BAB II DASAR TEORI. 2.1 Definisi Game Theory
|
|
- Hendri Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan masngmasng. Untuk penyelesaan masalah n dperlukan sebuah kajan mendalam yang melbatkan berbaga aspek kelmuan. Dalam perkembangannya, konflk sosal yang terjad bsa juga ddekat dengan pendekatan matemats. Untuk melhat sebuah fenomena yang melbatkan banyak varabel dan terjad secara berulang-ulang, dperlukan suatu pendekatan pemodelan yang dnamakan sstem dnamk. Salah satu teor sstem dnamk yang cocok untuk memodelkan konflk sosal adalah theory of moves yang merupakan salah satu pengembangan dar classc games theory. 2.1 Defns Game Theory Games theory secara kelmuan berakar dar hasl kerja von Neumann dan Morgensten (von Neumann and Morgensten, 1944). Games theory merupakan salah satu fokus lmu matematka dalam strateg pengamblan keputusan pada nteraks sosal. Teor n menggambarkan stuas dmana dua atau lebh orang (dsebut peman) masng-masng akan memlh dua atau lebh tndakan yang dsebut strateg. Kemungknan dar output yang dhaslkan bergantung kepada plhan yang dbuat oleh semua peman. 5
2 2.1.1 Games Strategs Games strategs adalah model untuk menghaslkan keputusan dmana terdr dar N peman, salah satu peman memlh aksnya. Plhan aks peman hanya boleh dlakukan satu kal dan tdak bsa dubah lag setelah tu. Defns : Games Strategs adalah N ( ),( π ) dmana N adalah jumlah peman,, A A adalah hmpunan berhngga dar aks yang dambl oleh peman, dan π adalah plhan yang dngnkan oleh peman. Dalam pembahasannya plhan yang dngnkan akan dgant dengan fungs payoff u : A R. Setap peman akan memaksmalkan nla payoff-nya. Sehngga games strategs akan d defnskan dengan: N ( A ),( u ), Pareto Optmal Outcome a A dar game N ( A ),( u ), adalah Pareto Optmal jka tdak terdapat outcomes lannya b A yang membuat setap peman setdaknya sama baknya dengan peman lan yang lebh bak. Defns : Outcome a adalah Pareto Optmal jka tdak ada outcome b sehngga u ( a) u ( b) dan u ( a) u ( b) j N j j j N j < j 2.2 Teor utltas (utlty theory) 2 Pemodelan dalam games theory basanya dpresentaskan dalam bentuk matrks payoff. Dar n dapat dlhat konflk kepentngan antar masng-masng peman yang terlbat. Masng-masng peman kta asumskan sudah mempunya target dan kengnan dalam menyelesakan suatu konflk kepentngan. Kemudan kta 2 Parsons,S. dan Wooldrdge, M. (22, An Introducton to Game Theory and Decson Theory. Dalam Parsons, S. Gmytrasewcz, P. dan Wooldrge, M.,edtor, Game Theory and Decson Theory n Agent-Based Systems,hal 5-6. Kluwer Academc Publsher. 6
3 asumskan terdapat hmpunan Ω = ω, ω,,...} dar outcomes yang dngnkan oleh peman sebelumnya. { 1 2 ω3 Kta akan memformulaskan kengnan-kengnan peman yang terlbat dalam games ke dalam suatu fungs yang dnamakan fungs utltas (utlty functon), yang memetakan setap outcome ke dalam suatu blangan real. Secara matematka dapat dformulaskan sebaga berkut u : Ω R Besar dan keclnya blangan real yang dgunakan tergantung kepada seberapa besar pengaruh kejadan terhadap hasl yang dngnkan oleh masng-masng peman. Sebaga contoh jka ω dan ω', keduanya merupakan hasl yang mungkn dalam Ω, dan u ( ω) u ( ω' ) maka outcome ω lebh dngnkan oleh peman ke dar pada outcome ω '. Kta dapat juga menulskannya dalam notas: ω φ ω' Sebaga penyederhanaan notas dar u ( ω) u ( ω') 2.3 Theory of Moves (TOM) Theory of moves merupakan pengembangan dar classc games theory, dmana pada teor n dkembangkan model dnamk. Seorang peman dalam theory of moves mempunya pengetahuan dalam menentukan strateg awal dan menentukan langkah selanjutnya secara berurutan atau plhan strateg yang lannya. Theory of Moves (TOM) lebh spesfk dgunakan untuk memodelkan konflk antara dua peman yang terlbat dalam permanan. TOM dmodelkan dengan formulas dasar berupa matrks payoff 2x2, dmana setap peman mempunya nformas lengkap mengena kedua matrks payoff dan pengatahuan tentang profl 7
4 strateg awal. Kerangka kerja TOM membuat peman dapat melakukan perubahan dalam penentuan langkah ke depan. Penentuan n bukan hanya plhan langkah yang harus segera djalankan, tetap juga antspas langkah selanjutnya dar langkah tersebut. Bahkan peman dapat mempredks dua langkah ke depan yang akan djalankan. Untuk menjalankan konsep n, ada beberapa aturan spesfk, yatu: 3 1. Permanan dmula dar output yang dngnkan, yatu state awal, yang merupakan ttk potong antara bars dan kolom dar matrk 2x2. 2. Salah satu peman secara sephak bsa mengubah strategnya, dengan demkan state awal berubah ke state baru, pada bars atau kolom yang sama dengan state awal. Peman n dsebut peman 1 (P1). 3. Peman 2 (P2) dapat merespon perubahan dar strateg peman pertama, dengan begtu permanan bergerak ke state baru. 4. Respon yang bergant-gant n akan berlanjut sampa kedua peman (P1 atau P2) yang mendapat glran melangkah tdak merubah strategnya. Dmana kejadan n merupakan output dar permanan. 5. Peman tdak akan bergerak dar state awal jka dalam langkahnya:. Menuju state dengan nla payoff lebh kecl. permanan kembal ke state awal (membuat state awal sebaga output) 6. Jka dalam plhan rasonal seorang peman bsa tdak bergerak dan peman lannya memutuskan bergerak, maka peman yang bergerak lebh dutamakan, sehngga outcome akan dtentukan olehnya. Untuk menghaslkan keputusan, setap peman akan melhat tga langkah ke depan dengan metode backward nducton untuk memutuskan strateg mana yang palng menguntungkan. Keputusan yang dhaslkan dalam permanan dsebut dengan 3 Arjta Ghosh, Sandp Sen, Theory of Moves Learners: Toward Non-Myopc Equlbra. AAMAS 5 Utrectht,Neteherland.25 8
5 state equlbrum. Dalam pendekatan n bsa saja ddapat Non Myopc Equlbrum. Model yang basa dpaka dalam TOM adalah chcken model. Bentuk chcken n dhaslkan dar pemodelan konflk rudal nuklr antara Un Sovet (Rusa) dengan Amerka d Kuba pada tahun Matrk payoff yang dhaslkan adalah: Gambar 1 Matrks uban mssle crss dalam bentuk hcken 2.4 Backward Inducton Untuk menentukan strateg pengamblan keputusan dalam TOM dgunakan backward nducton. Backward nducton adalah proses teras untuk menyelesakan sequental games. Pada langkah pertama, salah satu peman menentukan strateg optmal dar peman yang bergerak terakhr dalam game, dan pergerakan dar peman yang bergerak berkutnya dtentukan dar aks yang dlakukan oleh peman terakhr. Proses berlanjut sampa semua peman sudah menentukan semua pergerakannya. 2.5 Learnng TOM Players Dalam realta konflk, setap peman tdak selalu mempunya nformas lengkap tentang strateg lawan. Untuk kasus sepert n, maka dkembangkan learnng 9
6 TOM. Tujuan yang ngn dcapa dengan learnng TOM adalah menduga plhan yang dambl oleh lawan dar games yang berulang dengan state awal yang dambl secara acak. Untuk memudahkan learnng, maka harus dtentukan perkraan peluang bersyarat pergerakan lawan dar state awal permanan dmula dan peman yang memula permanan pertama kal. Dalam hal n, peluang bersyarat sangat pentng karena pergerakan lawan dar suatu state sangat bergantung kepada sejauh mana permanan akan berlanjut. Untuk menghtung peluang bersyarat dar masng-masng pergerakan peman maka dapat dlakukan sebaga berkut: Msal, matrk payoff 2x2 suatu permanan sebaga berkut : Gambar 2 Matrk dasar bersama plhan state masng-masng Msalkan suatu urutan permanan sebaga berkut: R R S S1 S2 S3 S P, c P, c 1 P, c 2 P, c, c, c, P1 dan P2 adalah peluang bersyarat dar pergerakan untuk peman R pada state S1, peman pada state S2 dan peman R pada state S3 secara berurutan terlhat bahwa state awal adalah S dan peman yang memula permanan (untuk mempermudah presentas maka ndeks atas tdak akan dsertakan). Dalam 1
7 urutan permanan datas, untuk memutuskan strateg permanan maka peman akan melhat ke depan P dan P 2, peluang peman R dar frekuens bergerak dan tdak bergeraknya peman R dar masng-masng state dengan state awal S. Dan bergantung pada P 2, peman bsa menghtung peluangnya sendr (P 1 ). Perhtungan Peluang Tujuan dar perhtungan peluang n adalah untuk menghtung peluang bergeraknya pada state S, P (S). Dalam proses backward nducton, harus dhtung terlebh dahulu peluang pada state S2, P (S2), yatu sebaga berkut: 4 Asumskan untuk setap, Q = 1 P dan U x (y) adalah payoff dar permanan yang ddapat oleh peman x d state y P ( S2) Jka U ( S) bergerak dar S3 ke S, hasl dar permanan berupa cycle} Jka U ( S3) ( S2) ( S2) maka P ( S2) + = P.{ duntungkan maka P ( S2) + = Q berhent d S3, permanan berhent d S3} 2 2.{ duntungkan jka R jka R Karena TOM tdak membolehkan terjadnya cycle, dan P P1 P2 adalah peluang terjadnya cycle, maka proses untuk menghtung P (S) adalah sebaga berkut: P ( S) Jka U ( S3) permanan berhent pada S3} jka U ( S2) permanan berhent d S2} jka U ( S1) ( S) ( S) ( S) permanan berhent d S1} maka P ( S) + = P maka P ( S) + = Q P Q.{ duntungkan jka maka P ( S) + = P Q.{ duntungkan jka { duntungkan jka 4 bd 11
8 Untuk mendapatkan hasl dar permanan maka setelah peluang dhtung, permanan dlaksanakan dengan peluang seorang peman melakukan pergerakan dar state dmana da berada. Iteras akan berhent ketka peman tdak bergerak atau jka cycle terbentuk. atatan jka bergerak dar S, R harus menghtung P R (S1) berdasarkan estmas dar P,c 1, dan keputusannya akan bergerak atau tdak d S3. Atau, jka R memutuskan untuk bergerak ke S1, maka dapat dhtung kembal dengan perhtungan sebelumnya dar P 1, untuk memlh pergerakannya d S2. Konfergens menuju NMEs: Apabla prosedur backward nducto n dgabung dengan cara pengamblan keputusan datas, maka cycles akan terelmnas. Untuk melhat hal n, catat bahwa dalam skenaro datas, keputusan R pada state 3 adalah determnstk, karena hanya akan berubah jka dan hanya jka U R ( S) R ( S3). Pada awalnya, belum yakn dengan keputusan d atas dan mengasumskan P2 sebesar.5. Pengamatan terhadap keputusan R kembal dulang pada state 3, estmas terhadap P2 akan konvergen ke 1 atau. Keadaan n, pada glrannya akan menuju ke P1 konvergen ke 1 atau, bergantung kepada nla utlty yang ddapat pada state S2, S3, S. Konds terkn bsa dreflekskan dar permanan selanjutnya oleh setap peman, dmana dalam setap glrannya, memberkan kesempatan kepada peman lannya untuk membuat estmas yang akurat dar plhan relatve mereka. Karena learnng berdasar pada backward nducton, plhan determnstk yang akurat dgunakan untuk memperbaru estmas yang sebelumnya menghaslkan nla yang buruk. Setap kal permanan dulang, peluang akan kecl atau besar untuk menghaslkan gerakan yang past berdasarkan plhan aktual. Hasl yang d dapat, peman akan konvergen pada NMEs. 12
Bab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciContoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.
BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 II TINJUN PUSTK 2.1 Manaemen Proyek 2.1.1 Pengertan Manaemen Proyek Sebelum mengemukakan apa art dar Manaemen Proyek, terlebh dahulu akan mengetahu art dar Manaemen dan Proyek tu. Menurut Hamng dan Nurnaamuddn
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
2 LNDSN TEORI 2.1 Hmpunan dan Operas Hmpunan 2.1.1 Defns Hmpunan adalah kumpulan objek-objek yang berbeda. Msalnya mahasswamahasswa yang mengambl mata kulah Matematka Dskrt, buku-buku yang djual dalam
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciMANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN
MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :
JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciPERANCANGAN JARINGAN AKSES KABEL (DTG3E3)
PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB V TEOREMA RANGKAIAN
9 angkaan strk TEOEM NGKIN Pada bab n akan dbahas penyelesaan persoalan yang muncul pada angkaan strk dengan menggunakan suatu teorema tertentu. Dengan pengertan bahwa suatu persoalan angkaan strk bukan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciMENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak
JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciTEORI KESALAHAN (GALAT)
TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciBAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus
40 BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL 3.1. Pengamban Keputusan Int dar pengamban keputusan adaah memh aternatf, tentunya harus aternatf yang terbak (the best aternatve). Tujuan dar anass keputusan
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciKEPUTUSAN-KEPUTUSAN LINTAS WAKTU
KEPUTUSA-KEPUTUSA LITAS WAKTU Dr. Mohammad Abdul Mukhy Page Modal adalah uang dan sumber daya yang dnvestaskan Bunga (nterest) adalah pengembalan atas modal atau sejumlah uang yang dterma nvestor untuk
Lebih terperinciII. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai
II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciBAB III SKEMA NUMERIK
BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,
Lebih terperinciPeramalan (Forecasting) dalam Perencanaan Sentral
Peramalan (Forecastng) dalam Perencanaan Sentral Pendahuluan Perencanaan arngan telepon ddasarkan pada estmas kebutuhan trafk masa depan Long-term forecast dbutuhkan dalam rencana pengembangan untuk menamn
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciMODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA
ODEL OPTIAL SISTE TRANSPORTASI ANGKUTAN KOTA PRAPTO TRI SUPRIYO Departemen atematka Fakultas atematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Jl erant, Kampus IPB Darmaga, Bogor 16680 Indonesa
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciAlokasi kursi parlemen
Alokas kurs parlemen Dd Achdjat Untuk Sndkas Pemlu dan Demokras 1. Pendahuluan 1 Pelaksanaan pemlhan umum sebaga sarana mplementas demokras memerlukan suatu konsep yang kokoh dan taat azas. Konsep pelaksanaan
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciPertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012
Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinci