Neutrino Majorana dan Osilasinya

Ukuran: px
Mulai penontonan dengan halaman:

Download "Neutrino Majorana dan Osilasinya"

Transkripsi

1 Nrno Majorana dan Oslasnya Dosn Pmbmbng ; Ags Prwano D.S Olh ; Mahndra Sara H 8 4 Jrsan Fsa Falas Mamaa dan Ilm Pngahan Alam Ins Tnolog Slh Nombr Srabaya Fsa-FMIPA ITS Srabaya

2 aar Blaang 9 : Nrno rama al doslaan olh Wolfgang Pal n mnjlasan lrhan β ( n + ) Tor lrhan β rama al dajan olh Enro Frm ; Ddasaran ada asms bahwa n rssn aas roon-nron dan ada hosa Pal nang bradaan arl nral brsn ½ Kmdan Frm mnama arl nrno ( nral l ) 9 : Jams Chadw mnman nron dalam ras n 4H + 9BC + n Sgra slah nman nron W. Hsnbrg E. Majorana dan D. Ivan mngasmsan bahwa omonn nysn n adalah roon dan nron. 9 : Frm dan Prrn mnyaaan bahwa nrno da brmassa. Fsa-FMIPA ITS Srabaya

3 Nrno arl lmnr sn / ( frmon ) massanya hamr nol. Esrmn bar-bar n ( Sr-K SNO dan KamAND) mnnjan bahwa massa nrno sanga l dbandngan dngan arl lan. Sa arl mmnya an-arl Bagamana ja arl rsb adalah Nrno ( q = ) onsnsnya dnrrasan sbaga arl Majorana Daa rjad Ja nrno q = dan m = ( sanga nral ) Fsa-FMIPA ITS Srabaya

4 Prmsan Masalah Bagamana sfa-sfa yang dmblan dar adaan nrno yang da brmassa dan da brmaan Baasan Masalah Sama dmana oslas daa rjad ja nrno sbaga arl Majorana Tjan Analss arars ama Nrno Majorana dan Oslasnya Fsa-FMIPA ITS Srabaya 4

5 Parl a brmassa Modl Sandar Nrno dasmsan a brmassa ( m= ) yang brgra dngan ν ( Ulra-rlavs ) bh lanj hasl dar obsrvas srmn slama lrhan β mnnjan nrno mmnya sn ½. onsnsnya Tahn 99 H. Wyl mngajan rsamaan omonn n mndsrsan arl a brmassa brsn ½. Fsa-FMIPA ITS Srabaya 5

6 Fsa-FMIPA ITS Srabaya 6 Dar Konsns sblmnya Prsamaan Wyl Prsamaan dasar dar rsamaan gra nrno Prsamaan Dra n Nrno Prsamaan Dra Ulra-rlavs ( ν m = ). m. lnya Mnjad snor omonn

7 Pnjlasan nang Hlsas nrno dan an-nrno Analog rsamaan Wyl Sols rsamaan n dbran. E. E. x / Dar rsm.() dsbss rsm.() lbh lanj ddaaan Prsamaan n dal E. E. dar r Fsa-FMIPA ITS Srabaya 7

8 Dmana nrg E mraan nrg rlavs n arl a brmassa bh lanj ddaaan E Dngan mnraan rsm.() Maa drolh E.. Darnaan arl brgra dalam arah smbarang maa n lbh mmdahan rsoalan arl brgra dlh dalam arah smb-z z ˆ Fsa-FMIPA ITS Srabaya 8

9 bh lanj dar rsm.(8) Kmdan drolh z z z z Un mndaaan hlsas anan dnan dahl snor -omonn Dngan mnar nla gn dan vor gn z I Maa drolh nla gn λ Fsa-FMIPA ITS Srabaya 9

10 Un λ = + vor gn drolh z a a b b a b Ddaaan snor -omonn n arl da brmassa dngan hlsas anan (hlsas osf) a Bahasa Sn Sn-U ˆ Jad Un arl an-nrno hanya mml hlsas anan (hlsas osf) σ Faor normalsas = Fsa-FMIPA ITS Srabaya

11 bh lanj ddsrsan Sols rsamaan n dbran. E. E. x / Dar rsm.() dsbss rsm.() lbh lanj ddaaan Maa drolh E.. Fsa-FMIPA ITS Srabaya

12 Darnaan arl brgra dalam arah smbarang maa n lbh mmdahan rsoalan arl brgra dlh dalam arah smb-z bh lanj dar rsm.(4) Kmdan drolh z z z Un λ = - vor gn drolh z z ˆ z d d d Fsa-FMIPA ITS Srabaya

13 Ddaaan snor -omonn n arl da brmassa dngan hlsas r (hlsas ngaf) d Faor normalsas = Jad Un arl nrno hanya mml hlsas r (hlsas ngaf) Hlsas nrno daa dah mlal srmn M. Goldhabr. Grodzns dan A. Snyar (Broohavn Naonal aboraory)-(958) Bahasa Sn Sn-Down ˆ -σ Fsa-FMIPA ITS Srabaya

14 Fsa-FMIPA ITS Srabaya 4 Parl a brmaan & Parl massf brmaan Sa arl mmnya an-arl ( lon dan qar ) on qar Bagamana ja arl rsb?? Tda brmaan ( q = ) b s d b s d Bagamana hasl ransformasnya arna maan arl nrno dan annrno sama ( da-danya nral )?

15 onsnsnya Mngnrrasan sbaga arl yang dsb Parl Majorana Daa rjad ja nrno da brmaan q = dan da brmassa m = ( sanga nral ) Ddnfas mlal Prsamaan Dra dmana solsnya mnghaslan Kbradaan lron dan an-arlnya ya osron. Kmdan ja dngarh olh mdan lromagn A μ Un lron A m q = - Un osron aan draan sbaga br A m q = + Fsa-FMIPA ITS Srabaya 5

16 Prbandngan rsamaan n... A m A m Trjad ja mlal ransformas sawan maan Ja maan = q = maa m m onsnsnya ˆ C T Kda rsamaan n dnrrasan sbaga rsamaan Dra n Elron dan Posron dalam mdan lromagn dmana maannya brlawanan dan Fngs glombang ψ mnyaaan bahwa arl lron brbda dngan anarlnya ( osron ). ddaa Fngs glombangnya dn ( Parl & an-arlnya sama ) Ddnfas sbaga Parl Majorana Fsa-FMIPA ITS Srabaya 6

17 Fsa-FMIPA ITS Srabaya 7 rsnas Dra Dar rsamaan Dra sblmnya m Mmnh mars Dra 5 D D D I I

18 Fsa-FMIPA ITS Srabaya 8 rsnas Wyl aa Kral... m E x E /. x Solsnya x x Prsm. Wyl Parl m= dg Hlsas anan & r. ddfnsan E. E. E. I I ddfnsan

19 Fsa-FMIPA ITS Srabaya 9 Ddfnsan sbaga dan 5 W W W W W I I Mmnh sfa-sfa T W W T W W T W W W W x W 5* 5 * * Shngga drolh Mars ϒ μ W W

20 Fsa-FMIPA ITS Srabaya rsnas Majorana Dbangn dar rsamaan Dra rl. m I I D dngan Ja rsamaan n dalan ( - ) ddaa. m l Ja 4 4 majnr x mars rl Kmdan ja d ar rsnas Dra D

21 Fsa-FMIPA ITS Srabaya Dar sfa mars ϒ μ a mndaaan mars ϒ μ dalam rrsnas Majorana M M M M 5 M M M M M Dan

22 rsnas Dra rsnas Wyl rsnas Majorana Fsa-FMIPA ITS Srabaya 5 D D D I I 5 W W W W W I I M M M M 5 M M M M M W I I I I Dra Dra

23 Modl Sandar Fsa-FMIPA ITS Srabaya

24 Fsa-FMIPA ITS Srabaya 4 Modl Sandar Tor yang mndsrsan ga nras arl lmnr ya nras lromagn nras lmah dan nras a. Pada lrhan β ars brmaan hanya mlbaan mdan frmon hlsas r shngga dasmsan dobl sdangan mdan frmon hlsas anan dasmsan sngl Tda dsraan mdan nrno hsas anan arna ngran rhada hlsas nrno (Goldhabr Grodzns dan Snyar) nrno d alam hanya mml hlsas r. b s d

25 Fsa-FMIPA ITS Srabaya 5 Sor Qar on dan qar brsn ½. Prsamaan lagrangan nras qar dan mdan vor dngan Kmdan dsahan bagan brmaan dan bagan nral aan ddaaan lagrangan ars brmaan Dngan ars brmaan x A x gj x I x x j.. A gj h W j g CC I CC b s d j

26 Fsa-FMIPA ITS Srabaya 6 dan Prsamaan n adalah rsamaan mdan boson brmaan W ±. Kmdan ars j α dbran Hanya mmnh ada omonn hlsas r A W b s d d d d j

27 Sor on Modl sandar n nrno dan lon brmaan sama dngan modl sandar n qar. agrangan nras lon dbran l Y gj A g j B dngan j dmana j m l l l l l l j Y j m Prsamaan n adalah rsamaan ars lromagn dar lon brmaan j Fsa-FMIPA ITS Srabaya 7

28 Nrno Majorana Fsa-FMIPA ITS Srabaya 8

29 Nrno Dra. Nrno An-nrno (Pasangan on Brmaan). Blangan on Konsrvaf. S Massa Dra * Dngan S Massa aa m m * T * T Nrno Majorana. Nrno = An-nrno (n daa rjad ja Nrno da brmaan dan da brmassa) aa sanga nral. Prbdaan hanya d Handdnss * ѵ f-handd * ѵ gh-handd Blangan on da Konsrvaf. S Massa Majorana aa m m * T * T Fsa-FMIPA ITS Srabaya 9

30 Tahn 97 E. Majorana mngajan ar yang brjdl Tor Smr n lron dan osron mlal rns mdan. Ja or n dalasan dalam frmon nral yang mml rn maa hanya ada adaan hlsas. bh lanj rsamaan gra n frmon nral namn dngan mnggnaan or omonn yang dmbangan olh Cas. Konras dngan frmon Dra frmon Majorana hanya ddsrsan mlal snor omonn. Un mnnjan hal dasmsan branga dar mdan frmon bbas rlavs Prsm. Dra m Fsa-FMIPA ITS Srabaya

31 Kmdan drnalan da oraor roys P P 5 5 Dan dfns ral P P Fsa-FMIPA ITS Srabaya

32 Da rsamaan n omonn ral dar mdan frmon Da rsamaan n omonn ral dar sawan maan Dngan hbngan Fsa-FMIPA ITS Srabaya m m m m P P P P P P P

33 Kmdan ddfnsan syara Majorana Dngan adalah onsana faor fas Majorana omls dmana mml ran yang sanga nng ada alas dar or Majorana Mnyaaan bahwa arl Majorana mraan an-arlnya sndr Komonn ral Mdan Majorana T C C Ddaa rsamaan Majorana omonn * x m x T Fsa-FMIPA ITS Srabaya

34 Kansas Mdan Majorana Frmon Kralas Kr Komonn x x Sawan Maannya x * x M Mdan Majorana x x x x Prsamaan Gra Mdan Majorana x x * * x m x * x mx Fsa-FMIPA ITS Srabaya 4

35 Dar rsm.() daa dls sbaga Dambl Shngga Mdan Majorana daa dls sbaga Ddfnsan dahl 5 Fsa-FMIPA ITS Srabaya m *. b a b a * * * a f d b x x. * *. * * M f d d f d N x

36 Asms awal n Sols Enrg Posf daa dls Un Sols Enrg Ngaf Sara lnga dbran Prsamaan Mdan Majorana 4 omonn Prsamaan n daa dls sbaga Sross dar adaan nrg osf dan nrg ngaf 6 Fsa-FMIPA ITS Srabaya m a m a d f * * m a m a f d T T * * * * x h T x h h h M h m m h h h a h m m h h a d N x. *.

37 Ja Nrno mraan arl Majorana Blangan lon da onsrvaf Maa Oslas dan Baran anara adaan Nrno flavor adalah os sn sn os Kadaan Nrno dan dransformas dalam sross dar adaan nrno brmassa dan Oslas anara nrno dan rjad dngan Probablas Transs P * A sn A sn Fsa-FMIPA ITS Srabaya m 4E 7

38 Oslas Nrno Majorana Oslas Nrno angan r ( Pndaan Ulra-rlavs ) Ddfnsan adaan flavor awal yang mraan sross dar adaan nrno brmassa A B Dmana A B Dasmsan saa rods nrno ra nrno lron dngan momnm-4 dbran Faor fas E Majorana Kadaan nrno lron awal daa dls sbaga h Fsa-FMIPA ITS Srabaya 8

39 Kadaan nrno brmassa ddaa dar adaan vam x * T a h Dmana dmasan faor fas x Faor fas n mmbran nformas ada a nang rangwa dmana nrno ra Fsa-FMIPA ITS Srabaya 9

40 Dngan adaan vam ddfnsan Dar rsm sblmnya aan ddaa Kmdan aan ddaaan robablas ranss 4 Fsa-FMIPA ITS Srabaya * T a a. h x h d N x x h. x P E m 4 sn x P E m 4 sn

41 Ksmlan Brdasaran hasl mbahasan daa dar smlan ;. Sfa ama yang mnar dsn adalah arl nrno da brmassa dan da brmaan bg jga an-arlnya. Shngga ddnfas sbaga arl Majorana. Prsamaan Wyl mraan rsamaan dasar dar rsamaan gra nrno dmana daa daaan rsamaan Wyl drnan dar rsamaan Dra lra-rlavs ( ν m = ). Prsamaan Wyl aan mnghaslan sa adaan hlsas dar masng-masng nrno dan an-nrno dmana n nrno hanya mml hlsas r ( lf-handd ) sdangan an-nrno hanya mml hlsas anan ( rgh-handd ) 4. Pngamaan lrhan νββ aan ddaa hasl langsng bahwa nrno massf ν mraan arl Majorana Fsa-FMIPA ITS Srabaya 4

42 Trma Kash Fsa-FMIPA ITS Srabaya 4

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV)

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV) DEFOMSI INTEKSI DU PKET GELOMBNG DI PESMN IMPOVED KdV IKdV Sumn Jurusan Mamaa FMIP Unvrsas Dongoro Jl. Prof. H. Sodaro SH Tmbalang Smarang 575 E-mal: su_mn@yaoo.om bsra: Hr W wll sudy nonlnar wo wavs a

Lebih terperinci

II. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN

II. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN II. PERANAN TATITIK DALAM ANALII PERCOBAAN Hal-hal yang prl dplajar. 1. baran Normal dan sbaran t- stdnt. Mmbandngan da harga rata-rata sampl. a. Prbandngan da harga rata-rata sampl tda brpasangan npard

Lebih terperinci

INTERFERENSI DAN DIFRAKSI

INTERFERENSI DAN DIFRAKSI ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

BAB 2 SISTEM MAKRO DAN MIKRO

BAB 2 SISTEM MAKRO DAN MIKRO BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh

Lebih terperinci

BAB VI METODE BELAJAR WIDROW-HOFF

BAB VI METODE BELAJAR WIDROW-HOFF BAB VI METODE BELAJAR WIDROW-HOFF - Aturan laar LMS Last Man Squars lh ftf dar aturan laar rstron. - Aturan laar LMS atau Wdro-Hoff mmnmsasan man squar rror, shngga mnggsr atasan utusan sauh yang sa dlauan

Lebih terperinci

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

III HASIL DAN PEMBAHASAN

III HASIL DAN PEMBAHASAN vr vr yang lannya. In adalah au huu dar onrol bang-bang. Syara cuu mncau H( x (, u (, (, H( x(, u(, (,. Vor dbu juga vor adjon yang mml ranan baga ngal Lagrang. Dalam maalah oma dnam, ubah aau vor adjon

Lebih terperinci

BAB VI MODEL ELEKTRON BEBAS ( GAS FERMI )

BAB VI MODEL ELEKTRON BEBAS ( GAS FERMI ) A VI MODL LKRON AS GAS RMI MARI 6.1. ltron bbas dalam satu dimnsi. 6.1.1.tingat nrgi 6.1..distribusi rmi-dirac 6.1..nrgi rmi 6.. ltron bbas dalam tiga dimnsi. 6..1.nrgi rmi untu tiga dimnsi. 6...cpatan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB 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 terperinci

EMPAT MODEL APROKSIMASI BINOMIAL HARGA SAHAM MODEL BLACK-SCHOLES

EMPAT MODEL APROKSIMASI BINOMIAL HARGA SAHAM MODEL BLACK-SCHOLES MPAT MODL APROKIMAI BINOMIAL HARGA AHAM MODL BLACK-CHOL Al Azz Jsan Mamaka Faklas ans an Tknolog Unvsas Islam Ng UIN Malana Malk Iahm Malang -mal: alazz_nmlg@yahooom Asak Kam akan mnyajkan ma nk nla aam-aam

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

ELEKTROMAGNETIK TERAPAN 1. GELOMBANG LINTAS MEDIUM

ELEKTROMAGNETIK TERAPAN 1. GELOMBANG LINTAS MEDIUM LKTROMAGNTIK TRAPAN. GLOMBANG LINTAS MDIUM OUTLIN. Glombang Lnas Mdum a) Glombang Jauh Nomal b) Glombang Jauh Mng PNDAHULUAN Jka glombang daa sbasama mlwa aau lbh mdum. Tdapa kmungknan plakuan hadap glombang,

Lebih terperinci

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial Prhungan Pr dngan Asus Wau Anar Kla Brdsrbus Esponnsal Fahauz Zuharoh Jurusan Pnddan Maaa, STKIP, YPUP Maassar Info: Jurnal MSA Vol. 2 o. Eds: Januar Jun 24 Arl o.: 3 Halaan: 5-22 ISS: 2355-83X Prod Maaa

Lebih terperinci

PENERAPAN METODE REGRESI LOGISTIK ORDINAL DAN REGRESI PROBIT ORDINAL UNTUK MENGESTIMASI PROBABILITAS LAMA MASA STUDI MAHASISWA IST AKPRIND YOGYAKARTA

PENERAPAN METODE REGRESI LOGISTIK ORDINAL DAN REGRESI PROBIT ORDINAL UNTUK MENGESTIMASI PROBABILITAS LAMA MASA STUDI MAHASISWA IST AKPRIND YOGYAKARTA E-ISSN 57-9378 Jurnal Statsta Industr dan Komutas Volum, No., Januar 07,. 04-4 PENERAPAN METODE REGRESI LOGISTIK ORDINAL DAN REGRESI PROBIT ORDINAL UNTUK MENGESTIMASI PROBABILITAS LAMA MASA STUDI MAHASISWA

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH

BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH Sjak bbrapa ahun yang lalu, ilmuwan asal Amrika Marin Nowak dan Sbasian Bonhoffr mncoba mmplo daa dari pnliian oba ani-hiv.

Lebih terperinci

Solusi PERSAMAAN DIFERENSIAL PARSIAL (PDP) dengan HARGA AWAL dan KONDISI BATAS dalam PEMODELAN dan MODEL MATEMATIS

Solusi PERSAMAAN DIFERENSIAL PARSIAL (PDP) dengan HARGA AWAL dan KONDISI BATAS dalam PEMODELAN dan MODEL MATEMATIS Ser Maa Kla : PEMODELAN dan MAEMAIKA ERAPAN Sols PERSAMAAN DIFERENSIAL PARSIAL PDP dengan HARGA AWAL dan KONDISI BAAS dalam PEMODELAN dan MODEL MAEMAIS Ben mm : Persamaan Dferensal Basa PDP lner order

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

Solusi khusus dari masalah nilai awal tersebut dapat ditulis dalam bentuk integral Fourier, yaitu:

Solusi khusus dari masalah nilai awal tersebut dapat ditulis dalam bentuk integral Fourier, yaitu: KARTIKA YULIANTI Jurusan Pndidian Mamaia FPMIPA - Univrsias Pndidian Indonsia Jl. Dr. Syabudhi 9, Bandung Tlp. () 8, Fa () 8 -mail: yar_ia @ yahoo.com DINAMIKA FLUIDA EXERCISE. Ta as iniial spcrum a bloc

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

P r o f i l U s a h. a A s p e k P a s a r P e r m i n t a a n H a r g a...

P r o f i l U s a h. a A s p e k P a s a r P e r m i n t a a n H a r g a... P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R I A H ) I N D U S T R I S O H U N P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R I A H

Lebih terperinci

KOMPUTASI DAN DINAMIKA FLUIDA

KOMPUTASI DAN DINAMIKA FLUIDA KOMPUTASI DAN DINAMIKA FLUIDA TUGAS Olh RIRIN SISPIYATI NIM : 006003 Program Studi Matmatia INSTITUT TEKNOLOGI BANDUNG 009 Ercis 40 Ta as initial spctrum a bloc function nonzro for ½. Animat th initial

Lebih terperinci

BAB 2 MODEL PREDICTIVE CONTROL

BAB 2 MODEL PREDICTIVE CONTROL ODE PREDIIVE ONRO.. Sjarah dan Konsp Dasar P Sjarah P brawal dar ploporna at Rchalt, tlr dan Ramarr 979. Sssna pngaplasan prdctv control dan sdrhanaan onsp srta torna mncptaan trtaran bana aadm/nvrstas

Lebih terperinci

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx III PEMBAHASAN Pada peeliia ii aa dibaas formlasi Hamiloia bai era elomba ierfacial Pembaasa dibai dalam da ass yai ass perama dea baas aas berpa permaa raa da ass eda dea baas aas berpa permaa bebas Hamiloia

Lebih terperinci

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan TRFRS DA DFRAKS Maa Kulah: Glombang & Opk Dosn: Anhy Sawan A. nfns nfns mupakan ppauan ua aau lbh glombang sbaga akba blakunya pnsp supposss. nfns ja bla glombang glombang sbu kohn, yau mmpunya pbaan fas

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

Bab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan;

Bab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan; Bab Ruang Vktor I. Ruang Vktor R n. Ruang brdimnsi satu R = R = kumpulan bilangan ral Mnyatakan suatu garis bilangan; -3 - - 0. Ruang brdimnsi dua R = bidang datar ; Stiap vktor di R dinyatakan sbagai

Lebih terperinci

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN Pmbahasan harga opsi idak dapa dilpaskan dari pmbahasan nang skurias lain yang brhubungan dngan haga opsi. Shingga prlu dibahas masalah

Lebih terperinci

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

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

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

KONSTRUKSI RUANG TOPOLOGI LENGKAP

KONSTRUKSI RUANG TOPOLOGI LENGKAP KONSTRUKSI RUANG TOPOLOGI LENGKAP Sely Msdalfah Jsan Matemata FMIPA Unestas Tadlao Absta Hmpnan A mepaan semmet-semmet dpelas tedefns atas hmpnan X yang menghaslan sat eseagaman atas X yang aan membangn

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

Kendali Optimal pada Masalah Persediaan Barang yang Mengalami Peningkatan

Kendali Optimal pada Masalah Persediaan Barang yang Mengalami Peningkatan Sminar Nasional Tnologi Informasi, omuniasi dan Indusri (SNTII) 9 ISSN (Prind) : 579-77 Faulas Sains dan Tnologi, UIN Sulan Syarif asim Riau ISSN (Onlin) : 579-5406 Panbaru, 8-9 Mi 07 ndali Opimal pada

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

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

Lebih terperinci

PERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON. Putri Anjarsari, S.Si., M.Pd

PERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON. Putri Anjarsari, S.Si., M.Pd PERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON Putri Anjarsari, S.Si., M.Pd putri_anjarsari@uny.ac.id PERKEMBANGAN TEORI ATOM Dmokritus Dalton Thomson Ruthrford Bohr Mkanika glombang Dmokritus

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

Fungsi dan Grafik Diferensial dan Integral

Fungsi dan Grafik Diferensial dan Integral Sudarano Sudirham Sudi Mandiri Fungi dan Grafik Difrnial dan Ingral Sudarano Sudirham, Fungi dan Grafik, Difrnial dan Ingral Darublic 6 Pramaan Difrnial Ord Dua 6.. Pramaan Difrnial Linir Ord Dua Scara

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

Pengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja

Pengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja 8 Pngaruh Pnyspan Indukor dan Kapasor pada Sambungan Saluran Udara dan Kabl Dsrbus kv rhadap Prambaan Glombang gangan Surja Moch. Dhofr Absrak Dalam ulsan n dpaparkan pngaruh sspan L sr aau C parall danara

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhus, Dva Wdyananto,dan Brnadta Dsnova Kr Cntr of Ald Mathmatcs (CAM), Program tud Matmatka

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

Catatan Teknik (Technical Notes) Deformasi Gelombang Air Sinusoidal Menjadi Gelombang Cnoidal

Catatan Teknik (Technical Notes) Deformasi Gelombang Air Sinusoidal Menjadi Gelombang Cnoidal Haaan ISSN 853-98 Jrnal Toris dan Traan idang Raasa Siil Caaan Tni Tcnical Nos Dformasi Glombang ir Sinsoidal Mnjadi Glombang Cnoidal Saalddin Haaan Klomo Kalian Tni Klaan, Falas Tni Siil dan Lingngan,

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

PENDUGAAN RASIO, BEDA DAN REGRESI

PENDUGAAN RASIO, BEDA DAN REGRESI TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka

Lebih terperinci

4. DI D FRA R K A S K I

4. DI D FRA R K A S K I 4. DIFRAKSI Dfraks adalah dvas dar prambatan cahaya atau pmblokan arah rambat cahaya. fk dfraks adalah karaktrstk dar fnomna glombang, apakah buny, atau cahaya dmana mukamuka glombangnya dblokkan.. Hchts,

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

A s p e k P a s a r P e r m i n t a a n... 9

A s p e k P a s a r P e r m i n t a a n... 9 P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R I A H ) U S A H A K E R U P U K I K A N P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R

Lebih terperinci

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

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

Lebih terperinci

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam

Lebih terperinci

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4)

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4) j j hh j j hh j j hh j j hh j j hh hh jajc h jajc h jajc h jajc h jajc h hh c ja h c ja h c ja h c ja h c ja h hh c ja h h c ja h h c ja h h c ja h h c ja h h hh j j ANALISIS PERKEMBANGAN LAJU INFLASI

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

5 S u k u B u n g a 1 5 %

5 S u k u B u n g a 1 5 % P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) U S A H A A B O N I K A N P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) U S A H A A B O N I K A N B A N K I N D O N E S I A K A

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

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

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

Lebih terperinci

Penentuan Harga Opsi Model Binomial Dua Periode

Penentuan Harga Opsi Model Binomial Dua Periode Pnnan Haga Opsi Mol inomial Da Pio A. Mol inomial a Pio Mol ini mpakan mol pasa saham (aing) ngan sa pio (on im sp) ngan kaa lain paa mol ini hanya apa a wak aing yai paa saa an. pi lah ibahas sblmnya,

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. 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 terperinci

LAMPIRAN 2 TABULASI DATA RESPONDEN

LAMPIRAN 2 TABULASI DATA RESPONDEN TABULASI DATA RESPONDEN 1 Lampiran 2 Tabulasi Data Responden Data Responden Siswa Kelas X IIS SMA Negeri Bandung No. Hasil Jenis Sekolah Subjek Resp Belajar (Y) Kelamin Usia 1 SMAN 13 Bandung AA 60 P 14

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

Pengenalan Pola/ Pattern Recognition

Pengenalan Pola/ Pattern Recognition Pengenalan Pola/ Pattern Reognton Dasar Pengenalan Pola Imam Cholssodn S.S., M.Kom. Dasar Pengenalan Pola. The Desgn Cyle. Collet Data 3. Objet to Dataset 4. Featre Seleton Usng PCA Menghtng Egen Vale

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PERSAMAAN MAXWELL DAN EFEK NONLINEAR

PERSAMAAN MAXWELL DAN EFEK NONLINEAR PLAGIAT MRUPAKAN TINAKAN TIAK TRPUJI PRSAMAAN MAXWLL AN FK NONLINAR Sps ajuan unu Mmnuh Salah Sau Saa Mmpolh Gla Sajana Sans Pogam Sud Fsa Olh: Agaha Mangga Sa NIM : 3345 PROGRAM STUI FISIKA JURUSAN FISIKA

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

KETIADAAN RUANG FOCK BAGI NEUTRINO FLAVOR

KETIADAAN RUANG FOCK BAGI NEUTRINO FLAVOR Jrl ro Vol. o. Arl 00 9 KTIADAA RAG FOCK BAGI TRIO FAVOR r R Asr : Tl w mg mmg rg Foc g flor. S rg Foc rgg r ro flor rgg rmr mss yg fss. I m osrs mms yg crs rls fss. K Kc : Rg Foc K Flor PDAHA ro mr sl

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan 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 terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka

Lebih terperinci

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

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

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

Lebih terperinci

Analisis Sensitivitas

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

Lebih terperinci

BAB VI KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN 59 BAB VI KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil data survai dan analisis yang dilakukan pada lahan parkir Rumah Sakit Umum Daerah RAA Soewondo Pati selama 3 hari dapat diambil kesimpulan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

MODEL INFERENSI BERBASIS FUZZY NEURAL NETWORK MENGGUNAKAN METODE PEMBELAJARAN DELTA RULE

MODEL INFERENSI BERBASIS FUZZY NEURAL NETWORK MENGGUNAKAN METODE PEMBELAJARAN DELTA RULE MODE INFEENSI BEBASIS FUZZY NEUA NETWOK MENGGUNAKAN METODE PEMBEAJAAN DETA UE Sr Kusumadw Sr Hartat tantyo Wardoyo Agus Harjoo Jurusan Tn Informata Unvrstas Islam Indonsa Yogyaarta, cc@ft.u.ac.d Faultas

Lebih terperinci

PEMODELAN KOMPUTASI DENGAN METODE RUNGE KUTTA ORDE 4 UNTUK MENGHITUNG PROSES PENGISIAN DAN PENGOSONGAN KAPASITOR

PEMODELAN KOMPUTASI DENGAN METODE RUNGE KUTTA ORDE 4 UNTUK MENGHITUNG PROSES PENGISIAN DAN PENGOSONGAN KAPASITOR ol. No. Jul, Tahun 07 Jurnal Pnlan Pnddan MIP Kharah PMODLN KOMPUTSI DNGN MTOD RUNG KUTT ORD UNTUK MNGHITUNG PROSS PNGISIN DN PNGOSONGN KPSITOR Kharah Unvrsas Muslm Nusanara l-washlyah -mal: harahlubs0@gmal.com

Lebih terperinci

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim Tinjauan Trmodinamika Sistm artikl Tunggal Yang Trjbak Dalam Sbua Sumur otnsial Ol Saful Karim Jurusan ndidikan Fisika Fakultas ndidikan Matmatika dan Ilmu ngtauan Alam Univrsitas ndidikan Indonsia 00

Lebih terperinci

FIXED EFFECT MODEL PADA REGRESI DATA PANEL

FIXED EFFECT MODEL PADA REGRESI DATA PANEL ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan

Lebih terperinci

BAB II PERSAMAAN DIFFERENSIAL ORDO SATU

BAB II PERSAMAAN DIFFERENSIAL ORDO SATU BAB II PERSAAA DIERESIAL ORDO SATU Tjan Pmblajaran Bab. ini, mrpakan lanjtan dari pmbahasan PD bab, ait jnis-jnis prsamaan diffrnsial ordo sat dan ara-ara pnlsaianna. Diantarana adalah Prsamaan Trpisah,

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

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

Lebih terperinci

τ = R x F Titik acuan R

τ = R x F Titik acuan R DINAMIKA Mepelajar erak benda denan penyebabnya. Massa, suatu konstanta dar benda Gaya, F sesuatu yan enyebabkan erakan suatu benda Moen aya,τ perkalan atara vektor jarak denan aya F τ R x F Ttk acuan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL 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 terperinci

DAFTAR PUSTAKA. 1. Burger, H.R.,. Exploration Geophysics of the Shallow Subsurface. New

DAFTAR PUSTAKA. 1. Burger, H.R.,. Exploration Geophysics of the Shallow Subsurface. New DAFTAR PUSTAKA 1. Brger H.R.. Eploraion Geophsics of he Shallo Sbsrface. Ne Jerse : Prenice Hall Inc199.. Boas M.L. Mahemaical Mehods in The Phsical Sciences Wile 1983. 3. Fergson R.J. and Margrae G.F.

Lebih terperinci

Perbandingan Perhitungan Jumlah Penduduk Tahunan dengan Interpolasi Spline dan Simulasi Asumsi Gompertz

Perbandingan Perhitungan Jumlah Penduduk Tahunan dengan Interpolasi Spline dan Simulasi Asumsi Gompertz Prosiding Smiraa FMIPA Univrsias Lampung, Prbandingan Prhiungan Jumlah Pnduduk Tahunan dngan Inrpolasi Splin dan Simulasi Asumsi Gomprz Ds Alwin Zayani Jurusan Mamaika FMIPA Univrsias Sriwaya E-mail: dalwinzayani@yahoo.com

Lebih terperinci

COMPLETELY RANDOMIZED DESIGN (CRD)

COMPLETELY RANDOMIZED DESIGN (CRD) COMPLETELY RANDOMIZED DESIGN (CRD) CRD Tdak ada kea pengelompokan: Lngkungan homogen Bahan homogen (pebedaan danaa expemenal un yang mempeoleh pelakuan yang ama dalam CRD debu ebaga expemenal eo) Ala homogen

Lebih terperinci

BAB II PENGENDALI DIGITAL

BAB II PENGENDALI DIGITAL BAB II ENGENDALI DIGIAL ada bab ini akan dibahas enang dasar-dasar pengendali ID. Selanjnya dibahas enang penrnan persamaan diskri pengendali ID yang menjadi dasar perancangan pengendali digial. ada bagian

Lebih terperinci

Tinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial

Tinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial injauan rmodinamika ada Sistm artikl unggal Yang rjbak Dalam Sbua Sumur otnsial Dngan mngmbangkan ubungan trmodinamik yang sdrana untuk pngumpulan partikl yang tunggal yang ditmpatkan pada dara potnsial.

Lebih terperinci

Analisis Variansi Multivariat

Analisis Variansi Multivariat Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak

Lebih terperinci

KWARTIL, DESIL DAN PERSENTIL

KWARTIL, DESIL DAN PERSENTIL KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag taptap 25% frekuens

Lebih terperinci