PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2"

Transkripsi

1 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for solvg D coduco eguao. Forward dfferece s used for emporal dscrezao ad ceral dfferece s used for spaal dscrezao. Numercal resuls are comparso o he eac soluo, Crak-Ncolso scheme has mmum error comparso wh FCS ad Laasoe scheme. Keywords : Fe dfferece, forward dfferece, ceral dfferece,coduco PENDAHULUAN * Meode beda hgga adalah salah sau pedekaa umerk yag dapa dguaka uuk meyelesaka persamaa koduks D. Uuk peyelesa kasus D erdapa beberapa skema pedekaa aaara la skema FCS, Laasoe da Crak-Ncolso. Kega skema ersebu ddasarka pada pedekaa beda maju uuk urua waku da pedekaa beda egah uuk urua ruag. Skema FCS dapa dselesaka secara ekpls sedagka skema Laasoe da Crak- Ncolso peyelesaaya secara mpls. Beuk mark koefse peyelesaa mpls adalah mark pa rdagoal yag dapa dselesaka dega algorma homas. Dalam paper aka dsajka peyelesaa persamaa koduks D dega pedekaa skema FCS, Laasoe da Crak-Ncholso. Hasl peyelesaa dega ga skema ersebu dbadgka dega hasl peyelesaa eksak kemuda dcar peyelesaa yag memlk keela erbak. LANDASAN EORI Model maemaka uuk persamaa koduks D adalah :.. () Model maemaka ersebu dselesaak secara umerk dega skema FCS, Laasoe da Crak-Ncolso. Skema FCS Dskresas persama koduks D dega skema FCS adalah : () Saf Pegajar Jurusa ekk Mes F UNS Saf Pegajar Jurusa ekk Mes F UNS Peyelesaa Numerk Persamaa Koduks D Dega Skema FCS, Laasoe, da Crak-Ncolso Eko PB dkk 3

2 Mekaka, Volume 3 Nomor 3, Me Dar persamaa daas haya varabel yag dak dkeahu maka persama ersebu dapa dsusu mejad : (3) Gambar. Grd po skema FCS Skema Laasoe Gambar. Grd po skema Laasoe Dskresas persama koduks D dega skema Laasoe adalah : (4) Persamaa 4 dapa dsusu mejad : (5) d c b a (6) dmaa : a b c d Persamaa 6 dapa dsusu mejad beuk formulas mark sebaga berku :

3 / / b c a 3 b 3 c 3 a 4 b 4 c 4 u u 3 u 4 = d-a u d 3 d 4 am- bm- cm- am- bm- u - u - d m- d m- -c m- u m Kemuda persamaa mark dselesaka dega algorma homas. Skema Crak-Ncolso + +/ - + Gambar 3. Grd po skema Crak-Ncolso Dskresas skema Crak-Ncholso adalah sebaga berku :.. (8) Persamaa 8 dapa dsusu mejad : a b c d.. (9) dmaa : a b c d Persamaa 9 dsusu mejad beuk formulas marks seper pada skema Laasoe kemuda dselesaka dega algorma homas. Peyelesaa Numerk Persamaa Koduks D Dega Skema FCS, Laasoe, 5 da Crak-Ncolso Eko PB dkk

4 Kasus perpdaha paas koduks D s s Syara awal (=0) : =00. o F Syara baas : s=300. o F Dfusvas ermal : = 0. f /jam Dmes doma : L=. f Gambar 4. Doma da syara baas. Algorma Pemrograma. euka jumlah grd, lagkah waku da proper baha.. euka syara awal da syara baas 3. Hug + dega meode FCS, Laasoe da Crak-Ncolso 4. Apakah sudah sampa baas perhuga ()? Jka belum, kembal ke- 5. uls hasl 6. Selesa HASIL DAN PEMBAHASAN Program duls dalam Bahasa Forra, ssem grd yag dguaka adalah =0.05 uuk lagkah ruag da =0.0 uuk lagkah waku. Skema FCS memerluka syara 0. kesabla 5. Uuk perhuga sehgga syara kesabla elah dpeuh. Uuk skema Laasoe da Crak-Ncolso dak memerluka syara kesabla. Selajuya uuk megeahu keela dar peyelesaa umerk maka dbua perbadga aara peyelesaa umerk dega peyelesaa aals. Peyelesaa aals dar kasus adalah : s ( ) s m e m L m m s m L (0) Hasl perbadga dujukka dalam abel. Kesalaha dhug dega persamaa : ER haslaals has l umerk 00% has l aals 6 Mekaka, Volume 3 Nomor 3, Me 005

5 abel. Kesalaha (ER) uuk skema FCS, Laasoe da Crak-Ncolso uuk =0.5 FCS Laasoe Crak-Ncolso Dar abel dkeahu kesalaha maksmum skema FCS. Laasoe da Crak-Ncolso masg-masg adalah.4%..4% da.06%. Dar hasl perbadga dkeahu bahwa skema Crak-Ncolso memlk keela erbak. KESIMPULAN Dalam paper perhuga umerk persamaa koduks D elah dlakuka. Hasl perbadga meujukka bahwa skema Crak-Ncolso memlk keela erbak. 0. Skema FCS memerluka syara ksabla 5 Crak-Ncolso sabl apa syara. sedagka skema Laasoe da DAFAR PUSAKA Duchaeu. P. & Zachma. D.W heory ad Problems of Paral Dffereal Equaos. McGraw-Hll. Ic Hoffma. K.A Compuaoal Flud Dyamcs for Egeer. Uversy of eas. Aus Holma. J.P Perpdaha Kalor. Peerb Erlagga Jakara Peyelesaa Numerk Persamaa Koduks D Dega Skema FCS, Laasoe, 7 da Crak-Ncolso Eko PB dkk

6 Dafar Program Program FCS dmeso (5),u(5),u(5) = v=0. h=. d=h/(-) d=0.0 =0. do j=, u(j)=00. eddo wre(*,0) read(*,*) 0 forma(' Baas waku = ',\) =(/d) 3 k=k+ =k*d u()=300. u()=300. do j=,- u(j)=u(j)+v*d/d/d*(u(j-)-*u(j)+u(j+)) eddo do j=,- u(j)=u(j) eddo f(k.l.)goo 3 wre(*,*)' = ',,' k= ',k,' = ', ope(,fle='d:\aa-eko\daa\ofc.da') do j=, (j)=(j-)*d wre(,0)(j),u(j) eddo 0 forma(,f0.3,,f0.3) ed Program Laasoe dmeso y(4),u(4) dmeso a(4),b(4),c(4),d(4) = v=0. h=.0 dy=h/(-) d=0.0 k=0 do j=, u(j)=00. eddo u()=300. u()=300. wre(*,0) read(*,*) 8 Mekaka, Volume 3 Nomor 3, Me 005

7 0 forma(' Baas waku = ',\) k=(/d) 3 k=k+ do j=,- a(j)=-v*d/dy/dy b(j)=+*v*d/dy/dy c(j)=-v*d/dy/dy d(j)=u(j) eddo d()=d()-a()*u() a()=0. d(-)=d(-)-c(-)*u() c(-)=0. call rd(a,b,c,d,,-) do j=,- u(j)=d(j) eddo f(k.l.k)goo 3 wre(*,*)' k= ',k ope(,fle='d:\aa-eko\daa\olasoe.da') do j=, y(j)=(j-)*dy wre(,0)y(j),u(j) eddo 0 forma(,f0.3,,f0.3) ed subroue rd(a,b,c,d,l,l) dmeso a(4),b(4),c(4),d(4) do =l+,l r=-a()/b(-) b()=b()+r*c(-) d()=d()+r*d(-) d(l)=d(l)/b(l) do j=l-,l,- d(j)=(d(j)-c(j)*d(j+))/b(j) reur ed Program Crak-Ncolso dmeso y(4),u(4) dmeso a(4),b(4),c(4),d(4) = v=0. h=.0 dy=h/(-) d=0.0 k=0 do j=, u(j)=00. eddo u()=300. u()=300. wre(*,0) read(*,*) Peyelesaa Numerk Persamaa Koduks D Dega Skema FCS, Laasoe, 9 da Crak-Ncolso Eko PB dkk

8 0 forma(' Baas waku = ',\) k=(/d) 3 k=k+ do j=,- a(j)=-v*d/dy/dy/ b(j)=+v*d/dy/dy c(j)=-v*d/dy/dy/ d(j)=u(j)+v*d/dy/dy/*(u(j-)-*u(j)+u(j+)) eddo d()=d()-a()*u() a()=0. d(-)=d(-)-c(-)*u() c(-)=0. call rd(a,b,c,d,,-) do j=,- u(j)=d(j) eddo f(k.l.k)goo 3 wre(*,*)' k= ',k ope(,fle='d:\aa-eko\daa\ock.da') do j=, y(j)=(j-)*dy wre(,0)y(j),u(j) eddo 0 forma(,f0.3,,f0.3) ed subroue rd(a,b,c,d,l,l) dmeso a(4),b(4),c(4),d(4) do =l+,l r=-a()/b(-) b()=b()+r*c(-) d()=d()+r*d(-) d(l)=d(l)/b(l) do j=l-,l,- d(j)=(d(j)-c(j)*d(j+))/b(j) reur ed 30 Mekaka, Volume 3 Nomor 3, Me 005

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

Bahan kuliah Hidraulika Komputasi Jurusan Teknik Sipil FT UGM Yogyakarta

Bahan kuliah Hidraulika Komputasi Jurusan Teknik Sipil FT UGM Yogyakarta MODEL MTEMTIK oleh Ir. Djoko Lukao, M.Sc., Ph.D. Februar 003 Baha kulah Hdraulka Kompuas Jurusa Tekk Spl FT UGM Yogyakara Baha Kulah Laboraorum Hdraulka, JTS FT UGM PRKT D:\My Documes\Publkas\Model Maemaka\Model

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

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

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

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

PERSAMAAN DIFERENSIAL PARSIAL. Partial Differential Equations PDE

PERSAMAAN DIFERENSIAL PARSIAL. Partial Differential Equations PDE PERSAMAAN DIFERENSIAL PARSIAL Paral Dffereal Equaos PDE Persamaa Dferesal Parsal PDE Acua Chapra, S.C., Caale R.P., 99, Numercal Mehods for Egeers, d Ed., McGraw-Hll Boo Co., New Yor. Chaper 3 da, hlm.

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

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

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

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

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

Kontrol Ketinggian Minimal Misil Udara-ke-Permukaan Menggunakan Metode Tembakan Runtun Langsung

Kontrol Ketinggian Minimal Misil Udara-ke-Permukaan Menggunakan Metode Tembakan Runtun Langsung Korol Kegga Mmal Msl Udara-ke-Permukaa Megguaka Meode Tembaka Ruu Lagsug S. Subcha Jurusa Maemaka, Fakulas MIPA, ITS, Surabaya Emal: s.subcha@gmal.com ABSTRAK Makalah membahas peyelesaa umerk dega meode

Lebih terperinci

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

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

Lebih terperinci

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

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

Sistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell

Sistem Penjadwalan Mesin Produksi Menggunakan Algoritma Johnson dan Campbell Soaa, Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell 73 Ssem Pejadwala Mes Produks Megguaka Algorma Johso da Campbell Ff Soaa Program Pascasarjaa Jurusa Tekk formaka Fakulas lmu Kompuer

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

PERSAMAAN DIFERENSIAL PARSIAL

PERSAMAAN DIFERENSIAL PARSIAL hp://saro.saff.ugm.ac.d PERSAMAAN DIFERENSIAL PARSIAL Paral Dffereal Equaos PDE Persamaa Dferesal Parsal PDE hp://saro.saff.ugm.ac.d Acua Chapra, S.C., Caale R.P., 99, Numercal Mehods for Egeers, d Ed.,

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal Jural Sas & Maemaka JSM) ISSN Kaa 854-675 Pusaka Volume 5, Nomor, Aprl 7 Arkel Peela 6-67 Pemodela Regres uuk Racaga Percobaa Fakor Tuggal Dw Ispra Saf Pegaar urusa Maemaka Fakulas MIPA UNDIP Semarag ABSTRAK---Meode

Lebih terperinci

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

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

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

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

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

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

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

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

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

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

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN Jural EKSPONENSAL Volume 6, Nomor, Nopember 05 SSN 085789 Aalss Pegedala Persedaa Produk dega Meode Ecoomc Order Quay Mul em Megguaka Algorma Geeka uuk Megefseka Baya Persedaa Hasl Peramala Berbass Expoeal

Lebih terperinci

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

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

Lebih terperinci

PENGGAMBARAN GRAFIK DALAM PROSES SIMULASI MODEL MATEMATIKA BERBENTUK TAK MANTAP (UNSTEADY)

PENGGAMBARAN GRAFIK DALAM PROSES SIMULASI MODEL MATEMATIKA BERBENTUK TAK MANTAP (UNSTEADY) Jural Ilmah STMIK U Budyah Vol., No., Maret 0 PENGGAMBARAN GRAFIK DALAM PROSES SIMULASI MODEL MATEMATIKA BERBENTUK TAK MANTAP (UNSTEADY) Fasal Tfta Zay Jurusa Tekolog Iformas, STMIK U BudyahIdoesa, Bada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

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

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

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2 Semar Nasoal Saska IX Isu ekolog Sepulu Nopember, 7 November 009 PENGGUNAAN REGRESI KONINUM DENGAN PRA- PEMROSESAN ROBPCA UNUK PEMODELAN SAISICAL DOWNSCALING Suko da Seaa, Jurusa Saska FMIPA IS suko@saska.s.ac.d,

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DISCOUNT

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DISCOUNT PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DICOUNT Much. Djuad Jurusa Tekk Idusr Uversas Muhammadyah urakara Jl. Ahmad Ya Tromol Pos Pabela urakara emal:

Lebih terperinci

Pengantar. September 2007, Krisantus Sembiring. S1 Teknik Informatika, Sekalah Teknik Elektro dan Informatika, ITB

Pengantar. September 2007, Krisantus Sembiring. S1 Teknik Informatika, Sekalah Teknik Elektro dan Informatika, ITB Pegaar Dokume dambl dar Tugas Akhr saya yag berudul Peerapa Tekk Suppor Vecor Mache uuk Pedeeksa Irus pada Jarga. Dokume dbua hayak uuk memberka eor SVM dalam bahasa Idoesa karea peuls belum meemuka uoral

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

= 8 = 7. x 4 = 24 = 8 = 5 = 13. pada persamaan ketiga dan x 3 = 5

= 8 = 7. x 4 = 24 = 8 = 5 = 13. pada persamaan ketiga dan x 3 = 5 III. REDUKSI GANJIL-GENAP/REDUKSI SIKLIS.. Alortma Sequesal Coto 9. Selesaka sstem persamaa erkut : Jawa 6 x + x = 8 x + x 5 x = 7 x + x 6 x = 5 x + 8 x = Vektor x = [ x x x x ] T dperole melalu prosedur

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract Esmas Paamee (Ida sa) ESIMASI PARAMEER DISRIBUSI WEIBULL DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah, Sugo, Ra Rahmawa Mahasswa Juusa Saska FSM Uvesas Dpoegoo Sa Pegaja Juusa Saska FSM UNDIP Absa

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

STUDI PENANGGULANGAN BAJIR DATUK LAKSAMANA DUMAI. Fakultas Teknik Universitas Riau, Pekanbaru,

STUDI PENANGGULANGAN BAJIR DATUK LAKSAMANA DUMAI. Fakultas Teknik Universitas Riau, Pekanbaru, STUDI PENANGGULANGAN BAJIR DATUK LAKSAMANA DUMAI Arf Julswa ), Sswao ), Trmajo ) ) Mahasswa Jurusa Tekk Spl, ) Dose Jurusa Tekk Spl Fakulas Tekk Uversas Rau, Pekabaru, 893 Emal : ajuladrod@gmal.com Oe

Lebih terperinci

OPTIMISASI PADA SISTEM DAYA LISTRIK

OPTIMISASI PADA SISTEM DAYA LISTRIK OTIMISASI ADA SISTEM DAYA LISTRIK Oleh : Sugeg Saoso ABSTRAK emecaha masalah opmas ssem eaga lsrk saga sul karea ssem eaga yag saga besar, kompleks, secara geografs juga luas da dpegaruh oleh bayak kejada

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru

Lebih terperinci

PERBANDINGAN ANTARA METODE K-MEANS CLUSTERING DENGAN GATH-GEVA CLUSTERING (STUDI KASUS PADA VOLUME EKSPOR NON MIGAS PAKAIAN JADI)

PERBANDINGAN ANTARA METODE K-MEANS CLUSTERING DENGAN GATH-GEVA CLUSTERING (STUDI KASUS PADA VOLUME EKSPOR NON MIGAS PAKAIAN JADI) JURAL MATEMATIKA MATIK Vol. 0 o. 0. Me 06. ISS: 57-359 E-ISS: 57-367 PERBADIGA ATARA METODE K-MEAS CLUSTERIG DEGA GATH-GEVA CLUSTERIG (STUDI KASUS PADA VOLUME EKSPOR O MIGAS PAKAIA JADI) Oleh : S Lalyah

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci