APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi

Ukuran: px
Mulai penontonan dengan halaman:

Download "APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi"

Transkripsi

1 APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN Petra Novadi Iformatika Istitut Tekologi Badug Labtek V Jl. Gaesha No., Badug if559@studets.if.itb.ac.id, me@va-odi.et ABSTRAK Permasalaha optimasi merupaka bagia dari permasalaha kehidupa mausia sehari-hari. Dalam usaha utuk memeuhi kebutuhaya, mausia membutuhka optimasi dalam pekeraaya. Optimasi tersebut adalah memiimumka biaya pegeraa serta memaksimumka pedapata pegeraa. Aka tetapi dalam pegeraa tersebut, mausia selalu meghadapi batasa-batasa dalam usaha megoptimasi. Utuk memproduksi suatu barag, bayak sekali kedala yag dihadapi dalam memaksimumka keutuga peuala barag tersebut dega sumber daya da modal yag terbatas. Permasalaha ii dapat dikategorika ke ke dalam kelompok iteger kapsack problem (/ kapsack problem sebuah permasalaha kombiatorial yag bertuua utuk memaksimumka keutuga yag diperoleh pada setiap obek dega sumber daya yag terbatas yag meopag obek tersebut. Aka tetapi pada keyataaya bayakya eis sumber daya yag dibutuhka utuk memaksimumka hasil tidak haya terbatas pada satu eis saa, melaika bayak eis. Kapsack eis ii kemudia disebut dega Iteger Programmig Problem atau Multicostrait Kapsack (MKP) Dalam searah ilmu komputer, bayak sekali cara yag dapat ditempuh utuk mecari solusi dari kapsack : brach ad boud, dyamic programmig, geetic algorithm, at coloy, heuristic, da sebagaiya. Aka tetapi yag palig terkeal da bayak dipakai adalah program diamis. Makalah ii membahas pedekata program diamis utuk mecari solusi pecaria keutuga peuala maksimum dalam produksi berbagai eis perme dega baha-baha dasar perme sebagai batasaya (costrait) Kata kuci : Kapsack, Multicostraied kapsack, Iteger programmig kapsack, Dyamic programmig. PENDAHULUAN Permasalaha optimasi merupaka bagia dari permasalaha kehidupa mausia sehari-hari. Dalam usaha utuk memeuhi kebutuhaya, mausia membutuhka optimasi dalam pekeraaya. Optimasi tersebut adalah memiimumka biaya pegeraa serta memaksimumka pedapata pegeraa. Aka tetapi dalam pegeraa tersebut, mausia selalu meghadapi batasa-batasa dalam usaha megoptimasi. Salah satu cotoh permasalaha yag memberi batasa pada mausia utuk megoptimasi adalah kapsack. Dalam permasalaha asliya kapsack digambarka sebagai usaha seorag pecuri yag igi megambil sebayak-bayakya barag yag ia curi sehigga muat dalam karug (kapsack) yag tidak mampu meampug berat seluruh barag. Oleh karea itu si pecuri igi megambil barag sehigga dapat muat dalam karug da mecapai keutuga terbayak ketika barag tersebut diual. Permasalaha ii dikategorika sebagai permasalaha kombiatorial yaki bagaimaa meetuka kombiasi dari barag-barag yag igi dimuat sehigga dapat mecapai keutuga maksimum. Diberika buah barag masig-masig sampai. Setiap mempuyai harga da bobot. Kita mempuyai karug dega kapasitas Maksimumka Utuk p C,, = () { } MAKALAH IF5 STRATEGI ALGORITMIK TAHUN 7

2 Aka tetapi dalam bayak kasus yag ada pada keyataa, kapsack sesugguhya tidak haya memiliki batasa dalam berat saa melaika bayak sekali batasa. Persoala ii diamaka multi costraied kapsack.atau uga disebut Iteger programmig problem (pemrograma bilaga bulat) da liear programmig problem. Maksimumka Utuk C, i =,..., M i i {,}, = () Seluruh permasalaha kapsack digologka ke dalam kelompok permasalaha NP-hard problem yaki sebuah kategori permasalaha yag diyakii tidak mempuyai peyelesaia dega fugsi aktu asimptotik yag poliomial.. DESKRIPSI PERMASALAHAN Permasalaha ii diispirasika oleh seorag reka yag igi membuka keraia rumah tagga peghasil kue. Da peulis uga memikirka sebuah ide yag serupa yaki membagu sebuah pabrik perme. Aggap seorag pegusaha membuka sebuah pabrik peghasil perme. Pabrik ii dituuka utuk membuat bayak perme yag terdiri dari berbagai eis perme yag disukai oleh aakaak. Utuk meghasilka sebuah eis perme diperluka beberapa baha dasar. Adapu baha dasar dari perme tersebut atara lai cokelat, krim susu, da uga gula. Utuk setiap eis perme, diperluka takara cokelat, krim susu, da gula yag berbeda-beda. Hal ii dibuat agar pegkosumsi perme ii tidak merasa bosa dega satu eis perme saa. Sag pemilik pabrik ii meual setiap eis permeya dalam betuk paket yag aka siap dibaa di dalam kotaier utuk diual ke distributor dega harga yag telah ditetapka bersama utuk setiap paket eis permeya. Dega setiap paket yag dibuat dari kadar cokelat, krim susu, da gula yag berbeda-beda. Dalam peulisa sederhaa, diberika beberapa umlah costrait C utuk bayakya cokelat yag disediaka, C utuk krim susu, da C utuk gula serta diberika bayakya pesaa paket perme,,... k di utuk setiap, =,..,. PENYELESAIAN Persoala ii sebearya idetik dega permasalaha pemrograma liier yag serig meadi dasar pertimbaga dalam mecari optimum dari sebuah permasalaha yag berhubuga dega keterbatasa. Diberika persamaa-persamaa produksi da dimita utuk mecari solusi optimum dari persamaa-persamaa tersebut selama masih dalam selag batasa. Sebuah persoala pemrograma bilaga bulat dapat diyataka dega Maksimumka Utuk C, i =,..., m i i {,}, = () Dimaa p, i, da c i adalah bilaga bulat tidak bertada (cacah). Meurut David Prisiger, ika pada () diguaka costrait yag yag lebih padat maka solusi dapat dicari dega cara yag lebih cepat. Costrait tersebut dapat dipadatka dega meyelesaika sedereta permasalaha Subset-sum : Utuk setiap costrait yag ada i =,..., m, Maksimumka Utuk z i = i i C i MAKALAH IF5 STRATEGI ALGORITMIK TAHUN 7

3 , = (4) Da ika zi < ci dalam sebuah solusi optimal, kita dapat memadatka costrait dalam () meadi i zi, i =,..., m (5) Jika dikeraka megguaka cara brute force, persoala ii meaibka pegeraa sebayak! utuk mecari seluruh kombiasi yag ada sekaligus memeriksa apakah kombiasi tersebut memeuhi syarat sekaligus meghitug berapa keutuga yag diperoleh tiap kombiasi. Hal ii mugki aka sagat melelahka. Permasalaha produksi perme ii dapat diselesaika lebih cepat dega megguaka program diamis mau, yaki dega megisika umlah baha baku yag dapat dipakai kemudia membadigkaya dega paket perme yag telah direcaaka utuk dibuat sebelumya. Pada persoala ii. Tahap (k) adalah proses memasukka paket perme yag aka dibuat ke dalam recaa. Dalam istasiasi persoala ada paket perme, sehigga ada tahap.. Aka ada k buah status y sampai y k yag meyataka kapasitas tersusa dalam setiap costrait. Dalam hal ii ada buah status. Pada tahap ke kita masukka obek ke- ke dalam karug utuk setiap satua kapasitas tiap costrait sampai salah satu dari costrait tersebut peuh. Karea bayakya baha baku yag dibutuhka tiap paket diasumsika dipakai secara diskrit maka pedekata ii tidak begitu sulit. Ketika memasukka tiap obek pada tahap k kita harus memastika baha tidak ada pegisia yag meyebabka salah satu dari baha baku perme dipakai berlebiha. Misalka pada tahap tersebut, sisa semua baha baku perme adalah y i - ik. Utuk megguaka baha baku yag tersisa, kita meerapka prisip optimalitas dega megacu ilai optimum dari tahap sebelumya utuk baha baku sisa y i - ik (yaitu f ik- (y i - ik. Lalu badigka tiap keutuga tiap perme pada tahap tersebut ditambah ilai keutuga pegisia obek sebelumya. Jika lebih kecil, maka perme tersebut tidak adi dibuat. Relasi rekures tersebut adalah f ( y, y, y) = i =,,,..., C i y ) =, y < y < y f k ( < f ( y p k k + f k ( y ) = ma( f k k ( y k k (6) Utuk medemostrasikaya peulis megambil suatu istasiasi permasalaha. Misalka dalam suatu pagi pemilik pabrik perme membuka pabrikya da medapati stok cokelat, krim susu, da gula sebayak 5 to, 6 to, da 5 to. Si pemilik hari itu berecaa igi membuat dua eis paket permeaki eis perme A yag dibuat dari to cokelat, to krim susu, da to gula; eis perme B yag dibuat dari to cokelat, to krim susu, da to gula; serta eis perme C yag dibuat dari to cokelat, to krim susu da to gula. Paket perme A diual dega harga 6 uta rupiah, paket B dega harga 4 uta rupiah da paket C dega harga uta rupiah. Sag pemilik pabrik igi megetahui paket perme yag maa yag harus diproduksiya hari itu utuk medapatka keutuga semaksimal mugki. Tabel Daftar Biaya da Keutuga Barag Cokelat Krim susu Gula Harga Perme A to to to 6.. Perme B to to to 4.. Perme C to to to.. Utuk lebih meyederhaaka model soal, dipakai tabel berikut ii Tabel Model Permasalaha Tahap I f ( y p + f ( y Barag p 6 4 ) = ma( f ( y Utuk meghemat tempat da memudahka perhituga, tiap tabel pegisia dibedaka per costrait yag ada. Tabel Tabulasi Tahap I costrait C Y f () 6 + f (y -) f(y ) (,, ) - (,, ) - (,, ) - (,, ) 6 6 (,, ) (7) MAKALAH IF5 STRATEGI ALGORITMIK TAHUN 7

4 4 6 6 (,, ) (,, ) Tabel 4 Tabulasi Tahap I costrait C y f () 6 + f (y -) f(y ) (,, ) - (,, ) - (,, ) - (,, ) 6 6 (,, ) (,, ) (,, ) (,, ) Tabel 5 Tabulasi Tahap I costrait C 4 + (- ) = - (,, ) 4 + = 4 (,, ) = 6 (,, ) = (,, ) = (,, ) = (,, ) Tabel 8 Tabulasi Tahap II costrait C y f () 4 + f (y -) f (y ) (,, ) 4 + (- ) = - (,, ) 4 + (- ) = - (,, ) 4 + = 4 4 (,, ) = 4 6 (,, ) = (,, ) = (,, ) Tahap II y f () 6 + f (y -) f(y ) (,, ) - (,, ) - (,, ) - (,, ) 6 6 (,, ) (,, ) (,, ) f ( y ) = ma( f ( y p + f ( y Tabel 6 Tabulasi Tahap II costrait C (8) Tahap III f ( y p + f ( y ) = ma( f ( y Tabel 9 Tabulasi Tahap III costrait C y f () + f (y -) F (y ) (,, ) + (- ) = - (,, ) + (- ) = - (,, ) 4 + = 4 (,, ) = 6 6 (,, ) = 8 8 (,, ) = 8 (,, ) (9) y f () 4 + f (y -) f (y ) (,, ) 4 + (- ) = - (,, ) 4 + (- ) = - (,, ) 4 + = 4 4 (,, ) = 4 6 (,, ) = 4 6 (,, ) = (,, ) Tabel 7 Tabulasi Tahap II costrait C y f () 4 + f (y -) f (y ) (,, ) 4 + (- ) = - (,, ) Tabel Tabulasi Tahap III costrait C y f () + f (y -) f (y ) (,, ) + (- ) = - (,, ) + (- ) = - (,, ) + = (,, ) 6 + = (,, ) = (,, ) = 8 (,, ) 6 + = (,, ) MAKALAH IF5 STRATEGI ALGORITMIK TAHUN 7 4

5 Tabel Tabulasi Tahap III costrait C y f () + f (y -) f (y ) (,, ) + (- ) = - (,, ) + (- ) = - (,, ) 4 + = 4 (,, ) 6 + = 6 (,, ) = 8 (,, ) 5 + = (,. ) Dari hasil di atas didapat hasil yag palig maksimum adalah. Hasil perhituga tersebut bukalah merupaka hasil yag palig maksimum yag optimal karea hasil tersebut tidak memeuhi salah satu costrait uga akibat peghituga yag dipisahka ke dalam tabel yag terpisah. Oleh karea itu yag meadi solusi optimum dari permasalaha tersebut adalah ilai maksimum yag memeuhi seluruh costrait yag ada. Dalam hal ii keutuga optimum yag dicapai adalah uta rupiah yag didapat dari kombiasi paket A da paket B. Adapu maksimum pegeraa yag dilakuka adalah sebayak Ο (. m. r) utuk adalah bayakya paket perme yag igi dibuat, m adalah bayakya eis baha baku perme yag disediaka, serta r adalah umlah maksimum yag baha baku yag disediaka. Meski terlihat seperti poliomial, tetapi sebearya persoala ii berkembag ekspoesial seirig dega bayakya, m, da r yag diberika. Kompleksitas ii serig diamaka pseudo-polyomial. 4. KESIMPULAN membadigka persoala pada suatu tahap pegeraa dega persoala sebelumya. Jika dibadigka dega pegguaa brute force, program diamis mampu meyelesaika persoala dega lebih cepat secara berutu. Algoritma ii layak dipakai bagi seseorag yag igi membuka pabrik perme. Kompleksitas peyelesaia algoritma ii adalah Ο(. m. r) yaki utuk bayakya paket perme yag igi dibuat, m bayakya eis baha baku perme, da r adalah umlah maksimum baha baku perme. Meski terlihat sebagai poliomial, sebearya solusi ii masih terpaut dalam NP-hard karea utuk umlah yag maki besar, pegeraa yag dilakuka oleh algoritma ii membesar pula secara ekspoesial. REFERENSI [] Muir M.T. Rialdi. 5, Diktat Kuliah IF5 Strategi Algoritmik. Badug : Istitut Tekologi Badug [] Wikipedia, Kapsack Problem, terakhir akses Mei 7. [] Wikipedia, Cady, terakhir akses Mei 7. [4] Kapsack Repository, terakhir akses Mei 7 [5] Eko Wiboo, Cook, 6, Bia Nusatara Programmig Cotest [6] David Pisiger, Algorithms for Kapsack Problem, Februari 5, Ph.D. Thesis. Dept. of Computer Sciece, Uiversity of Copehage Permasalaha optimasi produksi perme dapat digologka ke dalam permasalaha iteger kapsack. Aka tetapi karea bayakya costrait yag harus dipeuhi dalam memproduksi perme maka permasalaha ii dapat digologka ke dalam kategori kapsack yag lebih geeral yaki multicostrait kapsack atau liear programmig kapsack. Permasalaha ii termasuk ke dalam gologa permasalah kapsack laiya yaki NPhard problem (No-determiistic polyomial problem). Maksudya adalah permasalaha ii tidak dapat ditetuka apakah dapat dikeraka dalam kompleksitas aktu asimtotik yag poliomial. Utuk meyelesaika permasalaha optimasi produksi perme, program diamis adalah salah satu algoritma yag magkus. Algoritma ii meyusu permasalaha meadi permasalaha yag lebih kecil da kemudia MAKALAH IF5 STRATEGI ALGORITMIK TAHUN 7 5

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 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 terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack Algoritma Brach ad Boud pada Permasalaha 0-1 Kapsack Sady Socrates (13508044) Program Studi Tekik Iformatika 2008, Istitut Tekologi Badug Jl. Gaesha 10, 40116 Badug e-mail: if18044@studets.if.itb.ac.id

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB III PROGRAMA LINIER

BAB III PROGRAMA LINIER BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

Kompleksitas 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 terperinci

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal Kompleksitas Waktu utuk Algoritma Rekursif ZK Abdurahma Baizal Algoritma Rekursif Betuk rekursif : suatu subruti/fugsi/ prosedur yag memaggil diriya sediri. Betuk dimaa pemaggila subruti terdapat dalam

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB 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 terperinci

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut : I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 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 terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. 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 terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. 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 terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT METODE NUMERIK TKM4104 Kuliah ke- DERET TAYLOR DAN ANALISIS GALAT DERET TAYLOR o Deret Taylor adalah alat yag utama utuk meuruka suatu metode umerik. o Deret Taylor bergua utuk meghampiri ugsi ke dalam

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN 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 terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB 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 terperinci

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi Semiar Nasioal III Tekologi Da Rekayasa ISBN 978-60-96853-1- Aplikasi Iteger Programmig Dalam Optimasi Produksi Tri Herawati Staf Pegaar Kopertis Wilayah I Dpk Fakultas Tekik Uiversitas Islam Sumatera

Lebih terperinci

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi Semiar Nasioal III Tekologi Da Rekayasa ISBN 978-60-96853-1- Aplikasi Iteger Programmig Dalam Optimasi Produksi Tri Herawati Staf Pegaar Kopertis Wilayah I Dpk Fakultas Tekik Uiversitas Islam Sumatera

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Galat dan Perambatannya

Galat dan Perambatannya Modul 1 Galat da Perambataya Prof. Dr. Bambag Soedijoo P PENDHULUN ada Modul 1 ii dibahas masalah galat atau derajat kesalaha da perambataya, dega demikia para peggua modul ii diharapka telah memahami

Lebih terperinci

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta Iduksi Matematika Pertemua VII Matematika Diskret Semester Gasal 2014/2015 Jurusa Tekik Iformatika UPN Vetera Yogyakarta Metode pembuktia utuk peryataa perihal bilaga bulat adalah iduksi matematik. Cotoh

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

Pelabelan E-cordial pada Graf Hasil Cartesian Product

Pelabelan E-cordial pada Graf Hasil Cartesian Product Pelabela E-cordial pada Gra Hasil Cartesia Product Kholis Widyasmedi, R. Heri Soelistyo Program Studi Matematika Jurusa Matematika Fakultas Sais da Matematika Uiversitas Dipoegoro Email: widyasmedi@gmail.com

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN 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 terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Oleh: Yunissa Rara Fahreza Akuntansi Teknologi Sistem Informasi KOMBINATORIAL & PELUANG DISKRIT : PERMUTASI MATEMATIKA DISKRIT

Oleh: Yunissa Rara Fahreza Akuntansi Teknologi Sistem Informasi KOMBINATORIAL & PELUANG DISKRIT : PERMUTASI MATEMATIKA DISKRIT Oleh: Yuissa Rara Fahreza Akutasi Tekologi Sistem Iformasi KOMBINATORIAL & PELUANG DISKRIT : PERMUTASI MATEMATIKA DISKRIT ILUSTRASI 1 Misal ada 3 buah kelereg yag berbeda wara : merah (m), kuig (k) da

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com Soal da Pembahasa jia Nasioal 06 Matematika Tekik SMK matematikameyeagka.com . pqr Betuk sederhaa dari p q r A. p 8 q r adalah... B. p q 0 r 0 D. p q 0 r 0 C. p 8 q r 0 E. p 6 q r Igat rumus berikut m

Lebih terperinci

theresiaveni.wordpress.com NAMA : KELAS :

theresiaveni.wordpress.com NAMA : KELAS : theresiaveiwordpresscom NAMA : KELAS : 1 theresiaveiwordpresscom BARISAN DAN DERET Barisa da deret dapat diguaka utuk memudahka peyelesaia perhituga, misalya buga bak, keaika produksi, da laba/rugi suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

Lebih terperinci

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR Dose Pegampu : Darmadi, S.Si, M.Pd Disusu : Kelas 5A / Kelompok 5 : Dia Dwi Rahayu (084. 06) Hefetamala (084. 4) Khoiril Haafi (084. 70) Liaatul Nihayah (084. 74)

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

ANALISIS KOMPLEKSITAS ALGORITMA PENCARIAN CONVEX HULL PADA BIDANG PLANAR

ANALISIS KOMPLEKSITAS ALGORITMA PENCARIAN CONVEX HULL PADA BIDANG PLANAR ANALISIS KOMPLEKSITAS ALGORITMA PENCARIAN CONVEX HULL PADA BIDANG PLANAR Petra Novadi NIM : 13505059 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jl. Gaesha 10, Badug E-mail : if15059@studets.if.itb.ac.id

Lebih terperinci

MATEMATIKA DISKRIT FUNGSI

MATEMATIKA DISKRIT FUNGSI 1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab IV. Penderetan Fungsi Kompleks Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara

Lebih terperinci

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar

III BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar BAB III BARISAN DAN DERET Tujua Pembelajara Setelah mempelajari materi bab ii, Ada diharapka dapat:. meetuka suku ke- barisa da jumlah suku deret aritmetika da geometri,. meracag model matematika dari

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN 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 terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

Bab III Metoda Taguchi

Bab 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 terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret 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 terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB 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 terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Batas Bilangan Ajaib Pada Graph Caterpillar

Batas Bilangan Ajaib Pada Graph Caterpillar J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3 Matematika Terapa Dose : Zaid Romegar Mair ST. M.Cs Pertemua 3 PROGRAM STUDI TEKNIK INFORMATIKA Jl. Koloel Wahid Udi Lk. I Kel. Kayuara Sekayu 30711 web:www.polsky.ac.id mail: polsky@polsky.ac.id Tel.

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

BAB VI DERET TAYLOR DAN DERET LAURENT

BAB VI DERET TAYLOR DAN DERET LAURENT BAB VI DERET TAYLOR DAN DERET LAURENT. Deret Taylor Misal fugsi f() aalitik pada - < R ( ligkara dega pusat di da jari-jari R ). Maka utuk setiap titik pada ligkara itu, f() dapat diyataka sebagai : f

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat

Lebih terperinci

BAB II TEORI MOTOR LANGKAH

BAB II TEORI MOTOR LANGKAH BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag

Lebih terperinci