TRANSITIF KLOSUR DARI GABUNGAN DUA RELASI EKUIVALENSI PADA SUATU HIMPUNAN DENGAN STRUKTUR DATA DINAMIS

Ukuran: px
Mulai penontonan dengan halaman:

Download "TRANSITIF KLOSUR DARI GABUNGAN DUA RELASI EKUIVALENSI PADA SUATU HIMPUNAN DENGAN STRUKTUR DATA DINAMIS"

Transkripsi

1 TRANSITIF KLOSUR DARI PADA SUATU HIMPUNAN Sukmawat Nur Endah Program Stud Ilmu Komputer Jurusan Matematka FMIPA UNDIP Jl. Prof. H. Soedarto, S.H, Semarang 5275 Abstract. A relaton R on set A s an equvalence relaton on A f and only f R s reflexve, symmetrc and transtve. If two equvalence relatons on set A are combned, the combnaton of them s not surely an equvalence relaton, because t s not surely transtve relaton. In ths paper s found the smallest transtve relaton (transtve closure) of the combnaton, to be an equvalence relaton. Then the steps to determne transtve closure are programmed n Pascal programmng language wth dynamc data structure that s multlst. Keywords: transtve closure, equvalence relaton, dynamc data structure. PENDAHULUAN Salah satu konsep dasar bdang matematka adalah relas. Relas pada hmpunan A serng memenuh sfat-sfat refleksf, smetrs, dan transtf. Namun ada juga relas yang tdak memenuh salah satu dar ketga sfat d atas. Hal n dapat dtambahkan pasangan relas pada R sampa mendapat relas dengan sfat yang dngnkan. Untuk menambahkan sesedkt pasangan relas baru yang mungkn, maka harus dcar relas terkecl R pada hmpunan A yang mengandung R dan memlk sfat yang dngnkan. Relas R sepert d atas dsebut klosur (closure) dar R [4]. Dengan demkan suatu relas dapat dcar refleksf klosur (reflexve closure), smetrs klosur (symmetrc closure), dan transtf klosur (transtve closure). Salah satu aplkas transtf klosur yang menark adalah pada relas ekuvalens (equvalence relaton). Msalkan R dan S adalah relas ekuvalens pada hmpunan A. Jka R dan S dgabungkan, maka R S belum tentu relas ekuvalens. Hal n dsebabkan R S belum tentu transtf. Untuk membentuk relas ekuvalens terkecl yang mengandung R dan S maka perlu dcar transtf klosur dar R S tersebut. Permasalahan yang dambl dalam penulsan n adalah menentukan relas ekuvalens terkecl yang mengandung dua relas ekuvalens pada suatu hmpunan. Dengan kata lan, permasalahannya adalah menentukan transtf klosur dar gabungan dua relas ekuvalens. Kemudan dmplementaskan ke dalam program komputer dengan bahasa pemrograman Turbo Pascal dan menggunakan struktur data dnams, yatu senara beranta. Untuk membatas ruang lngkup permasalahan, maka dalam penulsan n dberkan batasan sebaga berkut:. Dua relas ekuvalens sebaga nput untuk mencar relas ekuvalens terkecl yang mengandung keduanya merupakan relas pada hmpunan yang sama. 2. Penentuan transtf klosur menggunakan algortma Warshall. 3. Program yang dbuat menggunakan struktur data dnams. Tujuan penulsan n adalah. Untuk mencar relas ekuvalens terkecl yang memuat dua relas ekuvalens pada suatu hmpunan. 2. Untuk memaham program dengan struktur data dnams. 78

2 Sukmawat Nur Endah (Transtf Klosur dar Gabungan Dua Relas Ekuvalens pada ) 2. PEMBAHASAN A. Transtf Klosur Defns 2.. [2] Msalkan R relas pada hmpunan A. Transtf klosur dar R adalah relas R sedemkan hngga: (). R adalah transtf (). R R (). Untuk suatu relas transtf R, jka R R maka R R. Transtf klosur dar relas R dnotaskan dengan t(r). Jka R relas pada hmpunan A, maka transtf klosurnya dapat dbentuk dengan menambahkan pada relas R semua pasangan terurut yang dperlukan untuk membentuk relas transtf yang baru. Tetap bagan () dar defns menyatakan bahwa tak ada pasangan yang dtambahkan kecual kalau dperlukan. Jad R adalah relas transtf terkecl dan RR. Jka R transtf, maka relas transtf terkecl yang mengandung R adalah R tu sendr. Teorema 2.. [5] Msalkan R relas pada hmpunan A. R transtf jka dan hanya jka t(r) = R. Bukt. () Jka R transtf, maka jelas R adalah relas transtf terkecl yang mengandung R. Sehngga R = t(r). () Jka t(r) = R, maka berdasarkan sfat () dar defns, R adalah transtf. Teorema 2.2. [2] Msalkan R relas pada hmpunan A maka t(r) = R. Bukt. Bukt n dbag dalam dua bagan, yatu : (). R t(r) Akan dtunjukkan terlebh dulu bahwa R n t(r) untuk setap n. (). (Bass). Untuk n=, berdasarkan defns bagan () jelas bahwa R = R t(r). (2). (Induks). Msalkan R k t(r) benar untuk setap k, akan dtunjukkan bahwa R k+ t(r). Ambl sebarang (a,b)r k+. (a,b) R k R (sebab R k+ = R k R). c A (a,c) R k (c,b) R. (a,c) t(r) (c,b) t(r) (dar langkah nduks R k t(r) dan langkah bass) (a,b) t(r) (karena t(r) transtf). Karena sebarang [(a,b) R k+ (a,b) t(r)], maka R k+ t(r). Sehngga berdasarkan prnsp nduks matematk R n t(r) untuk setap n. Sesudah terbukt R n t(r) untuk setap n, dapat dsmpulkan bahwa R t(r). (). t(r) R Akan dtunjukkan terlebh dulu R transtf. Msalkan (a,b) dan (b,c) sebarang elemen dar R. Untuk suatu nteger s dan t, (a,b) R s dan (b,c) R t, sehngga (a,c) R s+t. Jad (a,c) R dan oleh karena tu R adalah transtf. Karena setap relas transtf yang mengandung R bers t(r), maka t(r) R. Dar () dan () terbukt t(r) = R. Defns 2.2. [2] Msalkan R relas pada hmpunan A dan n blangan bulat postf, maka relas R n pada A adalah relas yang menunjukkan path dengan panjang n dalam R. Dengan menulskan ar n b berart terdapat path dengan panjang n dar a ke b dalam R. Defns 2.3. [2] Msalkan R relas pada hmpunan A. Relas R* ={(a,b) A x A terdapat suatu path dalam R dar a ke b} dsebut relas keterhubungan (connectvty 79

3 Jurnal Matematka Vol. 8, No.3, Desember 25: relaton) pada A. Panjang dar path n secara umum tergantung pada a dan b. Dengan menulskan ar*b berart terdapat path dalam R dengan suatu panjang dar a ke b. Teorema 2.3. [2] Jka R relas pada hmpunan A maka R* = R. Bukt. Dar defns 2, untuk setap n >, R n = {(a,b) A x Aterdapat path dalam R dengan panjang n dar a ke b}. Sehngga berdasarkan defns 3, R* = R. Dar teorema 2 dan teorema 3, ddapatkan transtf klosur t(r) = R*. Teorema 2.4. [5] Jka R relas pada hmpunan A yang mempunya n elemen, maka n t(r) R* R. Bukt. Teorema n cukup dtunjukkan bahwa n R k R untuk setap k >. Msalkan (x,y) R k, maka terdapat path terhubung dengan panjang k dar x ke y dalam dgraphnya dan dengan menghapus cycle dar path n, dapat dbentuk sebuah path terhubung sederhana dar x ke y. Karena path sederhana terpanjang yang mungkn dalam dgraph dengan n vertek mempunya panjang n, maka (x,y) R untuk suatu < n. Oleh karena tu R k R untuk k n >. Jad terbukt t(r) = R. n Ada beberapa metode/cara untuk menentukan transtf klosur yatu: a. Metode graphcal b. Metode matrks c. Algortma Warshall Dalam penulsan n, metode yang dgunakan dalam menentukan transtf klosur adalah algortma Warshall. Msalkan R adalah relas pada hmpunan A = { a, a 2,..., a n }. Jka a, a 2,..., a n adalah path pada R maka semua vertek selan a dan a n dsebut vertekvertek nteror (nteror vertces) dar path tersebut. Defns 4 [4] Msalkan R adalah relas pada hmpunan A = { a, a 2,..., a n }. Untuk k =,2,,n, matrks Boolean W k mempunya nla pada elemen ke (,j) jka dan hanya jka terdapat path dar a ke a j dalam R yang vertek nterornya (jka ada) berasal dar hmpunan A k = {a,a 2,..., a k }. Dar defns 4, matrks W n mempunya nla pada elemen ke (,j) jka dan hanya jka terdapat path dalam R yang menghubungkan a ke a j. Dengan kata lan W n = M R*. Jka ddefnskan W sebaga M R, maka dpunya barsan W, W,, W n dengan suku pertama adalah M R dan suku terakhr = M R* (matrks transtf klosur dar R). Masng-masng matrks W k dtentukan dar matrks W k-. Langkah-langkah dalam mencapa matks R* dar matrks R nlah yang dnamakan algortma Warshall. Berkut akan dtunjukkan bagamana menentukan matrks W k dar matrks W k-. Msalkan W k = [t j ] dan W k- = [s j ]. Jka t j = maka harus ada path dar a ke a j yang vertek nterornya berada dalam hmpunan A k ={a, a 2,..., a k }. Jka vertek a k bukan vertek nteror dar path n, maka semua vertek nteror harus berasal dar hmpunan A k = { a, a 2,..., a k- }, sehngga s j =. Jka a k vertek nteror dar path, maka stuasnya sepert dalam gambar. a k subpath subpath 2 a Gambar. a k termasuk vertek nteror dar path a ke a j Dasumskan bahwa semua vertek nteror adalah berbeda. Jad a k hanya terlhat sekal d dalam path n, sehngga semua vertek nteror dar subpath dan subpath 2 harus berasal dar hmpunan { a, a 2,..., a k- }. In berart bahwa s k = dan s kj =. a j 8

4 Sukmawat Nur Endah (Transtf Klosur dar Gabungan Dua Relas Ekuvalens pada ) Sehngga dperoleh t j = jka dan hanya jka: (). sj atau... (2.) ().sk dan skj Persamaan (2.) merupakan dasar dar algortma Warshall. Jka matrks W k- bernla pada elemen ke (,j) maka dengan persamaan (2.) () W k juga bernla pada elemen ke (,j). Dengan menggunakan persamaan (2.) (), nla yang baru dapat dtambahkan pada elemen ke (,j) pada matrk W k jka dan hanya jka kolom ke k dar W k- bernla d poss dan bars k dar W k- bernla pada poss j. Jad prosedur untuk menentukan W k dar W k- sesua dengan referens [4] adalah sebaga berkut. Langkah : Transfer ke W k semua nla dalam W k-. Langkah 2 : Tanda lokas p, p 2,... dalam kolom k dar W k- yang nputnya dan lokas q,q 2,... dalam bars k dar W k- yang nputnya. Langkah 3 : Letakkan pada semua poss p, q j yang dtanda dar W k (jka elemen pada (p,q j ) bernla ) Contoh A = {, 2, 3, 4} dan relas pada hmpunan A adalah: R = {(a,b) A x Aa 2 +b 2 =5 b=a+}, sehngga R = {(,2), (2,3), (3,4), (2,)}. Transtf klosur dar R dengan algortma Warshall dapat dselesakan sebaga berkut. Matrks relas R adalah: M R W Karena hmpunan A mempunya 4 anggota, maka n = 4. Kemudan menentukan W k, untuk k =, 2, 3, dan 4 a. Menentukan W (k = ) W mempunya nla pada lokas ke 2 dar kolom dan lokas ke 2 pada bars. Jad W sepert W dtambah nla yang baru pada elemen ke (2,2). W b. Menentukan W 2 (k = 2) Perhatkan kolom 2 dan bars 2 dar W. Matrks W mempunya nla pada lokas dan 2 dar kolom 2 dan lokas, 2 dan 3 dar bars 2 sehngga untuk mendapatkan W 2, nla harus dletakkan pada elemen ke (,), (,2), (,3), (2,), (2,2) dan (2,3) dar matrks W (jka pada elemen tersebut belum bernla ). Jad: W 2 c. Menentukan W 3 (k = 3) Kolom ke 3 dar W 2 bernla pada lokas dan 2, dan bars ke 3 dar W 2 bernla pada lokas 4. Untuk mendapatkan W 3, pada elemen ke (,4) dan (2,4) dar W 2 harus bernla, Jad: W 3 d. Menentukan W 4 (k = 4) W 3 mempunya nla pada lokas, 2, 3 dar kolom 4 dan tdak ada nla pada bars ke 4, sehngga tdak ada nla yang baru yang dtambahkan jad M R * = W 4 = W 3. M R * merupakan matrks transtf klosur dar R. Jad transtf klosur dar R adalah: t(r) = {(,), (,2), (,3), (,4), (2,), (2,2), (2,3), (2,4), (3,4)}. 8

5 Jurnal Matematka Vol. 8, No.3, Desember 25: B. Relas Ekuvalens Defns 2.5. [] Relas R pada hmpunan dsebut refleksf jka dan hanya jka ara untuk setap a A. Dengan melhat matrks suatu relas dapat dtentukan apakah relas tersebut refleksf atau bukan. Dagonal utama dar matrks relas refleksf semuanya bernla. Defns 2.6. [] Relas pada hmpunan A dsebut smetrs jka dan hanya jka arb maka bra, untuk semua a, b A. Matrks relas smetrs M R = [m j ] mempunya sfat sebaga berkut : Jka m j = maka m j = atau jka m j = maka m j =. [4] Jad matrks tersebut smetrs terhadap dagonal utama atau M R = M R T. Defns 2.7. [] Relas R pada hmpunan A dsebut transtf jka dan hanya jka arb dan brc maka arc, untuk semua a, b, ca. Dlhat dar matrksnya, menentukan relas transtf tdaklah semudah pada relas refleksf dan smetrs. Matrks relas transtf M R = [m j ] mempunya cr cr sebaga berkut: Jka m j = dan m jk = maka m k = Defns 8 [] Relas R pada hmpunan A dsebut relas ekuvalens jka dan hanya jka R mempunya sfat refleksf, smetrs dan transtf. C. Transtf Klosur dar Gabungan Dua Relas Ekuvalens pada Suatu Hmpunan Salah satu aplkas transtf klosur adalah pada relas ekuvalens. Msal R dan S adalah relas ekuvalens pada hmpunan A, akan dcar suatu relas ekuvalens terkecl yang d dalamnya memuat R dan S. Untuk mencar relas tersebut berart sama dengan menentukan transtf klosur dar gabungan dua relas ekuvalens yang ada (R dan S). Defns 2.9. [2] Msalkan R relas dar A ke B. Invers dar relas R dnotaskan R - adalah relas dar B ke A yang ddefnskan sebaga berkut R - = {(y,x)xry}. Teorema 2.4. [4] Msalkan R, R 2 relas dar A ke B maka (R R 2 ) - = R - R - 2. Bukt. (x,y) (R R 2 ) - (y,x) R R 2 (y,x) R (y,x) R 2 (x,y) R - - (x,y) R 2 (x,y) R - - R 2 Teorema 2.5. [4] Msalkan R relas pada A. R smetrs jka dan hanya jka R = R -. Bukt. () Bukt n ada dua bagan, yatu : (). Ambl sebarang (x,y) R. Karena R smetrs maka (y,x) R. Dar defns nvers, maka (x,y) R -. Sehngga R R -. (). Ambl sebarang (x,y) R -. Dar defns nvers maka (y,x) R. Karena R smetrs maka (x,y) R. Sehngga R - R. Jad dar () dan (), terbukt R = R -. ()Ambl sebarang (x,y) R. Dar defns nvers maka (y,x) R -. Karena R = R - maka (y,x) R. Sehngga jka (x,y) R maka (y,x) R. Berdasarkan defns smetrs, maka R smetrs. Teorema 6 [4] Jka R dan S relas ekuvalens pada hmpunan A maka relas ekuvalens terkecl yang memuat R dan S adalah (R S)*. Bukt. Msalkan E adalah relas persamaan (equalty relaton) yang ddefnskan sebaga berkut : E = {(x,x)x A}. Suatu relas adalah refleksf jka hanya jka relas tersebut memuat E. E R, E S sebab keduanya refleksf. Jad E R S (RS)*, sehngga (R S)* juga refleksf. Karena R dan S smetrs, maka R= R - dan S = S -. Jad (R S) - = R - S - = R S, dan R S juga smetrs. Oleh karena tu, semua path dalam R S mempunya dua jalur yang arahnya berlawanan, sehngga (R S)* juga smetrs. Karena telah 82

6 Sukmawat Nur Endah (Transtf Klosur dar Gabungan Dua Relas Ekuvalens pada ) dketahu bahwa (R S)* transtf, maka (R S)* adalah relas ekuvalens yang memuat R S. Relas (R S)* adalah yang terkecl, sebab tdak ada hmpunan terkecl yang memuat R S yang dapat transtf, sesua dengan defns transtf klosur. (R S)* n merupakan transtf klosur sekalgus relas ekuvalens terkecl dar gabungan dua relas ekuvalens R dan S pada hmpunan A. Contoh 2 Msalkan A = {, 2, 3, 4, 5} dan relas pada hmpunan A adalah: R = {(a,b) A x Aab (a ganjl, ba+) (a genap, ba-)}, dan S = {(a,b) A x Aab a 2 +b 2 4}, sehngga: R = {(,), (,2), (2,), (2,2), (3,3), (3,4), (4,3), (4,4), (5,5)} S = {(,), (2,2), (3,3), (4,4), (4,5), (5,4), (5,5)} Jelas bahwa R dan S adalah relas ekuvalens. Akan dcar relas ekuvalens terkecl yang memuat R dan S. Matrks dar relas R dan S adalah sebaga berkut: M R = dan M S = M R S = M R M S = Untuk mencar M (R S)* dengan menggunakan algortma Warshall. Pertama W = M R S. a). Menentukan W (k = ) Karena W mempunya nla d lokas dan 2 dar kolom dan d lokas dan 2 pada bars, maka tdak ada nla yang baru yang dtambahkan pada W. Jad W = W. b). Menentukan W 2 (k = 2) Karena W mempunya nla d lokas dan 2 dar kolom 2 dan d lokas dan 2 dar bars 2, maka tdak ada nla yang baru yang dtambahkan pada W. Jad W 2 = W. c). Menentukan W 3 (k = 3) Karena W 2 bernla d lokas 3 dan 4 dar kolom 3 dan d lokas 3 dan 4 dar bars 3, maka tdak ada nla yang baru yang dtambahkan pada W 2. Jad W 3 = W 2. d). Menentukan W 4 (k = 4) Karena W 3 bernla d lokas 3, 4 dan 5 dar kolom 4 dan d lokas 3, 4 dan 5 dar bars 4, maka untuk membentuk W 4 harus dtambahkan nla baru pada W 3 d elemen ke (3,5) dan (5,3). Jad : W 4 e). Menentukan W 5 (k = 2) Karena W 4 mempunya nla pada lokas 3, 4 dan 5 dar kolom 5 dan lokas 3, 4 dan 5 dar bars 5, maka tdak ada nla baru yang dtambahkan pada W 5. Jad W 4 = W 5. Jad t(r S) = {(,), (,2), (2,), (2,2), (3,3), (3,4), (3,5), (4,3), (4,4), (4,5), (5,3), (5,4), (5,5)}. Hasl t(r S) n merupakan relas ekuvalens terkecl yang memuat R dan S. Penyelesaan dengan menggunakan program dapat dlhat pada contoh output d halaman selanjutnya. D. Implementas dalam Program Pascal dengan Struktur Data Dnams Dar pembahasan sebelumnya, langkah-langkah dalam menentukan transtf klosur dar gabungan dua relas ekuva- 83

7 Jurnal Matematka Vol. 8, No.3, Desember 25: lens pada suatu hmpunan agar mendapatkan relas ekuvalens terkecl dapat dgambarkan pada Gambar 2. Langkah-langkah tersebut kemudan dbuat ke dalam program dengan bahasa pemrograman Turbo Pascal dan menggunakan struktur data dnams. Dalam membuat program, senara yang dgunakan adalah senara banyak (multlst), sebab terkadang relas yang ada pada suatu hmpunan, hanya melbatkan beberapa elemen yang ada dalam hmpunan tersebut. Sehngga struktur smpul matrks relas dapat dlhat pada Gambar 3. Contoh 3 Matrks relas R pada contoh 2 = Penyajan matrks d atas dengan senara beranta banyak adalah sebaga berkut. R Relas Ekuvalens (Msal : Relas R) Membuat matrks relas R, M R Relas Ekuvalens (Msal : Relas S) Membuat matrks relas S, M S Menggabungkan matrks M R S = M R M S Menentukan transtf klosur dar R S dengan algortma Warshall Relas ekuvalens yang memuat R dan S Gambar 2. Langkah-langkah menentukan relas ekuvalens terkecl dar gabungan dua relas ekuvalens pada suatu hmpunan Bars Bawah Kolom Kanan Gambar 3. Struktur smpul untuk matrks relas Bars dan Kolom menunjukkkan nomor bars dan nomor kolom yang bernla. Tpe Bars dan Kolom adalah nteger. Bawah dan Kanan masng-masng adalah ponter yang bertpe sama sepert gambar 3. Ponter Bawah menunjuk ke nomor bars berkutnya, ponter Kanan menunjuk ke kolom berkutnya Gambar 4. Penympanan matrks relas dengan senara beranta banyak Deklaras smpul sepert d atas sepert dalam referens [3] adalah: type Mat = ^ Elemen; Elemen = record Bars, Kolom : nteger; Kanan, Bawah : Mat; end; Procedure yang dgunakan dalam program adalah: a) Procedure BUAT_SIMPUL: Dgunakan untuk membuat smpul baru. b) Procedure ADA_BARIS: Dgunakan untuk mencek apakah nomor bars sudah ada. c) Procedure ADA_KOLOM: Dgunakan untuk mencek apakah nomor kolom sudah ada. d) Procedure SISIP_ELEMEN: Dgunakan untuk menyspkan elemen matrks pada possnya yang tepat. 84

8 Sukmawat Nur Endah (Transtf Klosur dar Gabungan Dua Relas Ekuvalens pada ) e) Procedure TAMBAH_DATA: Dgunakan untuk menambah data pada relas yang telah ada. f) Procedure CETAK_MATRIKS: Dgunakan untuk mencetak bentuk matrks yang bernla dan. g) Procedure CETAK_RELASI: Dgunakan untuk mencetak relas dar suatu bentuk matrks. h) Procedure GABUNGAN_MATRIKS: Dgunakan untuk menggabungkan dua buah matrks relas. ) Procedure TRANSITIF_KLOSUR: Dgunakan untuk menentukan transtf klosur dar sebuah matrks. j) Procedure CEK_REFLEKSIF: Dgunakan untuk mengecek sfat refleksf dar suatu relas. k) Procedure CEK_SIMETRIS: Dgunakan untuk mengecek sfat smetrs dar suatu relas. l) Procedure CEK_TRANSITIF: Dgunakan untuk mengecek sfat transtf dar suatu relas. Berkut contoh output program: Tamplan menu plhan >>> MENU PILIHAN <<< A. INPUT DATA (DUA RELASI EKUIVALENSI) B. MENAMBAH DATA C. OUTPUT MATRIKS RELASI EKUIVALENSI D. OUTPUT MATRIKS GABUNGAN DUA RELASI EKUIVALENSI E. TRANSITIF KLOSUR DARI GABUNGAN DUA RELASI EKUIVALENSI F. KESIMPULAN G. SELESAI PILIH SALAH SATU (A..G atau a..g): Tamplan menu plhan A (Input Data) PERHATIAN. Pemasukan data relas ekuvalens berdasarkan matrks relasnya yatu hanya pada elemen yang bernla. 2. Jka Anda ngn mengakhr pemasukan data, ketkkan blangan sesudah kata Nomor bars Tamplan contoh pemasukan data relas ekuvalens (msal untuk data d contoh 2 halaman sebelumnya) MASUKKAN POSISI ELEMEN YANG BERNILAI PADA MATRIKS RELASI EKUIVALENSI PERTAMA: Nomor bars : Nomor kolom : Nomor bars : Nomor kolom : 2 Nomor bars : 2 Nomor kolom : Nomor bars : 2 Nomor kolom : 2 Nomor bars : 3 Nomor kolom : 3 Nomor bars : 3 Nomor kolom : 4 Nomor bars : 4 Nomor kolom : 3 Nomor bars : 4 Nomor kolom : 4 Nomor bars : 5 Nomor kolom : 5 Nomor bars : MASUKKAN POSISI ELEMEN YANG BERNILAI PADA MATRIKS RELASI EKUIVALENSI KEDUA: Nomor bars : Nomor kolom : Nomor bars : 2 Nomor kolom : 2 Nomor bars : 3 Nomor kolom : 3 Nomor bars : 4 Nomor kolom : 4 Nomor bars : 4 Nomor kolom : 5 Nomor bars : 5 Nomor kolom : 4 Nomor bars : 5 Nomor kolom : 5 Nomor bars : >> CEK TERPENUHINYA SYARAT RELASI EKUIVALENSI << Ingat : Relas dkatakan relas ekuvalens jka dan hanya jka relas tersebut mempunya sfat refleksf, smetrs, dan transtf Relas PERTAMA merupakan relas refleksf Relas PERTAMA merupakan relas smetrs Relas PERTAMA merupakan relas transtf Relas PERTAMA merupakan relas ekuvalens 85

9 Jurnal Matematka Vol. 8, No.3, Desember 25: Relas KEDUA merupakan relas refleksf Relas KEDUA merupakan relas smetrs Relas KEDUA merupakan relas transtf Relas KEDUA merupakan relas ekuvalens Tamplan menu plhan C (Matrks Relas Ekuvalens) >> MATRIKS RELASI EKUIVALENSI << ================================== MATRIKS RELASI EKUIVALENSI PERTAMA: MATRIKS RELASI EKUIVALENSI KEDUA: Tamplan menu plhan D (Matrks Gabungan Dua Relas Ekuvalens) >> GABUNGAN DUA BUAH MATRIKS RELASI EKUIVALENSI << ================================== MATRIKS HASIL GABUNGAN: Tamplan menu plhan E (Transtf Klosur dar Gabungan Dua Relas Ekuvalens) >>TRANSITIF KLOSUR DARI GABUNGAN DUA BUAH MATRIKS RELASI EKUIVALENSI<< =================================== Matrks W(): Matrks W(2): TEKAN ENTER UNTUK MELANJUTKAN!! Matrks W(3): Matrks W(4): TEKAN ENTER UNTUK MELANJUTKAN!! Matrks W(5): MATRIKS HASIL TRANSITIF KLOSUR : 86

10 Sukmawat Nur Endah (Transtf Klosur dar Gabungan Dua Relas Ekuvalens pada ) Jad transtf klosur dar gabungan dua relas ekuvalens(r dan S) adalah t(r U S) = {(,),(,2),(2,), (2,2),(3,3),(3,4),(3,5),(4,3), (4,4),(4,5), (5,3),(5,4),(5,5)} Tamplan menu plhan F (Kesmpulan) >> KESIMPULAN << ============ Dua relas ekuvalens R dan S dar matrks relas yang dketahu adalah : R = {(,),(,2),(2,),(2,2), (3,3),(3,4),(4,3),(4,4),(5,5)} S = {(,),(2,2),(3,3),(4,4), (4,5),(5,4),(5,5)} Relas ekuvalens terkecl yang mengandung R dan S adalah {(,),(,2),(2,),(2,2),(3,3), (3,4),(3,5),(4,3),(4,4),(4,5), (5,3),(5,4),(5,5)} 3. PENUTUP Dar pembahasan yang telah dkemukakan sebelumnya, maka dapat dambl kesmpulan sebaga berkut:. Transtf klosur dar suatu relas merupakan relas transtf terkecl yang mengandung R, sedangkan transtf klosur dar gabungan dua relas ekuvalens merupakan relas ekuvalens terkecl yang mengandung dua relas yang dketahu. 2. Algortma Warshall dapat dgunakan untuk menentukan relas ekuvalens terkecl dar gabungan dua relas ekuvalens pada suatu hmpunan dengan cara menentukan transtf klosur dar gabungan kedua relas ekuvalens tersebut. 3. Penympanan matrks relas dengan senara beranta banyak dapat menghemat memor sebab elemen nol pada matrks tersebut tdak kut tersmpan. 4. DAFTAR PUSTAKA [] Barner, W., Fedman, N. (99), Introducton to Advanced Mathematcs, Prentce-hall Internatonal, New Jersey: [2] Fletcher, Hoyle, Patty (99), Foundatons of Dscrete Mathematcs. PWS Kent Publshng Company, Boston: [3] Insap Santosa, P. (992) Struktur Data Menggunakan Turbo Pascal 6., And Offset, Yogyakarta: [4] Kolman, B. (987), Dscrete Mathematcal Structures for Computer Scence, Prentce-hall Inc, New Jersey: [5] Ross, K A., Wrght, C.R.B. (992), Dscrete Mathematcs, Thrd Edton, Prentce-hall Internatonal, New Jersey:

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

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

Lebih terperinci

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

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

Lebih terperinci

PADA GRAF PRISMA BERCABANG

PADA GRAF PRISMA BERCABANG PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

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

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

ALJABAR LINIER LANJUT

ALJABAR LINIER LANJUT ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

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

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

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

Lebih terperinci

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan.

BAB III PEMBAHASAN. Pada bab ini akan dibahas mengenai ring embedding dan faktorisasi. tunggal pada ring komutatif tanpa elemen kesatuan. BAB III PEMBAHASAN Pada bab n akan dbahas mengena rng embeddng dan faktorsas tunggal pada rng komutatf tanpa elemen kesatuan. A. Rng Embeddng Defns 3.1 (Malk et al. 1997: 318 Suatu rng R dkatakan embedded

Lebih terperinci

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

Lebih terperinci

Bab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak

Bab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak Bab 3 Teor Comonotonc Pada bab n konsep teor comonotonc akan dpaparkan dar awal dan berakhr pada konsep teor n untuk jumlah dar peubah - peubah acak 1. Setelah tu untuk membantu pemahaman akan dberkan

Lebih terperinci

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@yahoo.com

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F )

BAB III HASILKALI TENSOR PADA RUANG VEKTOR. Misalkan V ruang vektor atas lapangan F. Suatu transformasi linear f L ( V, F ) 28 BAB III HASILKALI TENSOR PADA RUANG VEKTOR III.1 Ruang Dual Defns III.1.2: Ruang Dual [10] Msalkan V ruang vektor atas lapangan F. Suatu transformas lnear f L ( V, F ) dkatakan fungsonal lnear (atau

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2)

Penyelesaian Masalah Transshipmen Dengan Metoda Primal-Dual Wawan Laksito YS 2) ISSN : 69 7 Penyelesaan Masalah Transshpmen Dengan Metoda Prmal-Dual Wawan Laksto YS ) Abstrak Masalah Pemndahan Muatan adalah masalah transportas yang melbatkan sambungan yang harus dlewat. Obektnya adalah

Lebih terperinci

BAB 3 PRINSIP INKLUSI EKSKLUSI

BAB 3 PRINSIP INKLUSI EKSKLUSI BAB 3 PRINSIP INKLUSI EKSKLUSI. Tentukan banyak blangan bulat dar sampa dengan 0.000 yang tdak habs dbag 4, 6, 7 atau 0. Jawab: Msal: S = {, 2, 3, 4, 5,..., 0.000} a = {sfat habs dbag 4} a 2 = {sfat habs

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

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

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

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

Lebih terperinci

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

GELANGGANG HEREDITER

GELANGGANG HEREDITER GELANGGANG HEREDITER TEDUH WULANDARI Departemen Matematka, Fakultas Matematka dan Imu Penetahuan Alam, Insttut Pertanan Boor Jl. Raya Pajajaran, Kampus IPB Baranansan, Boor, Indonesa Abstract. Tulsan n

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

BAB V INTEGRAL KOMPLEKS 6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan

Lebih terperinci

SCHEMATICS 2009 National Programming Contest

SCHEMATICS 2009 National Programming Contest SCHEMATICS 2009 Natonal Programmng Contest No Nama Problem 1 Berhtung 2 Gelang Cantk 3 Jalan 4 Kubangan Lumpur 5 Ayam dan Bebek 6 Schematcs09 7 Pagar Labrn JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI

Lebih terperinci

PELABELAN CORDIAL DAN GRACEFUL PADA ARBITRARY SUPERSUBDIVISION GRAF PATH DAN STAR

PELABELAN CORDIAL DAN GRACEFUL PADA ARBITRARY SUPERSUBDIVISION GRAF PATH DAN STAR PELABELAN CORDIAL DAN GRACEFUL PADA ARBITRARY SUPERSUBDIVISION GRAF PATH DAN STAR Kornela Paskatra Cahayan, R. Her Soelstyo U 2, Solchn Zak 3,2,3 Program Stud Matematka FSM Unverstas Dponegoro Jl. Pro.

Lebih terperinci

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

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

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

Lebih terperinci

IV HASIL DAN PEMBAHASAN

IV HASIL DAN PEMBAHASAN 7 IV HASIL DAN PEMBAHASAN 4. Pengumpulan Data Data yang dgunakan dalam peneltan n data sekunder yang dperoleh dar rujukan utama jurnal Fuzzy Condtonal Probablty elatons and ther Applcatons n Fuzzy Informaton

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

PENGURUTAN DATA. A. Tujuan

PENGURUTAN DATA. A. Tujuan PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR Dajukan sebaga Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sans pada Jurusan Matematka Oleh : IIS ERIANTI

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA) PROPERT DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN Prncpal Component Analyss (PCA) Oleh : Hanna aa Parhusp, usp, Deva eawdyananto a dan Bernadeta Desnova Kr Program Stud Statstka

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

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

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

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

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

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

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak

MENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan

Lebih terperinci

Edisi Juni 2011 Volume V No. 1-2 ISSN TRAIL EULER MINIMAL DI DALAM GRAF BERARAH YANG TERBOBOTI. Bandung

Edisi Juni 2011 Volume V No. 1-2 ISSN TRAIL EULER MINIMAL DI DALAM GRAF BERARAH YANG TERBOBOTI. Bandung Eds Jun 211 Volume V No. 1-2 ISSN 1979-8911 RAIL EULER MINIMAL DI DALAM GRAF BERARAH YANG ERBOBOI St Julaeha 1, Murtnngrum 2, Rda Novrda 3, Endang Retno Nugroho 4 1 Dosen Jurusan Matematka, Fakultas Sans

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi?

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi? Termnolog Sngle source shortest path djkstra wjanarto Djkstra s algorthm d paka untuk menemukan shortest path dar satu source ke seluruh vertek dalam graph. Algo n menggunakan 2 hmp node yatu S dan C.

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN

Teori Himpunan. Modul 1 PENDAHULUAN Modul 1 Teor Hmpunan Dr. Subanar K PENDHULUN arena banyak karakterstk dar masalah probabltas dapat dnyatakan secara formal dan dmodelkan secara rngkas dengan menggunakan notas hmpunan elementer, maka pertama-tama

Lebih terperinci

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

Preferensi untuk alternatif A i diberikan

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci