PROSIDING ISBN :

Ukuran: px
Mulai penontonan dengan halaman:

Download "PROSIDING ISBN :"

Transkripsi

1 PROSIDING ISBN : METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya Wacaa (UKSW) (.uks.du) pssu733@hotmal.com mahassa S, FSM UKSW T-7 Abstak : Pada makalah dtujukka caa myataka bat sap () sbaga fugs lgka dada (() da pupuk ua (u() sbaga fugs paamtk. Utuk slajutya dttuka lgka dada da pupuk ua yag optmal utuk mtuka bat sap yag mghaslka poduks susu sap scaa maksmal. Utuk tu dguaka mtod Falt. Dpolh hasl baha pada lgka dada 06 cm maka bat sap optmal adalah 450.kg. Sdagka la pupuk ua yag mybabka bat optmal utuk poduks susu sap adalah 37. gam. Bdasaka data maka hal dbaka. Kaa jumlah hjaua sbaga vaabl doma maka jumlah hjaua bkotbus pada fugs bat sap. Bat sap dapat dyataka sbaga fugs hjaua x, pupuk ua u( da lgka dada (. Kata kuc : lgka dada, pupuk ua, fugs paamtk, mtod Falt Pdahulua. Lata Blakag Pada (Pahusp da Ayua,009,[]) tlah dtujukka baha hjaua sbaga vaabl doma utuk bat sap yag poduktf mghaslka susu. Hal dlakuka dga mgguaka Pcpal Compo Aalyss (Shls, 005) Sla hjaua tdapat bbapa vaabl la yag duku spt pupuk ua, lgka dada, gaam dapu, ktla utuk mmplaja bat sap yag optmal dalam mghaslka poduks susu sap. Data dobsvas stap ha slama.5 bula, da taggal 5 Jul 008 sampa dga 30 Agustus 008. Data dpolh da Ptaka Rakyat Dukuh Blo, Kluaha Kumpuljo, Kcamata Agomulyo, Kota Salatga. Utuk tu pada makalah aka dtujukka bagamaa mtuka hubuga ataa bat sap dga lgka dada da bayakya pupuk ua yag dbka sbaga fugs aktu da mgguaka vaabl doma pada bat sap stlah dyataka sbaga fugs lgka dada da pupuk ua. Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

2 PROSIDING ISBN : Bat pupuk ua dbka pha sama dalam mggu da aktu maksmal yag dbka adalah 40 mggu. Bat sap sbaga fugs paamtk lgka dada da pupuk ua dga paamt aktu. Ptapa paamt dlakuka dga mtod kuadat tkcl sbagamaa tlah dtujukka pada ltatu(pahusp, 009,[3]). Makalah dsusu sbaga bkut. Pada Bab II dtujukka pmodla yag dlakuka, da Bab III mujukka lagkah lagkah yag dlakuka dalam myusu modl da mylsaa. Bab IV dtujukka hasl modfkas modl lbh lajut sta pada akhya ksmpula dtujukka pada Bab V.. PEMODELAN. Modl Logstk utuk lgka dada da pupuk ua Dasumska baha lgka dada sap tdak aka btambah ktka t muju tak hgga (dalam aktu yag lama) yag mybabka lgka dada tdak aka muju tak hgga ttap muju suatu la kosta, shgga kta mmpolh modl utuk lgka dada sap yatu: d ( t ) dt dga K lgka dada maksmum da k kostata laju pubaha lgka dada dga syaat k > 0. Komputas dlakuka dga mgguaka data tak bdms shgga K da k tdak mmpuya satua. Nla paamt K dapat dttuka jka: k ( t ) dt 0 K d () shgga K( dga t mupaka aktu yag mybabka psamaa (). Dga mmsahka vaablya maka: K + A ( dga Jka K da t sudah dktahu maka k dapat dpolh yatu : kt A l( K ( / ( A) t Scaa sama dapat pula dlakuka utuk pupuk ua.. Bat sap sbaga fugs pupuk ua da lgka dada k K 0. (.a) 0. (.b) Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

3 PROSIDING ISBN : Pada makalah dplh btuk yag scaa aaltk mmpuya la mmum da maksmum. Msal dga α ( βu( γ( (3.a) α, β da γ dca bdasaka data da ( lgka dada sbaga fugs aktu, u( fugs bat pupuk ua. Fugs tlah dguaka utuk mmodlka pdapata daah Salatga sbaga fugs skto pajak da tbus (Pahusp,009,[3]).Ilustas fugs (3.a) dapat dtujukka pada Gamba. Gamba. Ilustas gafk bdasaka data adom utuk fugs γ α t u t ( ) β ( ) ( pada, β α da γ. Paamt dapat dttuka dga mtod kuadat tkcl. Pada dasaya mtod mca α, β da γ dga mmmalka R ( d, ) (3.b) dga, adalah data bat sap k. Dga mtod kuadat tkcl d (Pahusp,009;[3]) maka laα, β da γ dapat dca dga mmmalka R ( d, ) ( ) α βu d, γ (3.c) dmaa: d, data bat pada aktu k, bayakya data. Aga mdapatka o yag mmum bat R 0. Jad dpolh 3 psamaa utuk mmpolh α,β, daγ. Psamaa tsbut dslsaka dga batua MATLAB yatu dga mgguaka fugs lsqol.utuk slajutya plu dttuka ( da u( pada suatu t yag mmaksmumka.3 Mtod Falt ( Palty Mthod) Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb 009 4

4 PROSIDING ISBN : Mtod Falt (Pss,988) pada makalah dguaka utuk mylsaka kasus dmaa kasus mula mula adalah mmaksmalka tapa kdala. Sdagka Mtod Falt basa dguaka utuk mmmalka fugs dga kdala. Utuk mgguaka mtod maka masalah optmas haus dsusu dalam btuk umum sbaga bkut Aggap baha f, g ( ),, x g m tuua pasal yag kotu d R. Utuk mylsaka masalah optmas bkdala yatu mmalka f dga kdala g( x) 0, g,..., g m 0, x R dlakuka poss sbaga bkut (P.a) (). Utuk stap blaga bulat postf k (dsbut paamt Fal, aggap pmmum global utuk fugs Falt yatu [ ] + g x k adalah m Pk f + k. (P.b) Notas + myataka baha utuk suatu kdala 0, maka fugs + g g ddfska sbaga + g (). Tujukka baha subbasa { x k } masalah (P.). g g 0 jka g 0. (P.c) jka g > 0 kovg pada suatu pylsaa x utuk Olh kaa fugs kdala dyataka dalam btuk psamaa (P.c) maka + dpluka adaya jama baha h [ g ] juga mmpuya tuua ptama pasal yag kotu d R. Hal dtujukka pada Lmma.a bkut. Lmma.a. Jka g(x ) mmpuya tuua pasal ptama yag kotu d + x) [ g ( )]. Sla tu tuua pasal tsbut adalah h( x h( x) g x + g, utuk smua,,, utuk smua x R, hal blaku juga x R. Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb 009 4

5 PROSIDING ISBN : Bukt : (halama 9). Scaa umum mtod Falt dtujukka olh Toma bkut. Toma.b baah d x R ). Jka Aggap baha f (x ), g ( ),, g m kotu d R da f tbatas k x R (yatu tdapat suatu kosta c shgga blaku c f xf suatu pylsaa pada masalah yatu mmalka f dga kdala g( x) 0, g,..., g m 0, utuk smua (P.a) da jka stap blaga bulat postf k, tdapat suatu xk R shgga m Pk ( xk ) Pk, x R maka (). Pk ( xk ) Pk + ( xk + ) f ( xf ) utuk stap blaga bulat postf k lm (). m + [ g ( x k )] 0. k Sbaga koskus, jka { } k P maka x adalah subbasa { } lm { x P k P x adalah pylsaa utuk poblm (P..a). Bukt : (halama ) k } x k x yag kovg da jka.5. Pgguaa Mtod Falt utuk pyusua masalah optmas mmaksmalka bat sap Olh kaa mtod Falt dguaka utuk mmmalka fugs tujua, maka dasumska Mmumka z dga kdala dga x (, u). g( x) 0, g u 0, (4.a) Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

6 PROSIDING ISBN : Stlah mgasumska baha fugs tsbut mmpuya kdala maka haus dsusu + g utuk masg masg,u yatu: + 0, m g da + 0, u um g. (4.b) m, >, m u um u > um dga m da um myataka btuut tuut lgka dada mmum da bat + + pupuk ua mmum. Utuk masg masg g da g aka dsusu fugs Falt yatu : m + f + k g, (4.c) F k dga k > 0. Jad masalah yag doptmas mjad mmmumka pada psamaa (4.c). Kasus mjad spt btuk mmmalka fugs tujua tapa kdala. Atya aka dca x yag aka mmmalka. Bat plu dca k yag mmuh Fk ( x ) 0 F F k. Hal slajutya dtujukka pada Bab IV. 3. METODE PENELITIAN. Myataka data dalam btuk tak bdms.. Mgguaka modl logstk utuk myusu lgka dada da pupuk ua sbaga fugs aktu. 3. Myusu bat sap sbaga fugs paamtk lgka dada da pupuk ua. 4. Mca bat sap yag palg maksmal stlah dktahu fugs lgka dada sta fugs pupuk ua dga mtod Falt yag dsta dga pmcaha masalah ptapa paamt mgguaka MATLAB. 5. Myataka bat sap sbaga fugs lgka dada, pupuk ua da jumlah hjaua. 6. Mmbuat ksmpula. 4. ANALISA DAN PEMBAHASAN Sbagamaa dtujukka pada Bab II baha data plu dyataka dalam btuk tak bdms. Olh kaa data haya bksa pada tval (0,]. 4. Lgka dada sbaga fugs aktu ( Pad bab II, dplh modl logstk utuk mlhat laju lgka dada sap tsbut. Aka ttap data tdak mdukug aga paamt K da k dapat dttapka. Hal F k Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

7 PROSIDING ISBN : dkaaka bayakya data tdak mujukka bsa K shgga ( kosta utuk t tak bhgga. Hal djlaska pada Gamba Gamba. Lgka dada daggap mgkut modl logstk dga K.06 (mt) da k Pada Gamba lgka dada maksmum dambl.06 mt yag muut data sap bumu 80 ha. Aka ttap dga modl logstk dpolh lgka dada dbaah.5 mt. Jad paamt yag dpaka tdak tpat, shgga data haya mujukka daah la lgka dada. Olh kaa tu, slajutya lgka dada dmodlka dga modl la sbaga fugs aktu. Dga mgguaka gs la (Pahusp,008) dpolh lgka dada dalam btuk tak bdms sbaga fugs aktu yatu: g( ( t , t. (5.) Shgga bat sap dapat dyataka sbaga fugs paamtk bbtuk paabola yatu f ( ) (5.) dga mgkut psamaa (5.). Aka ttap hal mash blum mlbatka pupuk ua yag dapat mmpgauh bat sap. Olh kaa tu fugs plu dpbak kmbal. 4. Pupuk ua sbaga fugs aktu utuk bat sap () tttu Da data bat sap yag daggap tlah mghaslka poduks susu sap adalah bat sap yag mula da 300 kg katas. Olh kaa tu pada makalah pupuk ua sbaga fugs aktu haya utuk bat sap yag dmula da 300 kg yag td da 3 klompok bat yag dsbut sbaga tp, tp da tp 3. Ktga klompok tsbut adalah (dsbut tp ), (dsbut tp ) da 400 (dsbut tp 3). Hal dlustaska pada Gamba 3. Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

8 PROSIDING ISBN : Muut Gamba 3.a, dapat dduga baha bat pupuk ua juga mgkut modl logstk. Dga mgguaka komputas tak bdms da mgkut pyusua paamt pada Bab II maka dapat dpolh K da k pada t ( 6 ha) dmaa t adalah aktu saat lgka dada sudah tdak btambah lag atau kosta. Dga paamt tsbut bat pupuk ua utuk ktga tp bat sap dapat dtujukka pada Gamba 3.b dga modl logstk. Yatu. (6) u( t Bat pupuk ua(gam) Pupuk ua (tak bdms) tp tp tp 3 logstk aktu (ha) Gamba.3.a Data bat pupuk ua pada tval t (aktu tdak bdms) Gamba 3.b. Modl logstk utuk lgka dada pada saat t (btada ) (btada o), 400 (btada ) Hasl pdkata modl logstk utuk ktga bat sap tp, tp da tp 3 btuut tuut mmpuya o 0.954%, 3.50%, %. Jad o daggap cukup kcl shgga pdkata modl logstk utuk pupuk ua sbaga fugs aktu dapat dtma. Utuk slajutya bat sap dyataka sbaga fugs lgka dada da fugs pupuk ua. 4.3 Bat sap sbaga fugs ( da u( Dga mgguaka modl pada psamaa (3.a) maka dpluka optmas utuk mdapatka paamt yag tpat. Dpolh fugs adalah Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb ( t ) u( t ) 0.697( () dga o %. Hal dtujukka pada Gamba 4.

9 PROSIDING ISBN : data modl ( u( 0.8 Gamba 4. Ilustas hubuga data bat sbaga fugs lgka dada da ua dga psamaa (). Da optmas, fugs pubah atau lbh blum ttu mmpuya la ( da u( yag mmaksmalka ataupu mmmumka fugs. Hal dsldk sbaga bkut. Dga mgguaka Mtod Falt (Palty Mthod) mmaksmalka Sbagamaa dtujukka pada Bab II, aka dca pula yag maksmal atau mmmalka z dga mgasumska baha kdala utuk masg masg,u dapat dtuls sbaga g( x) 0, dga x (, u). g u 0. + Tahap : Susu g utuk masg masg,u yatu: + 0, m + 0, u um g da g (8.a) m, > m u um, u > um Tahap : Myusu fugs Falt shgga aka dpolh btuk: α βu F k γ { } + k( m ) + k( u um ). (8.b) Stlah dktahu fugs F k maka aka dca x F yatu (, u ) yag mmmalka F k. Hal spt mmmalka fugs tapa kdala spt yatu dga mca 0 shgga: F k F α + βu γ { }{ + α } + k 0, (9.a) F α + βu γ{ }{ βu} + k 0. u (9.b) Atau psamaa (9.a) (9.b) dapat dtuls btuut tuut mjad: α βu γ { }{ + α } k, (9.c) α βu γ{ }{ βu} k. (9.d) Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

10 PROSIDING ISBN : Kaa kdua psamaa (9a) (9b) sama sama mmuat vaabl k maka psamaa tsbut dapat dtuls sbaga: γ βu { }{ + α } γ α α βu { }{ u} 0 Psamaa (0) dapat lbh dsdhaaka shgga aka dpolh psamaa sbaga bkut: β (0) γ α βu Da psamaa (.a) aka dpolh la { + α βu} 0 u yatu: (.a) u α (.b) β + shgga la z u dapat mmuh u Utuk slajutya fugs z dlustaska pada Gamba 5. (0.757) (0.6065) (.) Gamba 5. Fugs z() da psamaa (.b) Gamba 5 mujukka baha pada maka z mmum yatu z 0.7. Atya z 0.7. Hal bat pula pada lgka dada 06 cm maka bat sap maksmum adalah kg 450.kg. Sdagka la pupuk ua yag mybabka bat maksmum dtujukka olh psamaa u α β + (0.757) (0.6065) 0.37 (tapa dms). Pupuk ua dalam btuk bdms sbsa u gam 37. gam. Bdasaka data maka hal dbaka. Gafk mujukka data (dsmbolka ) mmuh fugs yag dtujukka dga pmukaa kcl pada Gamba 4. Vaabl doma yag daggap bpa thadap poduks susu sap adalah jumlah hjaua (Pahusp da Ayua,009,[]). Sdagka poduks susu sap yag Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

11 PROSIDING ISBN : daggap sudah bagus dhaslka pada bat mmal 300 kg (fomas fomal yatu lagsug da pta sap). Sdagka bat sap yag lbh bsa da 300 kg dapat dtuls sbaga fugs lgka dada da pupuk ua. Shgga vaabl yag mmpgauh poduks susu sap juga bpgauh thadap bat sap pghasl susu sap. Utuk tu dapat dsusu fugs α t βu t Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb ( ) ( ) γ ( x ) ( () dga γ x ) sbaga paamt yag tgatug da jumlah hjaua. Yag ( mgakbatka bat sap sbaga fugs lgka dada, pupuk ua da jumlah hajua. Olh kaa tu plu dttapka pyusua fugs γ x ) da dplh fugs γ x ) d bx, dga b da d paamt yag haus dca bdasaka data. Scaa sama pada Bab II, paamt dapat dca dga mtod kuadat tkcl. Kmuda pmodla dapat dlajutka. Yatu psamaa () dapat dtuls sbaga t ( ( d α ( ) βu( bx (. (3) Dga mgkut Bab II, utuk mdapatka paamt b,d, α, β maka plu mmmalka da R [ bx d α ( t ) βu( t ), ( t ) ], (4.a) u( t ), ( t t ) 0.504t , t. (4.b) Utuk mylsaka masalah (4.a) (4.b) dga mgguaka fugs lsqol.m. Dpolh hasl b0.705, d0.00, α , β 0.68 dga o.394 %. Waktu aal pgamata umumya dtuls dalam btuk tak bdms dmula da t 0. Olh kaa tu pada psamaa (4.b) aktu dapat dtuls pada tval 0 t. Jad dga msubsttuska la paamt tsbut pada psamaa (3), bat sap dapat dyataka sbaga fugs hjaua, pupuk ua da lgka dada dalam btuk W 0.705x 0.00 ( ( u(, utuk 0 t (5.a)

12 PROSIDING ISBN : da u( t, ( 0.504t (5.b) Sbaga fugs aktu, psamaa (5a) (5b) dapat dlustaska pada Gamba 6.. pdkata data bat sap (tak bdms) aktu (tak bdms) Gamba 6. Ilustas Fugs bat sap W 0.705x 0.00 ( t ( ) u t 0.68 ( ), 0 t. Nla bat sap bdms dapat dpolh dga mudah dga mgalka fugs tsbut dga maksmum bat sap sbaga fs. Hal tdak dtujukka pada makalah. KESIMPULAN Pada makalah tlah dtujukka caa myataka bat sap () sbaga fugs lgka dada (() da pupuk ua (u() sbaga fugs paamtk. Utuk slajutya dttuka lgka dada da pupuk ua yag maksmal utuk mtuka bat sap yag mghaslka poduks susu sap scaa maksmal. Utuk tu dguaka mtod Falt. Dpolh hasl baha pada lgka dada 06 cm maka bat sap maksmum adalah 450.kg. Sdagka la pupuk ua yag mybabka bat maksmum adalah 37. gam. Bdasaka data maka hal dbaka. Kaa jumlah hjaua sbaga vaabl doma maka jumlah hjaua bkotbus pada fugs bat sap. Bat sap dapat dyataka sbaga fugs hjaua x, pupuk ua u( da lgka dada (. Pta sap dapat mgguaka modl yag dpolh utuk mguku bat sap yag ssugguhya tapa mgguaka tmbaga asalka mmpuya data hjaua yag dmaka sap, data pupuk ua yag dbka da ukua lgka dada dalam slag aktu yag dguaka. Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb

13 PROSIDING ISBN : DAFTAR PUSTAKA [] Pahusp H. A., da Sska Ayua, 009. Pcpal Compot Aalyss (PCA) utuk Aalss Plakuka Pmba Paka da Mal thadap Poduks Susu Sap, Posdg Sma Nasoaal Matmatka UNPAR 5 Sptmb 009, Vol 4 Th. 009, hal.aa 4 5, ISSN [] Shls, J., 005. A Tutoal o Pcpal Compot Aalyss, Isttut fo Nola Scc, Uvsty of Calfoa, Sa Dago La Jolla. [3] Pahusp H. A., 009. Dtmato Paamt by Nola Last Squa, Pocdgs of 4 th Itatoal Cofc o Mathmatcs ad Statstcs (ICOMS 009), Uvstas Malahayat Bada ad Uv.Malahayat, 3 4 August 009,pag , ISSN [4] Pahusp H. A., 008. Pgajaa Kalkulus dga Excl da Matlab d Fakultas Sas da Matmatka UKSW, Posdg Sma Nasoal Matmatka IV 008, ISBN: , PB 66. [5] Pss, A.L., Sullva, F.E.,Uhl, J.J., 988. Th Mathmatcs of Nola Pogammg, Spg Vlag, N Yok. Sma Nasoal Matmatka da Pddka Matmatka Juusa Pddka Matmatka FMIPA UNY, 5 Dsmb 009 5

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED WEIBULL DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM

PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED WEIBULL DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM J. Sas MIPA Eds Khusus Tahu 28 Vol. 4 No. Hal.: 7-22 ISSN 978-873 ABSTRACT PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED WEIBULL DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM Ra Sa Hmta Wasoo da Da Kuasa

Lebih terperinci

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di: JURNAL GAUSSIAN, Volum, Nomo, Tahu 0, Halama 35-46 Ol d: http://joual-s.udp.ac.d/d.php/gaussa PEMBANGKITAN SAMPEL RANDOM MENGGUNAKAN ALGORITMA METROPOLIS- HASTINGS Ls Kua Iwat, Moch. Abdul Mukd, Rta Rahmawat

Lebih terperinci

(Saeter & Hammond, 2006) i, j=1,2,...n. III. PEMBAHASAN

(Saeter & Hammond, 2006) i, j=1,2,...n. III. PEMBAHASAN 6 j j, j,, (Sat & Hammod, 006 III PEMBAHASAN 3 Fug poduk Hubuga ataa put da output dapat dtaomaka olh buah ug poduk Scaa matmat, ug poduk dapat dtulka baga bkut: ( K, L, M, dga: output yag dhalka lama

Lebih terperinci

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB.

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB. 4 tp R= tp + f...(3 tp = tp + fp...(4 Evalua dlakuka dga 2 paag ku da dkum lva yag dbuat khuu utuk plta. Dafta paaga ku uj da dkum lva dapat dlhat pada Lampa 2, dagka Lampa 3 bka dkp da ku uj. Nla all

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z BAB Toi Pdukug.. Ligkuga Misalka z adalah suatu titik pada bidag da adalah bilaga yata positi. Ligkuga bagi z -ighbohood o z didiisika sbagai sluuh titik z pada bidag, sdmikia shigga z z < ; ditulis z,.

Lebih terperinci

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA Dlta-P: Jural Matmatka da Pddka Matmatka ISSN 89-855X Vol., No., Oktobr 3 ALJABAR LINTASAN LAVITT SDRHANA Ida Kura Walyat Program Stud Pddka Matmatka FKIP Urstas Kharu, Trat mal: adhku@gmal.com ABSTRAK

Lebih terperinci

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR METDE NEWTN-STEFFENSEN DENGN RDE KEKNVERGENN TIG UNTUK MENYELESIKN PERSMN NNLINER Fitiai, Joha Kho, Supiadi Puta Mahaiwa Pogam Studi S Matmatika FMIP Uivita Riau Do JuuaMatmatika FMIP Uivita Riau Fakulta

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

Distribusi Waktu Tinggal Dalam Unggun Pancar

Distribusi Waktu Tinggal Dalam Unggun Pancar Dsbus Waku Tggal Dalam Uggu aca Yazd Bda, H Susao, da Ao Hadao Dpam Tkk Kma, Fakulas Tkolog Idus, Isu Tkolog Badug Jl. Gashaa 0 Badug yazd@ch.b.ac.d Absak Uggu paca masuk dalam salah sau p uggu fludaka.

Lebih terperinci

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

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

PRAKIRAAN KEBUTUHAN ENERGI LISTRIK TAHUN PADA PT. PLN AREA PELAYANAN JARINGAN MALANG DENGAN METODE GABUNGAN

PRAKIRAAN KEBUTUHAN ENERGI LISTRIK TAHUN PADA PT. PLN AREA PELAYANAN JARINGAN MALANG DENGAN METODE GABUNGAN PRAKIRAAN KEBUTUHAN ENERGI LISTRIK TAHUN 2012-2022 PADA PT. PLN AREA PELAYANAN JARINGAN MALANG DENGAN METODE GABUNGAN Padaa Aoaa Tto¹, I. Uul Wbawa, MSc.², D. I. Hay Sokotjo Dachla, MSc³ ¹Mahasswa Tkk

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

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

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner Jural IMU DASAR, Vol No, Jul 9 : 33-33 Kossts da Asmtotk Normaltas Modl Multvarat Adatv Rgrsso Sl (Mars Rso r Cosstcy ad Asymtotc Normalty of Maxmum klhood Estmator MARS ary Rsos Modl ambag Wdaarko Otok

Lebih terperinci

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

Lebih terperinci

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon JURNL SINS DN SENI IS Vol., No., (Spt. ) ISSN: -98X D-4 Prapa Pdkata Gabuga Gry Rlatoal alyss (GR) da Prcpal Compot alyss (PC) Pada Mtod aguch Multrspo Nur prla Rahmada, Soy Suaryo da Muhammad Sahd kbar

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Bult Ilmah Mat. Stat. a Trapaya (Bmastr) Volum, No. (3), hal. 5 56. PRBANDINGAN MTOD MAXIMUM LIKLIHOOD STIMATION (ML) DAN MTOD BAYS DALAM PNDUGAAN PARAMTR DISTRIBUSI KSPONNSIAL Dw Nurlala, Daa Kusaar,

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volum 4, Nomor 4, Tahu 015, Halama 97-936 Ol d: http://joural-s1.udp.ac.d/dx.php/gaussa ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM MENGGUNAKAN MODEL REGRESI

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 7 Transformasi Fourier Cepat

SISTEM PENGOLAHAN ISYARAT. Kuliah 7 Transformasi Fourier Cepat TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 7 Tasomasi Foui Cpat FFT : Fast Foui Tasom Idah Susilaati, S.T., M.Eg. Pogam Studi Tkik Elkto Fakultas Tkik da Ilmu Komput Uivsitas Mcu Buaa Yogyakata 9 KULIAH 7 SISTEM

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

Komang Suardika, Jurusan Pendidikan Fisika Fisika Kuantum

Komang Suardika, Jurusan Pendidikan Fisika Fisika Kuantum Komag Suadika, Juusa Pdidika Fisika Fisika Kuatum I. Ppadaa Fkusi Boh Modl atom muut Ruthfod tdii dai iti atom yag bmuata positif da masif sta dikliligi pada jaak yag latif bsa olh lktolkto yag satiasa

Lebih terperinci

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT (Kasus pada Estmas Huja d Karagploso, Malag) SKRIPSI olh: FARIDA KARUNIAWATI NIM. 0650028 JURUSAN MATEMATIKA FAKULTAS SAIN DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat . Hubuga Dasar rbabltas rbabltas adalah harga prbadga jumlah kjada A yag mugk dapat trjad trhadap jumlah ksluruha kjada yag mugk trjad dalam sbuah prstwa. Cth:. luag utuk mdapatka agka gap dar lmpara sbuah

Lebih terperinci

APROKSIMASI PADÉ DAN PENERAPANNYA PADA ANALISIS PERFORMANSI DETEKSI RADAR

APROKSIMASI PADÉ DAN PENERAPANNYA PADA ANALISIS PERFORMANSI DETEKSI RADAR 9 Absta AROKSIASI ADÉ DA EERAAYA ADA AALISIS ERFORASI DETEKSI RADAR D Sapud, Kutoo Ad Sdato DU Solah Tgg Tolog Tlom, Badug Dpatm atmata, Isttut Tolog Badug ds@stttlom.a.d, sdato@ds.math.tb.a.d Aposmas

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES PENGOPTIMUMAN PADA FUNGSI PRODUSI CROPPES NURJANAH G5404008 DEPARTEMEN MATEMATIA FAUTAS MATEMATIA DAN IMU PENGETAHUAN AAM INSTITUT PERTANIAN BOGOR 008 ABSTRACT NURJANAH Optmzato Cropps producto ucto Suprvsd

Lebih terperinci

PELABELAN KONSEKUTIF (CONSECUTIVE LABELING) PADA GRAF STAR S n DAN GRAF DOUBLE STAR S n,n+1 (n Bilangan Asli) SKRIPSI. Oleh: ABDUL MUIS NIM.

PELABELAN KONSEKUTIF (CONSECUTIVE LABELING) PADA GRAF STAR S n DAN GRAF DOUBLE STAR S n,n+1 (n Bilangan Asli) SKRIPSI. Oleh: ABDUL MUIS NIM. PELABELAN KONSEKUTIF CONSECUTIVE LABELING) PADA GRAF STAR S DAN GRAF DOUBLE STAR S,+ Blaga Asl) SKRIPSI Olh: ABDUL MUIS NIM. 0500 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM STIMASI RGRSI MODL LOGIT DNGAN MTOD MAKSIMUM LIKLIHOOD SKRIPSI Olh: DINUL WAFA NIM. 5548 JURUSAN MATMATIKA FAKULTAS SAINS DAN TKNOLOGI UNIVRSITAS ISLAM NGRI MAULANA MALIK IBRAHIM MALANG 9 STIMASI RGRSI

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

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

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner Pgklasfkasa Pyakt Jatug D RSUD Abdul Wahab Sjahra Samarda Dga Mgguaka Rgrs Logstk Br Classfcato of Hart Dsas RSUD Abdul Wahab Sjahra Samarda Usg Bary Logstk Rgrsso Adras Sutato 1, Darah A. Noh, Syarudd

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

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

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri Megubah baha baku mead produk yag lebh berla melalu stess kma bayak dlakuka d dustr Asam sulfat, ammoa, etlea, proplea, asam fosfat, klor, asam trat, urea, bezea, metaol, etaol, da etle glkol Serat/beag,

Lebih terperinci

ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI PADA MODEL RANDOM KLASIFIKASI DUA ARAH DENGAN DATA TIDAK SEIMBANG

ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI PADA MODEL RANDOM KLASIFIKASI DUA ARAH DENGAN DATA TIDAK SEIMBANG J Pla Sa 6 ( Jul 007 Juua Pdda MIPA FKIP Uta Rau IN 4-5595 Abtact ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI PADA MODEL RANDOM KLASIFIKASI DUA ARAH DENGAN DATA TIDAK SEIMBANG Rutam Efd Pogam Stud Matmata

Lebih terperinci

Antena Array 4 Patch Mikrostrip Sirkular Pada Frekuensi MHz

Antena Array 4 Patch Mikrostrip Sirkular Pada Frekuensi MHz Ata Aay 4 Patch Mikostip Sikula Pada Fkusi 2300-2400 MHz Si Hadiati*, Yuyu Wahyu*, Foli Oktafiai*, *)Pliti Pusat Plitia Elktoika da Tlkomuikasi (PPET-LIPI) Jl. Sagkuiag Badug 40135 -mail:ash_gt@yahoo.com

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

Analisis Pemodelan berdasarkan karakteristik dinamik

Analisis Pemodelan berdasarkan karakteristik dinamik Aalss Pmdla brdasarka karaktrstk damk DISUSUN OLEH: Dr. Yffry Hadk Putra, ST., M.T Karaktrstk damk suatu sstm atau strum myataka prlaku rsps sstm saat tras (utuk put stp) da prlaku sstm jka mdapatka put

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB II PEMULIHAN SOLUSI METODE REP DAN ERROR ESTIMATOR Z 2

BAB II PEMULIHAN SOLUSI METODE REP DAN ERROR ESTIMATOR Z 2 BB II PEMULIHN SOLUSI MEODE REP DN ERROR ESIMOR Z.1. UMUM.1.1 Ksalaa Solus Mtod Elm Hgga Error yag trjad mrupaka sls atara solus ksak dga solus pdkata da dapat dksprska dalam btuk prala, tgaga maupu gaya

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

Anggita Dyan Kusumadety¹, Dhinta Darmantoro², Kiki Maulana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom

Anggita Dyan Kusumadety¹, Dhinta Darmantoro², Kiki Maulana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom ANALISIS BOOSTING PADA DECISION TREE DENGAN STUDI KASUS KLASIFIKASI DAERAH PELANGGAN TELEKOMUNIKASI BERDASAR DATA CALLING DETAIL RECORD (CDR) BOOSTING ANALYSIS IN DECISION TREE WITH CASE STUDY CLASSIFICATION

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

Faktor- Faktor yang Mempengaruhi Siswa Usia Wajib Belajar Putus Sekolah (Studi Kasus di Surabaya Utara)

Faktor- Faktor yang Mempengaruhi Siswa Usia Wajib Belajar Putus Sekolah (Studi Kasus di Surabaya Utara) Smar Nasoal Statstka IX Susat Luwh, Mutah Salamah da Wbawat Isttut Tkolog Suluh Nombr, 7 Novmbr 9 Faktor- Faktor ag Mmgaruh Sswa Usa Wab Blaar Putus Skolah Stud Kasus d Surabaa Utara Susat Luwh, Mutah

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 IfJal Ilmah Pogam d Mamaka TKIP lwag Badg Vol No Fba PNRAPAN MTOD BARAN PIVOT DALAM PNURUNAN RUMU TAKIRAN INTRVAL DARI KOFIIN RGRI LINAR DRHANA Olh : Na Hhao Jsa Pddka Mamaka FPMIPA UPI Absak Rgs mpaka

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

Lebih terperinci

Edge Anti-Magic Total Labeling dari

Edge Anti-Magic Total Labeling dari Edge At-Magc Total Labelg dar Charul Imro da Suhud Wahyud Jurusa Matematka Isttut Tekolog Sepuluh Nopember Surabaya mro-ts@matematka.ts.ac.d, suhud@matematka.ts.ac.d C Abstract We wll fd edge at-magc total

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci