BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB 2 LANDASAN TEORI Sebaga besar dar persoala maajeme berkeaa dega pegguaa sumber secara efse atau alokas sumber-sumber yag terbatas (teaga kerja terampl, baha metah, modal) utuk mecapa tujua yag dgka (desred objectve) sepert peermaa hasl pejuala yag harus maksmum, peermaa devsa hasl ekspor omgas harus maksmum; jumlah baya trasport harus mmum; lamaya waktu atra utuk meerma pelayaa sepedek mugk; kemakmura rakyat sebesar-besarya. Dalam keadaa sumber yag terbatas harus dcapa suatu hasl yag optmum. Dega perkataa la bagamaa caraya agar dega masuka (put) yag serba terbatas dapat dcapa hasl kerja yatu keluara (output) berupa produks barag atau jasa yag optmum. Lear programmg aka memberka bayak sekal hasl pemecaha persoala, sebaga alteratf pegambla tdaka, aka tetap haya ada satu yag optmum (maksmum atau mmum). Igat bahwa megambl keputusa berart memlh alteratf, yag jelas harus alteratf yag terbak (the best alteratve). Jka dperhatka keadaa dalam praktek d maa pmpa perusahaa bermaksud atau bertujua utuk mecapa hasl pejuala sebesar mugk (mamum reveue), logkaya adalah pmpa perusahaa tersebut memutuska utuk memproduks sebayak-bayakya, maka kalau semua barag tersebut laku dual, tetu aka dperoleh jumlah hasl pejuala sebayak-bayakya. Aka tetap, keadaa belum tetu sepert tu, pmpa perusahaa tersebut sebaga pembuat keputusa (decso maker), teryata aka meghadap pembatasapembatasa (lmtato or costrats), msalya jumlah permtaa masyarakat tdak sebayak yag dproduks, sehgga barag susah dual. Pembatasa buka berhet dstu saja sebab mugk da meghadap pembatasa sepert persedaa baha metah teryata haya terseda terbatas, teaga terampl yag aktf da kreatf

2 5 terbatas, mache hours utuk memproses produks terbatas, modal terbatas, ruaga (storage) utuk meympa barag hasl produks terbatas da permtaa masyarakat teryata juga terbatas (lmted demad). Persoala yag tmbul kemuda adalah bagamaa dapat mecapa hasl (output) yag optmum dega memperhatka put (me, moey, materal, tme) yag tersedaya memag terbatas. Jad mecar suatu pemecaha yag optmum dega memperhatka pembatasa-pembatasa put. Ilah yag mejad sasara lear programmg. Pmpa perusahaa atau pegambl keputusa dalam meghadap product-m harus mecar pemecaha agar dperoleh mamum reveue atau mamum proft atau sebalkya mmum cost of producto. 2. Persoala Trasportas Persoala trasportas merupaka persoala lear programmg. Bahka aplkas dar tekk lear programmg pertama kal alah dalam merumuska persoala trasportas da memecahkaya. Persoala traportas yag dasar pada mulaya dkembagka oleh F.L Htchcock pada tahu 94 dalam studya yag berjudul: The dstrbuto of a product from several sources to umerous locatos. I merupaka cr dar persoala trasportas yatu megagkut sejes produk tertetu kataka beras, myak, dagg, telur, tekstl, pupuk da jes produk laya dar beberapa daerah asal (pusat produks, depot myak, gudag barag) ke beberapa daerah tujua (pasar, tempat proyek, pemukma, daerah trasmgras), pegatura harus dlakuka sedemka rupa agar jumlah baya trasportas mmum. Pada tahu 947, T.C Koopmas secara terpsah meerbtka suatu hasl stud megea : Optmum utlzato of the trasportato system. Selajutya, perumusa persoala lear programmg, da cara pemecaha yag sstemats dkembagka oleh Prof. George Dazg yag serg dsebut Bapak lear programmg. Prosedur pemecaha yag sstemats tersebut dsebut metode smpleks.

3 6 Cr-cr khusus metode trasportas :. Terdapat sejumlah sumber da sejumlah tujua tertetu. 2. Jumlah yag ddstrbuska dar setap sumber da yag dmta oleh setap tujua adalah tertetu. 3. Jumlah yag dkrm atau dagkut dar suatu sumber ke suatu tujua sesua dega permtaa atau kapastas sumber. Jumlah permtaa da peawara sembag da apabla jumlah permtaa tdak sama dega peawara, maka harus dtambahka varabel dummy. 4. Baya trasportas dar suatu sumber ke suatu tujua adalah tertetu. 5. Jumlah varabel dasar m + -, dmaa m adalah jumlah bars da adalah jumlah kolom. Apabla jumlah varabel dasar kurag dar m + yag dsebut dega degeeras, maka harus dtambahka varabel dasar dega la ol. 2.. Model Matemats Metode Trasportas Dalam meggambarka masalah trasportas, perlu dguaka stlah stlah yag tdak khusus karea masalah trasportas adalah masalah yag umum, yatu pedstrbusa berbaga komodt dar berbaga kelompok pusat peerma yag dsebut tujua, sedemka rupa sehgga memmalsas baya dstrbus total. Secara umum, sumber ( =, 2,..., m) mempuya supply s ut yag aka ddstrbuska ke tujua-tujua da tujua (j =, 2,...,) mempuya permtaa d ut yag dkrm dar sumber-sumber. Asums dasar metode trasportas adalah baya medstrbuska ut-ut dar sumber ke tujua j berbadg lagsug dega jumlah yag aka ddstrbuska, dmaa yag ddstrbuska. c meyataka baya per ut Apabla Z merupaka baya dstrbus total da ( =, 2,..., m ; j =, 2,..., ) adalah jumlah ut yag harus ddstrbuska dar sumber ke tujua j, maka formulas pemrograma ler masalah trasportas. Dar pejelasa d atas, maka rumus metode trasportas dapat dformulaska sebaga berkut :

4 7 Memmumka : Z = c m = j= Batasa : X X X 0 = a ; =,2, Km = b j ; j =,2, K Utuk memudahka pemahama model trasportas, berkut dberka lustrasya pada gambar d bawah. Gambar d bawah mejelaska bahwa terdapat tga sumber dalam sebuah perusahaa, yatu m, m2, da m3. Dar ketga sumber tersebut dapat dkrmka ke tujua, 2, da 3. Utuk megetahu seberapa besar masg-masg sumber ddstrbuska ke masg-masg tujua, maka dguaka model trasportas. Dega megguaka model trasportas, aka dhaslka pedstrbusa yag aka memmalsaska baya trasportas. Gambar 2. Represetas Jarga Model Trasportas

5 8 Ilustras model trasportas gambar dterjemahka ke dalam tabel model trasportas dega mebedaka atara sumber dega tujua. Sumber dletakka pada bars, sedagka tujua dletakka pada kolom. Jumlah peawara dar masgmasg sumber dletakka pada kolom palg akhr da jumlah masg-masg permtaa dletakka pada bars palg akhr. Seg empat kecl yag bers c K, c, 2 cm merupaka baya pedstrbusa dar sumber ke tujua, sedagka seg empat besar merupaka jumlah yag aka ddstrbuska dar setap sumber ke setap tujua. Sebaga gambara yag lebh kokret, berkut dtuagka model trasportas pada tabel, dega megguaka tabel aka memudahka mecar peyelesaa dar setap permasalaha trasportas. Tabel 2. Persoala Trasportas Tujua Baya 2 j Supply C C 2 C C S X X C 2 C 22 C 2 C 2 S u m b e r 2 X 2 X 22 X 2 X 2 C C 2 C C X X 2 X X S 2 S m C m C m2 C m C m X m X m2 X m X m Sm Demad D D 2 D j D ΣS =ΣD j

