EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

Ukuran: px
Mulai penontonan dengan halaman:

Download "EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV"

Transkripsi

1 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda Smarang Abstract. Dvlopd bonus malus systm (BMS s to mak th prmum pad by nsurd wll b as closd as possbl wth xpctd occurrnc of clam n vry yar bass. To study th ffcncy of a BMS, w must prvously obsrv th ffct of clam frquncy on valu of prmum. Th ffcncy of Bonus Malus Systm can b found through ts Markov modl; that s by found a statonary dstrbuton n form of ln vctors of ts BMS Markov chan wth ts componnts as a functon of clam frquncy. In ths papr, th BMS usd s that of Brazl. Kywords: bonus malus systm, markov chan, stasonary, ffcncy. 1. PENDAHULUAN Prm asurans dbntuk proposonal dngan rsko yang trjad. Khususnya dalam asurans kndaraan brmotor/mobl prm dasar dtntukan brdasarkan bsar, harga atau kapastas dar kndaraan yang dasuranskan. Stlah masuk asurans, pnntuan bsar prm pada tahun brkutnya hanya dpngaruh olh banyaknya kclakaan dalam satu tahun prod sblumnya. Dmana dngan adanya kclakaan maka akan trjad klam. Sstm sprt pnntuan prm sprt n dsbut dngan sstm bonus-malus (BMS. Sstm n prtama kal dprknalkan dan dkmbangkan d Eropa pada awal tahun 1960 ([1],[2],[3]. Stap ngara jka tdak stap prusahaan mmlk sstm BMS yang brbda, yang mmungknkan lbh bak satu dar yang lannya ([5],[6]. Pnntuan prm dngan mnggunakan sstm BMS dapat dpandang sbaga modl multpl stat (kadaan multpl. Dasar modl stokastk kadaan multpl n adalah ranta Markov dngan banyak kadaan brhngga. Sbaga lustras prubahan prm kndaraan brmotor dar tahun prtama k tahun kdua, dngan tahun prtama tdak ada klam, atau ada satu klam, atau dua klam, dan strusnya dralsaskan sbaga bntuk transs dar kadaan. Dalam papr n akan dbahas pngaruh prubahan bsar prm trhadap nla fsns dar sstm bonus malus, yatu sstm bonus malus Brasl. 2. SISTEM BONUS MALUS Sstm bonus-malus (BMS mmprsntaskan banyaknya tarf grup yang brhngga dan brgantung pada prm tahunan. Stap tahun, tarf grup dttapkan sbaga tarf grup dar tahun sblumnya dan banyaknya klam yang trcatat dar trtanggung asurans pada prusahaan asurans slama tahun tu. Jka tdak ada klam atau klam tdak trcatat maka trtanggung trsbut akan mndapat bonus yang brbntuk pngurangan nla prm. Sdangkan jka trjad klam, palng sdkt satu klam yang trcatat maka prm yang harus dbayar pada tahun brkutnya olh trtanggung akan nak. Dngan kata lan jka dalam satu tahun prod trjad klam maka akan mndapat malus. Sstm bonus-malus dapat dnyatakan sbaga brkut. 1. Banyaknya tarf grup brhngga d awal prod dar asurans dnotaskan dngan C, dmana 1,2,.n. Sdangkan banyaknya tarf grup d akhr prod asurans dnotaskan dngan C j, j 1,2 n. Tarf grup trndah dsbut d- 207

2 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: ngan suprbonus dan tarf grup trtngg dsbut dngan supr-malus. Prm tahunan brgantung pada banyaknya tarf grup yang trjad. 2. Prosntas dar prm dasar r (dalam % mnotaskan prosntas yang akan dkalkan dngan prm dasar sbaga prm brkutnya yang harus dbayar, dngan r 1 r 2 r 3. r n. 3. Prpndahan dar tarf grup sblumnya (k- k tarf grup brkutnya (k-j dngan k klam yang trcatat, dnyatakan dngan t j 1, trjad prpndahan dar tarf grup k - k tarf grup k - j. 0, lannya. (2.1 Untuk slanjutnya, msalkan untuk sorang pmgang pols, klam yang trcatat dalam satu tahun adalah brbntuk suatu barsan X 1, X 2,. X m dar suatu pubah acak yang salng bbas dngan fungs pluang brsama {q k }. Dnotaskan bahwa C 1,C 2, adalah tarf grup dar tahun k tahun dar pmgang pols. Tarf grup tahun sblumnya dngan banyaknya klam yang trcatat. Dngan dmkan maka prmasalahan sstm bonus-malus dapat dpandang sbaga modl ranta markov. Dngan mnggunakan tor Markov, maka {C n } barsan pubah acak dngan ruang tarf grup brhngga. {C n } adalah Ranta Markov yang mmlk matrk M(p j sdmkan hngga untuk smua n1,2, dan 0, 1,, n, Pr(C n n C n-1 n-1,., C 0 0 p( n 1, n. (2.2 dmana Pr(C n-1 n-1,., C 0 0 >0. Mnurut [8] pluang transs p j mrupakan pluang prpndahan dar tarf grup k k tarf grup k-j dar pmgang pols dapat dtulskan sbaga p j qktj (k. k 0 Mnurut ([4],[7] banyaknya klam (k yang trjad dan trcatat olh pmgang pols dasumskan mmnuh dfns pross Posson dngan laju λ. Dngan mnggunakan prsamaan (2.1 maka matrk transs p j dar ranta markov dapat mnjad k λ M( [ pj (λ ] tj( k, (2.3 k 0 k! dngan p j (λ 0 dan p (λ. n k 0 j 1 Msal ddfnskan p n j ( λ P(Y n ( Λ j. Dar prsamaan (2.3 pluang untuk tdak ada klam adalah postf, p 0 ( > 0. Dngan mnggunakan sfat dar ranta markov yang rgulr maka dprolh. Jka dstrbus pluang untuk banyaknya klam slama satu prod adalah salng bbas trhadap prod, maka tarf grup untuk polsnya brbntuk ranta Markov dngan matrk transs M( yang dbrkan dalam prsamaan (2.3.. Jka pluang untuk tdak ada klam dalam satu prod p 0 (>0, maka dsbut dngan rgular. Akbatnya p k (>0. Dngan dmkan ranta Markov dar sstm bonus-malus n adalah rgular. Artnya trdapat blangan q 1, shngga {M(} q smua unsurnya brnla postf murn. Dalam kasus rgular dngan nla gn satu yatu nla gn dar matrk M. Dstrbus stasonr, vktor kolom π( mrupakan solus tunggal dar prsamaan π( π( M(, (2.4 dngan π 1. j E j Atau dngan kata lan dstrbus stasonr yang dprolh mrupakan nla dar gn vktor dar prsamaan (2.4 yang brssuaan dngan nla gn satu dar matrk M. 3. EFISIENSI SISTEM BONUS MALUS Dalam BMS prm stasonr dnotaskan dngan b( dan dtulskan sbaga jumlahan dar prkalan vktor bars dstr- 208

3 Supand (Efsns Sstm Bonus Malus sbaga Modl Ranta Markov bus stasonr dar ranta Markov (π π 1, π 2, π n dngan vktor kolom nla prm B untuk stap kadaan aktual. Notas b( n tdak brgantung pada kadaan awal. b1 b2 π1 π 2,..., π n π b πb, bn (3.1 b( ( dngan b adalah prm yang dbayarkan pada kadaan k- ssua dnga tarf grup pada kadaan k-. Notas b( mrupakan fungs nak dar λ. Dngan mngasumskan bahwa barsan dar klam adalah d (ndpndnt dntcally dstrbutd mmpunya man V [7], maka prm ntto (prm yang dbayarkan tanpa adanya baya yang dbayarkan adalah λv, maka prsamaan (3.1 dapat dtulskan sbaga b( λv. (3.2 Fungs b( mrupakan fungs dalam λ, dan tdak lnr. Untuk dapat mlnrkan prsamaan (3.2, karna b(>0, maka fungs trsbut dapat dambl logartmanya untuk kdua ssnya. Dngan dmkan fungs logartma dar prsamaan (3.2 adalah logb(logλ+logv. (3.3 Dngan mnurunkan trhadap λ pada masng-masng ruas pada prsamaan (3.3 dprolh 1 db( 1, b( λ atau db( b( λ 1. (3.4 d( λ Prsamaan (3.4 mnunjukkan bahwa untuk stap prm yang dbayarkan olh trtanggung sama dngan prm pada sstm Bonus Malus. Prubahan pada banyaknya klam yang dharapkan pada tap prod /λ mngakbatkan prubahan pada prm rata-rata db(/b(. Scara umum prsamaan (3.4 mrupakan raso dar varans dar prm stasonr dngan varans dar frkuns klam dan dsbut sbaga fsns dar BMS yang dnotaskan dngan (, λ db( d log b( (. (3.5 b( d log λ Nla ( dar prsamaan (3.5 adalah pos-tf karna b(>0 dan scara umum 0<(<1. Slanjutnya dar prsamaan (3.5, bagan db(/ dprolh dngan mnurunkan prsamaan (3.1 trhadap λ, shngga dprolh db(λ dπ b. (3.6 Sdangkan prsamaan turunan dπ / dprolh dngan mnurunkan prsamaan (3.1 yatu ππm dan π 1 trhadap λ, dπ dπ dm M + π dπ 0 dngan bntuk matrk dm/ dar prsamaan brkut dm ( λ xp( ( T k! m k 0 k, (3.7 k+ 1 Tk dprolh (3.8 dngan T k t j (k dngan t j (k sprt pada prsamaan ( METODE MENCARI NILAI EFISIENSI METODE EKSAK Msalkan modl BMS dar Brasl pada Tabl 1, ttap hanya dambl untuk 3 kadaan saja. Dngan nla prmnya mnjad (100,90,80 dan bntuk tablnya mnjad 209

4 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: (C, r (Tarf grup, Prosntas Tabl 1. Sstm Bonus-malus Tarf Grup stlah satu tahun Banyaknya klam (3, (2, (1, Tabl 2. Tabl transs dar Sstm Bonus malus {1,2,..} {0}. 2 {1,2,..}. {0} 3 {2,3,..} {1} {0} Dar Tabl 1 dan Tabl 2 datas maka bntuk matrk transs ranta Markovnya, M( mnjad M( 1 (1 + λ 0 0 Msalkan p1- -λ, q -λ dan rλ -λ maka bntuk matrk M( dar contoh BMS adalah p q 0 M(λ p 0 q p r r q Slanjutnya dar matrk M( datas akan dtntukan dstrbus stasonrnya. Dngan mnggunakan prsamaan (2.4 maka dapat dtulskan mnjad p q 0 ( π ( 1 π 2 π 3 π1 π 2 π 3 p 0 q. p r r q Dngan mnggunakan sstm prsamaan lnr dan mmasukan nla p, q, dan r maka dprolh nla π 1,π 2,π 3 yatu 1 ( λ + 1 (1 π 1, π 2, 1 λ 1 λ π 3 1 λ. Slanjutnya dngan mnggunakan nla-nla dar tarf grup yatu (100, 90, dan 80 dprolh prm stasonr sbaga brkut. 100 b ( λ ( π 1 π 2 π 3 90 π b. 80 Shngga turunan prm stasonr dalam λ dprolh db ( ( 1+ λ ( λ 100 λ ( 1+ λ -100 ( λ 2 ( ( ( λ 2λ ( ( 2 λ 2λ ( ( + 2λ - 90 ( λ λ λ 2 ( + 2λ - 80 ( λ 2 Dngan mngambl λλ dprolh π (π 1 π 2 π 3 ( Slanjutnya dngan mnggunakan prsamaan (3.1 dprolh nla dar prm stasonr, yatu b1 b( λ 0. 1 ( π1 π2 π3 b2 b 3 πb db( dan nla dar λ Shngga nla fsns dapat dcar dngan mnggunakan prsamaan (3.5 yatu 210

5 Supand (Efsns Sstm Bonus Malus sbaga Modl Ranta Markov 0. 1 ( λ Mtod Numrk Dar Tabl 1 dan Tabl 2, dngan mnggunakan asums pada prsamaan (2.3, maka bntuk matrk transs ranta Markovnya, M( mnjad 0 M( 0 (1 + λ dan 0 dm(/ 0 λ (1 Bntuk matrk transs M( datas mmpunya nla dtrmnan dt(m(-λ -2λ. Slanjutnya dar bntuk matrk M( n akan dcar dstrbus stasonrnya, yatu π. Dngan mngambl dstrbus awal π 1 (a 1,b 1,c 1 dngan a 1 +b 1 +c 1 1 dprolh π 2 π 1 M( 0 (a 1,b 1,c 1 0 (1 + λ [(a 1 +b 1 (1- -λ +c 1 (1-(1+ -λ a 1 -λ +c 1 λ -λ (b 1 +c 1 (1- -λ ] π 3 π 2 M( [(a 1 +b 1 (1- -λ +c 1 (1-(1+ -λ a 1 -λ +c 1 λ -λ (b 1 +c 1 (1- -λ ]. 1 (1 + 0 λ 0 π 4 π 2 M( π n+1 π n M(, dmana untuk n, maka ππm( dngan π sbaga vktor bars dngan komponnnya mrupakan fungs dar λ. Dngan mngambl λ0.1 maka bntuk matrk datas adalah M(λ Matrk M( n akan stasonr stlah n22 yatu dprolh matrk M 21 (λ Shngga dprolh dstrbus stasonr dar matrk ranta Markov M(( untuk pmlhan dstrbus awal trtntu yatu π adalah π ( Slanjutnya dngan mnggunakan prsamaan (3.1 dprolh nla dar prm stasonr yatu b1 b( λ 0. 1 ( π1, π 2 π 3 b2 b3 π b Pross slanjutnya yatu mnntukan nla dar db(/. Sblumnya db(/ n akan dtntukan trlbh dahulu nla dar dπ/ dngan mnggunakan pross tras sprt ktka mnghtung dstrbus stasonr dar matrk ranta Markov M(. Pandang bahwa π dan M( mash dalam bntuk fungs dalam λ. Karna π mrupakan suatu vktor bars yang komponnkomponnnya fungs dar λ dan matrk M( juga mrupakan matrk dngan unsur-unsurnya dalam bntuk fungs λ, maka bntuk turunan dar dπ/ adalah sprt dalam prsamaan (3.6. Slanjutnya msalkan bahwa sdπ/ maka bntuk tras dar prsamaan (3.7 adalah s 1 s 0 M(+π(dM(/ s 2 s 1 M(+π(dM(/ 211

6 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: s n+1 s n M(+π(dM(/ untuk n, maka ssm(+π(dm(/ dngan s sbaga vktor bars dngan komponn-komponnnya mrupakan fungs dar λ. Dngan mngambl nla λ0.1 dngan bantuan program Mapl dan mngambl nla s 0 (-0.6,0.6,0, maka dprolh nla stasonr stlah n21 dngan tngkat ksalahan 10-10, yatu s 21 [ , , ] shngga untuk nla dar db(/ dapat dktahu yatu db( λ dπ b ( Dngan nla dar frkuns klam λ, prm stasonr b( dan nla dar db(/, maka untuk λ0.1 dprolh nla fsns untuk BMS contoh dalam Tabl 1 dan Tabl 2 dngan mnggunakan prsamaan 9, yatu λ db( λ ( λ 0. 1 b( λ (0.1/ Dngan dmkan maka untuk λ0.1 modl BMS dalam kasus n mmbrkan nla fsns sbsar Dar hasl prhtungan dngan mnggunakan mtod ksak maupun mtod numrk akan dprolh nla fsns yang tdak jauh brbda. Untuk kasus dmana bntuk matrk transs mmpunya ukuran ukuran yang kcl akan lbh mudah mnggunakan mtod ksak. Sbalknya untuk matrk transs yang dhaslkan dar sstm bonus malus bsar maka dsarankan akan lbh mudah dngan mnggunakan mtod pndkatan yatu mtod numrk. Dalam prhtungan slanjutnya smua nla λ n brada antara 0 dan 1. Ddalam bbrapa ngara rata-rata frkuns klam ( adalah 10% [4]. Nla 10% n slanjutnya dgunakan dalam papr n untuk untuk mnntukan nla fsns dar modl BMS. 5. STUDI KASUS MODEL BMS BRASIL Dalam sstm bonus-malus, ngara Brasl mmpunya tujuh tarf grup bonus yang dnomor dar 1 hngga 7 dngan tngkatan tarf grup 100, 90, 85, 80, 75, 70, 65. Tarf grup dmula pada tarf grup prtama yatu tarf grup 100. Jka tdak trjad klam dalam satu tahun tarf grup akan turun satu tngkat k tarf grup yang lbh rndah prosntasnya. Sdangkan jka trjad klam sbanyak k dngan k 1, maka untuk stap klamnya mngakbatkan tarf grup nak satu tngkat k tarf grup yang lbh bsar prosntasnya. BMS modl Brasl n dsajkan dalam Tabl 3. Slanjutnya dngan mnggunakan mtod numrk untuk λ0.1, dstrbus stasonr dar matrk ranta markov BMS Brasl n adalah π (π 1, π 2,, π 7 yatu π , π π , π π , π , π dngan nla fsns ( Untuk frkuns klam yang lan dngan 0 λ 2 dngan prtambahan 0.1, fsns BMS Brasl dsajkan dalam plot fsns dalam Gambar 1. Brdasarkan Gambar 1, fsns BMS ngara Brasl trjad knakan yang tajam mula dar λ0 sampa dngan λ0.6. Untuk λ>0.6 fsns mngalam pnurunan. Sdangkan fsns trtngg dcapa pada saat λ0.6 yatu Modfkas prm Pada modfkas n dlakukan prubahan prm pada kadaan palng atas. Prubahan n antara lan dngan mnakkan dan mnurunkan prm palng atas (100 dngan 105, 102 dan 95 srta 98 dsajkan 212

7 Supand (Efsns Sstm Bonus Malus sbaga Modl Ranta Markov dalam Gambar 2. Pada modfkas prtama yatu dngan mnakkan prm mnjad 105 untuk stap λ (0<λ 2 trjad knakan yatu dngan knakan rata-rata sbsar 1.1%. Untuk fsns trtngg dcapa ktka λ0.6 yatu dngan nla Modfkas slanjutnya dngan mnurunkan prm mnjad 95. Dngan modfkas n fsnsnya m- ngalam pnurunan untuk stap λ (0<λ 2 dngan rata-rata pnurunan 1.99%. Efsns trtngg dcapa pada saat λ0.6 yatu sbsar Untuk dapat mmbrkan gambaran bahwa dngan mnakkan/mnurunkan prm akan mnakkan/mnurunkan fsns dlakukan prubahan dngan prm 102 dan 98. Tabl 3. Sstm Bonus malus ngara Brasl (C, r (Tarf grup,prosntas Tarf Grup Stlah Satu Tahun Banyaknya Klam ( 7, ( 6, ( 5, ( 4, ( 3, ( 2, ( 1, Ef sns B M S B rasl Frkuns klam Gambar 1. Plot fsns BMS Brasl untuk 0 λ 2 dngan prtambahan Efsns Modfkas BMS Brasl (prubahan prm atas Smula Efsns Frkuns klam Gambar 2. Efsns Modfkas BMS Brasl dngan prubahan pada prm atas 213

8 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: Pada prubahan prm dngan 102 nla fsns untuk stap λ (0<λ 2 juga mngalam knakan rata-rata 0.76% dngan fsns trtngg dcapa ktka λ0.6 yatu Dar Gambar 2 mnunjukkan bahwa untuk modfkas n plot nla fsns slalu brada BMS Brasl smula dan modfkas BMS Brasl dngan prubahan prm atas dngan 105. Modfkas brkutnya yatu dngan mngubah prm atas mnjad 98. Dalam modfkas n mnghaslkan nla fsns yang lbh kcl untuk stap λ (0<λ 2, dmana nla fsns rata-rata mngalam pnurunan sbsar 0.9%. Efsns trtngg dcapa ktka λ0.6 yatu Dar Gambar 2 trlhat bahwa plot nla fsns untuk modfkas n slalu brada dantara BMS Brasl smula dan modfkas BMS Brasl dngan 95. Dngan modfkas prm pada kadaan palng atas n mnunjukkan bahwa untuk 0<λ<0.4 cndrung prbdaan fsns sangat kcl (Gambar 2. Sdangkan untuk λ>0.4 trjad prubahan nla fsns yatu trjad knakan fsns jka prm atas dnakan dan pnurunan fsns jka prm atas dturunkan. Hal n mnunjukkan bahwa dngan modfkas n phak yang mngasuranskan akan cndrung brhat-hat dngan kndaraan brmotornya bla prm atas dnakkan jka dbandngkan dngan pnurunan prm atas, shngga akan mndapatkan bonus pnurunan prm untuk tahun pmbayaran prm brkutnya. 5. KESIMPULAN Brdasarkan pmbahasan pada bagan sblumnya dapat dsmpulkan bahwa tarf grup untuk tahun brkutnya dhtung brdasarkan tarf grup tahun sblumnya dngan banyaknya klam yang trcatat. Dngan dmkan maka prmasalahan sstm bonus-malus (BMS dapat dpandang sbaga Modl Ranta Markov. Modl kadaan multpl (modl Markov mrupakan suatu modl stokastk yang dbangun brdasarkan ranta markov waktu dskrt dngan ruang kadaan hngga. Dalam mnntukan fsns dar BMS dngan mnggunakan dstrbus stasonr dar ranta Markov. Dstrbus stasonr n dgunakan untuk mnntukan prm stasonr. Untuk dapat mnngkatkan fsns dar BMS trdapat dua faktor yang sangat pntng, yatu dngan mrubah prm shngga prbandngan prm trtngg dan palng rndah mnjad lbh bsar. Prubahan prm akan mnghaslkan nla fsns dar BMS yang lbh brvaras shngga akan dapat dktahu kcndrungan phak yang mngasuranskan kndaraan brmotornya brada d frkuns klam mana akan brhat-hat (pada umumnya untuk BMS Brasl dawal masuk asurans 6. DAFTAR PUSTAKA [1] Bchsl., F. (1964, Erlahrungs-Tarffrung n dr Motorfahrzug haftpflcht-vrschrung, Mtt Vrn Schwz Vrschrungsmath, 64: [2] Buhlmann, H. (1964, Optmal Pramnstufnsystm, Mtt Vrn Schwz Vrschrungsmath, 64: [3] Dlaport, P. (1965, Tarfcaton du rsqu ndvdual d accdnts d automobls par la prm modl sur l rsqu, ASTIN Bull III, 3. [4] Lmar J. (1998, Bonus-Malus Systm, Th Europan and Asan Approach to Mrt Ratng. North Amrcan Actuaral Journal, 2(1: [5] Lmar,J and Hongmn Z. (1994, A Comparatv Analyss of 30 Bonus- Malus Systm. ASTIN BULETIN, 24(2: [6] Lomaranta, K. (1972, Som Asymtotc Proprts of Bonus Malus, ASTIN BULLETIN, 6(3: [7] Rolsk.T, Schmdl,H., Schmdt, V., and Tugls, J. (1999. Stochastc Procsss for Insuranc and Fnanc, John Wly & Sons, Nw york. [8] Ross. (2000, Introducton to Probablty Modls, Svnth Edton, Acadmc Prss, London, UK. 214

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

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

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 IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

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

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

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

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

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

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 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

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

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

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

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

Diktat TERMODINAMIKA DASAR

Diktat TERMODINAMIKA DASAR Dktat TERMODINAMIKA DASAR Olh : Ir. Sudjto, PhD., Ir. Safuddn Badow, Agung Sugng W., ST.,MT BabIV HUKUM TERMODINAMIKA I : SISTEM TERBUKA ( VOLUME ATUR ) 4.1 ANALISA TERMODINAMIKA VOLUME ATUR Pada sbagan

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

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

PENGUAT FREKUENSI RENDAH (lanjutan)

PENGUAT FREKUENSI RENDAH (lanjutan) EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum

Lebih terperinci

Modifikasi Metode Full Wave di Sekitar Titik Singular

Modifikasi Metode Full Wave di Sekitar Titik Singular Kontrbus Fska Indonsa Vol. 3 No.3, Jul 2002 Abstrak odfkas tod Full Wav d Sktar Ttk Sngular Ttk Stawat Bdang Aplkas Gomagnt dan agnt Antarksa, Pusat Pmanfaatan Sans Antarksa LAPAN, Jl. Dr. Junjunan 33

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

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB) OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM

Lebih terperinci

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths

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

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

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

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function Prsatua ktuars Idosa Dasar-dasar Matmatka suras Jwa 8 Nombr 00 Utuk soal o s/d 3 d bawah, dktahu suatu sural fucto 00 s ( ) utuk 0 00 0 Htuglah F (75) X 0,0 B 0,30 C 0,40 D 0,50 E 0,0 Htuglah f (75) X

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

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

PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA

PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 9 ABSTRACT RAFIDHA. Prcng of Gnral

Lebih terperinci

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan

Lebih terperinci

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type) TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat

Lebih terperinci

KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA

KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA LAPORAN PENELITIAN HIBAH PENELITIAN STRATEGIS NASIONAL TAHUN ANGGARAN 2009 KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA Pnliti : Lasmini Ambarwati, ST.,

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

KESETIMBANGAN MASSA DAN KALOR SERTA EFISIENSI PEMBANGKIT LISTRIK TENAGA UAP PADA BERBAGAI PERUBAHAN BEBAN DENGAN MENVARIASIKAN JUMLAH FEEDWATER HEATER

KESETIMBANGAN MASSA DAN KALOR SERTA EFISIENSI PEMBANGKIT LISTRIK TENAGA UAP PADA BERBAGAI PERUBAHAN BEBAN DENGAN MENVARIASIKAN JUMLAH FEEDWATER HEATER KESETIMBANGAN MASSA DAN KALOR SERTA EFISIENSI PEMBANGKIT LISTRIK TENAGA UAP PADA BERBAGAI PERUBAHAN BEBAN DENGAN MENVARIASIKAN JUMLAH FEEDWATER HEATER Dnd Junad 1, I Mad Suardjaja 1 dan Tr Agung Rohmat

Lebih terperinci

PERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR

PERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR Prodng Smnar Naonal Manajmn Tknolog XVIII Program Stud MMT-ITS, Surabaya 7 Jul 13 PERANCANGAN AN SIMULASI FEEFORWAR AUTOTUNING PI ECOUPLING TITO SYSTEM OLOM ISTILASI METANOL-AIR Ral Harudan 1), atjuk Atrowulan

Lebih terperinci

PENENTUAN NILAI e/m ELEKTRON

PENENTUAN NILAI e/m ELEKTRON Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga

Lebih terperinci

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik 8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna

Lebih terperinci

1) Jurusan Fisika FMIPA UGM Yogyakarta, 2) Jurusan Agronomi Fak Pertanian UGM Yogyakarta, 3) Jurusan Pangan dan Gizi FTP UGM Yogyakarta.

1) Jurusan Fisika FMIPA UGM Yogyakarta, 2) Jurusan Agronomi Fak Pertanian UGM Yogyakarta, 3) Jurusan Pangan dan Gizi FTP UGM Yogyakarta. YOGYAKARTA, 18 NOVEMBER 21 ISSN 1978-176 PENENTUAN KOEFISIEN DIFUSI BATANG DAN AKAR PADI TERHADAP PERTUKARAN GAS O 2 DAN O 2 DENGAN METODE SPEKTROSKOPI FOTOAKUSTIK LASER O 2 MENGGUNAKAN GAS SF 6 SEBAGAI

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11] BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL

MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

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

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

menganalisis prosedur klasifikasi/deteksi kesamaan atau ketidaksamaan atau ukuran seberapa

menganalisis prosedur klasifikasi/deteksi kesamaan atau ketidaksamaan atau ukuran seberapa Transms, Vol. 11, No. 1, Jun 006 : 6-10 PENDEKATAN ANALISIS POLA UNTUK MENGETAHUI PENGARUH KERAWITAN CAMPURSARI PADA VOKALISNYA, DALAM SISTEM SKALA NADA PENTATONIS DAN DIATONIS Dssy Irmawat dssy5518@yahoo.com

Lebih terperinci

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk

Lebih terperinci

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,

Lebih terperinci

Penentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang

Penentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation

Lebih terperinci

ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN

ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN 65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta

Lebih terperinci

Online Jurnal of Natural Science, Vol.3(1): ISSN: March 2014

Online Jurnal of Natural Science, Vol.3(1): ISSN: March 2014 Onlin Jurnal of Natural Scinc, ol.3(1): 65-74 ISSN: 338-0950 March 014 PELABELAN TOTAL SISI AJAIB SUPER (TSAS) PADA GABUNGAN GRAF ULAT BULU DAN BIPARTITE LENGKAP I W. Sudarsana 1, Fitria and S. Musdalifah

Lebih terperinci

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS

PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS 30 ISSN 06-38 Yoyok Dw Styo Pambud PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS Yoyok Dw Styo Pambud Pusat Tknolog Raktor dan Kslamatan Nuklr, BATAN Gd. 80 Kawasan

Lebih terperinci

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih 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

IV. Konsolidasi. Pertemuan VII

IV. Konsolidasi. Pertemuan VII Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl

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

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

Analisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang

Analisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil

Lebih terperinci

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana

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

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan Mata kula LKTONKA ANALOG. LOLOH ALK Pngglngan pnguat ( amplr) dapat pula dglngkan dalam 4 macam glngan umum, yatu pnguat tgangan, pnguat aru, pnguat tranantaran dan pnguat trantaanan. Pngglngan n brdaarkan

Lebih terperinci

Jurnal Inovasi Pembelajaran Fisika (INPAFI)

Jurnal Inovasi Pembelajaran Fisika (INPAFI) Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN

Lebih terperinci

BAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan

BAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih 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

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT

METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya

Lebih terperinci

ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI

ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,

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

MODEL MATEMATIS DAN SIMULASI PERGERAKAN HARGA SAHAM SKRIPSI

MODEL MATEMATIS DAN SIMULASI PERGERAKAN HARGA SAHAM SKRIPSI MODEL MATEMATI DAN IMULAI PERGERAKAN HARGA AHAM KRIPI Dajukan Unuk Mmnuh alah au yara Mmprolh Glar arjana ans Program ud Mamaka Dsusun Olh : RIDWAN RAHADIYANTO NIM : 334 PROGRAM TUDI MATEMATIKA JURUAN

Lebih terperinci

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK Dktat Rekayasa Trafk BB II PDKT PROBBILITS D MODL TRFIK 2. Pendahuluan Trafk merupakan perstwa-perstwa kebetulan yang pada dasarnya tdak dketahu kapan datangnya dan berapa lama akan berlangsung. Maka untuk

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang

BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Lngkungan Implmntas Pada pmbahasan lngkungan mplmntas mlput pmbahasan spsfkas hadwa yang dgunakan, pangkat lunak, pangkat pmbangun dan tools yang dgunakan untuk mmbuat

Lebih terperinci

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan

Lebih terperinci

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI

MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI Evapotranspraton modl on vgtaton wth vard canopy layr Yanto yanto@unsod.ac.d, ynt@umch.du Program Stud Tknk Spl Fakultas Sans

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa

Lebih terperinci