BAB II KAJIAN PUSTAKA. Aljabar Max-Plus adalah himpunan { } himpunan semua bilangan real yang dilengkapi dengan operasi

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II KAJIAN PUSTAKA. Aljabar Max-Plus adalah himpunan { } himpunan semua bilangan real yang dilengkapi dengan operasi"

Transkripsi

1 BAB II KAJIAN PUSTAKA A. Aljabar Max-Plus 1. Pegerta Aljabar Max-Plus Aljabar Max-Plus adalah hmpua { } dega hmpua semua blaga real yag dlegkap dega operas maksmum, dotaska dega da operas pejumlaha yag dotaska dega. Selajutya (,, ) dotaska dega da dotaska dega ε. Eleme ε merupaka eleme etral terhadap operas da 0 merupaka eleme dettas terhadap operas. Bayak peraa Aljabar Max-Plus dalam meyelesaka persoala d beberapa bdag sepert teor graf, kombatork, teor sstem, teor atra, da proses stokastk. Hal telah dbahas dalam beberapa buku da jural sepert B. De Schutter, et.al (1998), Hedergott (1999), Bacell,et.al (001), da Kase G. Farlow, (009).. Matrks da Vektor pada Aljabar Max-Plus Masalah-masalah optmalsas olear dapat mejad lear pada, maka dalam hal aka dbahas megea matrks da vektor pada (Kase G. Farlow, 009:11). 7

2 8 a. Matrks Hmpua matrks x m utuk m, pada dotaska dega xm. Dalam matrks, meujukka jumlah bars da m meujukka jumlah kolom. Secara khusus dalam Aljabar, matrks xm A dtuls sebaga berkut: a a a a1 a a A a a a m m 1 m Matrks A utuk la masukka ke- bars da ke-j kolom dotaska dega A j. Pejumlaha da maksmum pada matrks da vektor Aljabar Max-Plus ddefska dega cara yag berbeda yak maksmum da pejumlaha. Defs.1 (Kase G. Farlow, 009: 1) x a. Utuk AB, maksmumya ddefska A Bdega: A B A A ( A, B ) j j j j j b. Traspose dar matrks dotaska dega dalam Aljabar Max-Plus ddefska [ A T ] j T A da secara khusus A j c. Matrks dettas Aljabar Max-Plus x, E ddefska sebaga berkut: E j 0 jka jka j j

3 9 d. Utuk matrks perseg da k blaga bulat postp, pagkat ke-k pada A dotaska dega k A ddefska: k A A A... A utuk k = 0, 0 A E sampa kek xm e. Utuk sebarag matrks A da sebarag skalar a, a A ddefska sebaga berkut: a A a A j Cotoh.1: j Dberka 3 A e 4 da B 3 5, maka (,3) (3,5) 3 5 A B e ( e, 1) (4, 4) e (3, ) (5,3) 3 5 B A 1 4 e 4 ( 1, e) (4, 4) e 4 Jad AB B A A B e ( 3,3 ( 1)) ( 5,3 4) ( e 3, 4 ( 1)) ( e 5, 4 4) B A 1 4 e 4 (3,5 e) (3 3,5 4) (( 1), 4 e) (( 1) 3, 4 4)

4 10 Jad AB B A Operas pada matrks A da B bersfat komutatf utuk matrks karea A B B A, tetap tdak. Matrks dettas merupaka dettas pada, mx AE A utuk semua A da xm Em A A utuk semua A. b. Vektor Aggota dar x dsebut vektor Max-Plus. Kompoe ke-j dar vektor x dotaska dega j x atau x j. Kolom ke-j dar matrks dettas Edketahu sebaga vektor bass ke-j pada. Vektor dotaska dega e (,,,...,,,,,... ). Dega kata la, e merupaka masukka ke-j pada vektor. j B. Matrks Atas Aljabar Max-Plus Operas da pada dapat dperluas utuk operasoperas matrks Defs. (Rudhto, 004: 4) mx sepert dalam defs berkut: mx Dberka { A ( Aj ) Aj utuk 1,,..., m da j 1,,..., } mx 1. Dketahu, AB,. Ddefska A adalah matrks yag usur ke-j-ya:

5 11 ( A) j A j utuk = 1,,..,m da j = 1,,., da A B adalah matrks yag usur ke-j-ya: ( A B) j A j B j utuk = 1,,..,m da j = 1,,.,. Dketahu mxp px A, B. Ddefska A B adalah matrks yag usur ke-j-ya: p ( A B) A B utuk = 1,,..,m da j = 1,,., j k kj k1 Cotoh.: (1,1) (5,5) (,3) (,6) (4, 4) ( 3, 4)

6 (,9,8) (8,3,9) (,8,11) (,,1) Defs.3 (Rudhto, 004: 4) Matrks AB, dkataka sama jka Aj Bj utuk setap da j. mx Operas da utuk matrks tersebut memlk sfat-sfat berkut: Teorema.1 (Suboo, 010: 14) Beberapa sfat berkut berlaku utuk sebarag matrks A, B, da C dega ukura yag bersesuaa da operas matrks terdefs. () (A B) C = A ( B C) () (A B) C = A (B C) () A (B C) = (A B) (A C) (v) (A B) C =(A C) (B C) (v) A A = A Bukt: Aka dbuktka utuk () da (), sedagka bukt yag laya megkut dar defs operas da sfat-sfat operas pada. Bukt (), ambl sebarag matrks A p pq qm, B, da C.

7 13 Eleme bars ke- kolom ke-j matrks (A B) C adalah sebaga berkut: q A B C A, B, C, q p k1l1 p j k1 l1 A B C, l l, k k, j p q A B C, l l, k k, j l1 k1 A B C, j l l k k j utuk da j m. Bukt () ambl sebarag matrks A qm. p da B, C Eleme Bars ke- kolom ke-j matrks A (B C) adalah sebaga berkut: p AB C A, k Bk, j Ck, j j k 1 p k 1 A B A C, k k, j, k k, j p p A, k Bk, j A, k Ck, j k1 k1 [( A B)] [( AC)], utuk da j m. j j Ddefska matrks ɛ dega (ɛ) j : = ɛ utuk setap da j. m x C. Semmodul Atas Aljabar Max-Plus Aljabar Max-Plus memlk beberapa sfat khusus yag selajutya aka dbuktka bahwa sfat-sfat tersebut terpeuh. Perluasa operas pada utuk matrks dalam m x, semmodul da relas uruta berada d dalamya.

8 14 Defs.4 (Rudhto, 004: 13) Suatu semrg (S, +, ) adalah suatu hmpua tak kosog S dserta dega dua operas ber + da, yag memeuh aksoma berkut: 1. (S, +) merupaka semgrup komutatf dega eleme etral 0, yatu a, b, c S memeuh a) a + b = b + a b) (a + b) + c = a + (b + c) c) a + 0 = 0 + a = a,. (S, ) adalah semgrup dega eleme satua 1, yatu a, b, c S memeuh a) (a b) c = a (b c) b) a 1 = 1 a = a, 3. Sfat peyerapa eleme etral 0 terhadap operas, yatu a S memeuh a 0 = 0 a = Operas dstrbutf terhadap +, yatu a, b, c S berlaku a) (a + b) c = (a c) + (b c) b) a (b + c) = (a b) + (a c) Suatu semrg (S, +, ) dkataka komutatf jka operas bersfat komutatf, yatu a, b S : a b = b a.

9 15 Cotoh.4: Dberka := {} dega adalah hmpua semua blaga real da :. a b: = {a, b} da a b: = a + b. ddefska operas berkut: ab,, Msalka 9-3 = {9, -3} = 9 da -3 1 = = 9. Selajutya dtujukka (,, ) merupaka semrg dega eleme etral = - da eleme satua e = 0, karea utuk setap a, b, c berlaku : () a b = {a, b} = {b, a} = b a, (a b) c = {{a, b}, c} = {a, b, c} = {a, {b,c}} = a (b c), a = {a, - } = {-, a} = a = a. () (a b) c = (a + b) + c = a + (b + c) = a (b c), a e = a + 0 = 0 + a = e a = a, () a = a + (- ) = - = - + a = a, (a b) c = {a, b} + c = {a + c, b + c} = (a c) (b c), a (b c) = a + {b, c} = {a + b, a + c} = (a b) (a b) Selajutya utuk lebh rgkasya, peulsa semrg (,, ) dtuls sebaga. Defs.5 (Rudhto, 004: 133) Suatu semrg (S, +, ) mempuya sfat dempote terhadap operas + berlaku a + a = a, a S.

10 16 Cotoh.5: merupaka semrg komutatf yag sekalgus dempote, sebab utuk setap a, b {a, a} = a Defs.6 (Rudhto, 004: 133) berlaku a b = a + b = b + a = b a da a a = Suatu semrg komutatf (S, +, ) damaka semfeld bla setap eleme x d S - {0} mempuya vers terhadap operas, yatu utuk setap x d S - {0} ada a -1 sehgga a a -1 = a -1 a = 1. Struktur aljabar dar adalah semfeld (Bacell, et.al, 199: 10), yatu: 1. (, ) merupaka semgrup komutatf dega eleme etral.. (, ) merupaka grup komutatf dega eleme dettas Operas da bersfat dstrbutf. 4. Eleme etral bersfat meyerap terhadap operas, yatu a a a, Cotoh.6: Semrg komutatf (,, ) merupaka semfeld karea utuk setap a terdapat a sehgga berlaku a (a) = a + (a) = 0. Cotoh berkut terlhat bahwa merupaka semfeld dempote. dsebut dega Aljabar Max-Plus da eleme-eleme aka

11 17 dsebut juga dega skalar. Dalam hal uruta pegoperasa (jka tada kurug tdak dtulska), operas mempuya prortas yag lebh tgg dar pada operas. Pagkat dalam Aljabar Max-Plus secara basa dperkealka dega megguaka sfat assosatf. Hmpua blaga asl dgabug dega blaga ol dotaska oleh da ddefska utuk x da utuk semua dega 0 x : x x... x utuk = 0 ddefeska x : e( 0). Perhatka bahwa utuk setap, x dalam aljabar basa dbaca sebaga x : x x... x x x... x x Pagkat Aljabar Max-Plus mempuya prortas tertgg dbadgka operas da dalam hal uruta pegoperasa. Defs.7 (Suboo, 010: 15) (S,+,x) adalah semrg komutatf dega eleme etral 0 da 1. Semmodul M atas S adalah semgrup komutatf (M,+) bersama operas perkala skalar : S x M M, dtulska sebaga (α, x) α.x yag memeuh aksoma berkut: α,β S da x,y M berlaku: 1. α ( x + y ) = α x + α y. ( α + β ) x = α x + β x 3. α ( β x ) = ( α x β ) x

12 x = x 5. 0 x = 0 Suatu eleme dar suatu semmodul damaka vektor. Suatu cotoh, 1 adalah semmodul atas. Dalam hal cukup 1 dtuls. Eleme ke-j dar suatu vektor x dotaska oleh x j da dtuls sebaga [x] j. Vektor d dega semua elemeya sama dega e damaka vektor satua dotaska oleh u dtuls sebaga [u] j = e utuk semua j. Utuk setap α vektor α u adalah vektor yag semua elemeya sama dega α. Utuk setap j kolom ke-j dar matrks satua E(,) damaka vektor bass ke-j dar da dotaska oleh e j. Jad, eleme ke-j dar vektor ej sama dega e sedagka eleme laya sama dega e. Berkut dberka suatu relas pada ahmpua yag berkata dega uruta dalam hmpua tersebut. Pegerta dar relas da beberapa sfat aka bergua dalam kaja Aljabar Max-Plus Cotoh.7:. Dberka := { x = [ x 1, x,, x ] T x, = {1,,.., x }. Utuk setap x, y da utuk setap ddefska operas dega x y = [x 1 y 1, x y,, x y ] T da operas perkala skalar dega x = x = [x 1, x,, x ] T

13 19 dapat dpadag sebaga. Dega memperhatka Teorema 1 x 1 1) da ) terlhat bahwa (, ) merupaka semgrup komutatf dega eleme etral = [,,..., ] T. Kemuda dega memperhatka Teorema 1 10), 9), da 8), Defs.8 (Jek Sag, 00: 33) merupaka semmodul atas. Relas pada suatu hmpua P damaka uruta parsal pada P jka utuk semua x, y, z P memeuh, 1. a a, sfat refleks. bla a b da b a, maka a = b, sfat atsmetr 3. bla a b da b c, maka a c, sfat trastf Selajutya, bla berlaku a b atau b a, maka a da b dkataka komparabel. Peulsa a b juga bsa dtuls b a. Bla a b da a b, maka dtuls dega a b. Apabla dua eleme dar P dapat dbadgka, maka uruta parsal damaka uruta total Berkut dberka suatu teorema yag berkata dega pegerta uruta parsal pada suatu semgrup komutatf dempotet. Cotoh.8.1: Hmpua + adalah hmpua blaga bulat postf. Relas (kurag atau sama dega) adalah sebuah parsal order pada +. Jawab : Bla (a,b) ada ddalam R jka a b. Karea setap blaga bulat = drya sedr refleks Karea a b da b a kecual a = b atsmetr

14 0 Jka a b da b c maka a c trastf Jad terbukt bahwa ( +,) merupaka uruta parsal Cotoh.8.: Relas R yag ddefska hmpua blaga bulat postf oleh (x, y) R jka x membag y (tapa ssa). Aka dtujukka bahwa relas R adalah refleksf, atsmetrs, da trastf. Karea jka x membag habs y berart y tdak membag habs x kecual x = y, R adalah sebuah relas atsmetr Karea setap blaga bulat membag habs drya sedr, R merupaka suatu relas refleks Karea jka x membag habs y, da y membag habs z, maka x membag habs z, R adalah sebuah relas trastf. Dega demka R adalah sebuah relas peguruta parsal. Cotoh.8.3: ddefska hmpua blaga bulat (, ) merupaka poset yag terurut total Relas kurag dar atau sama dega pada blaga bulat adalah uruta total karea jka x da y blaga bulat, maka x y atau y x. Teorema. (Suboo, 010: 1) Jka (, +) semgrup komutatf dempotet, maka relas yag ddefska pada dega a b a + b = b, maka relas adalah uruta parsal pada.

15 1 Bukt : Dberka sebarag eleme a, b da c d, maka : () karea dempotet, maka a + a = a a a () jka a b da b a, maka a + b = b da b + a = a da karea komutatf, maka a + b = b + a = a, jad a = b, () jka a b da b c, maka a + b = b da b + c = c da karea mempuya sfat assosatf, maka a + b = a + ( b + c ) = ( a + b ) + c = b + c = c, jad a c. Akbat.1 (Suboo, 010: 1) Relas m yag ddefska pada dega a b a b b merupaka uruta parsal pada. Relas merupaka uruta total pada Bukt :. Karea (, ) merupaka semgrup dempotet, maka meurut Teorema relas m yag ddefska pada d atas merupaka uruta parsal pada. Jka dambl ab,, maka berlaku a b ( a, b) a atau a b ( a, b) a Akbat. (Suboo, 010: ) : Relas mx yag ddefska pada dega m A B A B B A B A B utuk setap da j m j j j m j merupaka uruta parsal pada mx.

16 Bukt: Dega megguaka Teorema () da () da () terlhat bahwa (, ) merupaka semgrup komutatf dempotet. Sehgga meurut mx Teorema relas m yag ddefska pada mx d atas merupaka uruta parsal. Akbat.3 (Suboo, 010: 1): Relas m yag ddefska pada dega x m y x y y x m y utuk setap da j merupaka uruta parsal pada Bukt:. (, ) merupaka semgrup komutatf dempotet, maka relas m yag ddefska pada merupaka uruta parsal pada. Relas m yag ddefska pada mx datas buka merupaka uruta total, karea utuk dua matrks A da B masg-masg berukura x sebaga maa berkut : A da B dega AB Sehgga AB B da AB A. Demka juga relas m yag ddefska pada datas buka merupaka uruta total, karea terdapat vektor A 1,,3 T da B,0, 1 T dega AB 1,,3 T

17 3,0, 1 T,,3 T maka A B B da A B A. Teorema.3 (Suboo, 010: 3): Dberka matrks A m m. Bla vektor x, y dega x m y, maka (A x) m A y. Bukt : m Utuk sebarag x, y dega x m y, maka x y = y A ( x y ) = A y Cotoh.9: Dberka matrks (A x ) ( A y ) = A y A x m A y A da vektor Jelas bahwa x m y. 4 x 6, 6 y A x da A y Terlhat bahwa A x m A y. D. Sstem Persamaa Lear Max-Plus Ax b Sub peyelesaa terbesar pada sstem persamaa ler -plus Ax b aka dbahas pada sub bab. Kekuraga dar aljabar -plus adalah tdak adaya vers addtve. Hal yag meyultka utuk

18 4 meyelesaka sstem persamaa lear Ax b. Dalam aljabar peyelesaa persamaa Ax b tdak selalu ada, bla ada hal belum tetu tuggal. Cotoh.10: Matrks A tdak harus matrks bujur sagkar, utuk matrks A selalu ddapat sub peyelesaa terbesar dar Ax b. Subpeyelesaa terbesar adalah vektor terbesar x yag memeuh Ax b. Peyelesaa dotaska oleh x*(a, b). Sub-peyelesaa terbesar tdak harus merupaka suatu peyelesaa dar Ax b (Suboo, 010: 38). Dberka sstem persamaa lear 3 x x 5 Persamaa Ax b tdak puya peyelesaa, sebab bla puya peyelesaa berart ada x1 x x sehgga 3 x x 5. Ddapat x 1 = 0 da {7, 9 + x } = 5, terlhat bahwa tdak aka ada x sehgga {7, 9 + x }= 5. Jad A x = b tdak puya peyelesaa. Utuk tulah, masalah peyelesaa A x = b dapat dperlemah dega medefska kosep subpeyelesaa berkut. Defs.8 (Rudhto, 005: 160) Dberka A mx m da b. Vektor x dsebut suatu sub peyelesaa sstem persamaa lear A x = b jka vektor x tersebut memeuh A x b. m

19 5 Subpeyelesaa A x = b selalu ada, karea utuk = [,,, ] T selalu berlaku A = b. Defs.9 (Rudhto, 005: 160) m Suatu subpeyelesaa ˆx dar sstem A x = b dsebut subpeyelesaa terbesar sstem A x = b jka x x ˆ utuk seta m subpeyelesaa x dar sstem A x = b. Teorema.4 (Baccell, et.al., 001: 110) Dberka A semuaya sama dega da b mx dega usur-usur setap kolomya tdak m. Subpeyelesaa terbesar A x = b ada da dberka oleh ˆx dega - xˆ ( b A ) utuk setap = 1,, 3,.,m da j = 1,,., Bukt : j j A11 x1 A1 x... A1 x m b1 A1 x1 A x... A x m b ( A x b) : A x A x... A x b m1 1 m m m m ( A x ) b, j j j ( A x ) b, j j m, j ( A x ) b, j j, j Usur setap kolom matrks A tdak semuaya sama dega, maka utuk setap j selalu ada sehgga Aj yag berart - A j ada. Meggat setap a berlaku a da a a, maka

20 6 koefse-koefse A j = tdak aka berpegaruh pada la A x. Sehgga oleh karea tu, berlaku: ( A x ) b, j j, j ( A x b, dega A ) j j, j j ( x b A, dega A ) j j, j j ( x m( b A ), dega A ) j j j j ( x ( b A ), ) j j j Jad, subpeyelesaa sstem A x = b adalah setap vektor x yag kompoe-kompoeya memeuh x ( b A ),. Jka ' j j j vektor xˆ [ xˆ ˆ ˆ 1, x,..., x ] T ddefska dega xˆ j ( b Aj ) utuk setap j = 1,, 3,,, maka dperoleh ( xˆ ( b A ), ) j j j ( xˆ m( b A ), dega A ) ( xˆ b A, dega A ) ( A xˆ b, j j j j j j j j j j j m A xˆ b m Vektor ˆx tersebut merupaka subpeyelesaa sstem A x = b karea xˆ ( b A ) xˆ,, maka j j j j x xˆ,. Akbatya ' j j j ' x m xˆ sehgga vektor ˆx tersebut merupaka subpeyelesaa terbesar sstem A x = b. Terkat hal tersebut, maka dapat dketahu cara utuk meyelesaka sstem persamaa Ax b. Lagkah pertama, dhtug

21 7 terlebh dahulu subpeyelesaa terbesarya. Kemuda dperksa subpeyelesaa terbesarya tu memeuh sstem persamaa atau tdak. Utuk mempermudah meghtug subpeyelesaa terbesar Ax b, dperhatka bahwa: xˆ 1 xˆ xˆ xˆ ( b A 1) ( b A ) ( b Am) ( A 1 b) ( A b) ( Am b ) T... m m... A11 b1 A1 b A 1 b A1 b1 A b Am bm A1 b1 A b... Am bm A ( b) Subpeyelesaa terbesar Ax b dapat dtetuka dega lagkah T pertama meghtug xˆ A ( b). Dalam Teorema 4 tersebut, karea dasumska bahwa kompoe setap kolom matrks A tdak semuaya sama dega, maka subpeyelesaa terbesar x ˆ.

22 8 Cotoh.11: Sebelum mecar peyelesaa terbesar sstem persamaa berkut, terlebh dahulu meetuka subpeyelesaa terbesarya x1 5 8 x 6 13 T Htug la A ( b) T A ( b) Sehgga ddapatka subpeyelesaa terbesar sstem persamaa d atas adalah 11 7 Karea maka merupaka peyelesaa sstem d atas. Cotoh.1: Sebelum mecar peyelesaa terbesar sstem persamaa berkut, terlebh dulu meetuka subpeyelesaa terbesarya x1 5 1 x 6 13 T Htug la A ( b) terlebh dahulu

23 9 T A ( b) Sehgga ddapatka subpeyelesaa terbesar sstem persamaa d atas adalah 11 7 Karea maka 11 7 buka merupaka peyelesaa sstem d atas. Persamaa lear Max-Plus Ax b mempuya subpeyelesaa terbesar yag buka merupaka peyelesaa, maka Sstem Persamaa Lear Max-Plus tersebut tdak mempuya peyelesaa. I dapat dtujukka sebaga berkut, adaka x adalah peyelesaa Sstem Persamaa Lear Max-Plus Ax b yag berart ( Ax ) b utuk setap = 1,,., m. Msalka Sstem Persamaa Lear Max-Plus Ax b mempuya subpeyelesaa terbesar ˆx yag buka merupaka peyelesaa yag berart terdapat {1,,.., m}, sehgga ( Axˆ ) b. Utuk tu, x merupaka subpeyelesaa, maka x xˆ. Akbatya berlaku ( A x ) ( A xˆ ) yag berart m ( A x ) ( A xˆ ), utuk setap = 1,,., m. Hal berakbat terdapat m {1,,. m}, sehgga ( A x ) ( A xˆ ) b, yag kotadks dega pegadaa d atas.

24 30 Akbat.4 (Schutter ad Boom, 000: 3) Dberka A mx semuaya sama dega da b dega usur-usur setap kolomya tdak m. Jka ˆx adalah subpeyelesaa terbesar sstem persamaa lear Max-Plus Ax b maka utuk setap deks j {1,,. m} terdapat suatu deks (j) {1,,. m} sedemka sehgga A ˆ ( j), j x j b ( j). Bukt : Karea ˆx subpeyelesaa terbesar sstem Ax b, maka meurut Teorema 4 xˆ m( b A ) utuk j = 1,,., dega j j Aj. Hal berart utuk setap deks j {1,,..) terdapat suatu ˆ j j j j deks (j) {1,,.., m} sedemka sehgga x b ( ) A ( ), atau A xˆ b ( j), j j ( j) Defs.10 (Rudhto, 005 :16) Dberka x [ x1, x,..., x ] T. Ddefska x maks x utuk = 1,,.,. Dberka masalah optmsas yag berkata dega sstem persamaa lear -plus Ax b berkut : Dberka A mx dega setap kolom matrks A tdak semuaya sama dega, da x m, maka Ax b m. Akbatya b - A x merupaka hasl operas peguraga vektor dalam m.

25 31 Berkut teorema yag memberka peyelesaa masalah optmsas tersebut. Teorema.5 (Schutter, 1996 : 37) Dberka A mx dega kompoe setap kolomya tdak semuaya sama dega, da b m. Vektor x # x dega ˆx subpeyelesaa terbesar sstem A x = b da b A xˆ, merupaka vektor yag memmalka b A xˆ. Selajutya b A xˆ Bukt : Msalka ˆx subpeyelesaa terbesar sstem Ax b () Jka ˆx adalah peyelesaa sstem Ax b, maka () b A xˆ maks b ( A xˆ) 0. Akbatya ˆx memmalka b A xˆ () Jka ˆx buka merupaka peyelesaa sstem Ax b, maka b A xˆ maks b ( ˆ A x) 0. Karea Axˆ m b, maka maks b ( A xˆ) maks b ( A xˆ). Hmpua deks yatu {1,,.., m} dapat dparts mejad tga hmpua baga I, J, K sedemka sehgga: b A xˆ 0 utuk semua I

26 3 b A xˆ utuk semua J b A xˆ, utuk semua K, dega 0 1 ˆx merupaka subpeyelesaa terbesar sstem A x = b, maka meurut Akbat.4 utuk setap deks j {1,,..., } terdapat suatu deks ( j) {1,,..., m} sedemka sehgga A ˆ ( j), j x j b ( j). Akbatya I tdak kosog, karea ˆx buka merupaka peyelesaa sstem Ax b, maka terdapat suatu deks, sehgga maks b ( A xˆ ). Akbatya hmpua J juga tdak kosog. Semetara hmpua K dapat kosog atau tdak kosog. Teorema.6 (Rudhto, 005 :163) Setap x yag memeuh x xˆ berlaku ( A x) ( A xˆ ), yag m m berakbat maks b ( A xˆ ) maks b ( A xˆ ) utuk setap x xˆ. m Dega memperhatka Teorema.5 dperoleh bahwa utuk sebarag a berlaku ( A xˆ) a A( xˆ a). Jka a 0, maka ˆx m ( xˆ a) yag berakbat maks b ( A xˆ ) maks b ( A xˆ ) utuk suatu skalar postf a0. Ddefska b x( a) : xˆ a dega a, a0, b ( A x( a)) b (( A xˆ ) a), maka dperoleh:

27 33 a, jka I b ( A x( a)) a, jka J a, jka K I da J tdak kosog da 0 1utuk semua K, maka b A x( a) b ( A x( a)) ( a, a ) yag mempuya a0 la mmum utuk a. Dperoleh ˆ merupaka # x x( ) x vektor yag memmumka b A x da dperoleh # b A x,. Dtujukka bahwa tdak ada vektor x yag memeuh b A x. Msalka terdapat vektor x sedemka sehgga b A x (1) Ddefska x xˆ maka A x A( xˆ ). ˆx merupaka subpeyelesaa terbesar sstem Ax b maka meurut Akbat.4 utuk setap j{1,,..., } maka terdapat suatu deks (j) sedemka sehgga A ˆ ( j), j x j b ( j). ( A x ) ( A xˆ ) A xˆ, maka dperoleh ( j) ( j), j j j ( j), j j j j ( A x) ( j ) b j j. Karea ketaksamaa (1) maka j () utuk setap j {1,,..., }.

28 34 ˆx merupaka subpeyelesaa terbesar sstem Ax b maka terdapat suatu deks {1,,..., m} sedemka sehgga b ( ˆ A x) ataub ( A xˆ ). ( A xˆ) A ˆ 1 x1 A xˆ... A ˆ mxm ( A 1 xˆ 1, A xˆ ˆ,..., Am xm), maka A xˆ b utuk setap j {1,,..., }. j j Akbatya ( Ax ) ( A xˆ ) ( b ) j j j j j j b j. Ketaksamaa (), maka b j b j j b. Jad, terdapat suatu deks {1,,..., m} sedemka, sehgga ( A x ) b atau b ( A x ). Hal berakbat bahwa b ( Ax ), yag bertetaga dega bahwa b ( A x ). E. Sstem Evet Dskret (SED) da Aljabar Max-Plus Meurut Necoara et.al. (008: 1), SED merupaka suatu keadaa sstem past bergatug dega waktu yak setap waktu bertambah, maka keadaa sstem dpastka berubah pula. Sstem yag demka dsebut dega sstem terkedal waktu (tme-drve system). Sela sstem tersebut, serg djumpa pula suatu sstem yag berkembag berdasarka kemucula kejadaya. Trass keadaa merupaka hasl dar kejada la yag selaras (kejada-kejada yag bertdak sebaga kejada put bag trass keadaa yag bersagkuta). Dega kata

29 35 la, perubaha keadaa merupaka hasl dar kejada sebelumya. Sstem sepert dsebut dega sstem terkedal kejada (evet-drve system). Aljabar Max-Plus dapat dguaka utuk meggambarka secara lear damka waktu dar suatu sstem olear dalam aljabar kovesoal, sehgga pembahasa mejad lebh mudah. Pedekata Aljabar Max-Plus bergua utuk meetuka da megaalsa berbaga sfat sstem, tetap pedekata haya bsa dterapka pada sebaga klas SED. Sub klas adalah sub klas dar waktu vara SED determstk. Tujua utama dar jes sstem evet dskret dapat djabarka megguaka model Sstem lear Max-Plus waktu varat sebaga berkut: x( k 1) A x( k) B u( k).(1) y( k) C x( k).() Dperhatka suatu sstem produks sederhaa yag dsajka dalam Gambar 1 berkut: u(k) t 1 = d 1 = 5 P 1 t 3 = 1 d 3 = 3 P 3 t 5 = 0 y(k) d = 6 t = 0 P t 4 = 0 Gambar 1. Cotoh Sstem Produks Sederhaa (Schutter, 1996 : 5)

30 36 Sstem terdr dar 3 ut pemrosesa P 1, P, P 3. Baha baku dmasukka ke P 1 da P, dproses da dkrmka ke P 3. Waktu pemrosesa utuk P 1, P da P 3 berturut-turut adalah d 1 = 5, d = 6 da d 3 = 3 satua waktu. Dasumska bahwa baha baku memerluka t 1 = satua waktu utuk dapat masuk dar put ke P 1 da memerluka t 3 = 1 satua waktu dar produk yag telah dselesaka d P 1 utuk sampa d P 3, sedagka waktu trasportas yag la dabaka. Pada put sstem da atara ut pemrosesa terdapat peyagga (buffer), yag berturutturut dsebut buffer put da buffer teral, dega kapastas yag cukup besar utuk mejam tdak ada peyagga yag meluap (overflow). Suatu ut pemrosesa haya dapat mula bekerja utuk suatu produk baru jka a telah meyelesaka pemrosesa produk sebelumya. Dasumska bahwa setap ut pemrosesa mula bekerja segera setelah baha terseda. Ddefska (Rudhto, 003): ) u(k+1) : waktu saat baha baku dmasukka ke sstem utuk pemrosesa ke-(k+1), ) x (k) : waktu saat ut pemrosesa ke- mula bekerja utuk pemrosesa ke-k, ) y(k) : waktu saat produk ke-k yag dselesaka meggalka sstem. Waktu saat P 1 mula bekerja utuk pemrosesa ke-(k+1) dapat dtetuka sebaga berkut. Jka baha metah dmasukka ke sstem utuk pemrosesa ke-(k+1), maka baha metah terseda pada put

31 37 ut pemrosesa P 1 pada waktu t = u(k+1) +. P 1 haya dapat mula bekerja pada sejumlah baha baku baru segera setelah meyelesaka pemrosesa sebelumya, yatu sejumlah baha baku utuk pemrosesa ke-k. Waktu pemrosesa pada P 1 adalah d 1 = 5 satua waktu, maka produk setegah jad ke-k aka meggalka P 1 pada saat t = x 1 (k) + 5. Hal dapat dtulska dega: x 1 (k+1) = (u(k+1) +, x 1 (k) + 5) utuk k = 1,, 3,.... Dega alasa yag sama utuk P, P 3 da waktu saat produk ke-k yag dselesaka meggalka sstem, dperoleh: x (k+1) = (u(k+1) + 0, x (k) + 6) x 3 (k+1) = (x 1 (k+1) , x (k+1) , x 3 (k) + 3) = ( (u(k+1) +, x 1 (k) + 5) + 6, (u(k+1) + 0, x (k) + 6) + 6, x 3 (k) + 3) = (u(k+1) + + 6, x1(k+1) , u(k+1) , x(k) , x 3 (k) + 3) = ( x1(k) + 11, x(k) + 1, x3(k) + 3, u(k+1) + 8) y(k) = x 3 (k) utuk k = 1,, 3,.... Megguaka operas Aljabar Max-Plus, persamaa-persamaa dalam model sstem produks sederhaa d atas dapat dtulska sebaga berkut: x 1 (k+1) = 5 x 1 (k) u(k+1) x (k+1) = 6 x (k) u(k+1)

32 38 x 3 (k+1) = 11 x 1 (k) 1 x (k) 3 x 3 (k) 8 u(k+1) y(k) = 3 x 3 (k). Jka dtulska dalam persamaa matrks dalam Aljabar Max-Plus, persamaa-persamaa d atas mejad x(k+1) = x(k) 3 0 u(k+1) 8 y(k) = 3 x(k) utuk k = 1,, 3,..., dega x(k) = [x 1 (k), x (k), x 3 (k)] T. Hasl d atas dapat juga dtulska dega: x(k+1) = A x(k) B u(k+1) y(k) = C x(k) utuk k = 1,, 3,..., dega x(k) = [x 1 (k), x (k), x 3 (k)] T 3, keadaa awal x(0) = x 0, A = , B = da C = Sstem Evet Dskret (SED) yag dbahas mempuya waktu aktftas da barsa kejada yag determstk telah dlustraska pada cotoh datas. Matrks dalam persamaa sstemya merupaka matrks kosta, yatu tdak tergatug pada parameter k, sehgga sstemya merupaka sstem waktu varat. Sstem sepert dalam cotoh d atas merupaka suatu cotoh Sstem Lear Max-Plus Waktu Ivarat sepert yag dberka dalam defs berkut.

33 39 Sstem Evet Dskret waktu varat dapat daalss megguaka beberapa tekk Aljabar Max-Plus yag dlustraska atara la pada sstem produks. Ada 5 jes Sstem Evet Dskret (SED) pada sstem produks, dasumska bahwa u (k), x (k) da y (k) dketahu (Schutter, 1996: 8-11 ) yak sebaga berkut: Jes 1: Ser Ada ut pemroses P 1 da P yag dhubugka secara ser. D atara P 1 da P ada peyagga dega kapastas terbatas N 1. u(k) x 1 (k) d 1 N 1 d x (k) P P 1 y(k) Gambar. Sstem Produks Ser Output peyagga dar pemroses ut P 1 mempuya kapastas dar sebaga N 1, P 1 haya dapat memula proses ke-(k + 1) jka proses (k-n 1 ) telah meggalka output peyagga dar P 1, kemuda ut P memula proses ke-(k-n 1 ). Maka dar tu dperoleh: x ( k 1) ( u( k), x ( k) d, x ( k N )) x ( k 1) ( x ( k) d, x ( k 1) d ) y( k) x ( k) d Jes : Assembly Berkut merupaka keadaa dmaa satu ut pemroses (P +1 ) assembles yag berhubuga yag berasal dar ut-ut proses laya (P 1, P,.. P ).

34 40 x ( k 1) ( x ( k) d, u ( k), x ( k N )) utuk = 1,, 3,. 1 d 1 u 1 (k) x 1 (k) P 1 N 1 u (k) u 3 (k) x (k) x 3 (k) d P d P N N x +1 (k) d +1 P +1 y(k) Gambar 3. Sstem Produks Assembly x ( k 1) ( x ( k 1) d, x ( k 1) d..., x ( k 1) d, x ( k 1) d ) y( k) x ( k) d 1 1 Jes 3: Splttg Sstem salah satu ut pemroses (P 0 ) yag ddstrbuska ke ut pemroses laya (P 1, P,., P ). Keadaa tersebut dtujukka sebaga berkut: x ( k 1) ( x ( k) d, x ( k N ), x ( k N )..., x ( k N )) x ( k 1) ( x ( k) d, x ( k 1) d ) utuk 1,,..., 0 0 y( k) x ( k) d utuk 1,,..., N 1 x 1 (k) d 1 P 1 y 1 (k) u(k) x 0 (k) d 0 P 0 N N x (k) x (k) d P d P y (k) y (k) Gambar 4. Sstem Produks Splttg

35 41 Jes 4: Paralel Dasumska bahwa terdapat suatu sstem dega 3 ut pemroses (P 0, P 1 da P ) dega megkut atura () Baga yag dber agka gajl meggalka ut pemroses P 0 kemuda melajutka ke ut pemroses P 1 () Baga yag dber agka geap meggalka ut pemroses P 0 kemuda melajutka ke ut pemroses P Dketahu sstem yag dgambarka berkut : () () u o (k): waktu dmaa baga k-1 telah masuk ke dalam sstem u e (k): waktu dmaa baga k telah masuk ke dalam sstem o () x 0 (k): waktu dmaa baga k 1 masuk ke ut pemroses P 0 e (v) x 0 (k): waktu dmaa baga k masuk ke ut pemroses P 0 N 1 x 1 (k) d 1 P 1 y 1 (k) u 0 (k) u e (k) x 0 ( k ) 0 e x ( ) 0 k d 0 P 0 Baga 1, 3,5,. Baga,4,6,. N x (k) d P y (k) Gambar 5. Sstem Produks Paralel Sstem tersebut dapat ddeskrpska dega

36 4 x ( k 1) ( x ( k) d, u ( k 1), x ( k N )) o e o x ( k 1) ( x ( k 1) d, u ( k 1), x ( k N )) e 0 e x ( k 1) ( x ( k) d, x ( k 1) d ) x ( k 1) (( x ( k) d, x ( k 1) d ) e y ( k) x ( k) d y ( k) x ( k) d Dega catata bahwa u ( k) u(k ) da u ( k) u(k 1) utuk semua k o e Jes 5: Produks Fleksbel dega beberapa aktvtas Dketahu bahwa sebuah sstem dega 3 ut pemroses (P 1, P 3, P 4 ) pada dua jes baga (T 1 da T ) yag aka d produks. Terdapat 4 aktvtas yag berbeda. T 1 baga yag pertama dproses pada ut P 1 (aktvtas 1) da kemuda dlakuka proses ut T 3 (aktvtas 3). T pertama kal baga yag dproses pada ut P 1 (aktvtas ) da kemuda dlakuka proses pada P 4 (aktvtas 4). Sedereta proses pada P 1 adalah P 1, P, P 1, P Waktu proses utuk aktvtas ke adalah d. Jka dketahu: T 1 u 1 (k) N 3 x 3 (k) d 3 P 3 y 1 (k) x 1 (k) d 1 T 1 P 1 T u (k) x (k) d T N 4 x 4 (k) d 4 P 4 y (k) Gambar 6. Sstem Produks Fleksbel dega beberapa aktvtas

37 43 () u (k): waktu dmaa materal utuk T, dmasukka ke sstem sampa ke (k+1) () x (k): waktu dmaa aktvtas ke- dmula sampa ke-k () y (k): waktu dmaa produk dselesaka utuk T, da meggalka sstem. Sehgga dperoleh: x ( k 1) ( x ( k) d, u ( k), x ( k N )) x ( k 1) ( x ( k 1) d, u ( k), x ( k N )) x ( k 1) ( x ( k) d, x ( k 1) d ) x ( k 1) ( x ( k) d, x ( k 1) d ) y ( k) x ( k) d y ( k) x ( k) d 4 4 Jka dketahu sstem yag terdr dar sebuah kombas atas subsstem dar jes 1 sampa dega 5 da dega aktvtas yag dtetuka. Kemuda dar sstem tersebut dapat ddeskrpska secara umum dega betuk model: x( k 1) A x( k 1) A x( k)... A x( k q) B u( k)...(5.1) 0 1 y( k) C x( k)...(5.) q Setelah tu subttus x(k+1) pada ruas kaa (1) da megembalka x(k+1) yag tdak mucul (yag selalu terjad jka sstem tdak memuat loop).

38 44 F. Sstem Lear Max-Plus Waktu Ivarat Defs.11 (Schutter, 1996 : 156) Sstem Lear Max-Plus Waktu Ivarat adalah SED (Sstem Evet Dskret) yag dapat dyataka dega persamaa berkut: x(k+1) = A x(k) B u(k+1)..(.11.1) y(k) = C x(k)....(.11.) utuk k = 1,, 3,..., dega kods awal x(0) = x 0, A m l, da C. Vektor x(k) meyataka keadaa (state), m l u(k) adalah vektor put, da y(k) adalah vektor output sstem saat waktu ke-k. SLMI sepert dalam defs d atas secara sgkat aka dtulska dega SLMI (A, B, C) da dtulska dega SLMI (A, B, C, x 0 ), jka kods awal x(0) = x 0 dberka. SLMI dega satu put da satu output aka dsebut SLMI satu put satu output (SISO). Sedagka SLMI dega lebh dar satu put da lebh dar satu output aka dsebut SLMI mult put mult output (MIMO). Aalss Iput-Output Sstem Lear Max-Plus Waktu-Ivarat Subbab aka membahas aalss da beberapa masalah putoutput SLMI. Jka kods awal da suatu barsa put dberka utuk suatu SLMI (A, B, C, x 0 ), maka secara rekursf dapat dtetuka suatu barsa vektor keadaa sstem da barsa output sstem., B

39 45 Dperhatka sstem produks sederhaa (gambar 1), msalka kods awal sstem x(0) = [0, 1, ] T yag berart ut pemrosesa P 1 da P berturut-turut memula aktftasya saat waktu 0 da 1 semetara ut pemrosesa P 3 mash kosog da harus meuggu datagya put dar P 1 da P. Baha metah dmasukka sstem saat waktu 0, 9, 1, 4 da seterusya yag berart dberka barsa put u(1) = 0, u() = 9, u(3) = 1, u(4) = 4, da seterusya, dega u(k) u(k+1) utuk setap k = 1,, 3,... Secara rekursf dapat dtetuka barsa vektor keadaa berkut x(1) = A x(0) B u(1) = = = x() = A x(1) B u() = = 11 13, 19 x(3) = A x() B u(3) = = 16 19, 5 x(4) = A x(3) B u(4) = = 6 5, da seterusya. 3 Kemuda dperoleh barsa output sstem sebaga berkut dega megguaka y(k) = x 3 (k) + 3 :

40 46 y(1) = 16, y() =, y(3) = 8, y(4) = 35, da seterusya yag berart produk aka dapat dambl saat waktu 16,, 8, 35 da seterusya.. Teorema.7 (Iput-Output SLMI (A, B, C, x 0 )) (Schutter, 1996 : 161) Dberka suatu blaga bulat postp p. Jka vektor output y = [y(1), y(),..., y(p)] T da vektor put u = [u(1), u(),..., u(p)] T pada SLMI (A, B, C, x 0 ), maka y = K x 0 H u dega K = Bukt: C A C A C A p da H C B C A B C B p1 p C A B C A B C B. ( k0 Jka dberka kods awal x(0) = x 0 da barsa put u k), dega duks matematk aka dbuktka berlaku x(k) = ( k A x(0) ) k ( 1 ( A k B u() ) utuk k = 1,, 3,...(.7.1) Dperhatka bahwa x(1) = A x(0)b u(1) = A x(0) A 0 Bu(1) = ( 1 A 1 x(0) ) ( 1 ( A 1 B u() ). Jad, (.7.1) bear utuk k = 1. Msalka bear utuk k = yatu x()=( A x(0))( ( A 1 Bu())

41 47 maka x( +1) = A x() B u( +1) = A (( = (( 1 A A x(0)) ( 1 x(0))( ( A 1 ( A ( 1) B u()))b u(+1) B u()))b u( +1) = (( 1 A x(0))( 1 1 ( A ( 1) B u()))bu(+1). Jad, (.7.1) bear utuk k = +1. Akbatya dperoleh y(k) = (C k A x(0)) ( k 1 C A k B u().(.7.) utuk k = 1,, 3,.... Dberka suatu blaga bulat postp p. Jka ddefska y = [y(1), y(),..., y(p)] T da u = [u(1), u(),..., y(p)] T maka dar persamaa (.7.) dperoleh: y(1) = C A x(0) C B u(1) y() = C A x(0) C A B u(1) C B u() y(p) = C p A x(0) C C B u(p). A p1 B u(1) C atau dalam persamaa matrks dapat dtulska sebaga A p B u()

42 48 ) ( () (1) p y y y = p A C A C A C x(0) B C B A C B A C B C B A C B C p p 1 ) ( () (1) p u u u atau y = K x(0) H u.(.7.3) dega K = p A C A C A C da H = B C B A C B A C B C B A C B C p p 1 Dalam sstem produks, Teorema.7 berart bahwa jka dketahu kods awal sstem da barsa waktu saat baha metah dmasukka ke sstem, maka dapat dtetuka barsa waktu saat produk selesa dproses da meggalka sstem. Cotoh.13: Dperhatka sstem produks sederhaa dalam Gambar 1. Ddefska y = [y(1), y(), y(3), y(4)] T. Jka dberka x(0) = [0, 1, ] T da u = [0, 9, 1, 4 ] T, maka dperoleh y = K x(0) H u dega K = da H = Dperhatka bahwa y = K x(0) H u = =

43 49 Hal megartka bahwa kods awal x(0) = [0, 1, ] T da baha baku dmasukka ke dalam sstem pada saat waktu u(1) = 0, u() = 9, u(3) = 1, u(4) = 15, maka produk selesa da aka meggalka sstem pada saat waktu y(1) = 16, y() =, y(3) = 8, y(4) = 34. Hasl pada cotoh sesua dega perhtuga sebelumya. Akbat.6 Iput-Output SLMI (A, B, C, )(Schutter, 1996: 86) Dberka suatu blaga bulat postp p. Jka vektor output y = [y(1), y(),..., y(p)] T da vektor put u = [u(1), u(),..., u(p)] T pada SLMI (A, B, C, ), maka y = H u dega C B H = C A B p1 C A B C A C B p B. C B Bukt: Sepert bukt Teorema.7, dega megambl x 0 =. Dalam sstem produks, SLMI (A, B, C, ) merupaka keadaa awal sstem. Semua peyagga dalam keadaa kosog da tdak ada ut pemrosesa yag memuat baha metah atau produk setegah jad.

44 50 Cotoh.14: Dperhatka sstem produks sederhaa dalam Gambar 1. Ddefska y = [y(1), y(), y(3), y(4)] T. Jka dberka x(0) =, da u = [0, 9, 1, 15 ] T, maka dperoleh y = H u dega H = Dperhatka bahwa y = H u = = Hal megartka bahwa keadaa awal sstem semua peyagga dalam keadaa kosog da tdak ada ut pemrosesa yag memuat baha metah atau produk setegah jad. Selajutya baha baku dmasukka ke dalam sstem pada saat waktu u(1) = 0, u() = 9, u(3) = 1, u(4) = 15, maka produk selesa da aka meggalka sstem pada saat waktu y(1) = 11, y() = 0, y(3) = 5, y(4) = 30. Berkut dbahas masalah put palg lambat pada SLMI (A, B, C, x 0 ). Masalah put palg lambat pada SLMI (A, B, C, x 0 ) adalah sebaga berkut : Teorema.8 (Rudhto, 003: 6) Peyelesaa masalah put palg lambat pada SLMI(A, B, C, ɛ) dega C B ɛ dberka oleh uˆ [ uˆ (1), uˆ (),..., uˆ ( p)] T dega uˆ( k) ( y( ) H ), utuk k = 1,,, p. 1 p k,

45 51 Bukt: K ɛ = ɛ, maka K ɛ H u = H u. Hal megakbatka masalah put palg lambat pada SLMI (A, B, C, ɛ) mejad masalah meetuka vektor put u terbesar (waktu palg lambat) yag memeuh H u m y. Masalah merupaka masalah meetuka sub peyelesaa terbesar sstem persamaa lear -plus H u = y. C B ɛ maka kompoe setap kolom matrks H tdak semuaya sama dega ɛ. Meurut Teorema 8, apabla H u = y dberka oleh uˆ [ uˆ (1), uˆ (),..., uˆ ( p)] T dega uˆ( k) ( y( ) Hk, ), utuk k = 1,,, p. Teorema.9 (Rudhto, 003: 64) 1 p Dberka SLMI (A, B, C, x 0 ) dega C B ɛ. Jka K x 0 m y, maka peyelesaa masalah put palg lambat pada SLMI (A, B, C, x 0 ) dberka oleh uˆ [ uˆ (1), uˆ (),..., uˆ ( p)] T dega uˆ( k) ( y( ) H ), utuk k = 1,,, p. Bukt: 1 p k, K x 0 y, maka K x 0 H u = y H u = y. Selajutya bukt m sepert pada Teorema 8 d atas. Berkut dbahas megea masalah mmsas smpaga maksmum output pada SLMI (A, B, C, x 0 ). Masalah mmsas smpaga maksmum output pada SLMI (A, B, C, x 0 ) adalah sebaga berkut. Teorema 3.0 (Rudhto, 003: 65) Peyelesaa masalah mmas smpaga maksmum output pada SLMI(A, B, C, ɛ) dega C B ɛ dberka oleh u uˆ

46 5 dega û merupaka subpeyelesaa terbesar sstem H u = y da ( y H uˆ ). Bukt: K ɛ = ɛ, maka K ɛ H u = H u. Hal megakbatka masalah mmas smpaga maksmum output jad meetuka vektor put u sedemka sehgga ( y H U). Masalah merupaka masalah optmsas yag berkata dega sstem persamaa lear -plus H u = y. Karea C B ɛ maka kompoe setap kolom matrks H tdak semuaya sama dega ɛ. Meurut Teorema.5, suatu peyelesaa u utuk masalah u uˆ, dega = ( y H uˆ da û merupaka subpeyelesaa terbesar sstem H ) u = y. Pembahasa peyelesaa masalah mmas smpaga maksmum output pada SLMI (A, B, C, ɛ) d atas juga dapat dperluas utuk SLMI (A, B, C, x 0 ) dega x 0 ɛ, sepert dberka dalam teorema berkut. Teorema 3.1 (Rudhto, 003: 67) Dberka SLMI (A, B, C, x 0 ) dega C B ɛ. Jka K x 0 y, maka peyelesaa masalah mmas smpaga maksmum output pada m SLMI (A, B, C, x 0 ) dberka oleh u uˆ dega û merupaka subpeyelesaa terbesar sstem H u = y da = ( y H uˆ ).

47 53 Bukt: K x 0 y, maka maka K x 0 H u = y H u = y. Selajutya m bukt sepert pada Teorema 9 d atas. Cotoh.15 (Schutter, 1996: 51): Msal dar Sstem pada Gambar 1 produk aka dambl oleh pemesa pada waktu 17, 19, 4 da 7, maka ddapatka T uˆ H ( y), sehgga waktu palg lambat utuk memasukka baha ke dalam sstem adalah û = [0, 6, 11, 16] T yˆ H uˆ, sehgga waktu peyelesaa palg lambat dalam proses pegerjaa produk berturut-turut ŷ = [11, 17,, 7] T. 6, maka u uˆ 3 da y H u 5 30

ALJABAR MAX-PLUS DAN PENERAPANNYA. M. Andy Rudhito

ALJABAR MAX-PLUS DAN PENERAPANNYA. M. Andy Rudhito LJBR MX-PLUS DN PENERPNNY M. dy Rudhto Program Stud Peddka Matematka FKIP Uverstas Saata Dharma Yogyakarta 6 PRKT ljabar -plus merupaka suatu struktur aljabar d maa hmpua semua blaga real R {} dlegkap

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

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

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

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 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

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

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

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

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

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

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

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

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

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 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

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

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

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

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

Lebih terperinci

BAB 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

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

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

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

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

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

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

Lebih terperinci

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1). BAB II LANDASAN EORI.. Model Matematka Model Matematka merupaka represetas matematka yag dhaslka dar pemodela Matematka. Pemodela Matematka merupaka suatu proses merepresetaska da mejelaska permasalaha

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

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

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 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

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

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

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

* 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

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

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

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

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 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

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

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

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

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

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

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

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

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

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

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

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

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

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

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

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 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

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

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

Lebih terperinci

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

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 11 Latar Belakag Peelta yag dlakuka oleh Va der Pol pada sebuah tabug trode tertutup, yatu sebuah alat yag dguaka utuk megedalka arus lstrk dalam suatu srkut pada trasmtter da recever meghaslka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

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

( ) ( ) ( ) ( ) ( ) 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

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

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

Lebih terperinci

TEOREMA TITIK TETAP BANACH. Skripsi. Diajukan untuk Memenuhi Salah satu Syarat. Memperoleh Gelar Sarjana Matematika. Program Studi Matematika

TEOREMA TITIK TETAP BANACH. Skripsi. Diajukan untuk Memenuhi Salah satu Syarat. Memperoleh Gelar Sarjana Matematika. Program Studi Matematika TEOREMA TITIK TETAP BANACH Skrps Dajuka utuk Memeuh Salah satu Syarat Memperoleh Gelar Sarjaa Matematka Program Stud Matematka Oleh: Wdaryata Ctra Nursata NIM : 348 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

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

Lebih terperinci

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

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

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 IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti) Karea vektor-vektor kolom X adalah bebas lear maka mempuya vektor ege yag bebas lear. erbukt eorema 9 Jka... adalah la ege dar maka... adalah la ege dar. BUK : salka... adalah la ege dar yag bersesuaa

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

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

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

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

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

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

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

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

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 38-50

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 38-50 Jural Matematka Mur da Terapa Vol. 4 No.2 esember 200: 38-50 KETERKENALIAN SISTEM LINIER IFERENSIAL BIASA TIME-VARYING AN SISTEM LINIER IFERENSIAL PARSIAL ENGAN PENEKATAN MOUL ATAS OPERATOR IFERENSIAL

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

INTEGRAL LEBESGUE PADA FUNGSI TERBATAS SKRIPSI

INTEGRAL LEBESGUE PADA FUNGSI TERBATAS SKRIPSI INTGRAL LBSGU PADA FUNGSI TRBATAS SKRIPSI Dajuka Kepada Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Neger Yogyakarta utuk memeuh sebaga persyarata gua memperoleh gelar Sarjaa Sas Dsusu Oleh : Fauzah

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

IDEAL DALAM ALJABAR LINTASAN LEAVITT

IDEAL DALAM ALJABAR LINTASAN LEAVITT Delta-P: Jural Matematka da Peddka Matematka ISSN 289-855X Vol., No. 2, Oktober 22 IDAL DALAM ALJABAR LINTASAN LAVITT Ida Kura Walyat Program Stud Peddka Matematka Jurusa Peddka MIPA FKIP Uverstas Kharu

Lebih terperinci

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat BAB II LANDASAN TEORI Pada Bab II aka dbahas dasar-dasar teor yag dguaka dalam peulsa skrps yatu megea data pael, beberapa betuk da sfat matrks, matrks parts, betuk ler da betuk kuadratk beserta ekspektasya,

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

APLIKASI SISTEM LINEAR MAX-PLUS INVARIANT PADA SISTEM PRODUKSI TEMPE SUPER DANGSUL DI YOGYAKARTA

APLIKASI SISTEM LINEAR MAX-PLUS INVARIANT PADA SISTEM PRODUKSI TEMPE SUPER DANGSUL DI YOGYAKARTA APLIKASI SISTEM LINEAR MAX-PLUS INVARIANT PADA SISTEM PRODUKSI TEMPE SUPER DANGSUL DI YOGYAKARTA A7 Hendra Lstya Kurnawan 1, Musthofa 2 1 Mahasswa Program Stud Matematka Jurusan Penddkan Matematka FMIPA

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

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

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

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

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

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