U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

Ukuran: px
Mulai penontonan dengan halaman:

Download "U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK"

Transkripsi

1 U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 9 JANUARI OPEN BOOK WAKTU MENIT KLAS B DAN KLAS C PETUNJUK Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. ) Sauara bole menggunaan omputer untu mengerjaan soal- soal ujan n. Tabel tungan an urva Sauara saln e lembar jawab. ) Tulsan urutan/cara /formula ang Sauara paa untu menapatan jawaban (buan ana anga jawaban ang eluar tabel spreaseet). 3) Setap butr soal meml bobot nla ang ampr sama sesua tngat esultanna. SOAL NUMERICAL INTERPOLATION a) Paala spreaseet untu menggambaran 3 urva polnomal Lagrange erajat ang melewat tt- tt.,.7, an.3. / Use spreaseet applcaton program to raw 3 curves of te Lagrange Polnomal of egree tat pass troug.,.7, an.3. b) Gambaran urva nterpolas Lagrange erajat untu mengnterpolasan pasangan tt- tt paa tabel bawa n. / Draw te Lagrange Interpolatng Polnomal for te followng ata. No Kurva polnomal Lagrange: L n ( ) j j j j Ketga urva polnomal Lagrange ang melewat etga tt tersebut aala: L L L..7.3 ( ) ( ) ( ) UAS Matemata Ten - lm. ar 9

2 Untu menggambaran etga urva engan bantuan spreaseet, tung tt- tt oornat [,L. ()],..3 engan nterval Δ.. Htungan lauan engan cara tabulas sepert sajan paa Tabel. Kurva sajan paa Gambar. TABEL. HITUNGAN KOORDINAT KURVA POLINOMIAL LAGRANGE Istarto ttp://starto.staff.ugm.ac. L() L. () L.7 () L.3 () L. () L.7 () L.3 () GAMBAR. TIGA KURVA POLINOMIAL LAGRANGE YANG MELEWATI X.,.7, DAN.3 Kurva nterpolas polnomal Lagrange ang melewat etga pasang tt ata nataan engan persamaan: ( ) L ( ) f (.) + L ( ) f (.7) L ( ) (.3) f f Htungan lauan engan bantuan tabulas spreaseet sepert sajan paa Tabel an urva nterpolas ang melewat etga tt sajan paa Gambar. UAS Matemata Ten - lm. ar 9

3 TABEL. HITUNGAN KURVA INTERPOLASI LAGRANGE MELEWATI TITIK- TITIK (.,.56), (.7,.5), DAN (.3,.33) L. () L.7 () L.3 () f () Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. f () GAMBAR. KURVA INTERPOLASI LAGRANGE MELEWATI TIGA TITIK (.,.56), (.7,.5), DAN (.3,.33) SOAL a) Banngan peneatan nla ervatf fungs bawa n paa tt.3 engan sema ferens munur, ferens maju, an ferens tenga. Paala Δ. / Compare te appromaton values of te ervatve of te followng functon on.3 usng te bacwar- fference formula, te forwar- fference formula, an te central- fference formula. Use (Δ) of.. f( ).9 +.sn. UAS Matemata Ten - lm. 3 ar 9

4 b) Paala polnomal nterpolas Lagrange erajat untu meneat nla ervatf fungs tersebut sepert paa soal butr a. Buatla tt- tt bantu ang perluan engan jara. ar tt ang bersangutan. / Use te Lagrange Interpolatng Polnomal of egree to appromate te ervatve of te above problem (a). Tae some necessar ponts to o so. Fungs an ervatf fungs sema ferens maju, ferens munur, an ferens tenga: f( ).9 +.sn Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. ( ) ( ) ( ) f f f f f f Dervatf fungs: ( + Δ) f ( ) f (.3) f (.3) Δ. ( ) f ( Δ) f (.3) f (.3) Δ. ( + Δ) f ( Δ) f (.3) f (.3) Δ (.) (.9) + (.) sn cos.8.4 sn cos ( ) Fungs polnomal Lagrange untu meneat fungs atas aala: ( ) L ( ) (.3) + L ( ) (.3) + L ( ) ʹ (.3) f Untu nla.3: (.3) (.3) + (.3).554 (.3) [.8 (.3) +.4 ( sn.3)( cos.3) ] SOAL 3 a) Deat ntegral fungs paa soal a antara tt. an tt.4 engan metoe trapesum. / Appromate te ntegral of te functon n Problem a, between two values of. an.4 usng te trapezoal rule. b) Htung soal paa butr a atas engan metoe Kuaratur Gauss erajat. / Appromate te soluton of Problem a usng te Gauss Quarature of egree. Integral fungs:.4.4 f ( ) +. (.9.sn ). UAS Matemata Ten - lm. 4 ar 9

5 ang tung engan metoe trapesum aala:.4. f( ) f ( ) (.4 ) + f (. ).4..5[.9(.4 ) +.sn.4 +.9(. ) +. sn.].54 Nla ntegral fungs tersebut apat pula tung engan metoe Kuaratur Gauss. D sn paa Kuaratur Gauss TIt atau enal pula sebaga Gauss- Legenre. Dalam metoe n, varabel uba menja: a + a a a b + a an a b a Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. a an b masng- masng aala batas bawa an batas atas ntegras. Ja a. an b.4, sengga: a.5 an a.5, serta.5. Integral fungs apat tung engan persamaan berut: f ( ) f ( 3) + f ( 3) f ( 3).634 ( 3) ( ) f ( 3) + f ( 3) f (.634) + f (.3366) SOAL 4 INITIAL VALUE PROBLEM OF ODE Paala metoe Euler an Runge- Kutta ore untu meneat solus soal berut paa t.8. Banngan aslna an tulsan omentar Sauara. / Use te Euler an te n Orer Runge- Kutta Metos to appromate te solutons of te followng ntal value problems at t.8. Compare te results obtane b te two metos (gve our comment). 4.t ʹ t +, t t.8, ( t ), Δt.. Penelesaan persamaan ferensal orner (ornar fferental equatons, ODE) engan sarat awal ang etau sepert paa Soal 4 n lauan engan bea ngga ang espresan alam bentu: + + φ UAS Matemata Ten - lm. 5 ar 9

6 Dalam persamaan tersebut + an berturut- turut aala nla paa watu t + an t, aala selang t, t t + t, an φ aala slope atau graen penggal urva antara an +. Graen φ merupaan fungs t an, φ /t f(t,). Metoe Euler an Runge- Kutta berbea alam menetapan graen φ: a) paa metoe Euler, φ tetapan sebaga graen tt t, f(t, ), b) paa metoe Runge- Kutta ore, φ tetapan sebaga ncrement functon ang apat baca sebaga graen fungs paa selang antara t an t +. Metoe penelesaan ang mua paa an cepat memberan asl aala metoe Euler: + φ t + φ t, Htungan sajan paa Tabel 3. Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. TABEL 3. ODE SECARA NUMERIS MEMAKAI METODE EULER t φ f(t,) Metoe Runge- Kutta (RK) ore : + + φ φ f t f f ( t,, ) a + a ( t, ) ( t + p, + q ) Aa beberapa metoe untu mengtung φ, antara lan metoe Heun, metoe mprove polgon, atau metoe Ralston. D sn paa metoe Heun: φ f f + ( t, ) ( t +, + ) Htungan lengap sajan paa Tabel 4. TABEL 4. ODE SECARA NUMERIS MEMAKAI ND- ORDER RUNGE- KUTTA t t + + φ UAS Matemata Ten - lm. 6 ar 9

7 Profl paa nla t s...8 ang perole engan metoe Euler an Runge- Kutta sajan paa gambar bawa n Runge- Kua.. Euler Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. GAMBAR 3. PROFIL Y PADA NILAI T S.D..8 YANG DIPEROLEH DENGAN METODE EULER DAN METODE RUNGE- KUTTA SOAL 5 BOUNDARY VALUE PROBLEM OF ODE Paala metoe bea ngga untu meneat solus soal alran ar tana ta tertean berut n. Paala sub- nterval m paa rentang antara Sta. m an Sta. m, serta nla.. / Use te fnte fference meto to appromate te soluton of te followng bounar value problem of unconfne grounwater ept at all m sub- nterval noes wtn te Sta. m to Sta. m. Use te value of.. ( ).,, () 8, () sarat awal t Persamaan alran ar tana paa soal atas apat tulsan alam bentu sbb... Bentu persamaan bea ngga persamaan alran ar tana tersebut suatu loas (poss) aala: ( ) ( ) + ( ) ( Δ). ( ) ( ) + ( ) ( Δ) +. + UAS Matemata Ten - lm. 7 ar 9

8 UAS Matemata Ten - lm. 8 ar 9 Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. Peratan setsa bawa n. Persamaan bea ngga alran ar tana berlau setap tt paa selang Sta. m s.. Sta. m. D antara Sta. m an Sta. m n, terapat 9 tt,,,, 9 ang beraa paa poss,,, 9. D setap tt n aa 3 varabel ta etau, atu ( ) an r an ananna, ( ) - an ( ) +. D eua ujung berlau sarat batas, atu berlau sarat batas 8 an berlau sarat batas 4. Apabla esemblan persamaan susun berurut, perole bentu sbb.: [A].{H} {C} [A] aala matrs 9 9 ang elemen- elemenna merupaan oefsen paa persamaan, {H} aala vetor 9 ang elemenna aala setap an {C} aala vetor 9 ang elemenna aala onstanta Aa beberapa cara untu menelesaan persamaan- persamaan atas. Cara- cara penelesaan n tela baas paa ula peroe sebelum UTS. Dengan memaa spreaseet, msal MSEcel, cara penelesaan langsung engan matrs nvers sangat mua untu lauan. Vetor {H} perole engan peralan matrs sbb.: { } [ ] { } C A H Dengan MSEcel, persamaan atas selesaan engan pernta: MMULT(MINVERSE(matra),matrc) matra aala sel- sel ang bers elemen [A] an matrc aala sel- sel ang bers elemen vetor {C}. Penulsan pernta n awal engan meml satu olom ang terr ar 9 sel, menulsan pernta atas, an ar engan menean tombol control+sft+enter. Kesemblan sel aan bers elemen- elemen vetor {H}

9 Gambar 4 menunjuan lustras profl ang perole ar penelesaan persamaan alran ar tana paa soal n. 45 Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. 4 sarat batas sarat batas GAMBAR 4. PROFIL TEKANAN PIEZOMETRIK ALIRAN TANAH - oo- UAS Matemata Ten - lm. 9 ar 9

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SE NIN, 9 JANUAR I OPEN BOO K W AKT U MENIT KLAS B D AN KL AS C PETUNJUK ) Saudara bole menggunaan omputer untu mengerjaan soal-soal

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Teknk Spl dan Lngkungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SABTU, JULI OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara bole menggunakan komputer untuk mengerjakan soal- soal ujan n. Tabel

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

Kaedah Runge-Kutta. Bab 25

Kaedah Runge-Kutta. Bab 25 Kaeda Runge-Kutta Bab 5 D ar bab n anda sepatutna: Bole menjelasan gambaran vsual aeda Euler Heun dan tt tenga Faam ubungan antara aeda Euler dan sr Talor dan ralat ang beratan Dapat membezaan ralat (local

Lebih terperinci

UJIAN AKHIR SEMESTER METODE NUMERIS I

UJIAN AKHIR SEMESTER METODE NUMERIS I PETUNJUK UJIAN AKHIR SEMESTER METODE NUMERIS I DR. IR. ISTIARTO, M.ENG. KAMIS, 8 JUNI 017 OPEN BOOK 150 MENIT 1. Saudara tidak boleh menggunakan komputer untuk mengerjakan soal ujian ini.. Tuliskan urutan/cara/formula

Lebih terperinci

PERSAMAAN DIFERENSIAL BIASA

PERSAMAAN DIFERENSIAL BIASA http://starto.sta.ugm.ac.d PERSAMAAN DIFERENSIAL BIASA Ordnar Derental Equatons ODE Persamaan Derensal Basa http://starto.sta.ugm.ac.d Acuan Chapra, S.C., Canale R.P., 990, Numercal Methods or Engneers,

Lebih terperinci

Mekanika Lagrangian (Fowles) Mekanika Lagrangian. , q n. q 3 ) ) ) ke nilai tetangga (q 1

Mekanika Lagrangian (Fowles) Mekanika Lagrangian. , q n. q 3 ) ) ) ke nilai tetangga (q 1 Meana Lagrangan (Fowles) Supar Meana Lagrangan Melalu meana Lagrangan n persamaan gera Newton untu sstem seerhana aan beran engan lebh sphstcate. Koornat Umum Poss partel alam ruang apat tentuan melalu

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

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK PENGKAJIAN BEBERAPA AGORITMA UNTUK MENGEVAUASI DAN MENGHITUNG OSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA ISTRIK Hamzah Hlal Jl. MH. Thamrn No. 8 Geung II anta 0,, PTKKE-Deput Bang TIEM BPPT E-mal: taura889@yahoo.com

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...

Lebih terperinci

Integrasi. Metode Integra. al Reimann

Integrasi. Metode Integra. al Reimann Integras Metode Integra al Remann Metode Integral Trapezoda Metode Integra al Smpson Permasalaan Integras Pertungan ntegral adala pertungan dasar yang dgunakan dalam kalkulus, dalam banyak keperluan. Integral

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas,

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

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

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

PERSAMAAN DIFERENSIAL (DIFFERENTIAL EQUATION) M E T O D E E U L E R M E T O D E R U N G E - K U T T A

PERSAMAAN DIFERENSIAL (DIFFERENTIAL EQUATION) M E T O D E E U L E R M E T O D E R U N G E - K U T T A PERSAMAAN DIFERENSIAL DIFFERENTIAL EQUATION M E T O D E E U L E R M E T O D E R U N G E - U T T A PERSAMAAN DIFERENSIAL Persamaan palng pentng dalam bdang reaasa palng bsa menjelasan apa ang terjad dalam

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu, I. KALOR DAN HKM KE-1 1.1 Kalor Dketahu ua sstem paa suhu berbea. Apabla kontakkan satu engan yang lan melalu nng atermk, ketahu bahwa suhu keua sstem akan berubah seemkan rupa sehngga akhrnya menja sama.

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang JURNAL MATEMATIKA DAN KOMPUTER ol. 4. No., - 22, Aprl 2, ISSN : 4-858 SUBRUANG MARKED Suryoto Jurusan Matemata, FMIPA-UNDIP Semarang Abstra Msalan suatu ruang vetor berdmens ngga atas lapangan omples C,

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

- Persoalan nilai perbatasan (PNP/PNB)

- Persoalan nilai perbatasan (PNP/PNB) PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

Misalkan S himpunan bilangan kompleks. Fungsi kompleks f pada S adalah aturan yang

Misalkan S himpunan bilangan kompleks. Fungsi kompleks f pada S adalah aturan yang Fngs Analtk FUNGSI ANALITIK Fngs sebt analtk ttk apabla aa sema ttk paa sat lngkngan Untk mengj keanaltkan sat ngs kompleks w = = + gnakan persamaan Cach Remann Sebelm mempelejar persamaan Cach-Remann

Lebih terperinci

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES

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

Lebih terperinci

METODE KEKAKUAN (METODE DEFORMASI)

METODE KEKAKUAN (METODE DEFORMASI) METODE KEKAKUAN (METODE DEORMASI) (DISPLACEMENT METHOD ATAU STINESS METHOD) Hanayanu Metoe Elemen Hingga (LL6) JTK-TK-ITS DEINISI MATRIK KEKAKUAN Matri eauan elemen: ˆ sehingga persamaan sistem aalah:

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

BAB 1 RANGKAIAN TRANSIENT

BAB 1 RANGKAIAN TRANSIENT BAB ANGKAIAN TANSIENT. Penahuluan Paa pembahasan rangkaan lstrk, arus maupun tegangan yang bahas aalah untuk kons steay state/mantap. Akan tetap sebenarnya sebelum rangkaan mencapa keaaan steay state,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Integral Lipat Dua

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Integral Lipat Dua Universitas Inonusa Esa Unggul Faultas Ilmu Komputer Teni Informatia Integral Lipat ua Integral Lipat ua Misalan z = f(,) terefinisi paa merupaan suatu persegi panjang tertutup, aitu : = {(, ) : a b, c

Lebih terperinci

ANALISIS PREVENTIVE MAINTENANCE JIG WELDING PADA PROSES PERAKITAN SUPPORT ASSY CLUTCH PEDAL

ANALISIS PREVENTIVE MAINTENANCE JIG WELDING PADA PROSES PERAKITAN SUPPORT ASSY CLUTCH PEDAL Analss Preventve Mantenance Jg Welng Paa Proses Peratan Support Assy Clutch Peal Untu Mobl ANALISIS PREVENTIVE MAINTENANCE JIG WELDING PADA PROSES PERAKITAN SUPPORT ASSY CLUTCH PEDAL UNTUK MOBIL TOYOTA

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi

BAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi A 2 LANDASAN TEORI 2. Perasalahan Cuttng Stoc Satu Dens Perasalahan Cuttng stoc erupaan suatu perasalahan ang uncul arena bana paa aplasna ala bang pernustran. Msalan ala pernustran au, bagaana eanaeen

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB III MODUL INJEKTIF

BAB III MODUL INJEKTIF BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous

Lebih terperinci

PROGRAM SEDERHANA SISTEM PENGENALAN WAJAH MENGGUNAKAN FUNGSI JARAK

PROGRAM SEDERHANA SISTEM PENGENALAN WAJAH MENGGUNAKAN FUNGSI JARAK ISSN: 1693-6930 153 PROGRAM SEDERHANA SISTEM PENGENALAN WAJAH MENGGUNAKAN FUNGSI JARAK Abul Fall Program Stu Ten Eletro Unverstas Ahma Dahlan, Kampus III UAD Jl. Prof. Dr. Soepomo, Janturan, Umbulharjo,

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Dalam setiap sub daerah, pilih suatu titik P k (x k, y k ) dan bentuklah jumlah :

Dalam setiap sub daerah, pilih suatu titik P k (x k, y k ) dan bentuklah jumlah : INTEGAL GANDA Integral untu ungsi satu variable ita membentu suatu partisi dari interval [ab] menjadi interval-interval ang panjangna Δ = 3.n b a d lim n n Dengan cara ang sama Kita deinisian integral

Lebih terperinci

BAB II STUDI PUSTAKA

BAB II STUDI PUSTAKA Masur Kmsan 5 7 1 BAB II STUDI PUSTAKA 1 Umum Secara umum sstem strutur dbedaan dar egunaan strutur, sepert strutur embatan, gedung, tang, bendungan atau pesawat udara Secara husus penamaan n dbedaan dar

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (KKSS43116) Metode Numerik. Disusun oleh: Rafki Imani, MT

RENCANA PEMBELAJARAN SEMESTER (KKSS43116) Metode Numerik. Disusun oleh: Rafki Imani, MT RENCANA PEMBELAJARAN SEMESTER (KKSS43116) Metode Numerik Disusun oleh: Rafki Imani, MT PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNIK SIPIL DAN PERENCANAAN UNIVERSITAS PUTRA INDONESIA YPTK PADANG 2017 LEMBAR

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor 5 I (Mnggu e- 1,,3) Konsep Dasa. Veto PENDHULUN Leanng Outcome: Setelah mengut ulah n, mahasswa dhaapan: Mampu menelasan pebedaan besaan sala dan veto dan mampu menelesaan setap asus nemata ang dbean.

Lebih terperinci

.. Kekakuan Rangka batang Bdang (Plane Truss) BAB ANAISIS STRUKTUR RANGKA BATANG BIANG Struktur plane truss merupakan suatu sstem struktur ang merupakan gabungan dar seumlah elemen (batang) d mana pada

Lebih terperinci

Pemodelan dan Simulasi Mobile Robot - 3 Trailers dengan Kendali PID

Pemodelan dan Simulasi Mobile Robot - 3 Trailers dengan Kendali PID Avalable onlne at TRANSMISI Webste htt://ejournal.un.ac./nex.h/transms TRANSMISI, 14 (2), 2012, 56-60 Research Artcle Pemoelan an Smulas Moble Robot - 3 Tralers engan enal PID Ena Wsta Snuraya Dosen Jurusan

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

PENYELESAIAN MASALAH PRODUKSI DAN DISTRIBUSI ZERO INVENTORY MUHAMAD ROFI HIDAYAT

PENYELESAIAN MASALAH PRODUKSI DAN DISTRIBUSI ZERO INVENTORY MUHAMAD ROFI HIDAYAT PENYEESAIAN MASAAH PRODUKSI DAN DISRIBUSI ZERO INVENORY MUHAMAD ROFI HIDAYA DEPAREMEN MAEMAIKA FAKUAS MAEMAIKA DAN IMU PENGEAHUAN AAM INSIU PERANIAN BOGOR BOGOR 22 ABSRAK MUHAMAD ROFI HIDAYA. Penyelesaan

Lebih terperinci

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)

CONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP) PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan

Lebih terperinci

Simulasi Aliran di Perairan Dangkal dengan Menggunakan Metoda Volume Hingga pada Sistem Grid tak Beraturan

Simulasi Aliran di Perairan Dangkal dengan Menggunakan Metoda Volume Hingga pada Sistem Grid tak Beraturan Natausumah Vol. No. 2 Aprl & Nuradl 2004 urnal TEKNIK SIPIL Smulas Alran d Peraran Dangal dengan Menggunaan Metoda Volume Hngga pada Sstem Grd ta Beraturan Dantje Kardana Natausumah ) Choly Nuradl 2) Abstra

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

V E K T O R Kompetensi Dasar :

V E K T O R Kompetensi Dasar : MODUL PEMELJRN I V E K T O R Kompetens Dasar : 1. Mahasswa mampu memaham perbedaan besaran vetor dan salar serta memberan contohcontohna dalam ehdupan sehar-har, 2. Mahasswa mampu melauan operas penumlahan

Lebih terperinci

KOMPONEN UTAMA UNTUK PENGENDALIAN KUALITAS SECARA STATISTIK. Nunik Nurhasanah 1, Diah Safitri 2

KOMPONEN UTAMA UNTUK PENGENDALIAN KUALITAS SECARA STATISTIK. Nunik Nurhasanah 1, Diah Safitri 2 Komonen Utama...(Nun Nurhasanah) KOMPONEN UAMA UNUK PENGENDALIAN KUALIAS SECARA SAISIK Nun Nurhasanah, Dah Saftr Alumn Program Stu Statsta FMIPA UNDIP Staf Pengaar Program Stu Statsta FMIPA UNDIP Abstract

Lebih terperinci

Computation Process using Scilab

Computation Process using Scilab Computaton Process usng Sclab Komputas Proses. Pengenalan Sclab. Bahasa pemrograman dengan Sclab 3. Metoda Numer 4. Aplas Komputas Proses dengan Sclab Introducton Phscal & Mathematcal MODELS Smplfed pcture

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) IKG2E3 KOMPUTASI NUMERIK Disusun oleh: PROGRAM STUDI S1 ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester (RPS) ini

Lebih terperinci

BAB 3 PEMODELAN PROSES PENGGILINGAN AKHIR

BAB 3 PEMODELAN PROSES PENGGILINGAN AKHIR BAB 3 PEMODELAN POSES PENGGILINGAN AKHI 3. Proses Produs Semen Gamar 3. Proses Produs pada Par Semen Gamar d atas merupaan suatu proses produs semen mula dar penamangan materal-materal yang dutuan untu

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

NILAI EIGEN DAN FUNGSI EIGEN DARI OPERATOR MOMENTUM SUDUT

NILAI EIGEN DAN FUNGSI EIGEN DARI OPERATOR MOMENTUM SUDUT NIAI EIGEN DAN FUNGSI EIGEN DARI OPERATOR MOMENTUM SUDUT A. Sfat Dasa Moentu Suut p 8. Gaba 8. Defns las oentu angula Aah engut atuan putaan sup anan B. Koponen-Koponen Moentu Obtal ala Keanga Koonat Catesan

Lebih terperinci

Contoh Tentukanlah prakiraan nilai f pada titik x 8 dengan menggunakan metode polinomial interpolasi Lagrange dengan ketelitian hingga desimal, jika d

Contoh Tentukanlah prakiraan nilai f pada titik x 8 dengan menggunakan metode polinomial interpolasi Lagrange dengan ketelitian hingga desimal, jika d INTERPOLATION INTERPOLATION Numerical Methods Oleh : Interpolasi mrp cara utk mendapatkan kurva sesuai dgn data yang ada, tanpa menimbulkan kesalahan thp data tsb. Pembahasan interpolasi akan dititikberatkan

Lebih terperinci

Pemodelan resiko jantung koroner dengan pendekatan logistik nonparametrik berdasarkan estimator polinomial lokal ABSTRAK

Pemodelan resiko jantung koroner dengan pendekatan logistik nonparametrik berdasarkan estimator polinomial lokal ABSTRAK Senar Nasonal Statstka I Insttut Teknolog Seulu Noeber, 7 Noveber 9 Peoelan resko antung koroner engan enekatan logstk nonaraetrk berasarkan estator olnoal lokal Elly Ana, St Aana Pro Mateatka, Unverstas

Lebih terperinci

Simulasi Numerik Perambatan Banjir Akibat Keruntuhan Bendungan dengan Metode Volume Hingga-Cell Center

Simulasi Numerik Perambatan Banjir Akibat Keruntuhan Bendungan dengan Metode Volume Hingga-Cell Center Natausumah, d. ISSN 0853-98 Jurnal Teorets dan Terapan Bdang Reayasa Spl Smulas Numer Perambatan Banjr Abat Keruntuhan Bendungan dengan Metode Volume Hngga-Cell Center Abstra Dantje K. Natausumah Kelompo

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

Bab 3. Penyusunan Algoritma

Bab 3. Penyusunan Algoritma Bab 3. Penusunan Algortma on anuwjaa/ 500030 Algortma merupakan penulsan permasalahan ang sedang dsorot dalam bahasa matematk. Algortma dbutuhkan karena komputer hana dapat membaca suatu masalah secara

Lebih terperinci

PERMASALAHAN LOKASI (Model Dasar) [2]

PERMASALAHAN LOKASI (Model Dasar) [2] PERMASALAHAN LOKASI Model Dasar [] Technques of Contnuous Space Locaton Probles Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch provde

Lebih terperinci

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance 30/05/04 Technques of Contnuous Space Locaton Probles PERMASALAHAN LOKASI Model Dasar [] Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch

Lebih terperinci

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a Pemodelan Anomal Magnet Berbentu Prsma Menggunaan Algortma Geneta Antonus a, Yudha Arman a *, Joo Sampurno a a Jurusan Fsa, FMIPA Unverstas Tanjungpura, Jalan Pro. Dr. Hadar Nawaw, Pontana, Indonesa *Emal

Lebih terperinci

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

Bagian 3 Differensiasi

Bagian 3 Differensiasi Bagian Differensiasi Bagian Differensiasi berisi materi tentang penerapan konsep limit untuk mengitung turunan an berbagai teknik ifferensial. Paa penerapan konsep limit, Ana akan iperkenalkan engan konsep

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

Aplikasi Neural-Fuzzy pada Regresi Interval untuk Data Time Series

Aplikasi Neural-Fuzzy pada Regresi Interval untuk Data Time Series Apliasi Neural-Fuzzy paa Regresi Interval untu Data Time Series Sri Kusumaewi Jurusan Teni Informatia, Universitas Islam Inonesia, Yogyaarta Jl. Kaliurang K, 4, Yogyaarta (04 E-mail : cicie@fti.uii.ac.i

Lebih terperinci

Tanggapan Waktu Alih Orde Tinggi

Tanggapan Waktu Alih Orde Tinggi Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

MEKANIKA TANAH REMBESAN DAN TEORI JARINGAN MODUL 4. UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Sektor 7, Bintaro Jaya Tangerang Selatan 15224

MEKANIKA TANAH REMBESAN DAN TEORI JARINGAN MODUL 4. UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Sektor 7, Bintaro Jaya Tangerang Selatan 15224 MEKANIKA TANAH MODUL 4 REMBESAN DAN TEORI JARINGAN UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Setor 7, Bintaro Jaya Tangerang Selatan 154 PENDAHULUAN Konsep pemaaian oefisien permeabilitas untu

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

3. Turunan Fungsi Trigonometri, Trigonometri Inversi, Logaritmik, Eksponensial

3. Turunan Fungsi Trigonometri, Trigonometri Inversi, Logaritmik, Eksponensial Darpublic Nopember 03.arpublic.com 3. Turunan Fungsi Trigonometri, Trigonometri Inversi, Logaritmik, Eksponensial 3.. Turunan Fungsi Trigonometri Jika sin maka sin sin( + ) sin sin cos + cos sin sin Untuk

Lebih terperinci