SUATU UKURAN KESAMAAN HIMPUNAN KABUR INTUITIONISTIC BERNILAI INTERVAL DAN APLIKASINYA UNTUK PENGENALAN POLA

Ukuran: px
Mulai penontonan dengan halaman:

Download "SUATU UKURAN KESAMAAN HIMPUNAN KABUR INTUITIONISTIC BERNILAI INTERVAL DAN APLIKASINYA UNTUK PENGENALAN POLA"

Transkripsi

1 Jural Matematika UNAND Vol. VII No. 2 Hal ISSN : c Jurusa Matematika FMIPA UNAND SUATU UKURAN KESAMAAN HIMPUNAN KABUR INTUITIONISTIC BERNILAI INTERVAL DAN APLIKASINYA UNTUK PENGENALAN POLA JUNDA SYAHWIDAN, NOVA NOLIZA BAKAR Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Adalas, Kampus UNAND Limau Mais Padag, Idoesia, judasyahwilda@rocketmail.com Abstrak. Dalam kehidupa sehari-hari biasaya terjadi berbagai kasus yag rumit, dimaa kasus-kasus tersebut bayak sekali megadug usur ketidakpastia. Zadeh [6] memperkealka suatu teori baru yaitu himpua kabur (fuzzy set). Kemudia semaki berkembag ilmu pegetahua, bayak betuk umum dari fuzzy set yag diusulka, diataraya teori himpua kabur ituitioistic berilai iterval (IvIFS) yag diusulka oleh Ataassov, merupaka geeralisasi dari teori himpua kabur berilai iterval (IvFS) da himpua kabur ituitioistic (IFS). Salah satu topik petig dalam teori himpua kabur yaitu ukura kesamaa himpua kabur ituitioistic (IFS). Pada tulisa ii aka dibahas megeai metode utuk meghitug ukura kesamaa atara himpua kabur ituitioistic berilai iterval (IvIFS) berdasarka metrik Hausdorff serta aplikasiya. Kata Kuci: Himpua kabur, himpua kabur ituitioistic, himpua kabur berilai iterval, himpua kabur ituitioistic berilai iterval 1. Pedahulua Prof.L.A.Zadeh [6] pada tahu 1965 pertama kali memperkealka teori baru yaitu teori himpua kabur. Zadeh [6] medefiisika suatu himpua fuzzy atas X sebagai koleksi dari pasaga terurut (x,µ(x)), x X dimaa derajat keaggotaa µ(x) [0, 1]. Kemudia semaki berkembag ilmu pegetahua, bayak betuk umum dari fuzzy set yag diusulka, diataraya Kosep himpua kabur ituitioistic berilai iterval (IvIFS) yag diusulka oleh Ataassov, merupaka geeralisasi kosep himpua kabur berilai iterval (IvIFS) da himpua kabur ituitioistic (IFS) [1]. Salah satu topik petig dalam teori himpua kabur yaitu ukura kesamaa himpua kabur ituitioistic (IFS). Ukura kesamaa IFS diguaka utuk memperkiraka tigkat kesamaa atara dua IFS. Szimidt da Kacprzyk [5] medefiisika ukura kesamaa dega megguaka ukura jarak yag melibatka kesamaa da ketidaksamaa. Seperti yag diketahui, ukura kesamaa cukup petig dalam beberapa bidag aplikasi. Baru-baru ii, bayak cara utuk meghitug ukura kesamaa atara himpua kabur ituitioistic (IFS) da himpua kabur berilai iterval (IvFS) 76

2 Ukura Kesamaa Himpua Kabur Ituitioistic Berilai Iterval 77 seperti yag telah diusulka dalam [7]. Pada peelitia ii aka megulas kembali apa yag dibahas pada [8] yaitu meghitug ukura kesamaa atara IvIFS berdasarka metrik Hausdorff. 2. Ladasa Teori 2.1. Himpua Kabur ( Fuzzy Set) Defiisi 2.1. [4] Misalka U adalah himpua semesta. Suatu himpua kabur (fuzzy set) X atas U dapat didefiisika sebagai X = {(u, µ x (u)) u U, µ x (u) [0, 1]} (2.1) dimaa µ x : U [0, 1] disebut fugsi keaggotaa X atas U Himpua Kabur Ituitioistik ( Ituitioistic Fuzzy Set) Himpua kabur ituitioistic merupaka himpua kabur yag memperhitugka ilai keaggotaa da o keaggotaa dalam proses pegambila keputusa. Defiisi 2.2. [1] Misalka X = {x 1, x 2,, x } adalah himpua. Suatu himpua kabur ituitioistic A pada X dapat didefiisika dalam betuk himpua pasaga terurut A = {(x, µ A (x), ν A (x)) x X} (2.2) dimaa µ A : X [0, 1] disebut fugsi keaggotaa A atas X da ν A : X [0, 1] disebut fugsi ketidakaggotaa A atas X, dega kodisi 0 µ A (x) + ν A (x) 1, x X. Defiisi 2.3. [1] Misalka X = {x 1, x 2,, x } suatu himpua. Himpua A da B adalah himpua kabur ituitioistic, maka didefiisika operasi da hubuga sebagai berikut: (1) A c = {(x, ν A (x), µ A (x)) x X}, (2) A B = {(x, mi{µ A, µ B }, max{ν A, ν B }) x X}, (3) A B = {(x, max{µ A, µ B }, mi{ν A, ν B }) x X} Himpua Kabur Berilai Iterval ( Iterval Valued Fuzzy Set) Suatu geeralisasi dari himpua kabur yag diajuka oleh beberapa peeliti adalah himpua kabur berilai iterval (Iterval Valued Fuzzy Set). Defiisi 2.4. [2] Misalka X adalah himpua semesta da it(0,1) meujukka semua subiterval tertutup dari iterval [0, 1]. Sebuah himpua kabur berilai iterval (IvFS) A atas X didefiisika sebagai A = {(x, M A (x)) x X} (2.3) dega M A : X it(0, 1) meujukka derajat keaggotaa berilai iterval A atas X.

3 78 Juda Syahwida, Nova Noliza Bakar 2.4. Himpua Kabur Ituitioistik Berilai Iterval ( Iterval Valued Ituitioistic Fuzzy Set) Terkadag derajat keaggotaa dari himpua kabur ituitioistic (IFS) tidak dapat diperkiraka secara tepat (real), amu dapat diberika retag ilai. Dalam kasus tersebut, Ataassov da Gargov [2] memperkealka tetag himpua kabur ituitioistic berilai iterval. Defiisi 2.5. [8] Misalka X adalah himpua semesta da it(0,1) meujukka semua subiterval tertutup dari iterval [0, 1]. Sebuah himpua kabur ituitioistic berilai iterval (IvIFS) A atas X didefiisika sebagai dega dimaa A = {(x, M A (x), N A (x)) x X} (2.4) M A : X it(0, 1), da N A : X it(0, 1), M A (x) = [if M A (x), sup M A (x)], da N A (x) = [if N A (x), sup N A (x)], masig-masig meujukka derajat keaggotaa berilai iterval da derajat ketidakaggotaa berilai iterval A atas X. Da memeuhi kodisi 0 sup M A (x) + sup N A (x) Metrik Hausdorff Utuk meghitug ukura jarak da ukura kesamaa atara himpua kabur ituitioistic berilai iterval (IvIFS) aka diguaka metrik Hausdorff. Defiisi 2.6. [8] Misalka A = [a1, a2]; B = [b1, b2] it(0, 1), metrik Hausdorff atara A da B didefiisika sebagai: H = a1 b1 a2 b2 = max{ a1 b1, a2 b2 } 3. Pembahasa 3.1. Ukura Kesamaa Himpua Kabur Ituitioistik Berilai Iterval Berikut aka dijelaska tetag ukura jarak atara dua himpua kabur berilai iterval (IvFS) da sifat-sifat dari ukura jarak da ukura kesamaa atara dua himpua kabur ituitioistic berilai iterval (IvIFS). Misalka IvIFS(X) merupaka kumpula semua himpua kabur ituitioistic berilai iterval di X. Defiisi 3.1. [8] Suatu pemetaa d : IvIFS(X) IvIFS(X) [0, 1] dikataka sebagai ukura jarak atara himpua kabur ituitioistic berilai iterval (IvIFS) jika memeuhi sifat-sifat berikut. Utuk A, B, C IvIF S(X), berlaku

4 Ukura Kesamaa Himpua Kabur Ituitioistic Berilai Iterval 79 (1) 0 d 1 (2) d(a,b) = 0 jika da haya jika A = B (3) d(a,b) = d(b,a) (4) Jika A B C, maka d d(a, C) da d(b, C) d(a, C) (5) d(a,b) = 1, jika salah satu, yaitu A = atau B = terpeuhi. Defiisi 3.2. [8] Suatu pemetaa S : IvIFS(X) IvIFS(X) [0, 1] dikataka sebagai ukura kesamaa atara himpua kabur ituitioistic berilai iterval(ivifs) jika memeuhi sifat-sifat berikut. Utuk A, B, C IvIF S(X), berlaku (1) 0 S 1 (2) S(A,B) = 1 jika da haya jika A = B (3) S(A,B) = S(B,A) (4) Jika A B C, maka S(A, C) S da S(A, C) S(B, C) (5) S(A,B) = 0, jika salah satu, yaitu A = atau B = terpeuhi. Misalka A, B adalah dua himpua kabur ituitioistic berilai iterval (Iv- IFS) di semesta X = {x 1, x 2,, x }. Asumsika Misalka dimaa M A (x i ) = [if M A (x i ), sup M A (x i )], N A (x i ) = [if N A (x i ), sup N A (x i )], M B (x i ) = [if M B (x i ), sup M B (x i )], N B (x i ) = [if N B (x i ), sup N B (x i )]. H(M A (x i ), M B (x i )) : metrik Hausdorff atara M A (x i ) da M B (x i ), H(N A (x i ), N B (x i )) : metrik Hausdorff atara N A (x i ) da N B (x i ), H(M A (x i ), M B (x i )) = if M A (x i ) if M B (x i ) sup M A (x i ) sup M B (x i ), H(N A (x i ), N B (x i )) = if N A (x i ) if N B (x i ) sup N A (x i ) sup N B (x i ). Dega megguaka metrik Hausdorff, maka didefiisika ukura jarak atara dua buah IvIFS sebagai berikut: d p H (M A, M B ) = 1 p [H(M A (x i ), M B (x i ))] p, d p H (N A, N B ) = 1 p [H(N A (x i ), N B (x i ))] p. Selajutya, didefiisika ukura kesamaa atara dua buah IvIFS sebagai berikut: S p H = 1 2 [Sp H (M A, M B ) + S p H (N A, N B )] { = 1 1 } 2 p p [H(M A (x i ), M B (x i ))] p + p [H(N A (x i ), N B (x i ))] p

5 80 Juda Syahwida, Nova Noliza Bakar utuk p [1, + ), dimaa S p H (M A, M B ) = 1 1 p [H(M A (x i ), M B (x i ))] p meujukka tigkat kesamaa dari derajat keaggotaa berilai iterval M A, M B, da S p H (N A, N B ) = 1 1 p [H(N A (x i ), N B (x i ))] p meujukka tigkat kesamaa dari derajat ketidakaggotaa berilai iterval N A, N B. Teorema 3.3. [8] S p H adalah ukura kesamaa atara dua IvIFS A da B di X. Proposisi 3.4. [8] Berdasarka ukura kesamaa S p H atara dua himpua kabur ituitioistic berilai iterval (IvIFS) A da B, dapat diperoleh bahwa d p H = 1 - Sp H adalah ukura jarak atara himpua kabur ituitioistic berilai iterval (IvIFS) A da B. Misalka f : [0, 1] [0, 1] adalah suatu fugsi mooto turu da S = f(d p H ) f(1). Maka S adalah ukura kesamaa yag dibagkitka f(0) f(1) oleh fugsi f da ukura jarak d p H. (1) Ketika memilih fugsi f, f(x) = 1 x, ukura kesamaa S(A,B) didefiisika sebagai S p H S(A, B) = S p H. (2) Ketika memilih fugsi f, f(x) = e x, ukura kesamaa S(A,B) didefiisika sebagai S p e = e dp H (A,B) e 1 1 e 1 (3) Ketika memilih fugsi f, f(x) = 1 1+x,x 1, ukura kesamaa S(A,B) didefiisika sebagai S p l = 1 dp H 1 + d p H 4. Aplikasi Ukura Kesamaa Himpua Kabur Ituitioistic Berilai Iterval Aplikasi dari himpua kabur ituitioistic berilai iterval sebagai kombiasi dari himpua kabur berilai iterval dega himpua kabur ituitioistic, telah terbukti bayak diterapka dalam bayak peelitia seperti pegambila keputusa, pegeala pola [11], da diagosis medis. Berikut diberika satu cotoh umerik

6 Ukura Kesamaa Himpua Kabur Ituitioistic Berilai Iterval 81 utuk meujukka peerapa ukura kesamaa yag diajuka IvIFS terhadap pegeala pola. Cotoh 4.1. Misal diberika tiga pola himpua kabur ituitioistic berilai iterval (IvIFS) di X = {x 1, x 2, x 3 }, yaitu: A 1 = {(x 1, [0, 8; 0, 9], [0; 0, 1]), (x 2, [0, 1; 0, 2], [0, 5; 0, 7]), (x 3, [0, 4; 0, 6], [0, 1; 0, 2]) x X}, A 2 = {(x 1, [0, 5; 0, 6], [0, 2; 0, 4]), (x 2, [0, 8; 0, 9], [0; 0, 1]), (x 3, [0, 2; 0, 4], [0, 4; 0, 5]) x X}, A 3 = {(x 1, [0, 1; 0, 2], [0, 5; 0, 6]), (x 2, [0, 5; 0, 6], [0, 2; 0, 3]), (x 3, [0, 7; 0, 9], [0; 0, 1]) x X}, da diberika pola IvIFS lai B = {(x 1, [0, 4; 0, 5], [0, 1; 0, 3]), (x 2, [0, 7; 0, 8], [0, 1; 0, 1]), (x 3, [0, 3; 0, 4], [0, 5; 0, 6]) x X}. Aka ditetuka pola maa dari pola IvIFS A 1, A 2, A 3 yag sama dega pola Iv- IFS B. Berdasarka Defiisi 3.2, aka dihitug ukura kesamaa atara pola baru B dega masig-masig pola A i yag diketahui, i = 1, 2, 3. Ukura kesamaa atara himpua kabur ituitioistic berilai iterval (IvIFS), dapat dilakuka dega megambil parameter p = 1, 2, 3, 4, 5. Tabel 1. Tabel S p H (B, A i), i {1, 2, 3} Dari tabel di atas, dapat dilihat pegaruh dari ilai p terhadap ukura kesamaa. Berdasarka Defiisi 3.2 bahwa dua himpua kabur ituitioistic berilai iterval dikataka sama apabila ilai ukura kesamaa atara keduaya medekati 1, maka dari tabel di atas dapat dilihat bahwa ilai ukura kesamaa maa yag medekati 1. Maka dapat disimpulka bahwa pola IvIFS B memiliki kesamaa dega pola IvIFS A 2, karea ilai ukura kesamaaya medekati 1 utuk parameter p = 1, p = 2, p = 3, p = 4, da p = Kesimpula Himpua kabur ituitioistic berilai iterval (IvIFS) merupaka peggabuga teori himpua kabur berilai iterval da himpua kabur ituitioistic (IFS).

7 82 Juda Syahwida, Nova Noliza Bakar Metode yag diguaka utuk meghitug ukura jarak da ukura kesamaa atara IvIFS A da B, yaitu metode metrik Hausdorff. Dari pembahasa da aplikasi dapat disimpulka bahwa : (1) Misalka A da B adalah himpua kabur ituitioistic berilai iterval, ukura kesamaa atara dua IvIFS A da B dega berdasarka metrik Hausdorff, yaitu: S p H = 1 2 [Sp H (M A, M B ) + S p H (N A, N B )] = p { p [H(M A (x i ), M B (x i ))] p + } p [H(N A (x i ), N B (x i ))] p utuk p [1,+ ). (2) Misalka f : [0, 1] [0, 1] suatu fugsi mooto turu da S = f(d p H ) f(1), maka S adalah ukura kesamaa yag dibagkitka oleh fugsi f da ukura jarak d p H f(0) f(1). (a) Ketika memilih fugsi f, f(x) = 1 x, ukura kesamaa S(A,B) didefiisika sebagai S p H S = S p H. (b) Ketika memilih fugsi f, f(x) = e x, ukura kesamaa S(A,B) didefiisika sebagai S p e = e dp H (A,B) e 1 1 e 1 (c) Ketika memilih fugsi f, f(x) = 1 1+x,x 1, ukura kesamaa S(A,B) didefiisika sebagai S p l = 1 dp H 1 + d p H (3) Utuk megetahui da megelompokka suatu pola himpua kabur ituitioistic berilai iterval yag baru, dapat diselesaika dega meghitug ilai ukura kesamaa atara dua himpua kabur ituitioistic berilai iterval berdasarka metrik Hausdorff. 6. Ucapa Terima kasih Peulis megucapka terima kasih kepada Bapak Admi Nazra, Ibu Lyra Yuliati, Ibu Moika Riati Helmi da Bapak Jeizo yag telah memberika masuka da sara sehigga makalah ii dapat diselesaika dega baik.

8 Daftar Pustaka Ukura Kesamaa Himpua Kabur Ituitioistic Berilai Iterval 83 [1] Ataassov, K.T Ituitioistic Fuzzy Sets. Fuzzy Sets ad System 20 (1), pp [2] Ataassov, K.T, G. Gargov Iterval-valued ituitioistic fuzzy sets. Fuzzy Sets ad Systems. 31: [3] Grzegorzewski, P Distaces betwee ituitioistic fuzzy sets ad/or iterval-valued fuzzy sets based o the Hausdorff metric. Fuzzy Sets ad Systems, 148(2), [4] Maji, P. K, Biswas, R da Roy, A. R Fuzzy Soft Sets. Joural of Fuzzy Mathematics 9 (3) : [5] Szmidt, E. J. Kacprzyk A cocept of similarity for ituitioistic fuzzy sets ad its applicatio i group decisio makig. i: Proceedigs of Iteratioal Joit Coferece o Neural Networks ad IEEE Iteratioal Coferece o Fuzzy Systems, Hugary [6] Zadeh, L.A Fuzzy Sets. Iformatio ad Cotrol 8 : [7] Zeg, W.Y, Q. Yi Similarity measure of iterval-valued fuzzy sets ad applicatio to patter recogitio, The Fifth Iteratioal Coferece o Fuzzy System ad Kowledge Discovery [8] Zhag, Q. Yao, H. ad Zhag, Z Some similarity measures of itervalvalued ituitioistic fuzzy sets ad alicatio to patter recogitio. Applied Mechaics ad Materials, Vols 44-47, pp

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

Lebih terperinci

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI

Lebih terperinci

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

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

Lebih terperinci

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 6 No.1 Juni 2012: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC

Jurnal Matematika Murni dan Terapan Vol. 6 No.1 Juni 2012: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC Jural Matematika Muri da Teraa Vol. 6 No.1 Jui 01: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC Muhammad Ahsar Karim 1 Faisal Yui Yulida 3 [1,,3] PS Matematika FMIPA Uiversitas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)

Lebih terperinci

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

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

Lebih terperinci

SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL

SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL Riza Febri Yusma Sri Gemawati Asli Sirait *riza_febri@yahoo.com Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiveritas

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B. TUGAS ANALISIS REAL LANJUT NOVEMBER 207 () (a) Jika b > 0, B > 0, da a b < A, buktika ab < ba. Kemudia buktika B a b < a + A b + B < A B. (b) Buktika [ 2 (a + b)] 2 2 (a2 + b 2 ). Kemudia tujukka bahwa

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

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

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

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

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

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

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

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

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

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

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

Lebih terperinci

Semigrup Matriks Admitting Struktur Ring

Semigrup Matriks Admitting Struktur Ring Semigrup Matriks dmittig Struktur ig K a r y a t i Jurusa Pedidika Matematika FMIP, Uiversitas Negeri Yogyakarta Email: yatiuy@yahoo.com bstrak Diberika adalah rig komutatif dega eleme satua da adalah

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 71-76, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 71-76, Agustus 2003, ISSN : JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 71-76, Agustus 2003, ISSN : 1410-8518 SYARAT CUKUP AGAR SUATU FUNGSI TERINTEGRAL HENSTOCK MUTLAK DI DALAM RUANG METRIK KOMPAK LOKAL Mauharawati Jurusa Matematika

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

Mariatul Kiftiah. JurusanMatematika FMIPA Universitas Tanjungpura, Pontianak Jl. A Yani Pontianak ABSTRACT

Mariatul Kiftiah. JurusanMatematika FMIPA Universitas Tanjungpura, Pontianak Jl. A Yani Pontianak ABSTRACT Prosidig Semirata2015 bidag MIPA BKS-PTN Barat Uiversitas Tajugpura Potiaak EKSISTENSI DAN KETUNGGALAN TITIK TETAP DARI PEMETAAN KANNAN DI RUANG MODULAR (THE EXISTENCE AND UNIQUENESS OF A FIXED POINT FOR

Lebih terperinci

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

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

Lebih terperinci

Himpunan Kritis Pada Graph Caterpillar

Himpunan Kritis Pada Graph Caterpillar 1 0 Himpua Kritis Pada Graph Caterpillar Chairul Imro, Budi Setiyoo, R. Simajutak, Edy T. Baskoro {imro-its,budi}@matematika.its.ac.id, {rio,ebaskoro}@ds.math.itb.ac.id Ues, Semarag, 4 7 Juli 006 Abstrak

Lebih terperinci

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

Lebih terperinci

MATHunesa (Volume 3 No 3) 2014

MATHunesa (Volume 3 No 3) 2014 MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu

Lebih terperinci

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK Jural Matematika UNAND Vol. 2 No. 2 Hal. 71 75 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK SUCI SARI WAHYUNI,

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

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

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

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

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

Lebih terperinci

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

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

Lebih terperinci

Beberapa Sifat Semigrup Matriks Atas Daerah Integral Admitting Struktur Ring 1

Beberapa Sifat Semigrup Matriks Atas Daerah Integral Admitting Struktur Ring 1 Beberapa Sifat Semigrup Matriks Atas Daerah Itegral Admittig Struktur ig K a r y a t i Jurusa Pedidika Matematika FMIPA, Uiversitas Negeri Yogyakarta Email: yatiuy@yahoo.com Abstrak Diberika adalah daerah

Lebih terperinci

RUANG VEKTOR MATRIKS FUZZY

RUANG VEKTOR MATRIKS FUZZY RUANG VEKTOR MATRIKS FUZZY Siti Robiatul Adawiyah 1, Rade Sulaima 2 1 Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Negeri Surabaya, 60231 2 Jurusa Matematika, Fakultas Matematika

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b. Didowload dari ririez.blog.us.ac.id HALAMAN 36 37 5. Dega defiisi limit barisa buktika limit berikut ii : a. lim = 0 lim 1 2 + 3 = 0 > 0 h 1 = 2 + 3 0 = 1 2 + 3 1 2 1 2 1 2 < jadi terbukti bahwa lim =

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 1, 41-48, April 2003, ISSN : MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 1, 41-48, April 2003, ISSN : MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No., 4-48, April 00, ISSN : 40-858 MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA Suryoto Jurusa Matematika F-MIPA Uiversas Dipoegoro Semarag Abstrak Suatu matriks tak

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas

Lebih terperinci

PEMETAAN KONTRAKTIF PADA RUANG b-metrik CONE R BERNILAI R 2

PEMETAAN KONTRAKTIF PADA RUANG b-metrik CONE R BERNILAI R 2 J. Math. ad Its Appl. ISSN: 829-605X Vol. 3, No. 2, Nopember 206, -0 PEMETAAN KONTRAKTIF PADA RUANG b-metrik CONE R BERNILAI R 2 Suarsii, Mahmud Yuus 2, Sadjido 3, Auda Nuril Z 4,2,3,4 Jurusa Matematika,

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

INVERS TERGENERALISASI MATRIKS ATAS ALJABAR MAXPLUS Musthofa Jurusan Pendidikan Matematika FMIPA UNY

INVERS TERGENERALISASI MATRIKS ATAS ALJABAR MAXPLUS Musthofa Jurusan Pendidikan Matematika FMIPA UNY INVERS TERGENERALISASI MATRIKS ATAS ALJABAR MAXPLUS Musthofa Jurusa Pedidika Matematika FMIPA UNY musthofa@uy.ac.id Abstrak Jika A matriks atas lapaga, maka pasti terdapat dega tuggal suatu matriks B yag

Lebih terperinci

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

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

Lebih terperinci

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

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

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

Lebih terperinci

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0. PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO SOAL UJIAN TENGAH SEMESTER GENAP TA 03/04 Mata Ujia : Aalisis Real Tipe Soal : REGULER Dose : Dr. Jula HERNADI Waktu : 90 meit Hari, Taggal : Selasa,

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

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

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

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

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

Lebih terperinci

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus Homomorfisma Pada Semimodul Atas Aljabar Max-Plus A 14 Oleh : Musthofa Jurusa Pedidika Matematika FMIPA UNY Abstrak Kosep homorfisma telah bayak dibahas pada beberapa struktur aljabar yaitu pada ruag vektor

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

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

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 4 Mei 0 SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS Musthofa Jurusa Pedidika Matematika FMIPA

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA Jural Matematika UNAND Vol. 3 No. Hal. 7 34 ISSN : 33 9 c Jurusa Matematika FMIPA UNAND REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA EKA RAHMI KAHAR, DODI DEVIANTO Program

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

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

Lebih terperinci

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

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika

Lebih terperinci

SEMI MODUL POLINOMIAL FUZZY ATAS ALJABAR MAX-PLUS FUZZY

SEMI MODUL POLINOMIAL FUZZY ATAS ALJABAR MAX-PLUS FUZZY JMP : Volume 3 Nomor 1, Jui 2011 SEMI MODUL POLINOMIAL FUZZY ATAS ALJABAR MAX-PLUS FUZZY Ari Wardayai da Suroto Prodi Matematika, Jurusa MIPA, Fakultas Sais da Tekik Uiversitas Jederal Soedirma (email

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da

Lebih terperinci

DIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH

DIMENSI PARTISI PADA GRAF KINCIR PARTITION DIMENSION OF WINDMILL GRAPH PROPOAL TUGA AKHIR DIMENI PARTII PADA GRAF KINCIR PARTITION DIMENION OF WINDMILL GRAPH Oleh: CHANDRA IRAWAN NRP : 100 109 04 JURUAN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT TEKNOLOGI

Lebih terperinci

HUBUNGAN PELABELAN GRACEFUL PADA DIGRAF BIDIRECTIONAL G DAN GRAF UNDERLYING DARI G

HUBUNGAN PELABELAN GRACEFUL PADA DIGRAF BIDIRECTIONAL G DAN GRAF UNDERLYING DARI G J Sais MIPA Desember 7 Vol 1 No Hal: 197 - ISSN 1978-187 ABSTRACT HUBUNGAN PELABELAN GRACEFUL PADA DIGRAF BIDIRECTIONAL G DAN GRAF UNDERLYING DARI G Kristiaa Wijaya Jurusa Matematika FMIPA Uiversitas Jember

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih terperinci

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

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

Supriyadi Wibowo Jurusan Matematika F MIPA UNS

Supriyadi Wibowo Jurusan Matematika F MIPA UNS Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA akultas MIPA, Uiversitas Negeri Yogyakarta, 16 Mei 29 HUBUNGAN ANTARA ORDER DERIVATI- DARI UNGSI f : DENGAN DIMENSI-γ DARI HIMPUNAN RAKTAL Supriyadi

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

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

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati

PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati Jural Matematika Muri da Terapa εpsilo Vol. 07, No.01, (2013), Hal. 33 44 PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati Program Studi Matematika Fakultas Sais da Tekologi UIN Sua Kalijaga Yogyakarta

Lebih terperinci

BARISAN PANGKAT TERURUT MATRIKS PADA ALJABAR MAX PLUS

BARISAN PANGKAT TERURUT MATRIKS PADA ALJABAR MAX PLUS BRISN PNGKT TERURUT MTRIKS PD LJBR MX PLUS Nurwa Jurusa Matematika FMIP Uiversitas Negeri Gorotalo E-mail: urwa_mat@ug.ac.id bstrak Diberika matriks R yag memeuhi = λ. Matriks adalah k + c c k taktereduksi

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS. Abstrak

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS. Abstrak Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 4 Mei 0 SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS Musthofa Jurusa Pedidika Matematika FMIPA

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 2, No.1, Februari 2013

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 2, No.1, Februari 2013 IfiityJural Ilmiah Program Studi Matematika STKIP Siliwagi Badug, Vol 2, No.1, Februari 2013 KEKONTINUAN FUNGSI PADA RUANG METRIK Oleh: Cece Kustiawa Jurusa Pedidika Matematika FPMIPA UPI, cecekustiawa@yahoo.com

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

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

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

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci