengaruhi Kemampuan. : Pemecahan Masalah, Soal Cerita Matematika

Analisis Faktor Faktor Yang Mempengaruhi Kemampuan. : Pemecahan Masalah, Soal Cerita Matematika Kartika Hadayai Z Aalisis Faktor Faktor Yag Mmpgaruhi Kmampua PmcahaMasalah Soal Crita Matmatika Kartika Hadayai Z Prodi Pdidika Matmatika PPs Uivrsitas Ngri Mda Email: kartikahadayaiasthaas@yahoo.com

Lebih terperinci

TINJAUAN PUSTAKA PENDAHULUAN

TINJAUAN PUSTAKA PENDAHULUAN PEDAHULUA Latar Blakag Dalam bidag didika, kgiata ilaia atau valuasi hasil blajar srta didik mruaka salah satu tugas tig yag harus dilakuka olh didik. Evaluasi hasil blajar srta didik dilakuka utuk mgtahui

Lebih terperinci

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA.

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

Lebih terperinci

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Saitia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 277 287. ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Siti Aria R. Harahap

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25 head office : Kompleks Sawaga Permai Blok A5 No.1A, Sawaga, Depok 16511 Telp.01-951 1160. cotact perso : 0-878787-1-8585 / 081-8691-10 Bidag Studi Kode Berkas Waktu : Matematika : MA-L01 (solusi) : 90

Lebih terperinci

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

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

Lebih terperinci

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

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

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB II KAJIAN PUSTAKA. Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan

BAB II KAJIAN PUSTAKA. Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan BAB II KAJIAN PUSTAKA Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian, mencakup tentang model antrian

Lebih terperinci

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

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

Lebih terperinci

Bab III Aplikasi Teori Kontrol H 2 Pada Sistem Suspensi

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

Lebih terperinci

Hartono Guntur *) *) Staf Pengajar Jurusan Teknik Sipil STTR Cepu. Jl. Kampus Ronggolawe Blok B No. 1. Mentul Cepu

Hartono Guntur *) *) Staf Pengajar Jurusan Teknik Sipil STTR Cepu. Jl. Kampus Ronggolawe Blok B No. 1. Mentul Cepu 10 Aalisa Ssitivitas ggua Trhadap gmbaga Trasportasi Krta Api Sbagai Altratif Trasportasi atai Utara Jawa ( Rut : Smarag Surabaya ) Hartoo Gutur *) *) Staf gajar Jurusa Tkik Sipil STTR Cpu Jl. Kampus Roggolaw

Lebih terperinci

2 BARISAN BILANGAN REAL

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

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

BAB V DISTRIBUSI PROBABILITAS DISKRIT

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

Lebih terperinci

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM MATEMATIKA BISNIS OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM BAB BARISAN DAN DERET A. BARISAN Barisa bilaga adalah susua bilaga yag diurutka meurut atura tertetu.betuk umum barisa bilaga a,

Lebih terperinci

Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes

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

Lebih terperinci

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal BAB. Limit Fugsi Ole : Bambag Supraptoo, M.Si. Referesi : Kalkulus Edisi 9 Jilid (Varberg, Purcell, Rigdom) Hal 56 - Defiisi: Pegertia presisi tetag it Megataka bawa f ( ) L berarti bawa utuk tiap yag

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi

Lebih terperinci

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

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

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

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

Lebih terperinci

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA Modl Sism Aria sawa Trbag Di Badara Irasioal Adisujipo Yogyakara MODEL SISTEM ANTRIAN ESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJITO YOGYAKARTA Afsah Novia Sari Uivrsias psar Tiggi Darul Ulum Afsah.oviasari@yahoo.com

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

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

MODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN

MODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN ODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN 1 Sugito, 2 Ala Prahutama, 3 Budi Warsito, 4 och Abdul ukid, 5 Nia Puspita Sari 1,2,3,4,5 Departeme Statistika, Fakultas Sais da atematika,uiversitas

Lebih terperinci