6 Lagkah-Lagkah Peyelesaa Masalah Model Trasportas Dalam meyelesaka masalah trasportas, terdapat dua lagkah yag harus dlakuka, yatu :. Mecar peyelesaa layak pada varabel dasar. Utuk mecar peyelesaa yag layak dapat dplh salah satu metode yag terseda. Metode yag dapat dguaka adalah Northwest Corer ( sudut barat laut), Least Cost (baya terkecl) da Vogel Appromato ( VAM). a. Metode Northwest Corer (NWCR). Pedstrbusa dmula dar pojok kr atas da, dakhr pada pojok kaa bawah. 2. Setap pedstrbusa dplh la sebayak mugk tapa meympag dar sumber/ tujua. 3. Apabla varabel dasar sudah ters semua, maka dhtug jumlah baya yag aka dkeluarka oleh perusahaa. b. Metode Least Cost. Pedstrbusa dmula dar baya terkecl da, apabla terdapat baya terkecl lebh dar satu, maka dplh salah satu. 2. Setap pedstrbusa dplh la sebayak mugk tapa megabaka jumlah sumber/tujua. c. Vogel Appromato Method ( VAM ). Meghtug opportuty cost yag ddasarka pada dua baya terkecl pada setap bars da kolom da meguragka keduaya, hasl perhtugaya dsebut dega pealty cost. 2. Memlh la pealty cost terbesar d atara bars da kolom. 3. Memlh baya terkecl dar la pealty cost terbesar da medstrbuska sejumlah la. Bars/ kolom pealt yag sudah terplh dabaka utuk lagkah selajutya.

7 0 4. Meyesuaka jumlah permtaa da peawara utuk meujukka alokas yag sudah dlakuka. Meghlagka semua bars da kolom dmaa peawara da permtaa telah dhabska. 5. Apabla jumlah peawara da permtaa belum sesua, maka ulag lagkah pertama sampa ters semua. 2. Meguj hasl peyelesaa. Dega megguaka salah satu metode yag terseda aka ddapatka solus awal yag layak, aka tetap peyelesaa yag layak belum tetu mejad peyelesaa yag optmal. Oleh karea tu, perlu dlakuka peguja agar hasl peyelesaa model trasportas optmal yatu meghaslka baya mmal. Peguja optmalsas megguaka dua metode yatu : a. Metode Steppg Stoe. Memlh satu water square (seg empat yag mash kosog/varabel o bass) da 3 atau lebh varabel bass (seg empat yag ters). 2. Megs water square (eterg varable) dega memperhatka varabel bass da meyesuaka dega jumlah peawara da permtaa. 3. Memberka tada + (postf) pada water square yag aka ds da varabel bass yag laya bertambah. 4. Memberka tada (egatf) pada varabel bass yag laya dpdahka pada water square. 5. Meguj hasl steppg stoe dega mecar la perubaha baya yag mash egatf. 6. Megulag lagkah d atas dega memlh la terkecl. b. Metode MODI Metode MODI merupaka varas dar model steppg stoe yag ddasarka pada rumusa dual. Perbedaaya dega metode steppg stoe adalah pada metode tdak harus meetuka semua jalur

8 tertutup varabel o bass, kecual pada saat aka melakuka perpdaha pegsa tabel. Dega demka MODI merupaka cara yag efse utuk meghtug varabel o bass. Dalam metode MODI terdapat persamaa sebaga berkut : m + j = C D maa : m = Nla setap sel bars j C = Nla setap kolom = Baya trasportas per ut Adapu lagkah-lagkah dalam metode MODI adalah : ) Metuka la m utuk setap bars da la-la j utuk setap kolom dega megguaka hubuga C = m + j utuk semua varabel bass da meetuka la m = 0. 2) Meghtug perubaha baya C utuk setap varabel o bass dega megguaka rumus C - m - j. 3) Apabla hasl perhtuga terdapat la C egatf, maka solus belum optmal. Oleh karea tu, dplh X dega la C egatf terbesar sebaga eterg varabel. 4) Megalokaska sejumlah la ke eterg varabel X sesua dega proses steppg stoe da megulag lagkah pertama Perumusa Persoala Trasportas Secara Umum Msalka suatu jes barag dagkut dar beberapa daerah asal ke beberapa daerah tujua. Msalya ada m daerah asal: : A,...,, A,..., 2 A Am da daerah tujua T, T,..., 2 T j,..., T. D daerah asal A, terseda barag yag aka dagkut (supply)

9 2 sebayak S da d tempat tujua barag tersebut dmta sebayak d j (demad). = jumlah barag yag dagkut (dalam satua) dar c = besarya baya utuk ut barag tersebut dar A ke T j A ke T j Dega demka utuk megagkut dperluka baya (total demad) = jumlah peawara (total supply). c. Jumlah permtaa Perhatka tabel berkut yag meggambarka permtaa dar setap tempat tujua da peawara/persedaa dar setap tempat asal, juga besarya baya c dega tada kurug buka. T Tabel 2.2 Perumusa Trasportas Secara Umum T T 2 T j T S A A c ) c ) 2 2 c j ) j c ) S A 2 c ) 2 2 c ) c 2 j ) 2 j c ) S M M A c ) c ) 2 2 c ) c ) S M A m c ) m m c ) m2 m2 c ) d d d 2 d j d mj mj c m ) S m m M d j = s

10 3 Perumusa persoala lear programmg mejad : Mmum : Z = m = j= c j= S Dega kedala : m = m = j= d j = m j= = m = S = j= d, j Model Trasshpmet (Persggaha) Model trasportas stadar megasumska bahwa rute lagsug atara sebuah sumber da sebuah tujua adalah rute berbaya mmum. I berart bahwa perhtuga persapa yag melbatka peetua rute terdekat harus dlakuka sebelum baya ut dar model trasportas stadar dapat dtetuka. Perhtuga dapat dlakuka dega meerapka algortma rute terdekat terhadap pasaga ode yag dgka. Satu prosedur alteratf dar pegguaa model trasportas basa (dega algortma rute terdekat yag dmasukka ke dalamya) adalah model trasshpmet. Model yag baru memlk cr tambaha yag megka ut-ut yag dkrmka dar semua sumber utuk melewat ode-ode atara atau semetara sebelum pada akhrya mecapa tujua mereka. Dega kata la model trasshpmet dguaka pada saat terdapat suatu ode-ode atara yag dka mejad tempat persggaha ut dar sumber sebelum pada akhrya mecapa tujua. Akbatya, algortma baru meggabugka bak algortma trasportas basa dega algortma rute terdekat mejad satu prosedur. Model trasshpmet merupaka perluasa dar model trasportas. Perbedaaya adalah, pada model trasshpmet semua smpul berpotes

11 4 mejad tempat persggaha barag atau ttk trasshpmet,sedag pada model trasportas pegrma barag lagsug dar gudag yag kelebha barag ke gudag yag membutuhka barag. Dalam model trasshpmet dasumska bahwa:. Barag yag dkrm adalah homoge, 2. Baya peympaa tdak dperhtugka, 3. Alat pegagkuta telah dtetuka utuk pegrma barag dar suatu gudag ke gudag la, 4. Baya pegrma barag dar suatu gudag ke gudag dhtug utuk tap ut barag yag dpdahka, 5. Baya persggaha pada ttk trasshpmet dhtug utuk tap ut barag yag dpdahka. Lagkah-lagkah yag dtempuh utuk meyelesaka masalah trasshpmet adalah sebaga berkut :. Membuat model trasshpmet, 2. Megubah model trasshpmet mejad model trasportas, 3. Mecar solus fsbel bass, 4. Mecar solus optmal. Berdasarka Nased (985),masalah trasshpmet (persggaha) merupaka suatu betuk umum dar model trasportas, sedagka model trasportas adalah betuk khususya d maa terdapat pusat-pusat asal atau sumber-sumber asl, pusat-pusat tujua yag asl, da ttk-ttk trasshpmetya. Ttk-ttk trasshpmet tersebut bsa terdapat pada pusat asal maupu pusat tujua. Dalam model setap pusat dapat megrm da meerma arus barag agkuta. Hal berart terdapat keleluasaa dalam peetapa rute arus barag dar ttk ke ttk j, sela ruteya yag lagsug. Ada beberapa cara utuk merumuska masalah trasshpmet secara matemats. Pedekata yag dsajka termasuk relatf lebh sgkat da

12 5 tegas. Adaka : X = jumlah yag dagkut dar ttk ke ttk j ; j;, j =,2, K,. C = baya agkuta dar ttk ke ttk j ; C 0. r = kebutuha bersh (ssa) d ttk. Setap ttk atau lokas yag ada harus dapat memeuh suatu rumusa kesembaga yatu atara arus barag yag keluar (dagkut) dkurag arus barag yag masuk(dterma) harus sama dega kebutuha bersh. Secara smbolk, rumusa model umum trasshpmet adalah sebaga berkut : = = j= Mmumka : Z C X,dmaa j Dega kedala : = j X utuk =,2, K, da X j= X j = r 0;, j =,2, K, ; j Apabla kta gka agar jumlah permtaa sama dega jumlah supla (artya r = 0 ) maka model trasshpmetya mejad : = = j= Mmumka : Z C X,dmaa j Dega kedala : = j X utuk =,2, K, da X j= X j = 0 0;, j =,2, K, ; j

13 6 2.2 Termolog Dasar Graph Graph berarah (drected graph) ddefska secara abstrak sebaga suatu pasaga terurut (V,E), dega V suatu hmpua da E suatu relas ber pada V. Graph berarah dapat dgambarka secara geometrs sebaga suatu hmpua ttk-ttk V dega suatu hmpua tada paah E atara pasaga ttk-ttk. Sebaga msal Gambar d bawah meujukka sebuah graph berarah. Usur-usur d dalam V damaka verteks (verte), sedagka psaga terurut d dalam E damaka rusuk (edge) graph berarah tersebut. Sebuah rusuk dkataka bersdes (cdet) dega kedua verteks yag dhubugkaya. Gambar 2.2 Graph Berarah Sebaga msal, rusuk (a,b) bersdes dega verteks a da verteks b. Kadag-kadag, bla dgka lebh rc lag, dapat dkataka bahwa rusuk (a,b) bersdes dar a da bersdes ke b. Utuk rusuk (a,b), verteks a damaka verteks awal (tal verte). Suatu rusuk yag bersdes dar da ke verteks yag sama, msalya (c,c) d dalam Gambar, damaka lup (loop).

14 7 Dua verteks dkataka berdekata (adjacet) jka keduaya dhubugka oleh sebuah rusuk. Sela tu, utuk rusuk (a,b), verteks a dkataka berdekata ke (adjacet to) verteks b, sedagka verteks b dkataka berdekata dar (adjacet form) verteks a. Sebuah verteks damaka verteks terasg atau tersolas (solated verte) jka tdak ada rusuk yag besdes degaya. Graph tak berarah (udrected graph) G ddefska secara abstrak sebaga suatu pasaga terurut (V, E), dega V suatu hmpua da E suatu hmpua yag usur-usurya berupa mult hmpua dega dua usur dar V. Sebaga msal, G = ({a, b, c, d}, {{a, b}, {a, d}, {b, c}, {b, d}, {c, c}}) adalah sebuah graph tak berarah. Graph tak berarah G datas dgambarka secara geometrk dalam Gambar. Sebaga lustras la, msalka V = {a, b, c, d, e} sebuah hmpua program komputer. Gambar meujukka sebuah graph tak berarah dega dua verteks dhubugka oleh sebuah rusuk jka kedua program yag drepresetaska oleh kedua verteks tu bsa meerma data yag sama. a b d c Gambar 2.3 Graph Tak Berarah 2.2. Graph Gada da Graph Berbobot Defs graph dapat dperluas dalam beberapa cara. Msalka G = (V, E), dega V suatu hmpua da E suatu hmpua gada yag usur-usurya

15 8 berupa pasaga terurut dar V V. Graph G damaka graph gada berarah (drected multgraph). Secara geometrs, graph gada berarah dapat dyataka sebaga suatu hmpua ttk-ttk V dega suatu hmpua tada paah E atara ttk-ttk tapa ada kedala megea bayakya tada paah dar satu ttk ke ttk laya. Sebaga msal, Gambar d bawah meujukka sebuah graph gada. Selajutya perhatka represetas grafs sebuah peta jala raya dega rusuk atara dua kota meyataka sebuah jalur pada jala raya atara kedua kota. Karea jala raya atara dua kota serg mempuya bayak lajur, represetas aka meghaslka sebuah graph gada. Gagasa graph gada tak berarah (udrected multgraph) dapat ddefska dega cara serupa. Gambar 2.4 Graph Gada Berarah Ketka memodelka suatu masalah fsk sebaga suatu graph abstrak, sergkal dtambahka formas la kepada verteks-verteks da/atau rusukrusuk graph tersebut. Sebaga msal, d dalam graph yag meggambarka jarga jala raya atara kota-kota, dtambahka sebuah blaga pada setap rusuk utuk meujukka jarak atara kedua kota yag dhubugka oleh rusuk tersebut. Secara umum, graph berbobot (weghted graph) ddefska sebaga sebuah pasaga terurut gada empat (V, E, f, g), atau sebuah pasaga terurut gada tga (V, E, g); dalam hal V hmpua semua verteksya, E

16 9 hmpua semua rusukya, f sebuah fugs dega daerah asal (doma) V, da g sebuah fugs dega daerah asal E. Fugs f member pembobot (weghts) pada verteks, sedagka fugs g member pembobot pada rusuk. Pembobot tu bsa berupa blaga, lambag, atau besara apa pu yag g kta berka kepada verteks da rusuk Ltasa da Ragkaa D dalam graph berarah, ltasa alah suatu barsa rusuk ( 2 k e, e, K, e ) sedemka rupa sehgga verteks termal e bermpt dega j verteks awal e utuk j k. Suatu ltasa dkataka sederhaa (smple) ( j +) jka a tdak mecakup rusuk yag sama dua kal. Suatu ltasa dkataka elemeter (elemetary) jka a tdak bertemu verteks yag sama dua kal. Dalam Gambar d bawah, (e, e 2, e 3, e 4 ) adalah sebuah ltasa ; (e, e 2, e 3, e 5, e 8, e 3, e 4 ) adalah sebuah ltasa,amu buka yag sederhaa ; (e, e 2, e 3, e 5, e 9, e 0, e, e 4) adalah sebuah ltasa sederhaa, amu buka yag elemeter. Gambar 2.5 Ltasa da Ragkaa

17 20 Ragkaa (crcut) alah suatu ltasa e, e, K, e ) yag verteks ( 2 k termalya, e k. Suatu ragkaa dkataka sederhaa (smple) jka a tdak mecakup rusuk yag sama dua kal. Suatu ragkaa dkataka elemeter (elemetary) jka a tdak bertemu verteks yag sama dua kal. D dalam Gambar, (e, e 2, e 3, e 5, e 9, e 0, e 2, e 6, e 7 ) adalah sebuah ragkaa sederhaa, amu buka elemeter, sedagka (e, e 2, e 3, e 5, e 6, e 7 ) adalah sebuah ragkaa elemeter. Suatu ltasa atau suatu ragkaa dapat drepresetaska juga dega barsa verteks-verteks yag dtemuya. Sebaga msal, ltasa (e, e 2, e 3, e 4 ) d dalam Gambar, dapat juga drepresetaska sebaga (v, v 2, v 3, v 4, v 7 ), sedagka ragkaa (e 5, e 9, e 0, e ) dapat drepresetaska sebaga (v 4, v 5, v 8, v 6, v 4 ). Suatu graph tak berarah dkataka terhubugka (coected) jka ada suatu ltasa atara setap dua verteks, da jka tdak demka dkataka tdak terhubugka (dscoected). Suatu graph berarah dkataka terhubugka jka graph tak berarah yag dperoleh dega megabaka arah-arah rusuk-rusukya teryata terhubugka, da jka tdak demka dkataka tdak terhubugka. Dega demka, suatu graph tdak terhubugka terdr dar dua atau lebh kompoe yag masg-masgya berupa sebuah graph terhubugka. Suatu graph berarah dkataka terhubugka erat (strogly coected) jka utuk setap dua verteks a da b d dalam graph tu, ada ltasa dar a ke b maupu dar b ke a Ltasa da Srkut Euler Msalka G adalah suatu graph. Ltasa Euler G adalah ltasa yag melalu masg-masg ss d dalam graph G tepat satu kal..

18 2 Srkut Euler alah srkut yag melewat masg-masg ss tepat satu kal da graph yag mempuya srkut Euler dsebut graph Euler (Eulera graph). Graph yag mempuya ltasa Euler damaka juga graph sem- Euler (sem-eulera graph). Gambar d bawah merepresetaska sebuah graph Euler dega ltasa eulerya :, 2, 4, 6, 2, 3, 6, 5,, 3 Gambar 2.6 Graph Euler Ltasa da Srkut Hamlto Suatu graph terhubug G dsebut ltasa Hamlto bla ada ltasa yag melalu tap smpul d dalam graph G tepat satu kal. Srkut Hamlto alah srkut yag melalu tap smpul d dalam graph tepat satu kal, kecual smpul asal (sekalgus smpul akhr) yag dlalu dua kal. Graph yag memlk srkut Hamlto damaka graph Hamlto, sedagka graph yag haya memlk ltasa Hamlto dsebut graph sem-hamlto. Dalam srkut Euler, semua gars harus dlalu tepat satu kal, sedagka semua ttkya boleh dkujug lebh dar satu kal. Sebalkya, dalam srkut Hamlto semua ttk harus dkujug tepat satu kal da tdak harus melalu semua garsya. Dalam srkut Euler, yag dpetgka adalah garsya. Sebalkya dalam srkut Hamlto, yag dpetgka adalah kujuga pada ttkya. Gambar d bawah merepresetaska sebuah cotoh graph Hamlto dega ltasaya adalah :, 2, 3, 4,.

19 22 Gambar 2.7 Graph Hamlto Ltasa Terpedek D Dalam Graph Berbobot Msalka G = (V, E, w) sebuah graph berbobot ; dalam hal w suatu fugs dar E ke hmpua blaga yata postf. Msalka V sebuah hmpua kotakota da E hmpua jala-jala raya yag meghubugka kota-kota tersebut. Pembobot rusuk {, j}, dlambagka w(, j), basaya damaka pajag rusuk {, j}, yag dalam hal dapat dtafsrka sebaga jarak atara kota da kota j. Pajag suatu ltasa d dalam graph G ddefska sebaga jumlah pajag rusuk-rusuk d dalam ltasa tu. Msalka dgka suatu ltasa terpedek dar verteks a ke verteks z d dalam graph G. Mula-mula dtetuka ltasa terpedek dar a ke suatu verteks la, lalu dtetuka lag ltasa terpedek dar a ke suatu verteks la lag, da demka seterusya. Pada akhrya, prosedur demka aka berakhr bla ltasa terpedek dar a ke z dperoleh. Masalah ltasa terpedek adalah masalah yag meyagkut ode, pajag jalur, arah ltasa. Dalam ltasa perlu dperhatka khusus yatu ode supply (ode awal) da ode demad ( ode akhr). Utuk meyelesaka masalah ltasa terpedek, terdapat suatu algortma yag bsa dpaka yatu :. Tujua pada teras ke- ; Tetuka ode terdekat dar ttk awal (ode awal)

20 23 2. Iput pada teras ke- ; ode terdekat ke - ke ode awal, termasuk d dalamya ltasa terpedek da jarak dar ode awal. (ode-ode dtambah dega ode awal dsebut ode terselesaka, yag la ode belum terselesaka). 3. Kaddat utuk ode terdekat ke- ; setap ode terselesaka yag lagsug berhubuga dega satu atau lebh ode belum terselesaka sebaga kaddat ode belum terselesaka yag mempuya hubuga terpedek. 4. Perhtuga ode terdekat ke- ; utuk setap ode terselesaka da ode kaddat, dtambah dega jarak dataraya. Kaddat yag mempuya total jarak terpedek ke Jarga Trasportas Suatu graph berbobot damaka jarga trasportas (trasport etwork) jka sejumlah syarat berkut dpeuh :. Ia terhubugka da tdak mempuya lup. 2. Ada satu da haya satu verteks d dalam graph tu yag tdak mempuya rusuk masuk. 3. Ada satu da haya satu verteks d dalam graph tu yag tdak mempuya rusuk keluar. 4. Pembobot setap rusuk berupa sebuah blaga yata tdak egatf. D dalam suatu jarga trasportas, verteks yag tdak mempuya rusuk masuk damaka sumber (source) da dlambagka dega a ; verteks yag tdak mempuya rusuk keluar damaka pembuaga (sk) da dlambagka dega z. Pembobot suatu rusuk damaka kapastas (capacty) rusuk tersebut. Kapastas rusuk (, j) dlambagka dega w(, j) Suatu jarga trasportas merepresetaska suatu model umum bag trasportas beda/barag dar tempat asal pasoka ke tujua melalu berbaga

21 24 rute pegrma, dega kedala berupa batas maksmum terhadap bayakya barag yag dapat dkrmka melalu rute-rute tersebut. Alra (flow) d dalam suatu jarga trasportas,φ,alah pembera suatu blaga tdak egatf φ (, j) kepada setap rusuk (, j) sedemka rupa sehgga syarat-syarat berkut dpeuh :. φ (, j) w(, j) utuk setap rusuk (,j). 2. φ (, j) = φ( j, k) utuk setap verteks j kecual sumber a da = 0 pembuaga z. k = 0 Dalam kata dega trasportas barag/beda, φ (, j) adalah bayakya barag yag aka dkrm melalu rute (, j). Syarat berart bahwa bayakya barag yag aka dkrm melalu suatu rute tdak boleh melebh kapasts rute tersebut. Syarat 2 berart bahwa, kecual d sumber da d pembuaga, bayakya barag yag megalr meuju suatu verteks harus sama dega bayakya barag yag keluar dar verteks bersagkuta. Besara φ( a, ) damaka la alra φ (value of the flow φ ) da =0 dlambagka dega φ v,sehgga : φ = v = 0 φ( a, ) = k = 0 φ( k, z) yag berart bahwa total alra keluar d ttk sumber sama dega total alra masuk d ttk pembuaga. Utuk suatu alra, rusuk (, j) dkataka jeuh (saturated) jka φ (, j) = w(, j), da dkataka belum jeuh (usaturated) jka φ (, j) < w(, j). Alra maksmum (mamum flow) d dalam suatu jarga trasportas alah suatu alra yag mecapa la tertgg yag mugk dcapa.

22 25 Potoga (a cut) d dalam suatu jarga trasportas alah suatu hmpua potoga dar graph tak terhubugka (yag dperoleh dar jarga trasportas tu dega megabaka arah rusuk-rusukya) yag memsahka ttk sumber dar ttk pembuagaya. Notas ( P, P) dguaka utuk meyataka suatu potoga yag membag verteks-verteks tu mejad dua hmpua baga P da P, dega P megadug ttk sumber da P megadug ttk pembuaga. Kapastas suatu potoga,dlambagka dega w ( P, P), ddefska sebaga jumlah kapastas rusuk-rusuk yag bersdes dar verteks-verteks d dalam P ke verteks-verteks d dalam P ; dega kata la : w( P, P) = w(, j). P, j P&&

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

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

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

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

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

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

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

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

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

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 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

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

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

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

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 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

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

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

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

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

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 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

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

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

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

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

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

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

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

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

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

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

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

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

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 Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

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

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

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

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

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

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

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

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

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

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1). BAB II LANDASAN EORI.. Model Matematka Model Matematka merupaka represetas matematka yag dhaslka dar pemodela Matematka. Pemodela Matematka merupaka suatu proses merepresetaska da mejelaska permasalaha

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN INCREMENTAL RODUCTION COST YANG SAMA. (Al Imra) OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN

Lebih terperinci