Definisi 2.3 : Jika max min E(X,Y) = min

Ukuran: px
Mulai penontonan dengan halaman:

Download "Definisi 2.3 : Jika max min E(X,Y) = min"

Transkripsi

1 Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu bagi peaia P da y 0 sebagai strategi optiu bagi peai P2 da E(x 0, y 0 ) adalah ilai peraiaya Cotoh 25 : Diberika atriks pebayara di bawah ii : Peai P2 i 2 Peai P Misalka P eilih strategi capura X = (x, x 2,x 3 ) da P2 eilih strategi capura Y =(y,y 2 y 3 ) E(X,Y) = XAY 6 y = (x, x 2,x 3 ) 2 7 y2 3 8 y = (x + 2x 2 3x 3 6x -7x 2 +8x 3 ) y2 = y (x + 2x 2 3x 3 ) + y 2 (6x -7x 2 +8x 3 ) Misalka X = (/3, /6, ½) da Y = (/4, ¾ ) E(X,Y) = ¼ (/3 +2/6 3/2) + ¾ (2-7/6 + 4) = 83/24 ii berarti secara rata-rata peai P eperoleh keeaga sebesar 83/24 Defiisi 24 : Jika X * = (x *, x * 2,, x * ) erupaka strategi capura optiu bagi P Y * = (y *, y * 2,, y * ) erupaka strategi capura optiu bagi P2 Maka V * = E(X *, Y * ) = X * A Y * adalah ilai harapa optiuya 223 Atura Doiasi Sebelu eyelesaika suatu peraia, perlu dipertibagka apakah ada baris atau kolo dala atriks pebayara yag tidak efektif pegaruhya didala peetua strategi optiu da ilai peraia Bila ada, baris/kolo tersebut bisa dihapus, hal ii berarti probabilitas utuk eilih strategi ii = ol Atura ii diaaaka atura doiasi Siaa Hali Tekik Idustri UK Petra

2 Peelitia Operasioal II Teori Peraia 23 () Atura Doiasi bagi P Bila terdapat suatu baris dega seua elee dari baris tersebut adalah saa (sekolo) atau lebih kecil dari baris yag lai aka baris tersebut dikataka didoiasi da dapat dihapuska (2) Atura Doiasi bagi P2 Bila terdapat suatu kolo dega seua elee dari baris kolo tersebut adalah saa atau lebih besar dari elee dala posisi yag saa (sebaris) dari kolo yag lai aka kolo tersebut dikataka didoiasi da dapat dihapuska Atura doiasi ii dapat diulag lagi ika asih ada baris atau kolo yag didoiasi oleh baris/kolo yag lai Tetapi tidak seua peraia yag epuyai titik pelaa dapat diselesaika dega atura doiasi yag berulag-ulag tersebut Cotoh 26: Diberika atriks pebayara di bawah ii : Peai P2 Peai P i Terlihat bahwa a < a 4 da a 2 < a 4 ii berarti bahwa P(a ) = P(a 2 ) = 0 Peai P Peai P2 i Terlihat bahwa a i2 > a i4, a i3 > a i4 da a i5 > a i4 ii berarti P(a i2 ) = P(a i3 ) = P(a i5 )= 0 Peai P2 Peai i 4 P Siaa Hali Tekik Idustri UK Petra

3 Teori Peraia 24 Peelitia Operasioal II 23 Metode Peyelesaia (Dari peraia berulah ol utuk 2 orag dega strategi capura) 23 Metode Alabar Dapat diguaka utuk edapatka peyelesaia dari suatu peraia berulah ol dari dua orag dega asig-asig peai eiliki 2 strategi Perhatika : Peai P2 i Y -Y i 2 Peai x a a 2 P -x 2 a 2 a 22 Peai P : Total keeaga harapa P ketika P2 eaika strategi I = total keeaga harapa P ketika P2 eaika strategi 2 x a + (-x) a 2 = x a 2 + (-x) a 22 x(a + a 22 a 2 a 2 ) = a 22 a 2 x * a22 a2 = x = a + a22 a2 a * x 2 = - x * ; X * = (x *, x * 2 ) Peai P2 : Kekalaha ketika P eaika baris I = kekalaha ketika P eaika baris II 2 y a + (-y) a 2 = y a 2 + (-y) a 22 y * a22 a = y = a + a a a y * 2 = -y * ; Y * = (y *, y * 2 ) Nilai peraia eurut padaga P V * = y * [ x * a + x * 2 a 2 ] + y * 2 [ x * a 2 + x * 2 a 22 ] Nilai peraia eurut padaga P2 V * = x * [ y * a + y * 2 a 2 ] + x * 2 [ y * a 2 + y * 2 a 22 ] 2 Cotoh 27 P2 i \ 2 P Siaa Hali Tekik Idustri UK Petra

4 Peelitia Operasioal II Teori Peraia Metode Grafik Haya dapat diguaka ika peraia berukura 2x2, 2x atau x2 Peai yag haya puya 2 strategi harus ecari strategi yag optiu lebih dahulu Perhituga dapat dilakuka dega egguaka atura dualitas, pada progra liear Peraia berukura 2x P2 y y 2 y i \ 2 N P x a a 2 a -x 2 a 2 a 22 a 2 2 x i = y i = x i 0 ; y 0 i, Pebayara harapa berdasarka strategi uri P2 : Strategi Pebayara Harapa Bagi P Muri P2 a x + a 2 ( x ) = (a a 2 ) x + a 2 2 a 2 x + a 22 ( x ) = (a 2 a 22 ) x + a 22 3 a 3 x + a 23 ( x ) = (a 3 a 23 ) x + a 23 a x + a 2 ( x ) = (a a 2 ) x + a 2 Pebayara harapa bagi P bervariasi secara liear terhadap x Berdasarka kriteria iiax utuk peraia dega strategi capura, P harus eilih ilai x yag aka eaksialka pebayara harapa iiuya Metode Grafik : - Subu Vertikal erupaka pebayara harapa - Subu Horizotal erupaka variasi x, 0 x - Cari titik ai Cotoh 28 P2 i \ Y y2 y3 P x - 3 -x Siaa Hali Tekik Idustri UK Petra

5 Teori Peraia 26 Peelitia Operasioal II Pebayara harapa bagi P bedasarka strategi uri P2 : Strategi Pebayara Harapa Bagi P Muri P2 - x + 5 ( x ) = -6 x + 5 () 2 X + 3 ( x ) = -2 x + 3 (2) 3 3 x - 3 ( x ) = 6 x 3 (3) V * = = x 5 () 5 4 (2) titik ai x * =2/ (3) ax { i (-6 x + 5, -2 x +3, 6x 3) } ax x {i (-6 x + 5, 6x 3) } -6 x + 5 = 6x 3-2 x = -8 x * = 8/2 = 2/3 = x * x 2 = 2/3 = /3 V * = -6 2/3 + 5 = Strategi optiu peai P2 V * = = a i x * i y * V * = y * (-6 x * +5) + y * 2 (-2 x * +3) + y * 3 (6x * -3) = y * (-6 (2/3)+5) + y * 2 (-2 (2/3) +3) + y * 3 (6 (2/3) -3) = y * * * + 5/3 y 2 + y 3 dega = y * * * + y 2 + y 3 Dari grafik di atas dapat dilihat bahwa seua garis a x i i yag tidak elewati titik ai berkorespodesi dega y * = 0 (supaya tidak eaikka ilai dari * pebayara harapa), karea utuk setiap x pada garis tersebut aka eghasilka pebayara harapa yag lebih tiggi dari ilai aksiu pebayara harapa Siaa Hali Tekik Idustri UK Petra

6 Peelitia Operasioal II Teori Peraia 27 Lihat : garis dega persaaa -2 x + 3 tidak elewati titik ai Cek : -2 (2/3) + 3 = 5/3 > V * Berarti y 2 * = 0 da y * + y 3 * = Strategi kedua dari P2 tidak diaika sehigga atriks pebayara eadi : P2 i \ y -y P x - 3 -x 5-3 Pebayara harapa bagi P2 bedasarka strategi uri P : Strategi Pebayara Harapa Bagi P2 Muri P - y + 3 ( y ) = 3-4 y 2 5 y - 3 ( y ) = 8 y - 3 Peyelesaia : 3-4 y = 8y y = 6 y * = /2, y * 2 = /2 adi : P X * = (2/3, /3) P2 Y * = (/2, 0, ½) V * = Peraia berukura (x2) P2 y y 2 2 x a a 2 P x 2 a 2 a 22 x 3 a 3 a 32 x a a 2 Dala peraia ii diasusika peraia tidak eiliki titik pelaa Pebayara harapa yag berkaita dega strategi uri peai P2 adalah : Strategi Pebayara Harapa Muri P2 Bagi P (a a 2 ) y + a 2 2 (a 2 a 22 ) y + a 22 3 (a 3 a 32 ) y + a 32 M (a a 2 ) y + a 2 Siaa Hali Tekik Idustri UK Petra

7 Teori Peraia 28 Peelitia Operasioal II Di sii peai p2 seharusya eilih y yag dapat eiiuka pebayara harapa aksiuya (prisip iiaks) Cotoh 29 P2 y -y 2 P x 4-3 x 2-3 x 3 2 Strategi Pebayara Muri P Harapa Bagi P2 7 3 y y 3 y iiax Titik Potog (iiax) 2 4y = y + -5y = -2 y * = 2/5, y 2 * = 3/5 v * = 2/5 + = 7/5 Nilai optiu x * bagi peai P dapat diperoleh dari pebayara harapa peria, dega esubstitusika ilai y * pada persaaa v *, yaitu V * = x * (7y * - 3) + x 2 * (3-4y * ) + x 3 * (y * +) dega x * + x 2 * + x 3 * = Karea garis (7 y -3) tidak elewati titik iiax, berarti x * = 0 sehigga diperoleh persaaa x 2 * + x 3 * = Peai P2 y y 2 Strategi P2 Pebayara Harapa P x x 2 x x 2 + Siaa Hali Tekik Idustri UK Petra

8 Peelitia Operasioal II Teori Peraia 29 Peyelesaia : 2 3 x 2 = 2 x x 2 = x 2 = /5 x 3 = 4/5 Jadi : X * = (0, /5, 4/5) Y * = (2/5, 3/5) V * = 7/5 Cara lai utuk eghitug strategi optiu bagi peai yag epuyai lebih dari 2 piliha strategi, adalah dega egguaka teori dualitas pada progra liear dega egaggap persaaa utuk peai dega 2 strategi sebagai prialya Peai P2 y y 2 y i \ 2 x a a 2 a V P x 2 2 a 2 a 22 a 2 V x 3 3 a 3 a 32 a 3 V x a a 2 a V V V Prisip Peai P Maaksiuka V sedeikia higga : Dega a i x i V V ; =,2,, da V : ilai peraia x i = x i 0 I ai ) V = i ( ai, ai2,, Prisip Peai P2 Meiiuka V sedeikia higga : = a i y V ; i =,2,, da V : ilai peraia Siaa Hali Tekik Idustri UK Petra

9 Teori Peraia 30 Peelitia Operasioal II Dega : = y y 0 = a y ) = = = V = i ( a y, a2 y,, Cotoh 20 y y 2 y 3 y x x Dega egguaka etode grafik, strategi optial peai P adalah X * = (2/3, /3) Aka diguaka teori dualitas utuk eghitug P2 0 > y 0 > y 2 0 > y 3 0 = y 4 0 < 2/3 =x = 2/3 0 < /3 =x = 2/3 = 2/3 = 2/3 = 2/3 > 2/3 Dualitas : 2 y + y 2 = 2/3-2y +2y 3 = 2/ y y 3 = 4/3 y 2 = 4/3 2 y 3 abil y 3 = λ > 0 y 2 = 4/3 2 λ Berarti : 2 y = 2/3 y 2 y = λ - /3 y * = λ - /3; y 2 * = 4/3-2λ; y 3 * = λ; y 4 * = 0 da λ > 0 Y * = (λ - /3, 4/3-2λ, λ, 0) Misalka λ = 2/3 aka aka didapat Y * = (/3, 0, 2/3, 0) λ =/3 aka aka didapat Y * =(0, 2/3, /3,0) Siaa Hali Tekik Idustri UK Petra

10 Peelitia Operasioal II Teori Peraia Metode Progra Liear Setiap peraia berulah ol dari 2 orag (yag berhigga) dapat diubah ke dala betuk progra liear da sebalikya Suatu peraia dega atriks pebayara berukura x, tidak eiliki titik pelaa serta etode doiasi tidak dapat diguaka utuk ereduksi ukura atriks dapat diselesaika dega etode progra liear Diketahui atriks pebayara : Peai Pertaa (P) Peai Kedua (P2) i y y 2 y 3 y x a a 2 a 3 a x 2 a 2 a 22 a 23 a 2 x a a 2 a 3 a x i = Probabilitas P eilih strategi ke-i y = Probabilitas P2 eilih strategi ke- a i = Nilai pebayara yag bersesuaia dega strategi ke-i P, da ke- P2, dega I =,, da =,, Utuk Peai P P eilih x i, (x i 0, x i i ai ) = ) yag aka eaksiuka : ax {i (, ai2,, a } Dega kedala : x i = x i 0 i =,2,, Betuk Progra Liear : ai ) V = i ( ai, ai2,, Max Z = V Siaa Hali Tekik Idustri UK Petra

11 Teori Peraia 32 Peelitia Operasioal II Kedala : () ai x x i i V (2) = =,2,, x i 0 i =,2,, ; V = ilai peraia Peyederhaaa () ( ) ai ; =,2,, V (2 ) = V v x i 0 i =,2,, Perhatika Jika V > 0 tidak ada asalah tetapi ika V = 0 pebagia tidak berlaku V < 0 ubah eadi V > 0 dega eabahka a i +k i, da * k a i da a * i adalah elee terkecil dari atriks pebayara Peyederhaaa (2) x Notasi : X i = i, i =,2,, v X i = v (2 ) ai ) karea ax V = i = i ( v ai, ai2,, aka di dapat : Mi Z = X + X X ( = ) v Kedala : a X i i =,2,, X i i =,2,, Siaa Hali Tekik Idustri UK Petra

12 Peelitia Operasioal II Teori Peraia 33 Peyelesaia : - Guaka Metode Siplex - Utuk P2 guaka dualitas dari P Utuk Peai P2 (Dual dari P) Max W = Y + Y Y ( = v ) Kedala : = a i Y i =,2,, Y =,2,, Cotoh 2: Peai Pertaa (P) y y 2 y 3 X X X Peraia di atas : Tidak eiliki titik pelaa Atura doiasi tidak berlaku Nilai ai = -2 berarti ada keugkia ilai peraiaya V 0, tabahka ilai k 3, abil k = 4 Matriks pebayara berubah eadi : Peai kedua P2 y y 2 Y 3 X 6 3 X Peai Pertaa P X Metode siplex utuk P2 : Max W = Y + Y 2 + Y 3 ( = /v) Kedala: 6 Y + 3Y 2 + Y 3 2 Y + 4Y 2 + 5Y 3 4 Y + Y 2 + 6Y 3 Y, Y 2, Y 3 0 Siaa Hali Tekik Idustri UK Petra

13 Teori Peraia 34 Peelitia Operasioal II Tabel Siplex C i C Y i \ Y Y Y 2 Y 3 P Q R V i R i 0 P /6 0 Q ½ 0 R /4 Z Z -C Y ½ /6 /6 0 0 /6 0 Q 0 3 4/3 -/3 0 2/3 /7 0 R 0-6/3-2/3 0 /3 /6 Z ½ /6 /6 0 0 Z -C 0 -/2-5/6 /6 0 0 Y 7/32 0 3/6 0 -/32 5/32 5/7 0 Q 0 3/8 0 ¼ -7/8 3/8 3/3 Y 3 0-3/6 -/8 0 3/6 /6 - Z /32 /6 0 5/32 Z -C 0-2/32 0 /6 0 5/3 Y 0 0 9/24 -/24 /24 3/24 Y /3 8/3-7/3 3/3 Y /62 3/62 9/62 5/62 Z 3/24 2/24 /24 Z -C /24 2/24 /24 35/24 W = 35/ 24 Y = (3/24, 3/3, 5/62) Y = y /v v = /W y = Y /W, =,2,3 y = 3/35, y 2 = 2/35, y 3 = 0/35 v * = /W k = 24/3-4 = -6/35 Bagi Peai P2 Peai kedua P2 0 > 0 > 0> Peai y =3/24 y 2 =3/3 y 3 =5/62 Pertaa 0<X 6 3 = P 0<X = 0<X = = = = Masalah dual : 6 X + 2 X X 3 = 3 X + 4 X 2 + X 3 = X + 5 X X 3 = Siaa Hali Tekik Idustri UK Petra

14 Peelitia Operasioal II Teori Peraia 35 Dapat diselesaika dega alabar liear, didapat : X = 3/ 24; X 2 = 2/24; X 3 = /24 Z = /v = X + X 2 + X 3 = 35/24 X i = x i /v, Z = /v, x i = X i /Z x = 3/35; x 2 = 2/35; x 3 = /35 X * = (3/35, 2/35, /35) 24 Peraia Berulah Nol dari Orag 24 Pedahulua Asusi yag diguaka : () Setiap peai dala peraia ii dapat berkouikasi da berudig dega peai yag lai utuk ebuat suatu peraia yag egikat serta ebetuk koalisi (2) Para peai dapat ebuat pebayara sapiga yaitu suatu peidaha pebayara di atara peai (3) Peai-peai di dala peraia orag ii dapat dibagi eadi 2 koalisi yag salig bersaig, berarti peraia orag dapat diperlakuka sebagai peraia utuk 2 orag yaitu koalisi I Vs koalisi II 242 Betuk Koalisi Secara uu di dala peraia berulah ol orag terdapat 2 - cara yag ugki utuk egelopokka orag itu ke dala 2 kelopok yag salig bersaig Cotoh Peraia yag berulah ol dari 4 orag (A,B,C,D) Pada peraia ii ada 8 koalisi yag berbeda, yaitu : Grup I Grup II ABCD φ (*) 2 ABC D 3 ABD C 4 ACD B 5 BCD A 6 AB CD 7 AC BD 8 AD BC (*) tidak diguaka (koalisi φ tidak epuyai lagkah, pegaruh da keutuga / kerugia Cotoh 22 Diberika peraia berulah ol dari 3 orag (A,B,C) dega asig-asig peai epuyai 2 piliha strategi Misalya : - Peai A epuyai 2 strategi : X, X 2 Siaa Hali Tekik Idustri UK Petra

15 Teori Peraia 36 Peelitia Operasioal II - Peai B epuyai 2 strategi : Y, Y 2 - Peai C epuyai 2 strategi : Z, Z Ada 3 koalisi yag ugki, yaitu : Grup I Grup II A BC B AC C AB Dega atriks pebayara di bawah ii : Strategi Strategi A B C A B C X Y Z - 0 X Y Z2-3 2 X Y2 Z X Y2 Z X2 Y Z X2 Y Z2 0 - X2 Y2 Z X2 Y2 Z2 2-3 Dega Metode pada Subbab 23 di dapat : A Vs BC - Strategi optiu utuk A : X * = (/2,/2) - Strategi optiu utuk BC : Y * =(3/4, ¼, 0,0) - Nilai peraia V(A) = -3/2 B Vs AC - Strategi optiu utuk B : X * = (3/4,/4) - Strategi optiu utuk AC : Y * =(0, 0, /2, /2) - Nilai peraia V(B) = -/2 C Vs AB - Strategi optiu utuk C : X * = (2/7,5/7) - Strategi optiu utuk AB : Y * =(0, 6/7, 0, /7) - Nilai peraia V(C) = -9/7 243 Iputasi Iputasi adalah suatu distribusi (pebagia) yag ugki dari pebayara yag tersedia yag diyataka sebagai vektor pebayara utuk suatu peraia yag eeuhi kriteria () Pi = 0 P i adalah suatu besara pebayara yag diteria oleh i I peai ke i I = {,2,,} (2) P i V({i}) i I, diaa V({i}) adalah ilai peraia utuk peai ke-i Siaa Hali Tekik Idustri UK Petra

16 Peelitia Operasioal II Teori Peraia 37 Cotoh 23: Dari Cotoh 22 di dapat V(A) = - 5 V(BC) = 5 V(B) = -05 V(AC) = 05 V(C) = -286 V(AB) = 286 Iputasi : (PA, PB, PC) - (-5; 05; ) - (05;-025;025) - (075; 025; -) dsb Buka iputasi : - (02; - 07; 05) karea 07 < 05 - (-2; 5; 05) karea 2 < 5 Terlihat ada bayak keugkia iputasi Maa yag harus dipilih?! Kriteria Doiasi : Misal diberika 2 iputasi berbeda P, P 2 Iputasi P dikataka edoiasi iputasi P 2 utuk suatu koalisi ika : " Pebayara-pebayara utuk seua aggota koalisi itu lebih besar utuk P daripada utuk P 2 " Total pebayara utuk koalisi itu cukup besar utuk eyediaka pebayara secara idividu yag diberika oleh P Cotoh 24 : Dari cotoh 23 : Misal P = (-5; 05; ) P 2 = (05;-025;025) Disii P edoiasi P 2 utuk koalisi (BC) karea (-5; 05; ) > (05;-025;025) > > Tetapi P 2 tidak edoiasi P utuk koalisi BC karea (05;-025;025) < (-5; 05; ) < < Siaa Hali Tekik Idustri UK Petra

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Kosep Peasara Kosep peasara erupaka filsafat bisis yag bagkit eatag kosep-kosep sebeluya. Kosep peasara berpedapat bahwa kuci utuk ecapai tujuatujua orgaisasi/ perusahaaa terdiri

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Jural Matriks, ol. 1, No. 2, 2018 1 PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Rii Hidayattillah, Pardi Affadi, Akhad Yusuf Progra Studi Mateatika Fakultas MIPA Uiversitas Labug

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF

PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Jural Matriks, ol. 1, No. 1, 2018 1 PENYELESAIAN TEORI PERMAINAN MENGGUNAKAN METODE SIMPLEKS ALTERNATIF Rii Hidayattillah, Pardi Affadi, Akhad Yusuf Progra Studi Mateatika Fakultas MIPA Uiversitas Labug

Lebih terperinci

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa

Lebih terperinci

Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi)

Penyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi) Peyelesaia Masalah Peugasa Megguaka Metode Hugaria da Pialti (Studi Kasus: CV. Surya Pelagi) Sri Basriati 1, Ayu Lestari 2 1,2 Jurusa Mateatika, Fakultas Sais da Tekologi, UIN Sulta Syarif Kasi Riau Jl.

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

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

Lebih terperinci

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

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

Lebih terperinci

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

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

Lebih terperinci

Bab II Tinjauan Pustaka

Bab II Tinjauan Pustaka Bab II Tiaua Pustaka II. Persaaa Alira Air Taah II.. Huku Darcy Huku Darcy euuka hubuga atara flux, gradie tekaa, da koduktivitas hidrolik, yag tergatug pada edia berpori da air (Spliz da Moreo,996). Perhituga

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

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

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

Lebih terperinci

BAB 2 DASAR TEORI. 2.1 Probabilitas

BAB 2 DASAR TEORI. 2.1 Probabilitas BAB DASAR TEORI. Probabilitas Probabilitas epuyai bayak persaaa seperti keugkia, kesepata da kecederuga. Probabilitas eujukka keugkia terjadiya suatu peristiwa yag bersifat acak. Suatu peristiwa disebut

Lebih terperinci

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +K Oleh : MOHAMMAD IQBAL 1 0 100 01 Pebibig : Drs. Suhud Wahyudi, M.Si. 1900109 198701 1 001 ABSTRAK Graph adalah hipua

Lebih terperinci

KARAKTERISTIK MATRIKS CENTRO-SIMETRIS THE CHARACTERISTICS OF CENTROSYMMETRIC MATRICES

KARAKTERISTIK MATRIKS CENTRO-SIMETRIS THE CHARACTERISTICS OF CENTROSYMMETRIC MATRICES ural Ilu Mateatika da erapa Deseber 206 Volue 0 Noor 2 Hal 69 76 KAAKEIIK MAIK CENO-IMEI Bery Pebo oasouw urusa Mateatika FMIPA Uiversitas Pattiura l Ir M Putuhea, Kapus Upatti, Poka-Abo, Idoesia e-ail:

Lebih terperinci

UKURAN PEMUSATAN DATA

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

Lebih terperinci

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization) Prosidig Seirata FMIP Uiversitas Lapug, Optiisasi Terpadu Persoala Ivetori da Persoala Trasfortasi dega Metode ITIO ( Ivetory Trasfortatio Itegrated Optiizatio) T.P.Nababa, Sukato, Karida Puspita N Jurusa

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN BAB III ANUITAS DNGAN BBRAPA KALI PMBAYARAN STAHUN TRHADAP TABUNGAN PNDIDIKAN. Tabuga Pedidika Aak Tabuga erupaka salah satu produk yag ditawarka oleh bak utuk eyipa uag. Utuk epersiapka daa pedidika aak,

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

Lebih terperinci

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X

PENGGUNAAN NILAI EIGEN DAN VEKTOR EIGEN UNTUK MENENTUKAN MODEL GENOTIP KETURUNAN YANG TERTAUT KROMOSOM X Jural Maajee Ioratika da Tekik Koputer Volue, Noor, pril PENGGUNN NILI EIGEN DN VEKTOR EIGEN UNTUK MENENTUKN MODEL GENOTIP KETURUNN YNG TERTUT KROMOSOM X Havid Syawa *, Nurwati Jurusa Maajee Ioratika,

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Perbaikan Bagan Kendali Pergerakan Data (Data Driven) Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak

Lebih terperinci

Definisi Integral Tentu

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

Lebih terperinci

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH βeta p-issn: 2085-5893 / e-issn: 2541-0458 http://juralbeta.ac.id Vol. 5 No. 1 (Mei) 2012, Hal. 21-29 βeta 2012 SIFAT-SIFAT FUNGSI YANG TRINTGRAL MCSHAN DALAM RUANG UCLID BRDIMNSI N UNTUK FUNGSI-FUNGSI

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

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

Lebih terperinci

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

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

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

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

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

MATEMATIKA DISKRIT II ( 2 SKS)

MATEMATIKA DISKRIT II ( 2 SKS) ATEATIKA DISKRIT II ( SKS) Rabu 8.5. Ruag Hard Disk PERTEUAN V & VI RELASI Dose Lie Jasa OS - 6 ateatika Diskrit Relasi da Fugsi Oerip S. Satoso OS - 6 Relasi Defiisi. Relasi bier R atara A da B adalah

Lebih terperinci

Sekolah Olimpiade Fisika

Sekolah Olimpiade Fisika SOLUSI SIMULASI OLIMPIADE FISIKA SMA Agustus 06 TINGKAT KABUPATEN/KOTA Waktu : 3 ja Sekolah Olipiade Fisika davitsipayug.co Sekolah Olipiade Fisika davitsipayug.co davitsipayug@gail.co. Dua orag aak earik

Lebih terperinci

TINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas

TINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas II. TINJAUAN PUSTAKA 2.1 Ruag Vektor Defiisi 2.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da (F,,. ) lapaga dega eleme idetitas 1. V disebut ruag vektor (vector space) atas F jika ada operasi

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

theresiaveni.wordpress.com NAMA : KELAS :

theresiaveni.wordpress.com NAMA : KELAS : theresiaveiwordpresscom NAMA : KELAS : 1 theresiaveiwordpresscom BARISAN DAN DERET Barisa da deret dapat diguaka utuk memudahka peyelesaia perhituga, misalya buga bak, keaika produksi, da laba/rugi suatu

Lebih terperinci

τ = r x F KESETIMBANGAN

τ = r x F KESETIMBANGAN KESETIMBG Moe Gaa ( τ ) Moe gaa atau torsi adalah besara ag dapat eebabka beda berotasi atau berputar. Besar oe gaa didefiisika sebagai hasil kali atara gaa ag bekerja dega lega. Moe gaa terasuk dala besara

Lebih terperinci

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2 Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama

Lebih terperinci

) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,...

) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,... SISEM PERSAMAAN LINIER DAN MARIKS. SISEM PERSAMAAN LINIER Secara umum, persamaa liier dega variabel ( x, x,..., x ) didefiisika sebagai persamaa yag dapat diyataka dalam betuk: a x a x a x b... dega a,

Lebih terperinci

Analisis Pengambilan Keputusan Multikriteria Untuk Sumber Energi Terbarukan di Wilayah Madura Menggunakan Metode Fuzzy AHP dan VIKOR

Analisis Pengambilan Keputusan Multikriteria Untuk Sumber Energi Terbarukan di Wilayah Madura Menggunakan Metode Fuzzy AHP dan VIKOR JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1 Aalisis Pegabila Keputusa Multikriteria Utuk Suber Eergi Terbaruka di Wilayah Madura Megguaka Metode Fuzzy AHP da VIKOR Mevita Cahayai, Mohaad Isa Irawa,

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA Pada bab ii aka dituliska beberapa aspek teoritis berupa defiisi, teorema da sifat-sifat yag berhubuga dega aljabar liear, struktur aljabar da teori kodig yag diguaka sebagai

Lebih terperinci

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN Siste idetifikasi daerah rawa bajir ebutuhka adaya data spasial yag diolah dega eafaatka tekologi Siste

Lebih terperinci

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN

Jurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN Jural EKSPONENSIAL Volue 8, Noor 1, Mei 2017 ISSN 2085-7829 Proses Optiasi Masalah Peugasa Oe-Objectiveda Two-Objective Megguaka Metode Hugaria (Studi Kasus : Usaha Kerajia Rota Toko Rota Sejati Saarida

Lebih terperinci

BARISAN PANGKAT TERURUT MATRIKS PADA ALJABAR MAX PLUS

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

Lebih terperinci

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

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

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

SOAL PENYISIHAN =. a. 11 b. 12 c. 13 d. 14 e. 15

SOAL PENYISIHAN =. a. 11 b. 12 c. 13 d. 14 e. 15 SOAL PENYISIHAN Petujuk pegerjaa soal : Jumlah soal 0 soal Piliha Gada da Uraia Utuk piliha gada diberi peilaia bear +, salah -, tidak diisi 0 Lama pegerjaa soal adalah 0 meit Kalau berai, silaka pilih

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com Soal da Pembahasa jia Nasioal 06 Matematika Tekik SMK matematikameyeagka.com . pqr Betuk sederhaa dari p q r A. p 8 q r adalah... B. p q 0 r 0 D. p q 0 r 0 C. p 8 q r 0 E. p 6 q r Igat rumus berikut m

Lebih terperinci

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

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

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

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

Lebih terperinci

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya

Lebih terperinci

2 BARISAN BILANGAN REAL

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

Lebih terperinci

Soal-soal Latihan: jika Misalkan n adalah bilangan genap. Buktikan bahwa

Soal-soal Latihan: jika Misalkan n adalah bilangan genap. Buktikan bahwa Soal-soal Latiha:. Misalka kita aka meyusu kata-kata yag dibetuk dari huru-huru dalam kata SIMALAKAMA, jika a. huru S mucul setelah huru K (misalya, ALAMAKSIM). b. huru A mucul berdekata. c. tidak memuat

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Semigrup Matriks Admitting Struktur Ring

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

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

BARISAN TAK HINGGA DAN DERET TAK HINGGA

BARISAN TAK HINGGA DAN DERET TAK HINGGA BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori 4 Bab II Ladasa Teori II. Aalisis "Net Social Gai" (NSG) PT. Siar Asia Fortua sebagai suatu perusahaa tabag baha galia batugapig epuyai kotribusi positif terhadap peigkata pedapata jika ilai outputya lebih

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

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

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

Bab 3 Metode Interpolasi

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

Lebih terperinci

LEMBAR KERJA SISWA 5

LEMBAR KERJA SISWA 5 94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga

Lebih terperinci

MODUL MATEMATIKA SMA IPA Kelas 12

MODUL MATEMATIKA SMA IPA Kelas 12 MODL MATEMATIKA SMA IPA Kelas BARISAN DAN DERET ARITMATIKA. Betuk uu: a, ( a b), ( a b) ( a b). Ruus suku ke- ( ) a ( ) b a : suku pertaa b : beda. Julah suku pertaa (S ) S ( a ) atau S (a ( ) b) Dega

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.

Lebih terperinci

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali Jural Tekika ISSN : 285-859 Fakultas Tekik Uiversitas Islam Lamoga Volume No.2 Tahu 29 Kestabila Ragkaia Tertutup Waktu Kotiu Megguaka Metode Trasformasi Ke Betuk Kaoik Terkedali Suhariyato ) Dose Fakultas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Beberapa Sifat Semigrup Matriks Atas Daerah Integral Admitting Struktur Ring 1

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

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS

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

Lebih terperinci