Analisis Penyelesaian Persamaan Kuadrat Matriks

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Penyelesaian Persamaan Kuadrat Matriks"

Transkripsi

1 Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra ( A + B + C, Persamaan uadrat matrs dalam matrs n x n muncul dalam duna alas dan meruaan salah satu ersamaan matrs nonlner yang alng sederhana. Kta memberan aratersas lenga dar enyelesaan dalam bentu generalsas deomoss chur. Beberaa varas dar ten enyelesaan numer juga dsajan. Keywords: deomoss chur, teras fungsonal, aratersas olvent, metode Newton.. Pendahuluan Untu menentuan solus dar ersamaan uadrat matrs, daat dselesaan secara langsung dengan menggunaan masalah nla egen uadrat. Persamaan uadrat matrs ja dhubungan dengan masalah nla egen uadrat adalah: ( λ x ( λ A + λb + C x ( Teor matrs-λ: ja adalah emecahan dar ( maa λi adalah embag anan dar (λ dan hal n mudah untu dbutan arena hasl bagnya dalam bentu sederhana yatu: λ A + λb + C B + A + λa( λi ( Karena asangan nla egen dar adalah asangan nla egen dar (λ maa solusnya daat donstrus dalam bentu asangan nla egen dar (λ. Ja ( λ w, untu seta,,, n maa AW ( dag( λ + BW dag( λ + CW (3 d mana W [ w,..., wn ] dengan W adalah nonsngular. Persamaan (3 dalan dengan W dar anan, maa deroleh Jad W dag( λ W Teorema. AW dag(( λ W + BW dag( λ W Msalan (λ adalah solus. + CW W memunya nla egen yang berbeda { } dengan v dan bersesuaan dengan hmunan vetor egen { } yang memenuh n n onds Haar (seta subset dar n vetor egen adalah bebas lnear, maa terdaat alng sedt Cn solus yang berbeda dar ( dan teatnya ja n, yang drumusan sebaga berut: W dag( λ W dan W [ w,..., w n ] (4 λ Alumn ada Jurusan Matemata F.MIPA Unverstas Hasanuddn Maassar taf Pengajar ada jurusan Matemata F.MIPA Unverstas Hasanuddn 83

2 Jurnal Matemata, tatsta & Komutas Vol. 3 No Jul 6 Jurnal Matemata, tatsta, & Komutas Vol. No. Jul 5 Hasmawat, Amr Kamal Amr 84 But: d mana asangan nla egen ( λ, w dar. n ( λ, w adalah dlh dantara asangan nla egen Terdaat C n lhan dar ada ersamaan (4. Karena λ Aw λ w + Cw, maa AW ( dag( λ + BW dag( λ + CW. + Dan selanjutnya dalan dar anan dengan W, maa AW dag(( λ W + BW dag( λ W + CW W Agar C n adalah solus yang berbeda maa tda boleh ada nla egen yang sama. Dar ersamaan ( dasumsan bahwa (λ memunya nla egen, maa terdaat solus dengan nla egen yang berbeda sehngga daat ddagonalsas. Karena asangan nla egen dar juga meruaan asangan nla egen dar (λ, maa daat dtulsan W dag( λ W, W [ w,..., w n ] Contoh: 6 Msalan ( Pasangan nla egen λ, w dar (λ deroleh dar ersamaan: ( 6 ( λ λ + λ Maa deroleh λ λ λ3 3 λ4 4 Vetor-vetor egen yang bersesuaan dengan nla egen tersebut adalah - Untu λ vetor egennya adalah: w - Untu λ vetor egennya adalah w - Untu λ 3 3 vetor egennya adalah w 3 - Untu λ 4 4 vetor egennya adalah w 4 Dengan menggunaan Teorema d atas maa deroleh solus dar asangan nla egen yang berbeda ecual 3 dan 4, yatu:,, 3 3, 4 3,. 4

3 Jurnal Matemata, tatsta & Komutas Vol. 3 No Jul 6 Jurnal Matemata, tatsta, & Komutas Vol. No. Jul 5 Hasmawat, Amr Kamal Amr 85 uatu jalan alternatf untu mendeat teor olvent adalah melalu sstem egen dar suatu masalah generalsas nla egen. Perembangan berut n dnsrasan oleh matrs untu Persamaan Aljabar Rccat A + B + C + D yang daratersasan enyelesaan dalam suu-suu sstem egen dar matrs C A D B Analss n dtemuan oleh Anderson(966 dan Ratter (966. Kta mula dengan sebuah lemma yang mengaratersas olvent. Kta defnsan : I I F dan G (5 C B A Lemma. adalah solus dar ( A + B + C ja dan hanya ja But: I I F G. (6 Lemma datas daat dnterretasan bahwa adalah sebuah olvent ja dan I hanya ja olom-olom dar membangun sebuah ruang bagan deflas. (Interwart & um, 99 untu asangan (F,G Lemma daat dembangan menjad aratersas yang lebh onrt dar olvent dengan memresentasan ruang bagan deflas yang dsyaratan dalam suu-suu dar sstem egen asangan (F, G. ebaga gant dar bentu ron Kronecher ta menggunaan generalsas deomoss chur (Gohub & Van Loen, 996. Metode chur Metode edua adalah metode chur. Dsn solus aan dhtung dengan * * menggunaan generalsas deomoss chur F T, G dar F dan G ada (5. Teorema berut aan menunjuan bahwa ja adalah nonsngular maa T Teorema 3. adalah solus. eta emecahan dar ( adalah berbentu T d mana * F T, * G (7 adalah generalsas deomoss chur dengan dan adalah matrs unter, T dan adalah matrs segtga atas dan seta matrs adalah matrs blo.

4 Jurnal Matemata, tatsta & Komutas Jurnal Matemata, tatsta, & Komutas Vol. 3 No Jul 6 Vol. No. Jul 5 Hasmawat, Amr Kamal Amr 86 But Pertama ta aan tunjuan bahwa dengan nonsngular adalah solus. Dar ersamaan (7 yan * F T dan * F T dalan dengan dar r, maa deroleh F T dan G - Untu F T, maa F T I T T C B T T T + T C B C B T T + T - Untu G, maa I A A G A + + ehngga deroleh T atau T (8 C B (9 T atau ( A atau A ( Persamaan (9 dalan dar anan dengan, maa deroleh ( C C B B CI B C B T T T T elanjutnya ersamaan (8 dsubttus e ersamaan (, maa deroleh C B Persamaan ( dsubsttus e ersamaan (3, maa deroleh: C B A Persamaan ( dsubttus e ersamaan (4, maa deroleh C B A A I A ( (3 (4

5 Jurnal Matemata, tatsta & Komutas Vol. 3 No Jul 6 Hasmawat, Amr Kamal Amr Jurnal Matemata, tatsta, & Komutas Vol. No. Jul Jad deroleh Msalan adalah solus dar ( yang memenuh lemma yan ersamaan (6. Msalan ula I R R (5 adalah fatorsas R. Itu mudah dlhat bahwa R dan adalah nonsngular dan R Dar ersamaan (7 yatu deroleh G I A yang meruaan fatorsas R. Persamaan (6 dalan dar r dengan * ersamaan (5 deroleh; I I * F G *. * G dalan dengan dar r, maa Dan selanjutnya substtus ersamaan (5, sehngga deroleh T T R R * F * G R R T T R R T TR R TR dan dengan menggunaan Dar ersamaan d atas deroleh T R dan mengabatan T. Dan ersamaan d atas, sebaga elenga generalsas deomoss chur untu enguat. Ahrnya deroleh T. Ase tersembuny dar teorema 3 adalah suatu catatan berharga. Ja A adalah sngular maa ersamaan ( menunjuan atau adalah sngular. Namun, sebalnya bagan embutan menunjuan bahwa ja solusnya ada maa aan dlh generalsas deomoss chur dengan dan adalah nonsngular. Untu

6 Jurnal Matemata, tatsta & Komutas Vol. Jurnal 3 Matemata, No Jul 6 tatsta, & Komutas Vol. No. Jul 5 Hasmawat, Amr Kamal Amr 4 88 contoh ja A C dan B I, solusnya hanya matrs nol maa daat dambl I dan I. 3. Metode Newton Metode Newton untu memecahan ersamaan uadrat matrs djabaran dengan menggunaan esans untu ( + E deroleh ( + E A( + E + B( + E + C A ( + E( + E + B( + E + C A ( + E + E + E + B + BE + C A + AE + AE + AE + B + BE + C ( + AE + AE + BE + AE ( + [ AE + ( A + B E] + AE ( + [ AE + ( A + B E] + AE Dengan mengabaan AE maa deroleh: [ AE + ( A + B E] Dengan teras dtulsan [ AE + ( A + B E ] dan untu mendaatan matr ada ersamaan uadrat matrs ( A + B + C, maa dgunaan ersamaan berut : + + E untu,,, 3, Iteras Fungsonal A alah satu cara untu mencoba memecahan ersamaan uadrat matrs + B + C adalah dengan menulsan dalam bentu F( Dan melalu teras ddefnsan : + F(. Dsn dasumsan bahwa A adalah nonsngular. In daat dselesaan dengan beberaa cara yatu: ( A ( B + C + B ( A + C + A ( B + C + (6 Iteras d atas tda daat dtransformasan e bentu sederhana, sehngga sult untu mendaatan hasl yang onvergen dar alas yang rats. Namun deman hasl yang banya berguna dan beberaa varas daat deroleh dar analss teras Bernoull. (7 (8

7 Jurnal Matemata, tatsta & Komutas Jurnal Matemata, tatsta, & Komutas Vol. 3 No Jul 6 Vol. No. Jul 5 Hasmawat, Amr Kamal Amr Iteras Bernoull Msalan ersamaan uadrat matrs A + B + C dtulsan dalam matrs reurens AY BY + CY ( + + dmana Y,Y dberan. Dan ddefnsan: I V (, Teorema 4. But I Ja dan adalah solus dar ( d mana V (, adalah nonsngular maa Y + ( adalah solus umum dar ersamaan (, d mana dan adalah dtentuan oleh onds awal. Untu Y yang ddefnsan oleh ersamaan (, maa ersamaan ( daat dtulsan: + + AY + BY + CY A + + B( + + C( + + ( + + ( A + B + C + ( A + B + C ( A + B + C + ( A + B + C Jad Y adalah solus dar ersamaan (. Untu dan, maa ersamaan ( adalah: Y Y ehngga daat dtuls dalam bentu ersamaan matrs I I Y Y Dan arena matrs oefsen V (, adalalah nonsngular, dan secara husus dtentuan oleh dan Y. Y Msalan adalah solus dar ersamaan ( dan msalan Y adalah solus dar ersamaan ( dengan Y dan Y, maa AY + BY + CY AY BY CY B C A Karena A nonsngular, Y. Dengan ndus Y untu seta.

8 Jurnal Matemata, tatsta & Komutas Vol. Jurnal 3 No Matemata, Jul 6 tatsta, & Komutas Vol. No. Jul 5 Hasmawat, Amr Kamal Amr 6 9 ecara umum dan dengan onds λ( λ( aan menjamn V, nonsngular. Hal n derjelas dalam teorema berut : ( Teorema 5. V But Ja dan adalah solus dar ( dengan λ( λ( maa, adalah nonsngular. ( Msalan (, adalah sngular. Dan msalan [ ] v dan esamaan V v N null( V, [ A C ecara tda langsung [ A I I B] [ ] v, sehngga ] (, maa I I v v ( Jad dag (, v N yang berart bahwa N adalah nvarant subsace untu dag,. Oleh arena tu, N memuat vetor egen w dar dag,. Karena ( ( T T nla egen dan berbeda, maa w memunya bentu w [ w ] atau T T w [ w ]. Pada seta asus I I V (, w w ehngga mengabatan w. Hal n ontrads dengan w adalah vetor egen. Jad V (, nonsngular. Agar mendaatan hasl yang onvergen ada metode Bernoull, maa dbutuhan lemma berut. Lemma 6. But Msalan dan adalah matrs uadrat sehngga > mas λ : λ λ( { λ : λ λ( } { } mn maa adalah nonsngular dan seta norm matrs lm Karena dan adalah matrs uadrat yang memenuh onds { λ : λ λ( } > mas{ λ : λ λ( } mn maa adalah solus domnan dar ( dan adalah solus mnmal dar (. Karena meruaan solus domnan, maa abatnya nonsngular. ehngga jelas untu lm

9 Jurnal Matemata, tatsta & Komutas Jurnal Matemata, tatsta, & Komutas Vol. 3 No Jul 6 Vol. No. Jul 5 Hasmawat, Amr Kamal Amr 7 9 Teorema 7. Msalan ( memunya solus domnan ( dan solus mnmal dan adalah solus reurens ( dengan Y dan Y I. Maa Y adalah nonsngular ja cuu besar dan lm Y Y But Dar teorema 5, deroleh V (, adalah nonsngular dan ersamaan ( adalah solus umum dar ersamaan (. Dengan onds awal Y dan Y I maa Untu Y, deroleh + + Untu Y I, deroleh I ehngga deroleh: ( I Karena nonsngular, maa ertama dtunjuan bahwa Y adalah nonsngular untu yang cuu besar. Karena nonsngular maa ersamaan (, daat dtulsan menjad Y ( + Dar lemma 6, deroleh Y. Jad Y adalah nonsngular untu yang cuu besar. Dengan menggunaan ersamaan ( Contoh Y Y ( Y untu yang cuu besar, sehngga ( + ( + ( + ( (( I + ( ( + ( I + Dar lemma 6 maa dsmulan lm dan lm Jad deroleh: lmy Y ( + + Dengan teras Bernoull dan menetaan Y dan Y I, dar ersamaan ( maa deroeh AY + BY + CY AY ( BY + CY AY BI Y A BI A B

10 Jurnal Matemata, tatsta, & Komutas & Komutas Vol. 3 No No. Jul 6 5 Hasmawat, Amr Kamal Amr 8 9 Jad: Y Dar AY 3 + BY + CY maa AY ( 3 BY + CY Y ( 3 A BY + CY + Jad deroleh Y 3 Ja teras n dterusan, maa aan deroleh Y Y4 Y6 L dan Y Y L, sehngga daat dtuls Y Y Y + Y untu j. Oleh 3 5 Y7 arena tu seta gagal. 4.. Iteras Untu Menghtung olus Y j, j 3 adalah sngular, sehngga untu contoh d atas teras Bernoull Untu erhtungan yang lebh mudah, ersamaan ( daat dtulsan dalam bentu teras secara langsung untu menentuan suatu solus. Persamaan ( dalan dar anan dengan, maa deroleh Y + Y + BYY + C AY yang daat dtulsan ( AY+ Y + B YY + C Dengan mendefnsan Y+ Y dan menetaan Y, Y I, maa deroleh teras ( A + B + C ( A + B C A B C + YY Untu, maa Jad A + B C A B A B (3

11 Jurnal Matemata, tatsta & Komutas Vol. 3 No Jul 6 Jurnal Matemata, tatsta, & Komutas Hasmawat, Amr Kamal Amr Vol. No. Jul Dengan cara yang sama, ersamaan ( dal dar anan dengan deroleh ( AY + BY + CY Y Msalan W + + A + BYY + + CY Y + YY+ + ( B + CW W Y +, maa A W (4 Iteras n untu memecahan C + B + A, yang mana solusnya adalah nonsngular yang meruaan nvers dar solus (. Dar teorema 7 dsmulan bahwa ja ( memunya solus domnan dan solus mnmal serta barsan dan W ddefnsan, maa lm dan lmw Peranan dan Y ada embutan Teorema 7 adalah untu menjamn bahwa Y adalah nonsngular. Pada umumnya emlhan Y dan Y aan berdama yang sama, jad daat dcoba dmula dengan matrs yang berbeda yatu ada ersamaan (3 dan (4, yang mungn deroleh ja teras mengalam esultan. Iteras (3 dan (4 adalah teras tt tertentu yang daat deroeh ada bentu A + B + C. Iterasnya juga daat dtuls dalam bentu lan yatu ( A + B + C (5 dan A + ( B + CW W W C B (6 Ja dhubungan dengan reurens Bernoull maa: A B + C I (7 + +, Ja ( memunya solus domnan dan suatu solus mnmal yang nonsngular maa solus dar ersamaan (7 adalah: + dengan dan dtentuan oleh onds awal, dan lm + Karena tu, selama barsan W dan terdefns, maa lm lmw Daftar Pustaa [] Benjamn F.P, 99, An Introducton to Aled Numercal Analyss, Pws-Kent Publshng Comany, Boston. [] Gene H.G & Charles F.V.L, 996, Matrs Comutatons, The John Hons Unversty Press, Baltmore and London, Thrd Edton. [3] Ncholas JH & Hyun-Mn Km,, Numercal analyss of a quadratc matrx Equaton, IMA Journal of Numercal Analyss, [4] astry., 997, Introductory methods of numercal analyss, PHI.

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

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

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

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

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

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

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

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

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

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

Lebih terperinci

Analisis Sensitivitas

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

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL -6 98:. eguh d. AAR UADRA ESEMBLE ALMA FILER (A-EnF PADA ESIMASI POSISI ROBO MOBIL. eguh, Subchan,*,. endro, A. Erna, S.P. Dd 2, dan M. omarudn 3 Insttut enolog Seuluh oember 2 Polten Eletrna eger Surabaya

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB III MODUL INJEKTIF

BAB III MODUL INJEKTIF BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous

Lebih terperinci

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv KUNI JWBN SO EOI FISIK OIMPIDE SINS NSION 00. a. Dhtung dahulu watu yang derluan dar beban dleas sama e etnggan masmum yatu t. v 0 at 0 0t t =0, seon. Ketnggan masmum yang dcaa beban dhtung dar ermuaan

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

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

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK

SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK NECESSARY AND SUFFICIENT CONDITIONS FOR SOLVABILITY OF THE BLOCK TRIANGULAR DECOUPLING PROBLEM PENGANTAR Caturyat 1 dan Sr Wahyun Program

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization Restoras Ctra Dengan Menggunaan Metode Iteratf Lanczos Hybrd Regularzaton Yudh Purwananto, Rully Soelaman, Alfa Masjta Rahmat Jurusan Ten Informata, Faultas Tenolog Informas Insttut Tenolog Sepuluh Nopember

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

PENGENALAN POLA HURUF KAPITAL TULISAN DENGAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS

PENGENALAN POLA HURUF KAPITAL TULISAN DENGAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS ZEO UNA MAEMAIKA DAN EAPAN Volume No. 7 P-ISSN: 58-569X E-ISSN : 58-5754 PENGENAAN POA HUUF KAPIA UISAN DENGAN ANAISIS DISKIMINAN INIE -DIMENSI SIMEIS na Wdyasar, Ismal Husen Program Stud Matemata FS Unverstas

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1 ISSN 907-0500 Analss Kepeaan engembangan Sstem Transms Tenaga Lstr Ternternes Menggunaan Successve Frward Methd Stud Kasus: Sstem Transms 500 V Jawa-Bal engembangantahun 007 06 Nurhalm Jurusan Ten Eletr

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

BAB II KONDUKSI ALIRAN STEDI SATU DIMENSI

BAB II KONDUKSI ALIRAN STEDI SATU DIMENSI BB II KONDUKSI LIRN SEDI SU DIMENSI Dndng Datar Persamaan alr : (5- Harga ndutvtas termal dasumsan nstan, tebal dndng, dan dan adalah temperatur permuaan dndng. Ja ndutvtas termal bervaras arena temperatur

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama

Lebih terperinci

BAB II STUDI PUSTAKA

BAB II STUDI PUSTAKA Masur Kmsan 5 7 1 BAB II STUDI PUSTAKA 1 Umum Secara umum sstem strutur dbedaan dar egunaan strutur, sepert strutur embatan, gedung, tang, bendungan atau pesawat udara Secara husus penamaan n dbedaan dar

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

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

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS

APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation) Otmas Bobot Portofolo dan Estmas VaR * (Portfolo Weghted Otmzaton and VaR Estmaton) Suono, Subanar & Ded Rosad 3 Jurusan Matemata FMIPA UNPAD Bandung, e-mal : fsuono@yahoo.com Jurusan Matemata FMIPA UGM

Lebih terperinci

PENGENALAN WAJAH BERBASIS METODE TWO-DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS

PENGENALAN WAJAH BERBASIS METODE TWO-DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS PENGENALAN WAJAH BERBASIS MEODE WO-DIMENSIONAL LINEAR DISCRIMINAN ANALYSIS Ftr Damayant, Agus Zanal Arfn, Rully Soelaman Program Magster en Informata, Insttut enolog Sepuluh Nopember (IS) - Surabaya Kampus

Lebih terperinci

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

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

Lebih terperinci

Pengenalan Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Two-Dimensional Linear Discriminant Analysis

Pengenalan Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Two-Dimensional Linear Discriminant Analysis Konferens Nasonal Sstem & Informata 05 STMIK STIKOM Bal, 9-0 Otober 05 Pengenalan Jens Kelamn Berdasaran Ctra Wajah Menggunaan Metode Two-Dmensonal Lnear Dscrmnant Analyss Ftr Damayant Prod Manajemen Informata,

Lebih terperinci

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV *

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV * PEDUGAA PARAMETER MODEL HIDDE MARKOV * BERLIA SETIAWATY DA LIDA KRISTIA Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Jl Meant, Kampus IPB Damaga, Bogo 6680 Indonesa

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD Idam Had Ahmad dan Luca Ratnasa, Juusan Matemata, FMIPA UNDIP Jl. Pof. H. Soedato, S.H., Tembalang, Semaang Abstact. Lnea equaton system,

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

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

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai 4 METODE PENELITIAN 4.1 Watu dan Loas Peneltan Peneltan n dlasanaan selama 6 bulan dmula dar bulan Jul sampa bulan Desember 005 d Kabupaten Indramayu, Provns Jawa Barat yang terleta pada poss geografs

Lebih terperinci

KONSTRUKSI RUANG TOPOLOGI LENGKAP

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih 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

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

PERBANDINGAN METODE KALMAN FILTER DAN METODE ENSEMBLE KALMAN FILTER DALAM MENDETEKSI GANGGUAN KONDUKSI PANAS PADA BATANG LOGAM SKRIPSI

PERBANDINGAN METODE KALMAN FILTER DAN METODE ENSEMBLE KALMAN FILTER DALAM MENDETEKSI GANGGUAN KONDUKSI PANAS PADA BATANG LOGAM SKRIPSI PERBANDINGAN METODE KALMAN FILTER DAN METODE ENSEMBLE KALMAN FILTER DALAM MENDETEKSI GANGGAN KONDKSI PANAS PADA BATANG LOGAM SKRIPSI Oleh Tra Nugrahn NIM 88 JRSAN MATEMATIKA FAKLTAS MATEMATIKA DAN ILM

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H.

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H. KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING AAK SEDERHANA A. F. Indraan *, R. Efend, H. Srat Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas

Lebih terperinci

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

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

Lebih terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant) PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

BAB 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

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci