(Density Estimation by Wavelet Thresholding Method) Suparti, Rukun Santoso dan Yulia Sugiyanti
|
|
- Doddy Muljana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Suparti Ruu Satoso a Yulia Sugiyati (Desity Estimatio by Wavelet Thresholig Metho) Suparti Ruu Satoso a Yulia Sugiyati Program Stui Statistia urusa Matematia FMIPA Uiversitas Dipoegoro Semarag Abstract Let X X X be iepeet observatio ata with uow esity fuctio f I oparametric approach the fuctio f is assume to be quaratic itegrable a smooth fuctio so the fuctio f coul be estimate by orthogoal series estimator especially by Fourier series estimator Aother orthogoal series estimator which coul be use to estimate f is wavelet estimator Wavelet estimator is ivie by two methos they are liear wavelet a wavelet thresholig methos Wavelet thresholig estimator is a extetio of liear wavelet estimator a Fourier series estimator The maor stregth of the wavelet thresholig estimator is that they ca capture very well local features they ca estimate the smooth or usmooth fuctios Keywors: esity estimatio Fourier series estimator wavelet thresholig estimator Peahulua Fugsi esitas merupaa suatu osep asar alam statistia sebagai peetu besar probabilitas utu suatu selag yag iberia Misalya b P(a<X<b)= f x ega f(x) a aalah fugsi esitas ari variabel aca X ia iberia ata pegamata iepee X i i = utu meetua istribusi ari X eivale ega meetua fugsi esitasyadalam prate fugsi esitas ari suatu variabel aca serig tia ietahui sehigga perlu itasir (iestimasi) Estimasi fugsi esitas f apat ilaua melalui ua peeata yaitu peeata parametri maupu oparametri Paa estimasi fugsi esitas ega peeata parametri iperlua asumsi megeai betu istribusi suatu variabel aca (misalya istribusi ormal gammall) a yag aa iestimasi aalah parameterparameter ari istribusi tersebut ega megguaa ata tetag variabel acaya Seaga estimasi fugsi esitas ega peeata oparametri tia memerlua asumsi megeai betu istribusi Peeata ii iguaa ia tia aa iformasi yag tepat megeai betu ari fugsi esitas yag sebearya Dalam estimasi oparametri sebelum mucul estimasi esitas ega metoe wavelet telah ieal ua metoe staar yaitu estimasi esitas ega histogram erel a eret ortogoal Walaupu metoe wavelet telah baya ibicaraa oleh statistiawa paa eae terahir bualah berarti bahwa metoe tersebut sebagai peggati/meggeser metoe sebelumya amu lebih paa pegayaa metoe Namu eyataa alam prate eberaaa metoe wavelet ega elebihaya ari metoe staar sebelumya tetu aa baya iseagi a ipilih sebagai alteratif terbai utu meyelesaia masalah Meurut Oge [] metoe wavelet mempuyai elebiha iataraya aa iperoleh betu estimator yag lebih seerhaa loalisasi ruag a freuesi yag sagat Esata Vol 0 No Agustus 008 ISSN : 4-047
2 Suparti Ruu Satoso a Yulia Sugiyati bai Metoe wavelet apat megestimasi bai fugsi mulus maupu tia mulus seaga metoe staar sebelumya tia emiiametoe wavelet ibeaa meai ua macam yaitu metoe wavelet liier a metoe wavelet oliier Metoe wavelet oliier yag isebut uga sebagai metoe wavelet thresholig merupaa suatu metoe wavelet yag iasara paa prisip peyusuta oefisie-oefisie wavelet meuu ol sehigga fugsi yag ieati ega wavelet thresholig iharapa bebas ari oise Deret Fourier ia iberia ata observasi iepee X X X ari suatu istribusi ega esitas f ta ietahui maa ari ata tersebut apat iguaa utu megestimasi fugsi esitas Estimator Deret Fourier Diasumsia f L (R) ega L (R) ruag fugsi yag uaratya teritegrala ega ata lai L (R) = f : f x L (R) merupaa ruag Hilbert [] ega peralia salar a orma yag iefiisia sebagai <fg> = f g( x) x a f f f f x Aaia sistem ortoormal legap (CONS) ari L (R) maa sembarag f L (R) apat iyataa sebagai f ega f a memeuhi ietitas Parseval f Karea f x maa sehigga 0 utu Oleh area itu f apat ieati oleh f utu bilaga bulat cuup besar Khususya ia f L [0] maa f apat ieati ega eret Fourier f a a cos b si( x 0 ) ega oefisie Fourier a f cos( ) f cos x =0 a b f si( ) f si( x) x = ia iberia ata observasi iepee X X X ega suatu fugsi esitas f ta ietahui maa estimator eret Fourier ari esitas f aalah f = a 0 a cos b si ega estimator oefisie Fourier : â cos(x i)x = 0 i bˆ si(x i) = 3 i Tigat emulusa estimator eret Fourier fˆ itetua oleh pemiliha parameter pemulus Semai ecil parameter pemulus semai mulus estimasiya Dega ata lai semai besar parameter Esata Vol 0 No Agustus 008 ISSN : 4-047
3 Suparti Ruu Satoso a Yulia Sugiyati pemulus semai urag mulus estimasi ari f Deret Wavelet Fugsi wavelet aalah suatu fugsi matematia yag mempuyai sifat- sifat tertetu iataraya berosilasi i seitar ol (seperti fugsi sius a cosius) a terloalisasi alam omai watu artiya paa saat ilai omai relatif besar fugsi wavelet berharga ol Fugsi wavelet ibeaa atas ua eis yaitu wavelet ayah () a wavelet ibu () yag mempuyai sifat: x 0 x a Dega ilatasi iai a traslasi iteger wavelet ayah a wavelet ibu melahira eluarga wavelet yaitu (x) (p ) (p x ) a (x) (p ) (p x ) utu suatu salar p>0 a tapa meguragi eumuma apat iambil p= sehigga / (x) ( x ) a (x) / ( x ) Fugsi (x) a (x) mempuyai sifat ' (x) x x) (x)x 0 ( ' ' 0 x / ( x) / x 0 x yag lai a 0 x 0 x yag lai Beberapa cotoh wavelet selai wavelet haar iataraya aalah wavelet Daubechies (Daublet) symmetris (Symmlet) a Coifma (Coiflet) Visualisasi beberapa wavelet apat ituua paa gambar beriut: '' (x) x ' ia i ega i 0 ia i ' Cotoh wavelet palig seerhaa aalah wavelet Haar yag mempuyai rumus Gambar Visualisasi beberapa Wavelet Aalisis Multiresolusi Aalisis multiresolusi L (R) aalah ruag bagia tertutup {V Z} yag memeuhi i) V - V - V 0 V V ii) Z V = {0} Z V = L (R) iii) fv f ( ) V Esata Vol 0 No Agustus 008 ISSN : 4-047
4 Suparti Ruu Satoso a Yulia Sugiyati iv) f V0 f ( ) V0 Z v) Terapat sebuah fugsi V0 sehigga 0 ( ) Z membetu basis ortoormal utu V 0 imaa utu semua Z (x) x ia {V Z} aalisis multiresolusi ari L (R) maa aa basis ortoormal ; Z utu L (R): / ( x ) sehigga utu sembarag f L (R) P f P f f Z yaitu yag iturua ari x c x ( ) Z Utu maa P f f Aibat Bila aalah fugsi sala yag membagu aalisis multiresolusi a ψ(x) ( ) c (x) Z maa eomposisi sembarag fl (R) e alam eret wavelet ortoormal meai f c o ψ o Z o Z ega c o f o a f Estimator fugsi esitas ega metoe wavelet thresholig Thresholig merupaa asar pegeraa statisti ega wavelet yag iasara paa prisip peyusuta oefisie-oefisie wavelet meuu ol Dega wavelet thresholig iharapa hasil fugsi yag iestimasi bebas ari oise Dega ata lai wavelet thresholig apat meghilaga oefisie wavelet ecil yag iaggap meai oise Dega meghilaga yag ecil a meyimpa yag besar apat iguaa utu megefisiea estimasi Gagasa ii apat itelusuri ari prisip MRA; yaitu proyesi (peeata) fugsi f paa ruag V Z yag iyataa sebagai P f P f g ega g merupaa resiu atara proyesi P f a proyesi sebelumya P f Fugsi etail f ; memuat g Z oefisie-oefisie wavelet f ia oefisieoefisie wavelet tersebut apat isusuta meuu ol maa aa iperoleh estimasi utu f yag bebas ari oise Dooho a ohstoe [34] memberia metoe yag meeaa reostrusi wavelet alam megestimasi suatu fugsi f ta ietahui ega megguaa seumlah oefisie wavelet terbesar yai haya oefisie yag lebih besar ari suatu ilai tertetu yag iambil seaga oefisie selebihya iabaia area iaggap ol Nilai tertetu tersebut iamaa ilai threshol a estimator waveletya iamaa estimator wavelet thresholig Misal terseia ilai threshol maa estimator esitas f ega metoe wavelet thresholig apat iyataa sebagai fˆ Z cˆ o Z o o ˆ ega : = fugsi thresholig = parameter threshol Esata Vol 0 No Agustus 008 ISSN : 4-047
5 Suparti Ruu Satoso a Yulia Sugiyati ĉ o = i ˆ = i o (X i ) (X i ) Tigat emulusa estimator itetua oleh pemiliha level resolusi fugsi thresholig a parameter threshol Namu pemiliha a tia omia seaga omia Semai besar yag iguaa meghasila estimasi esitas yag semai mulus Sebaliya semai ecil yag iguaa meghasila estimasi esitas yag semai urag mulus Lagah-lagah Thresholig Lagah-lagah thresholig paa estimasi esitas paa asarya aalog ega thresholig paa estimasi fugsi regresi teriri ari: Pemiliha Fugsi Thresholig Aa ua eis fugsi thresholig yaitu: Soft Thresholig x x S 0 x x x Har Thresholig H x x 0 x yag lai ega merupaa parameter threshol Pemiliha Parameter Threshol Optimal Tigat emulusa estimator wavelet thresholig itetua oleh ilai threshol Memilih ilai threshol yag terlalu besar aa meghasila estimasi terlalu mulus (oversmooth) area oefisie yag masu alam reostrusi terlalu seiit Sebaliya ia memilih ilai threshol yag terlalu ecil aa meghasila estimasi urag mulus (uersmooth) area terlalu baya oefisie yag imasua alam reostrusi Oleh area itu perlu ipilih optimal [5] Aa beberapa cara utu meetua ilai threshol optimal paa fugsi thresholig yag ielompoa alam ua ategori yaitu global thresholig a level-epeet thresholig [5] (a) Global thresholig Global thresholig berarti memilih satu ilai yag iguaa utu seluruh level resolusi paa oefisie-oefisie wavelet empiri ˆ Dooho a ohstoe [4] memberia ua cara global thresholig yaitu: Threshol Miimax Nilai-ilai threshol miimax itetua berasara bayaya ata observasi yag apat ilihat paa tabel beriut Threshol Uiversal Threshol uiversal iefiisia ega: log ega aalah bayaya ata observasi Nilai-ilai threshol uiversal lebih besar ari threshol miimax utu ilai yag sama Sehigga threshol uiversal meghasila estimasi yag lebih mulus aripaa estimasi miimax (b) Level-Depeet Thresholig Level-epeet thresholig berarti memilih bergatug paa level resolusi Dega emiia aa emugia perbeaa ilai threshol yag ipilih utu tiap level wavelet Aa beberapa cara Esata Vol 0 No Agustus 008 ISSN : 4-047
6 Suparti Ruu Satoso a Yulia Sugiyati level-epeet thresholig iataraya yaitu: Threshol Aapt Threshol aapt aalah ilai threshol yag itetua berasara paa level resolusi Pemiliha threshol ii iasara paa prisip utu memiimala Stei Ubiase Ris Estimator (SURE) paa suatu level resolusi Threshol aapt utu himpua oefisie etail yag beraggotaa K oefisie iefiisia sebagai arg mi t 0 SURE t ega SURE K mi K t K t / t Threshol aapt aa memberia hasil yag urag bai ia oefisie-oefisieya sagat arag (sebagia besar oefisie paa level tersebut meeati ol) Oleh area itu himpua oefisie ii iui ega persamaa beriut: K 3 / log K K K ia persamaa tersebut terpeuhi maa threshol yag iguaa paa level resolusi aalah threshol uiversal seaga ia tia maa threshol aaptlah yag iguaa [6] Threshol Top Nilai threshol ii itetua ega meetua besarya umlah oefisie yag iguaa ari eseluruha oefisie wavelet alam mereostrusi fugsi Sehigga apat itetua berapa umlah oefisie wavelet yag aa iguaa utu megestimasi suatu fugsi [6] Cotoh estimasi esitas ega metoe wavelet thresholig Beriut ii ata peguura gluosa (iuur alam milligram per eciliter) ari waita berumur tahu e atas berasal ari suu Iiaa Pima a tiggal i eat Phoeix Arizoa yag terea iabetes [7] Dataya sebagai beriut : Data tersebut bersifat aca a salig bebas Dari ata tersebut icari estimasi esitasya megguaa metoe wavelet thresholig ega fugsi har thresholig a threshol optimal yag iguaa yai threshol miimax Beriut ii hasil estimasi esitas ega megguaa program S+Wavelets Esata Vol 0 No Agustus 008 ISSN : 4-047
7 Suparti Ruu Satoso a Yulia Sugiyati Gambar : Estimasi esitas ega metoe wavelet hresholig Kesimpula Estimator wavelet thresholig mempuyai elebiha alam megaalisis fugsi mulus maupu fugsi tia mulus ega emampuaya megaaptasi secara loal Tigat emulusa estimator sagat itetua oleh parameter threshol Semai besar yag iguaa meghasila estimasi esitas yag semai mulus a sebaliya Oleh area itu perlu ipilih optimal Aa beberapa cara utu meetua ilai threshol optimal yag ielompoa alam ua ategori yaitu global thresholig a levelepeet thresholig Threshol miimax a threshol uiversal merupaa cara pemiliha threshol optimal paa global thresholig seaga threshol aapt a threshol top merupaa cara pemiliha threshol optimal paa level-epeet thresholig Daftar Pustaa [] Oge RT 997 Essetial Wavelets for Statistical Applicatios a Data Aalysis Birhauser Bosto [] Vetterli M a Kovacevic 995 Wavelets A Subba Coig Pretice Hall PTR New ersey [3] Hall P a Patil P 995 O Wavelet Methos for Estimatig Smooth Fuctio Beroulli (/) [4] Dooho DL ohstoe IM Keryacharia G a Picar D 996 Desity Estimatio by Wavelet Thersholig The Aals of Statistics Vol 4 No [5] HallP a PatilP(996) O the Choice of Smoothig Parameter Threshol a Trucatio i Noparametri Regressio by oliier Wavelet MethosRStatistSocB (996) 58 No [6] Bruce A a Gao H Y 996 Applie Wavelet Aalysis with S - PLUS Spriger-Verlag New Yor [7] ustratio_of_esity_estimatio Esata Vol 0 No Agustus 008 ISSN : 4-047
PEMILIHAN THRESHOLD OPTIMAL PADA ESTIMATOR REGRESI WAVELET SHRINKAGE
Prosii SPMIPA. pp. 7-76. 6 ISBN : 979.74.47. PMILIHAN THRSHOLD OPTIMAL PADA STIMATOR RGRSI WAVLT SHRINAG Suparti Staf Peaar PS Statistia Jurusa Matematia FMIPA UNDIP Jl. Prof. Soearto, ampus UNDIP Tembala,
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL
PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia
Lebih terperinciAplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier
Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg
Lebih terperinciGambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciJurnal Sains & Matematika Vol.15 No.4, 2007 ISSN
Supart Sharta Wahyu Putra a Ruu Satoso Pemlha Threshol Optmal... Pemlha Threshol Optmal paa Estmator Regres Wavelet thresholg ega Proseur U Hpotess Multpel Supart Sharta Wahyu Putra a Ruu Satoso 3 3 Sta
Lebih terperinciPEMBUKTIAN SIFAT RUANG BANACH PADA D(K)
JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperinciKonvolusi pada Distribusi dengan Support Kompak
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia
Lebih terperinciPERBANDINGAN ESTIMATOR REGRESI NONPARAMETRIK MENGGUNAKAN METODE FOURIER DAN METODE WAVELET
PERBANDINGAN ESTIMATOR REGRESI NONPARAMETRIK MENGGUNAKAN METODE FOURIER DAN METODE WAVELET Supart urusa Matemata FMIPA UNDIP l. Prof. H. Soearto, S.H, Semarag 575,Y Abstract. Let { } (X be epeet observato
Lebih terperinciPerluasan Uji Kruskal Wallis untuk Data Multivariat
Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia
Lebih terperinciMETODE NUMERIK STEPEST DESCENT DENGAN DIRECTION DAN NORMRERATA ARITMATIKA
e-issn 44-549 Vol. 5, No. (6) 8-6 p-issn 89-87 METODE NUMERIK STEPEST DESCENT DENGAN DIRECTION DAN NORMRERATA ARITMATIKA Rumoo Bui Utomo Uiversitas Muhammaiyah Tagerag Email: rumoo.bui.u@mail.ugm.ac.i
Lebih terperinciPENGHALUSAN DERAU PADA PENERIMAAN SINYAL VIDEO TELEVISI BERWARNA MENGGUNAKAN METODE WAVELET
PENGHALUSAN DERAU PADA PENERIMAAN SINYAL VIDEO TELEVISI BERWARNA MENGGUNAKAN METODE WAVELET Bledug Kusuma P. * Fathul Qodir *, Nurul Qhomariyah ** * Tei Eletro FT Uiversitas Muhammadiyah Yogyaarta Jala
Lebih terperinciMAKALAH TEOREMA BINOMIAL
MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)
Lebih terperinciTEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS
Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia
Lebih terperinciBAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan
BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciMACAM-MACAM TEKNIK MEMBILANG
0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA
Lebih terperinciBARISAN, (1 p< ) Aniswita 1
βeta -ISSN: 85-5893 e-issn: 54-458 Vol 6 No Mei 3 Hal 46-57 βeta3 TRMA NVRGNAN FUNGSI TRINTGRAL HNSTC- URZWIL SRNTA AN FUNGSI BRSIFAT LCALLY SMALL RIMANN SUMS LSRS ARI RUANG UCLI RUANG BARISAN < Aiswita
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciSIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA
SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua
Lebih terperinciMASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?
Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai
Lebih terperinciPEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)
PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar
Lebih terperinciBab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS
Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi
Lebih terperinciBAB 6 NOTASI SIGMA, BARISAN DAN DERET
BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciMetode Numerik Stepest Descent Dengan Arah Pencarian Negatif Sigma Gradien
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 T - Metoe Numeri Stepest Descet Dega Arah Pecaria Negatif Sigma Graie Rumoo Bui Utomo Uiversitas Muhammaiyah Tagerag rumoo.bui.u@mail.ugm.ac.i
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciBARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
Lebih terperinciPenggunaan Transformasi z
Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:
Lebih terperinciRepresentasi sinyal dalam impuls
Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha
Lebih terperinciPENARAPAN METODE GOAL PROGRAMMING UNTUK MENGOPTIMALKAN BEBERAPA TUJUAN PADA PERUSAHAAN DENGAN KENDALA JAM KERJA, PERMINTAAN DAN BAHAN BAKU
Eisi: Otober 06. Vol. 0 No. 0 ISSN: 57-359 E-ISSN: 57-367 PENARAPAN METODE GOAL PROGRAMMING UNTUK MENGOPTIMALKAN BEBERAPA TUJUAN PADA PERUSAHAAN DENGAN KENDALA JAM KERJA, PERMINTAAN DAN BAHAN BAKU auziyah
Lebih terperinciSinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit
Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit
Lebih terperinciBab 6: Analisa Spektrum
BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah
BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur
Lebih terperinciSusunan N-Antena Isotropis Segaris
TTGD Atea Moul#4b Atea a Propagasi Susua N-Atea Isotropis Segaris Oleh : Nachwa Mufti Ariasyah, ST, MT Moul#4b - Susua N Atea Isotropis Segaris Outlie Paa sub bab ii, sejumlah N atea isotropis isusu a
Lebih terperinci1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi
Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciPERTEMUAN 13. VEKTOR dalam R 3
PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde
Lebih terperinciKeywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-
Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT
Lebih terperinciProsiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA
Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5
Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah
Lebih terperinciMASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI
Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa
Lebih terperinciPROSIDING ISSN:
PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi
Lebih terperinciBAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
Lebih terperinciESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan
JMP : Vol. 8 No., Des. 016, al. 33-40 ISSN 085-1456 ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI Novita Eka Cadra Uiversitas Islam Darul Ulum Lamoga ovitaekacadra@gmail.com Masriai Mayuddi Uiversitas
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciAproksimasi Terbaik dalam Ruang Metrik Konveks
Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciTINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas
II. TINJAUAN PUSTAKA 2.1 Ruag Vektor Defiisi 2.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da (F,,. ) lapaga dega eleme idetitas 1. V disebut ruag vektor (vector space) atas F jika ada operasi
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciGerak Brown Fraksional dan Sifat-sifatnya
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas
Lebih terperinciLIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n
LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciMODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng
MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag
Lebih terperinciBAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:
BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah
Lebih terperinciTEOREMA WEYL UNTUK OPERATOR HYPONORMAL
Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig
Lebih terperinciANALISA IMAGE SIDIK JARI DIGITAL MENGGUNAKAN METODE WAVELET PAKET Oleh: Suparti Staf Pengajar Jurusan Matematika, FMIPA, Undip
ANALISA IMAGE SIDIK JARI DIGITAL MENGGUNAKAN METODE WAVELET PAKET Oleh: Suparti Staf Pengajar Jurusan Matematika, FMIPA, Undip Abstrak Dalam proses pengiriman image seringkali mengalami noise (gangguan)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciSelang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan
Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa
Lebih terperinciRancangan Percobaan. Arum Handini Primandari, M.Sc.
Kosep Dasar Statistika utuk Racaga Percobaa Arum aii Primaari, M.Sc. Operator Pejumlaha Operator pejumlaha: Sifat: i1 i i1 i1 k k kx k x i1 i i1 i1 i i i i i1 i1 i1 i a bx a b x x y x y x x x... x i i
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciBAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi
BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag
Lebih terperinciAnalisis regresi linear ganda bertujuan untuk mencari bentuk hubungan linear antara satu variabel terikat Y dan k variabel bebas X1, X2, X3,..., Xk.
EGESI DAN KOELASI LINEA GANDA Aalisis egesi liea gada etujua utu mecai etu huuga liea ataa satu vaiael teiat da vaiael eas,, 3,...,. Meetua pesamaa egesi liea gada Pesamaa egesi pada da adalah Dega metode
Lebih terperinciDSP Application Research Centre, Electrical Engineering Dept. SOLUSI UAS 5 JUNI 2000 TA 1999 / 2000
DSP Applicatio Research Cetre, Electrical Egieerig Dept. SOLUSI UAS 5 JUNI TA 999 /. Sistem Liier ega fugsi trasfer : ( s + H ( s ( s + 4( s + a. Tetuka respose impulse sistem. Apakah sistem stabil? (
Lebih terperinciSTUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciKALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN
KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBab 16 Integral di Ruang-n
Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat
Lebih terperinciPERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT)
PERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT) DAN METODE WAVELET (DWT) Suparti dan Farikhin Jurusan Matematika FMIPA Undip Abstrak Dalam perkembangan IPTEK seringkali
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)
I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa
Lebih terperinciDeret Fourier. Modul 1 PENDAHULUAN
Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciESTIMASI PARAMETER MOTOR ARUS SEARAH MENGGUNAKAN METODA LEAST-SQUARE ESTIMATOR
ESTIMASI PARAMETER MOTOR ARUS SEARAH MENGGUNAAN METODA LEAST-SQUARE ESTIMATOR Iskaar Azis Program Stui Tekik Sipil Fakultas Tekik Uiversitas Almuslim Bireue ABSTRA Estimasi parameter motor arus searah
Lebih terperinciBAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,
Lebih terperinciFungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya
TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciTeorema Nilai Rata-rata
Nilai Kus Prihatoso April 27, 2012 Yogyakarta Nilai Suatu Fugsi Masih igatkah ada tetag ilai rata-rata dari sekmpula bilaga? Berapakah ilai rata-rata dari sebayak bilaga y 1, y 2,..., y? Nilai Suatu Fugsi
Lebih terperinciPenulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.
PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,
Lebih terperinciESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP. Staf Program Studi Statistika Jurusan Matematika FMIPA UNDIP 2
ESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP Supart Achmad Mustofa da Agus Rusgyoo 3 3 Staf Program Stud Statsta urusa Matemata FMIPA UNDIP Alum urusa Matemata FMIPA UNDIP l. Prof. H.
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinciPenggunaan Distribusi Poisson Untuk Menghitung Peluang Memenangkan Suatu Permainan
T a a a Pegguaa Distribusi Poisso Utu Meghitug Peluag Meeaga Suatu Peraia Itisari Dala tulisa ii ai aa ebahas eeraa teorea araterisasi yag erat aitaya ega istribusi Poisso aa beberaa ata seabola a baseball.
Lebih terperinciMetode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu
Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug
Lebih terperinciLANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.
II. LANDASAN TEORI Pada bab ii aka diberika beberapa kosep dasar (pegertia) yag aka diguaka dalam pembahasa peelitia 2.1 Ruag Vektor Defiisi 3.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da
Lebih terperinciSistem Bilangan Kompleks (Bagian Ketiga)
Sistem Bilaga Kompleks (Bagia Ketiga) Supama Jurusa Matematika, FMIPA UGM Yogyakarta 55281, INDONESIA Email:maspomo@yahoo.com, supama@ugm.ac.id (Pertemua Miggu III) Outlie 1 Akar Bilaga Kompleks 2 Akar
Lebih terperinciBAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada
8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia
Lebih terperinci