Nilai Total Ketakteraturan Titik dari m-copy Graf Lingkaran

Ukuran: px
Mulai penontonan dengan halaman:

Download "Nilai Total Ketakteraturan Titik dari m-copy Graf Lingkaran"

Transkripsi

1 Jural Sas Matematka da Statstka, Vol. 4, No. 1, Jauar 2018 Nla Total Ketakteratura Ttk dar m-copy Graf Lgkara Corry Corazo Marzuk 1, Mlla Lestar 2 1,2 Jurusa Matematka, Fakultas Sas da Tekolog, UIN Sulta Syarf Kasm Rau Jl. HR. Soebratas No. 155 Smpag Baru, Paam, Pekabaru, Emal: corrazo_m@yahoo.co.d, mllalestar215@gmal.com ABSTRAK Pelabela- total pada graf dega hmpua ttk tak kosog da hmpua ss adalah suatu pelabela. Suatu pelabela-k total dkataka tak teratur ttk, jka bobot setap ttk berbeda. Bobot suatu ttk dega pelabela adalah jumlah label ttk da label semua ss yag terkat dega ttk. Nla total ketakteratura ttk dar graf G (total vertex rregularty stregth) dotaska dega adalah la k mmum atau label terbesar mmum yag dguaka utuk melabel graf G dega pelabela total tak teratur ttk. Pada makalah dtetuka la total ketakteratura ttk dar -copy graf lgkara yag dotaska dega dega da. Kata Kuc: m-copy graf lgkara, la total ketakteratura ttk, pelabela total tak teratur ttk. ABSTRACT A total k-labellg of a graph wth a o empty set V of vertces ad a set E of edges, s a labelg. A total k-labelg s called vertex rregular total labelg f the weght of two dstct vertces are dfferet. The weght of a vertex v, uder a labelg, s the sum of label of vertex v ad all labels of edges that adjacet wth v. Total vertex rregularty stregth of graph G deoted by s the mmum k for whch the graph G has a vertex rregular total labelg. I ths paper we determe the total vertex rregularty stregth of m-copes of cycles wth ad. Keywords: m-copy graph cycles, total vertex rregularty stregth, totally vertex rregular total labelg. Pedahulua Graf merupaka salah satu cabag petg dalam lmu Matematka yag terus dkembagka terutama dalam lmu komputer dmaa dega graf dapat mempresetaska bayak sekal model persoala. Dalam kehdupa sehar-har, graf dguaka utuk meggambarka berbaga macam struktur yag ada. Tujuaya adalah sebaga vsualsas objek-objek agar lebh mudah dmegert [10]. Teor graf merupaka pokok bahasa yag sudah tua usaya amu memlk bayak terapa sampa saat. Graf dguaka utuk mempresetaska objek-objek dskrt da hubuga atara objek-objek tersebut. Graf ddefska sebaga pasaga hmpua V, E dtuls dega otas G V, E, yag dalam hal V adalah hmpua tdak kosog dar smpul-smpul (vertces atau odes) dotaska dega v 1, v2,..., v da E adalah hmpua ss-ss (edges atau arcs) yag meghubugka sepasag smpul dotaska dega e 1, e2,..., e [7]. Pelabela total tak teratur pertama kal dperkealka oleh Mart Baca, dkk pada Tahu 2001 [4]. Pelabela- k total ddefska sebaga pemetaa yag memasagka usur-usur graf (ttk da ss) dega blaga bulat postf yag dotaska dega : V E 1,2,..., k. Suatu pelabela-k total dkataka tak teratur ttk, jka bobot setap ttk berbeda. Nla total ketakteratura 73

2 Jural Sas Matematka da Statstka, Vol. 4, No. 1, Jauar 2018 ttk (total vertex rregularty stregth) dar graf G, yag dotaska dega G tvs adalah label terbesar mmum yag dguaka utuk melabel graf G dega pelabela total tak teratur ttk. Terdapat beberapa jes graf, salah satuya adalah graf lgkara (cycle). Graf lgkara adalah graf sederhaa yag dmula da dakhr pada ttk yag sama da setap smpulya berderajat dua. Graf lgkara dega smpul dlambagka dega C. Beberapa peelt yag membahas tetag la total ketakteratura ttk adalah Nurd, dkk dega judul O The Total Vertex Irregular Stregth of A Dsjot Uo of t Copes of A Path [11], hasl dar peelta dperoleh t 1 tvstp t utuk 1, tvstp t 1 utuk 2 3, da tvstp 3 utuk 4. Peelta selajutya oleh Nurd, dkk. berjudul O Total Vertex Irregularty Stregth of Trees [9]. Peelta oleh Al Ahmad, dkk. dega judul Total Vertex Irregularty Stregth of Wheel Related Graphs [1] da Total Vertex Irregularty Stregth of Certa Classes of Ucyclc Graphs [2]. Peelta oleh Idra Rajasgh, dkk. dega judul O Total Vertex Irregularty Stregth of Tragle Related Graphs [5] da O The Total Vertex Irregularty Stregths of Cycle Related Graphs ad H Graphs [6]. Peelta oleh Ashfaq Ahmad, dkk. dega judul Total Vertex Irregularty Stregth of Ladder Related Graphs [3]. Berdasarka keteraga d atas, maka peelt tertark utuk membahas megea la total ketakteratura ttk tvsdar m copy graf lgkara. Metode da Baha Peelta Bayak sekal struktur yag bsa drepresetaska dega graf, da bayak masalah yag bsa dselesaka dega graf. Teor graf pertama kal dperkealka oleh Leohard Euler pada Tahu 1736 melalu tulsaya yag bers tetag upaya pemecaha masalah jembata Kogsberg. Graf G ddefska sebaga pasaga hmpua V, E dtuls dega otas G V, E, yag dalam hal V adalah hmpua tdak kosog dar smpul-smpul (vertces atau odes) da E adalah hmpua ss-ss (edges atau arcs) yag meghubugka sepasag smpul. Defs d atas meyataka bahwa V tdak boleh kosog, sedagka E boleh kosog. Jad, sebuah graf dmugkka tdak mempuya ss satu buah pu, tetap smpulya harus ada, mmal satu. Graf yag haya mempuya satu buah smpul tapa sebuah ss pu damaka graf trval [2]. Pelabela pada suatu graf adalah pemetaa yag memasagka usur graf yatu ttk atau ss dega blaga bulat postf. Berdasarka eleme-eleme yag dlabel maka pelabela dbag ke dalam tga jes, yatu pelabela ttk, pelabela ss, da pelabela total. Jka doma dar pemetaa adalah ttk, maka pelabela dsebut pelabela ttk (vertex labelg). Jka domaya adalah ss, maka dsebut pelabela ss (edge labelg), da jka domaya ttk da ss, maka dsebut pelabela total (total labelg). Salah satu jes pelabela yag belakaga mejad perbcaga yag cukup hagat yatu pelabela total tak teratur. Pelabela total tak teratur terdr dar pelabela total tak teratur ttk, pelabela total tak teratur ss, da pelabela total tak teratur total. Berkut aka dberka defs tetag pelabela total tak teratur ttk da pelabela total tak teratur total. Pelabela- k total tak teratur ttk pertama kal dperkealka oleh Bača, dkk., pada Tahu 2007, dalam jural yag berjudul O Irregular Total Labellgs [4]. Defs 1. [4] Msalka G V, E adalah sebuah graf. Pelabela : V E 1,2,, k dkataka pelabela- k total tak teratur ttk d G, jka setap dua ttk berbeda x da y d G xy memeuh wtx wty. Bobot ttk x yatu: wtx x xy E. Nla total ketakteratura ttk dar graf G yatu label terbesar mmum yag dguaka utuk melabel graf G dega pelabela- k total tak teratur ttk, yag dotaska dega tvs G. bobot ttk x yatu: wt xy x x xy. E 74

3 Jural Sas Matematka da Statstka, Vol. 4, No. 1, Jauar 2018 Bača, dkk. juga memperoleh batas bawah da batas atas la total ketakteratura ttk dar suatu graf G, yag dapat dlhat pada Teorema 2. Teorema 2. [4] Msalka G adalah graf maksmum G, maka: p 1 tvs G p 2 1 p, q dega derajat mmum G da derajat Adapu lagkah-lagkah yag dguaka dalam meetuka la total ketakteratura ttk dar m -copy graf lgkara sebaga berkut : 1. Dberka graf mc 2. Meetuka batas bawah dar tvs mc utuk m 1 da 2mod3 dega megguaka Teorema 2, yatu: p tvs G p 3. Meetuka pelabela-k total tak teratur ttk dar graf mc utuk m 1,2,3,..., 10 da 5,8,11dega megguaka label terbesar sebesar batas bawah yag dperoleh pada Lagkah Meetuka rumus utuk pelabela ttk dar graf mc utuk m 1 da 2mod3 dega megacu pada pola pelabela yag terdapat pada Lagkah Meetuka rumus utuk pelabela ss dar graf mc utuk m 1 da 2mod3 dega megacu pada pola pelabela yag terdapat pada Lagkah Meetuka rumus bobot ttk dar graf mc utuk m 1 da 2mod3 dega megacu pada Lagkah 4 da Lagkah Membuktka bahwa merupaka pelabela total tak teratur ttk pada graf mc utuk m 1 da 2mod3. 8. Megaplkaska rumus la total ketakteratura ttk dar graf mc yag dperoleh utuk m 15 da 5. Hasl da Pembahasa Graf mc merupaka sebuah graf yag dperoleh dega meggadaka graf C sebayak m, dmaa utuk setap hmpua ttk dar graf peggadaa tdak ada yag berrsa. Adapu pembera ama ttk da ss pada graf mc sebaga berkut: a. Pembera ama ttk da ss pada graf mc utuk gajl. Graf C hasl peggadaa ke- adalah v 1 1e 1 2v1 3e e 1vev1e2v3e4... e 13v1 2e1 1v1 1 dega 1 m. b. Pembera ama graf mc utuk geap. Graf C hasl peggadaa ke- adalah v 1 1e 1 2v1 3e eve 1v2e3v4... e 13v1 2e1 1v1 1 dega 1 m. 75

4 Jural Sas Matematka da Statstka, Vol. 4, No. 1, Jauar 2018 berkut : Hasl peelta tetag Teorema 3. Utuk 1 tvs mc utuk 1 m da 2mod3 berlaku: m da 2mod3 mc tvs 76 m 2 3, dberka dalam teorema Bukt: p Berdasarka Teorema 1, tvs mc p. Oleh karea p= m da = =2 m 2 m 2 maka dperoleh 1 3 tvs mc m. Jad terbukt bahwa tvsmc 3. m 2 Selajutya aka dbuktka tvsmc 3. Hal aka dbuktka dega cara m 2 meujukka adaya pelabela- 3 total tak teratur ttk pada graf mc, yatu: a. Pelabela ttk pada graf mc, utuk 1 2 mod3 adalah sebaga berkut: 2 3 utuk mod 3, v 3 utuk 1mod 3, 1 3 utuk laya. b. Pelabela ss pada graf mc, utuk m 1 da 2mod3 adalah sebaga berkut: 1 e 3 utuk 1 m. Berdasarka pelabela datas, dapat dhtug bobot ttk pada graf mc, utuk m 1 da 2mod3 sebaga berkut: 1. Utuk 1mod 3 wtv v e e Utuk 1mod 3 da 2 1mod 3 wtv v e e m da

5 Jural Sas Matematka da Statstka, Vol. 4, No. 1, Jauar Utuk mod 3 wtv v e e Utuk 2mod 3 da 0mod 3 wtv v e e 1 5. Utuk laya wt v v e e Adapu rumus umum utuk bobot ttk dar graf sebaga berkut: wt v mc, utuk 1 utuk 1mod 3 da 2 1mod 3 m da 2mod3, utuk 2mod 3 da 0mod 3 utuk laya. m da 2mod3, Bobot ttk dar graf mc dmaa 1 adalah blaga bulat postf beruruta yatu 2, dega 1,2,3,... m, atau dega kata la bobot ttk dar graf mc adalah blaga bulat postf beruruta mula dar 3 sampa dega m 2, sehgga bobot setap ttkya m 2 berbeda semua. Jad la tvsmc 3. m 2 m 2 Oleh karea tu tvsmc 3 da tvsmc 3 terbukt m 2 tvsmc 3. 77

6 Jural Sas Matematka da Statstka, Vol. 4, No. 1, Jauar 2018 Kesmpula Berdasarka hasl da pembahasa tetag la total ketakteratura ttk dar m copy graf lgkara, dapat dsmpulka bahwa la total ketakteratura ttk dar m copy graf lgkara m 2 tvs mc utuk m 1 da 2mod3. 3 adalah Daftar Pustaka [1] Ahmad, A., Awa, K.M., Javad, I., da Slam. Total Vertex Irregularty Stregth of Wheel Related Graphs. Australasa Joural of Combatorcs. Vol. 51 (2011) [2] Ahmad, A., Bača, M., da Bashr, Y. Total Vertex Irregularty Stregth of Certa Classes of Ucyclc Graphs. Bull. Math. Soc. Sc. Math. Roumae. Vol.57 (105) No. 2 (2014) [3] Ahmad, A., Bokhary, S.A.H., Has, R., da Slam. Total Vertex Irregularty Stregth of Ladder Related Graphs. Sc. It(Lahore) 26(1) (2014) 1-5. [4] Bača, M., Jedrol J., Mller, M., da Rya, J. O Irregular Total Labellgs, Dscrete Math. Vol. 307 (2007) [5] Rajasgh, I., Raja, B., da Aamma,V. O Total Vertex Irregularty Stregth of Tragle Related Graphs. Aals of Pure ad Appled Mathematcs Vol.1 No.2 (2012) [6] Rajasgh, I., Raja, B., da Aamma,V. O The Total Vertex Irregularty Stregths of Cycle Related Graphs ad H Graphs. Iteratoal Joural of Computer Applcatos 52 (19) (2012) [7] Mur, R. Matematka Dskrt. Eds Tga, halama 353. Iformatka Badug, Badug [8] Nurd, Salma, A.N.M., Gaos, N.N., Baskoro, E.T. O the Total Vertex Irregular Stregth of a Dsjot Uo of t Copes of a Path. Joural of Combatoral Mathematcs ad Combatoral Computg 71 (2009) [9] Nurd, Baskoro, E.T., Salma, A.N.M., Gaos, N.N. O Total Vertex Irregularty Stregth of Trees. Dscrete Math. 233 (2010) [10] Sag, J.J. Matematka Dskrt da Aplkasya Pada Ilmu Komputer. Eds Empat, halama 217. Ad, Yogyakarta

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

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

PELABELAN GRACEFUL SATU MODULO w PADA BEBERAPA GRAF EULER

PELABELAN GRACEFUL SATU MODULO w PADA BEBERAPA GRAF EULER PELABELAN GRACEFUL SATU MODULO PADA BEBERAPA GRAF EULER Isa 1, Luca Ratasar, R. Heru Tjahjaa 3 1,,3 Jurusa Matematka, Fakultas Sas da Matematka, Uverstas Dpoegoro Jl. Prof. H. Soedarto, S.H. Tembalag,

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

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA PELABELAN HARMONIS GANJIL PADA GRAF KINIR ANGIN BELANDA DAN GABUNGAN GRAF KINIR ANGIN BELANDA Fery Frmasah ), Kk Aryat Sugeg ) Abstrak : Gra G V G, EG dega V G adalah hmpua smpul da G hmpua busur dsebut

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

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

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

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur Jural Matemata Itegrat ISSN 4-4 Vol. 9 No. Otober 0 pp. -9 Pelabela Total Super Ss Ajab Pada Gra Caterpllar Teratur Trya St Rahmah Nursham Muta Nur Estr Program Stud Matemata Jurusa MIPA Faultas Sas da

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

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

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

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

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 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 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

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 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

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

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

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP JMP : Volume 1 Nomor 2, Oktober 2009 PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP Tryan dan Nken Larasat Fakultas Sans dan Teknk, Unverstas Jenderal Soedrman Purwokerto, Indonesa

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

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

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 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

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

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

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

* 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

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

Digraf Eksentrik dari Graf Crown. Fakultas MIPA UNS Surakarta

Digraf Eksentrik dari Graf Crown. Fakultas MIPA UNS Surakarta Dgraf Eksetrk dar Graf Crow NugrohoArf udbo 1, Tr Atmojo Kusmaad 1 Program tud Tekk Iformatka TMIK Duta Bagsa urakarta Fakultas MIPA UN urakarta ABTRAK Dberka G suatu graf dega hmpua berhgga verte V(G)

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

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

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

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL A-12 Sswato 1, Ar Suparwato 2, M Ady Rudhto 3 1 Mahasswa S3 Matematka FMIPA UGM da Staff Pegajar FMIPA UNS Surakarta,

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

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, smrd2007@gmal.com 2 Mathematcs Departmet, Gadah Mada Uverst, supama@ugm.ac.d

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

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

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

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

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

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

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

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

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

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 III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

Aturan Cramer dalam Aljabar Maks-Plus Interval

Aturan Cramer dalam Aljabar Maks-Plus Interval Jural Matematka & Sas Aprl 2015 Vol 20 Nomor 1 Atura Cramer dalam Aljaar Maks-Plus Iterval Sswato Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Uverstas Seelas Maret Surakarta e-mal: ssmpaus@yahoocod

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

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

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

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

PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M

PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG oleh DWI HANDAYANI M 9 SKRIPSI dtul da dauka utuk memeuh ebaga peryarata memperoleh gelar Saraa Sa Matematka FAKULTAS

Lebih terperinci

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Masalah Norm Mmum (Karat) MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Karat da Dhorva Urwatul Wutsqa Jurusa Peddka Matematka FMIPA Uverstas Neger Yogakarta Abstract I ths paper, wll be dscussed

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

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

KODE SIKLIK (CYCLIC CODES)

KODE SIKLIK (CYCLIC CODES) Pegatar Teor Pegkodea (Codg Theory) KODE SIKLIK (CYCLIC CODES) Dose Pegampu : Al Sutjaa DISUSUN OLEH: Nama : M Zak Ryato Nm : /5679/PA/8944 Program Stud : Matematka JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

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

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

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

ALJABAR LINTASAN LEAVITT SEMIPRIMA

ALJABAR LINTASAN LEAVITT SEMIPRIMA ALJABAR LINTASAN LAVITT SMIPRIMA Ngrum Astrawat Program Stud Tekka, Akadem Martm Yogyakarta astramath@gmal.com ABSTRA. Suatu graf dapat drepresetaska sebaga aljabar ltasa da jka graf tersebut dperluas

Lebih terperinci

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

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

Extra 4 Pengantar Teori Modul

Extra 4 Pengantar Teori Modul Extra 4 Pegatar Teor odul Apabla selama dkealka suatu kosep aljabar megea ruag vektor, maka modul merupaka perumuma dar ruag vektor. Pada modul, syarat skalar dperumum mejad eleme pada suatu rg da buka

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

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

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

Orbit Fraktal Himpunan Julia

Orbit Fraktal Himpunan Julia Vol. 3, No., 6-7, Jauar 7 Orbt Fraktal Hmpua Jula Ad Kresa Jaya, Nswar Alasa Abstrak Makalah membahas kumpula ttk-ttk yag berada dalam daerah hmpua Jula d ruag kompleks da memperlhatka sebuah algortma

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

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

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

KODE SIKLIK (CYCLIC CODES)

KODE SIKLIK (CYCLIC CODES) Codg Theory KODE SIKLIK (CYCLIC CODES) Muhamad Zak Ryato NIM: 2/56792/PA/8944 E-mal: zak@malugmacd http://zakmathwebd Dose Pembmbg: Drs Al Sutjaa, MSc Pedahulua Salah satu bahasa yag palg petg pada lear

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

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

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

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 II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci