Penerapan Optimasi Chaos Dan Metode Broyden, Fletcher, Goldfarb, and Shanno Pada Penyelesaian Permasalahan Sistem Persamaan Nonlinier

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penerapan Optimasi Chaos Dan Metode Broyden, Fletcher, Goldfarb, and Shanno Pada Penyelesaian Permasalahan Sistem Persamaan Nonlinier"

Transkripsi

1 Peerapa Optmas Chaos Da Metode Broyde, Fletcher, Goldarb, ad Shao Pada Peyelesaa Permasalaha Sstem Persamaa Noler Rully Soelama,, Nur Chasa, Yudh Purwaato, Maurdh H. Puromo Jurusa Tekk Iormatka, Fakultas Tekolog Iormas Program Pascasarjaa, Jurusa Tekk Elektro, Fakultas Tekolog Idustr Isttut Tekolog Sepuluh Nopember, Surabaya, 0. Emal : rully@s.ts.ac.d Abstrak Peyelesaa permasalaha sstem persamaa oler merupaka salah satu hal yag palg sult dalam kasus komputas umerk da metode Newto merupaka salah satu metode yag bayak dguaka utuk meyelesakaya. Koverges dar metode Newto sagat sest terhadap perkraa awal solus. Namu memlh perkraa awal solus yag optmal utuk sebaga besar sstem persamaa oler, juga merupaka masalah yag sult. Sela tu, pegguaa matrks Jacoba membuat baya komputas utuk metode Newto mejad mahal. Metode Broyde, Fletcher, Goldarb, ad Shao (BFGS merupaka salah satu tekk metode Quas- Newto yag merupaka perbaka dar metode Newto. Dega memaaatka kemampua pecara global dar optmas chaos da koverges yag optmal dar metode Quas-Newto, maka pedekata gabuga dar kedua metode tersebut dusulka pada peelta. Dar hasl peguja da evaluas, dega pedekata gabuga dperoleh tgkat koverges yag tgg da tdak dperluka lag perkraa awal solus utuk dapat meyelesaka permasalaha sstem persamaa oler. Kata kuc : metode Broyde, Fletcher, Goldarb, ad Shao, metode Quas-Newto, optmas chaos, sstem persamaa oler.. Pedahulua Peyelesaa sstem persamaa o ler merupaka salah satu hal yag palg sult dalam kasus komputas umerk. Dperluka usaha yag besar utuk bsa meyelesaka stem persamaa o ler da sampa sekarag terdapat bayak macam teor da algortma yag dguaka utuk meyelesaka kasus. Para ahl berlomba mecar metode yag palg akurat, palg eekt da palg ese. Tetap pada keyataaya mash dtemu rtaga dalam peyelesaa sstem persamaa o ler. Setap metode da algortma yag ada mempuya kelebha da kekuraga masg-masg. Chaos, sat kacau atau tdak beratura yag sebearya bersat determstk atau bsa dtetuka, merupaka eomea yag bayak terjad d bayak sstem dalam bdag lmu pegetahua. Chaos Optmzato Algorthm (COA merupaka algortma optmas yag berdasarka ergodcty, stochastc propertes, da regularty dar chaos tu sedr. Metode Newto merupaka metode yag palg bayak dguaka utuk meyelesaka sstem persamaaa o ler. Tetap metode mempuya kelemaha, atara la tggya waktu yag dguaka karea pada metode terdapat teras yag d dalamya megadug matrks Jacoba. Utuk megatas masalah tersebut, mucullah metode Quas- Newto yag merupaka perbaka dar metode Newto. Quas-Newto meggat komputas yag bersat dervat dega ugs komputas lagsug. Quas-Newto merupaka salah satu ucostraed Optmzato utuk permasalaha o ler. D dalam makalah aka dcar peyelesaa sstem persamaa o ler dega megguaka suatu pedekata yag merupaka peggabuga atara dua metode d atas yatu Chaos Optmzato Algorthm (COA dega metode Quas-Newto. Dharapka kelebha dar kedua metode tersebut aka meghaslka peyelesaa yag ese yatu dega megambl kemampua global search dar COA da rata-rata koverges lokal yag tgg yag dmlk oleh metode Quas-Newto.. Sstem Persamaa Noler Peyelesaa persamaa o ler adalah peetua akar-akar persamaa oler, dmaa akar sebuah persamaa ( = 0 adalah la-la yag meyebabka la ( sama dega ol. Sstem persamaa oler adalah kumpula dar beberapa persamaa oler yag dcar peyelesaaya. Betuk persamaaya adalah sebaga berkut

2 (, (, M, K, (,, K,, K, = 0 = 0 = 0 ( Hasl peyelesaaya adalah = (,,..., T. Utuk meyelesaka sstem persamaa o ler ekuvale dega memmalka ugs utama yag d jabarka sebaga berkut: Dcar : = (,,..., T, Φ M : F ( = ( ( = dmaa Φ adalah ruag peyelesaa. Fugs det post da memlk global mmum d setap akar pemecahaya. Bla mmsas dar F( adalah 0, maka adalah solus yag tepat [].. Metode Quas-Newto dega BFGS Metode merupaka perbaka dar metode Newto. Metode Newto bergerak berdasarka ormas dervat da berasal dar aalss deret Taylor []. Format terat utuk metode Newto dapat dtuls sebaga berkut ( k + ( k ( k ( k = J ( ( ( dmaa J( adalah matrks Jacoba ( ( ( L ( ( ( ( L J ( = M M M ( ( ( L Utuk kasus optmas, metode Newto dterapka pada kods ( = 0 []. Jacoba dar ( adalah ( da basa dsebut matrks Hessa, sehgga ( k + ( k ( k ( k = H ( J ( ( Metode Quas-Newto meggat komputas yag bersat dervat dega ugs komputas lagsug. Matrks Hessa H dgat dega aproksmas atau perkraa matrks Hessa A yag merupaka matrks det post yag mempuya sat sepert matrks Hessa []. Format terat dar metode adalah sebaga berkut: ( k ( k ( k ( k + = + α S ( (k dmaa α adalah step legth yag dapat ( k ( k ( k (k memmumka ugs ( α = ( + α S da S adalah search drecto. Search drecto ddeska sebaga berkut: ( k ( k ( k S = ( A ( ( Metode Quas-Newto berbeda dalam bagamaa perkraa matrks Hessa dbetuk da dupdate. Metode Quas-Newto yag palg sederhaa meetapka perkraa matrks Hessa sebaga matrks dettas. Cara update yag palg terkeal adalah dega metode Broyde, Fletcher, Goldarb, ad Shao (BFGS. Metode dkeal aka ketahaaya (robustess da dapat mecapa koerges superlear dega bak []. Rumus yag dguaka utuk update matrks Hessa adalah ( k ( k T ( k ( k T ( k ( k q ( q g ( g A + = A + + ( k T ( k ( k T ( k ( q s ( δ g ( dmaa q = ( + ( ( k ( k (, g = (, ( k ( k k ( k ( k δ = S, s = Δ = ( k ( k+ ( k. Algortma Optmas Chaos (COA Optmas chaos merupaka tekk pembagkta blaga radom dega megguaka ugs chaos, bsa berbetuk ugs polomal atau ekspoesal sepert persamaa logstk d dalam ekolog yag dguaka utuk meghtug pertumbuha populas suatu speses [0]. Salah satu ugs chaos sederhaa adalah persamaa logstk (logstc map. Persamaa logstk dyataka sebaga berkut [] tk + = λ tk ( tk (9 dmaa kostata λ meyataka laju pertumbuha ugs, yag dalam hal 0 λ, 0 t 0, k = 0,,,..., Ketka λ [., ] meyebabka persamaa (9 mejad chaotc. Chaos Optmzato Algorthm (COA merupaka algortma optmas yag berdasarka ergodcty, stochastc propertes, da regularty dar chaos tu sedr. Utuk masalah optmas sepert dbawah m (,, K,, [ a, b ], =,, K, (0 dperkraka k k k k k k k k = (,, K,, t = ( t, t, K, t. Secara umum gars besar algortma optmas chaos dapat dberka sebaga berkut: Step. Isalsas k r k adalah varabel tada utuk setap teras chaos, r adalah varabel tada utuk pecara. Tetapka jumlah teras maksmum utuk varabel chaos yatu K ma da jumlah teras maksmum utuk pecara (e search yatu r ma. Membuat la t 0 dega radom la atara [0,] da kemuda memastka bahwa t 0 (0, 0., 0., 0.,.0. Tetapka bahwa la

3 k 0 0 r r t = t, t* = t, a = a, b = b, dmaa t* adalah varabel chaos terbak pada saat, a da b adalah batas ruag pecara (search space, kemuda tetuka la * dega megacak (radom dega batas ruag pecara [a,b] da htug *= (*. Step. Mappg varabel yatu k Memetaka t ke daerah optmas, sehgga k r k r r = a + t ( b a Step Htug ( k, badgka haslya dega *. Jka ( k < * maka * = ( k, * = k k, t * = t Step. Iteras varabel chaos k k k k = k + ; t = t (.0 t Step Jka k < K ma maka ulag step. Jka tdak, maka r = r + da lajutka ke step. Step. Ubah batas pecara r+ * r r r+ * r r a = γ ( b a ; b = + γ ( b a r+ a < a r maka r r+ Jka a = a. Jka r+ b > r r+ b maka b = b r dmaa γ (0,0. Step Jka r < r ma, maka buat t 0 melalu radom, tetuka 0 k da t k = t, kemuda kembal ke step. Jka tdak, maka COA dakhr da * adalah solusya.. Pedekata gabuga Ide utama dalam makalah adalah meggabugka dua metode optmas utuk meyelesaka permasalaha sstem persamaa oler. Optmas chaos (COA dguaka utuk meyelesaka sstem persamaa oler dega megoptmas persamaa (, sedagka metode Quas-Newto dguaka utuk meyelesaka sstem persamaa oler berdasarka persamaa ( dega megguaka solus yag dhaslka dar optmas chaos (COA sebaga perkraa awal solus. Proses aka dulag sampa ddapatka solus yag akurat []. Gabuga atara metode bsa djabarka sepert berkut : Step I. Meetuka soluto error ε 0 da mejalaka step dar metode COA. Step II. Mejalaka step - dar metode COA da ugs objektya ddeskrpska sebaga persamaa ( Step III. Jadka solus * yag ddapatka dar COA sebaga salsas awal pada metode quas Newto, kemuda selesaka sstem persamaa o lear yag ddeskrpska d persamaa ( da dapatka solus **; jka F(** < F(*, buat * = **. Step IV Jka ε = ma ( (* ( =,,..., < ε 0. algortma hybrd dhetka; jka tdak r > r ma, hetka algortma hybrd, jka tdak buat * sebaga perkraa awal dar pecara chaos. Haslka t 0 dega acak, k t k = t 0, r := r +, kemuda kembal ke step. Uj Coba da Aalss Uj coba dlakuka pada sebuah PC dega prosesor Itel(R Core(TM Duo CPU ( CPUs dega memor sebesar MB RAM. Sstem operas yag dguaka adalah Wdows Vsta Home Basc da bahasa komputas yag dguaka utuk mplemetas metode adalah Matlab Vers.0. Utuk membuktka kapabltas metode yag dtawarka, uj coba dlakuka terhadap sstem persamaa oler yag berbeda.. Sstem persamaa oler Betuk dar sstem persamaa oler adalah ( = ( = ( = ( = ( = ( = e e Solus utuk sstem persamaa oler [] adalah * = (-,, -,, -, T, *= (-.,.0, -0.,.9, -0.,.9 T da *= (-.0, -0.09, 0.9,.9, -.09,.9 T. Ujcoba dlakuka dega megguaka k ma 00, r ma 00 da batas ruag pecara a da b atara [0, 0]. Hasl perhtuga dar percobaa adalah sebaga berkut : - Solus COA : (0.99, 0.09,.9, 0.9,.,.9 - Solus Akhr : (-,, -,, -, - Jumlah teras : 0 Pada tahap uj coba, setap sstem persamaa oler memlk grak trayektor yag merepresetaska pergeraka la aproksmas solus yag dhaslka oleh metode peyelesaa pada tap teras.

4 Gambar merupaka grak trayektor peyelesaa sstem persamaa oler dega megguaka COA, sedagka gambar merupaka grak trayektor peyelesaa sstem persama oler dega megguaka metode gabuga. Dar Gambar dapat dlhat bahwa metode gabuga (COA da quas-newto dapat meujukka perorma kestabla da koverges pada satu ttk kesetmbaga yag mejad solus optmal dar sstem persamaa oler. Utuk megetahu kebeara dar solus yag dhaslka dar metode gabuga, maka solus yag sudah ddapat dbadgka dega solus sebearya yag sudah terseda pada [] da dar Gambar dapat terlhat bahwa tgkat kesalaha dar solus yag ddapat utuk sstem persamaa oler mecapa agka 0. Gambar Grak trayektor peyelesaa SPNL dega COA Gambar Grak trayektor peyelesaa SPNL dega metode gabuga Gambar Grak tgkat kesalaha SPNL Selsh terakhr atara solus yag dhaslka dar metode gabuga dega solus sebearya adalah (0, 0, 0, 0, 0, 0 da solus sama dega *.. Sstem persamaa oler Betuk dar sstem persamaa oler adalah sebaga berkut A = bh ( b t ( h t, I I y bh ( b t ( h t = ( h t ( b t t = h + b t Sstem persamaa oler merupaka pecara solus utuk ukura geometr dar baga balok peyagga (grder secto rectagular pada suatu bagua []. b adalah lebar dar baga grder, h adalah tgg dar baga grder da t adalah ketebala dar baga grder. Dketahu bahwa A=, I y = 99, I =. Utuk kasus, terdapat kods bahwa h > b > t >0. Kods mejadka sstem persamaa oler mempuya batasa (costrat yag berupa pertdaksamaa, batasa tersebut adalah g( = b h < 0, g ( = t b < 0, g ( = t < 0 Utuk megatas permasalaha karea adaya batasa, maka dguaka ugs pealty, sehgga ugs objekt drumuska sebaga berkut: = ( + M F ( = ma( 0, g ( ( = Dmaa M adalah koese pealty. Solus sebearya berdasarka [] adalah * = (.99,.,.9 T, * = - *, *= (.,.909,.9 T, *= - *, * = (., -.0,.00 T, * = - *.,

5 Ujcoba dlakuka dega megguaka k ma 00, r ma 00 da batas ruag pecara a da b atara [0, 0]. Dar Gambar dapat dlhat bahwa metode gabuga (COA da quas-newto dapat meujukka perorma kestabla da koverges pada satu ttk kesetmbaga yag mejad solus optmal dar sstem persamaa oler. Hasl perhtuga dar uj coba adalah sebaga berkut : - Solus COA : (.,.,. - Solus Akhr : (.909,.,.0 - Jumlah teras : Gambar Grak tgkat kesalaha SPNL Da dar Gambar dapat dlhat juga bahwa tgkat kesalaha dar solus yag ddapat utuk sstem persamaa oler medekat agka 0, hal meujukka bahwa solus yag dhaslka merupaka solus yag tepat. Selsh terakhr atara solus yag dhaslka dar metode gabuga dega solus sebearya adalah (0.0, 0.0, da solus megarah pada *. Gambar Grak trayektor peyelesaa SPNL dega COA Gambar Grak trayektor peyelesaa SPNL dega metode gabuga. Sstem persamaa oler Betuk dar sstem persamaa oler adalah sebaga berkut 9 0 = = = = = K = K = K = = K = K = K R ( 0 j = 0 j= + ( p / + ( p / p / ( p / ( p / R Sstem persamaa oler dguaka utuk mecar solus dar permasalaha Combusto o Propae []. Masalah kesetmbaga kma meggambarka pembakara propae d udara. Terdapat varabel, dmaa ( =,,,..., 0 adalah jumlah mol dar setap produk yag terbetuk utuk setap pembakara propae. Varabel ke- dguaka utuk meyederhaaka persamaa da

6 merupaka jumlah dar 0 varabel yag la. Terdapat 0 produk dar pembakara yag dtujukka dega ( =,,,..., 0. Persamaa merupaka syarat bahwa jumlah dar 0 varabel ( =,,,..., 0 adalah sama dega varabel ke-. Parameter yag sudah past adalah p (tekaa pada atmoser da R (perbadga udara tehadap baha bakar. K, K, K, K, K 9, da K 0 adalah ukura data. Idealya, dharapka semua ( =,,,..., mejad ol. Parameter-parameter yag dguaka utuk sstem persamaa oler adalah : R p K =.0, K =.0, K =.0, K = 0., K 9 =.0, K 0 = 0.. Karea sstem persamaa oler megguaka operas, maka,,,, da harus lebh besar dar ol. Metode quas-ewto tdak bsa mejam hal. Berdasarka percobaa yag sudah dlakuka, jka program dmplemetas berdasarka persamaa maka aka selalu terjad keaeha. Sehgga, operas drubah mejad. Berdasarka [], solus sebearya utuk sstem persamaa oler adalah * = (.,.909,.0,.,.0,.099, 0.9, 0.0,.0, 0.0, 9.00 T * = (.0,.9,., -.0, -.9,.90,.000, -0., -.0, 0.0,. T. Ujcoba dlakuka dega megguaka k ma 00, r ma 00 da batas ruag pecara a da b atara [0,0]. Dar Gambar dapat dlhat bahwa metode gabuga (COA da quas-newto dapat meujukka perorma kestabla da koverges pada satu ttk kesetmbaga yag mejad solus optmal dar sstem persamaa oler Hasl perhtuga dar uj coba adalah sebaga berkut: - Solus COA : (.,.0,.9, 0.99, 0.,.,., 0.,.9,.,. - Solus akhr : (.,.9,.,.,.0,.099, 0.909, 0.0,., 0.0, Jumlah teras : Gambar meujukka tgkat kesalaha dar solus yag dhaslka metode peyelesaa terhadap solus sebearya. Dar gambar tersebut terlhat bahwa tgkat kesalaha medekat agka 0. Selsh hasl berdasarka perhtuga adalah ( , , , , , , , , , , Dega demka solus yag dhaslka bsa dkataka bear da solus sesua dega *. Gambar Grak trayektor peyelesaa SPNL dega COA Gambar Grak trayektor peyelesaa SPNL dega metode gabuga

7 Gambar 9 Grak tgkat kesalaha SPNL Utuk megetahu pegaruh dar varabel-varabel yag ada, maka dlakuka ujcoba utuk masgmasg sstem persamaa oler dega merubah la varabel-varabel tersebut. Varabel-varabel yag duj adalah k ma, r ma, da batas ruag pecara a da b. Khusus utuk sstem persamaa oler, perubaha la M juga dperhtugka. Dar beberapa uj coba yag dlakuka ddapatka hasl sepert pada Tabel, Tabel, Tabel, da Tabel. Tabel Pegaruh kma, rma da batas ruag pecara terhadap solus SPNL Skearo Skearo Skearo Solus ter Solus ter Solus ter Keteraga Tabel : Iter : jumlah teras Skearo = kma 00, rma 00, a b = 0 Skearo = kma 00, rma 00, a b = 0 Skearo = kma 00, rma 00, a b = 0 Tabel Pegaruh kma, rma da batas ruag pecara terhadap solus SPNL Skearo Skearo Skearo Solus ter Solus ter Solus ter Keteraga Tabel : Skearo = kma 00, rma 00, a b = 00 Skearo = kma 00, rma 00, a b = 00 Skearo = kma 00, rma 00, a b = 0 Tabel Pegaruh M terhadap solus SPNL Solus ter M = M = M = M = M = Dar Tabel, Tabel, da Tabel terlhat bahwa jumlah teras maksmum utuk algortma COA cukup berpegaruh terhadap solus yag dhaslka. Hal dapat dlhat dar jumlah teras da selsh atara solus yag dhaslka dega solus sebearya. Semak besar teras maksmum, maka semak akurat solus yag dhaslka. Semak sempt batas ruag pecara, maka semak mudah solus dtemuka. Tabel Pegaruh kma, rma da batas ruag pecara terhadap solus SPNL Skearo Skearo Skearo Solus ter Solus ter Solus ter Keteraga Tabel : Skearo = kma 00, rma 00, a b = 00 Skearo = kma 00, rma 00, a b = 00 Skearo = kma 00, rma 00, a b = 0 Tabel meujukka pegaruh la pealty M terhadap solus yag dhaslka pada sstem persamaa oler. Uj coba dlakuka dega megguaka la kma = 00, rma = 00, a da b = 0. Nla perkraa awal solus tdak dambl dar algortma COA, tetap dtetapka berla (,, T. Dar tabel tersebut terlhat bahwa haya uj coba dega M = 0 yag dapat memberka hasl yag sesua dega solus sebearya, dega demka la M yag optmal utuk sstem persamaa oler adalah 0.. Kesmpula Setelah dlakuka uj coba da aalss terhadap aplkas yag dbuat, maka dapat dambl smpula sebaga berkut:. Metode gabuga dar algortma optmas chaos (COA da metode Quas-Newto BFGS dapat meyelesaka sstem persamaa oler dega bak.. Algortma optmas chaos mampu bekerja dega bak dalam medapatka la perkraa awal solus yag selajutya dguaka sebaga masuka pada metode quas-newto BFGS. Koverges utuk algortma optmas chaos terjad pada jumlah teras yag besar. Semak besar la k ma da r ma maka solus yag dhaslka semak medekat solus sebearya sehgga memudahka dalam

8 peghtuga meggua-ka metode quas-newto BFGS.. Perubaha la batas ruag pecara (search space sagat mempegaruh keberhasla metode. Ketka batas ruag pecara semak sempt da semak medekat batas ruag solus, maka solus sebearya aka semak mudah ddapatka.. Khusus utuk sstem persamaa oler, la koese pealty juga mempegaruh keberhasla metode. Koese pealty harus maksmal berla 0 utuk bsa meyelesaka sstem persamaa tersebut. o Chaos. Joural o Zhejag Uversty Scece A, ISSN Datar Pustaka [] Luo, Ya-Zhog, Guo-J Tag, L-N Zhou. (00. Hybrd approach or solvg systems o olear equatos usg chaos optmzato ad quas-newto method. SceceDrect, Appled Sot Computg (00, 0-0. [] Vekatarama, P. (00. Appled Optmzato wth Matlab Programmg. Joh Wley & Sos, New York. [] Arora, Jasbr. S. (000. Itroducto to Optmum Desg. [] Dg, Yag, Ekeleda Lush, Qgguo L. Ivestgato o Quas-Newto Methods or Ucostraed Optmzato. Smo Fraser Uversty, Caada. [] Nash, Stephe G., Arela Soer. (99. Lear ad Nolear Programmg. McGraw-Hll, USA. [] Rao, S.S. (9. Optmzato, Theory ad Applcatos (Secod Edto. Wley Easter Lmted, New Delh. [] Hlbor, Robert C. (99. Chaos ad Nolear Dyamcs. Oord Uversty Press, New York. [] Rasbad, S. Nel. (000. Chaotc Dyamcs o Nolear Systems. Joh Wley & Sos, New York. [9] Jaqag, Chuhua Wag, Yaoa Wag, Jke Gog. (00. A New Adaptve Mutatve Scale Chaos Optmzato Algorthm ad ts Applcato. Cotrol Theory ad Applcato, 00, ( : -. [0] Davedra, Doald, Iva Zelka, Godrey Owubolu. (00. Chaotc Optmzato. Proceedgs st Europea Coerece o Modellg ad Smulato. [] Teg, Hao, Baohua Zhao, Bgru Yag, B He. Study o Quatum Geetc Algorthm Based o Mutatve Scale Chaotc Optmzato. Cha. [] Hu-Jua, Lu, Zhag Huo-mg, Ma Log-hua. (00. A ew Optmzato Algorthm Based

PENERAPAN OPTIMASI CHAOS DAN METODE BFGS (BROYDEN, BROYDEN, FLETCHER, GOLDFARB, AND SHANNO) PADA PENYELESAIAN PERMASALAHAN SISTEM PERSAMAAN NONLINIER

PENERAPAN OPTIMASI CHAOS DAN METODE BFGS (BROYDEN, BROYDEN, FLETCHER, GOLDFARB, AND SHANNO) PADA PENYELESAIAN PERMASALAHAN SISTEM PERSAMAAN NONLINIER PENERAPAN OPTIMASI CHAOS DAN METODE BFGS (BROYDEN, BROYDEN, FLETCHER, GOLDFARB, AND SHANNO PADA PENYELESAIAN PERMASALAHAN SISTEM PERSAMAAN NONLINIER Rully Soelama, Nur Chasa Faultas Teolog Iormas Isttut

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

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

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

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

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

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1 Itegras Metode Itegral Rema Metode Itegral Trapezoda Metode Itegral Smpso Itegras Permasalaa Itegras Pertuga tegral adala pertuga dasar yag dguaka dalam kalkulus, dalam bayak keperlua. Itegral secara det

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

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

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Orbit Fraktal Himpunan Julia

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

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

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

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

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

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

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

Lebih terperinci

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK INTERPOASI INTERPOASI INIER INTERPOASI KUADRATIK INTERPOASI POINOMIA Dua ttk data : Gars Tga ttk data : Kuadratk g Empat ttk data :Polomal tgkat-3 Dketahu: ttk data ( y ) ( y ) ( y ) D ttk data :Polomal

Lebih terperinci

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

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

Lebih terperinci

PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING

PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING Jural Tekk da Ilmu Komputer PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING (Soluto of Probablstcally Optmzato Problems Usg Chage-Costraed Programmg) Bud Marpaug

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

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

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMBENTUKAN MODEL PROBIT BIVARIAT PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN INCREMENTAL RODUCTION COST YANG SAMA. (Al Imra) OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms)

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms) MEKANISME KERUNTUHAN LINGKARAN (Crcular alure Mechasms) Stabltas Lereg Moda kerutuha lereg umumya adalah rotatoal slp sepajag bdag rutuh yag medekat lgkara Kerutuha dagkal Kerutuha dalam Saat rutuh Stabltas

Lebih terperinci

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

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

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci