ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution
|
|
- Surya Sudjarwadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Bareeng Vol. 8 No. Hal. 5 0 (04) ANALISIS PRBANDINGAN OMULAN TRHADAP BBRAPA JNIS DISTRIBUSI HUSUS Analysis of Comulans Comparative on some Types of Special Distribution ABRAHAM ZACARIA WATTIMNA, VICTOR LATOMPSSY Jurusan Matematia Faultas MIPA Universitas Pattimura Jl. Ir. M. Putuhena, ampusunpatti, Poa-Ambon, Maluu aryawan BRI Cabang Ambon Jl. Diponegoro Ambon, Maluu ampiwattimena@rocetmail.com ABSTRA Dalam penelitian ini adalah berbicara tentang Distribusi, hususnya distribusi ontinu. Dimana aan dicari omulan dari distribusi ontinu hususnya distribusi normal dan distribusi uniform, emudian setelah mendapat omulan dari masing-masing distribusi, emudian omulan dari edua distribusi aan dibandingan. ata unci: Distribusi, Distribusi ontinu, Distribusi Normal, Distribusi Uniform, omulan. PNDAHULUAN Peluang (probabilitas) berawal dari sebuah perudian yang dilauan oleh matematiawan dan fisiawan Italy, yaitu Girolamo Cardan (50 576) yang ditulis dalam buunya yang berudul Liber de Ludo Aleae (Boo On Games Of Changes) pada tahun 565 yang banya membahas tentang masalah perudian. Peluang emudian dibahas oleh para ahli hingga searang. Distribusi normal adalah arya dari Abraham de Moivre yang diperenalan pertama ali pada tahun 77, emudian ditulis ulang pada tahun 78 dengan udul The Doctrime Of Chances yang membahas tentang pendeatan distribusi binomial untu n yang besar, emudian dilanutan oleh Laplace dalam buunya yang berudul Analytical Theory Of Probability pada tahun 8, yang searang dienal dengan Teorema De Moivre Laplace. Berbeda dengan peluang yang berawal dari perudian, statistia sendiri berawal dari egiatan pengumpulan data yang dilauan oleh John Grannt di ropa pada tahun 66, hal ini merupaan awal munculnya Statistia Desriptif. Pada awal abad e-9 diperenalan arti dari Statistia yani ilmu mengenai pengumpulan dan lasifiasi data. Nama dan arti Statistia pertama ali diperenalan dalam bahasa Inggris oleh Sir John Sinclair, yang emudian muncullah enis-enis distribusi yang lain yang salah satunya adalah distribusi uniform yang merupaan salah satu distribusi dengan bentu distribusi disrit maupun ontinu. Dalam statisti, distribusi chi square termasu dalam statisti nonparametri. Distribusi nonparametri adalah distribusi dimana besaran-besaran populasi tida dietahui. Distribusi ini sangat bermanfaat dalam melauan analisis statisti ia ita tida memilii informasi tentang populasi atau ia asumsi-asumsi yang dipersyaratan untu penggunaan statisti parametri tida terpenuhi. Sedangan distribusi Normal adalah distribusi probabilitas yang paling banya digunaan dalam berbagai analisis statistia, distribusi ini uga diului urva lonceng. Distribusi normal dan distribusi uniform erap digunaan dalam apliasi-apliasi statisti di dalam ehidupan sehari-hari. Dalam apliasinya harus memenuhi etentuan-etentuan tertentu untu menentuan enis distribusi yang dipaai. Perbedaan antara distribusi normal dan distribusi uniform membuat tertari peneliti untu mengangat masalah ini dalam penelitian dengan udul Analisis Perbandingan omulan Terhadap beberapa Distribusi ontinu. TINJAUAN PUSTAA Istilah statistia awalnya berarti seumpulan bilangan. Dewasa ini statistia merupaan istilah yang luas, yang eluasannya aan sulit dibayangan oleh para
2 Bareeng Vol. 8 No. Hal. 5 0 (04) perumus istilah. umpulan bilangan yang asli searang disebut data dan statistia berarti ilmu pengambilan eputusan (Dudewicz 995). Dalam ilmu statistia matematia, teori peluang (probability theory) merupaan dasar dan pengantar untu penyusunan statistia lebih auh, dimana dipaai pada penentuan selang untu distribusi peluang yang terbagi atas distribusi peluang disrit dan distribusi peluang ontinu (Bain 99). Dalam penelitian ini lebih diteanan pada distribusi peluang ontinu hususnya pada distribusi normal dan distribusi Chi Square.. Deret Taylor Bentu umum: f(z) = f(z 0 ) + f (z 0 )! + f (z 0 ) (z z! 0 ) + f (z 0 ) (z z! 0 ) +. Deret Mclaurin Deret Mclaurin merupaan deret taylor dengan z0 0. Bentu umum deret Mclaurin: f(z) = f(z 0 ) + f (z 0 )z + f (z 0 )! z + f (z 0 ) z +!. Fungsi Distribusi Definisi Jia himpunan semua emunginan nilai peubah aca adalah himpunan hingga,,..., atau ta hingga n,,... maa, disebut peubah aca deret, fungsi,,... yang dianggap peluang f P X, untu setiap himpunan nilai X, yang aan disebut fungsi distribusi peluang. Teorema Suatu fungsi PX ( ) adalah suatu fungsi peluang ia dan hanya ia memenuhi sifat-sifat beriut :. 0 PX ( ), untu semua X. P( X i), P X 0, ia,,... i Definisi Bila X suatu peubah aca, fungsi distribusinya didefinisian sebagai : F P X untu semua., Teorema Bila X suatu peubah aca, maa fungsi distribusi hususnya F(), mempunyai sifat sebagai beriut : F F y bila y. F tida turun yaitu,. F lim F 0 dan F F lim arena P X adi P X. F ontinu dari anan yaitu: lim F h F, h0 6.. Distribusi Normal Distribusi normal sering disebut uga dengan distribusi Gauss, inilah distribusi peluang ontinu yang terpenting dan paling banya digunaan. Grafinya disebut urva normal, berbentu seperti lonceng. Pada tahun 7, De Moivre menemuan persamaan matematia untu urva normal yang menadi dasar dalam banya teori statistia indutif. Definisi Suatu peubah aca berdistribusi normal z dengan ratarata μ dan variansi σ mempunyai fungsi densitas: f() = σ π e ( μ σ ) dimana < X < Distribusi normal dilambangan dengan X~ N(μ, σ ), dimana nilai dari distribusi normal z ditentuan oleh: z = μ σ Dengan mentransformasian fungsi densitas terhadap z diperoleh fungsi densitas yang berbentu: f(z) = (z ) π e Untu z dalam daerah < z < Beraitan dengan sifat yang berlau untu sebuah fungsi densitas, dalam distribusi normal berlau pula: i) σ π e ( μ ii) P(a < X < b) = σ ) d = σ π e ( μ σ ) d.. Distribusi Uniform Definisi 4 Jia peubah aca yang berdistribusi uniform, ia hanya ia mempunyai fungsi densitas sebagai beriut:, untu a b f(; a, b) = { b a 0, untu yang lain Dimana < X < Distribusi uniform dilambangan dengan X~ UNIF (a, b) 4. Mean Dan Variansi Definisi 5 Jia X peubah aca ontinu dengan fungsi distribusi F(), maa nilai harapan (mean) dari X diperoleh : X P X d Teorema Jia X peubah aca dengan fungsi distribusi P(X) dan g() adalah fungsi bernilai real, maa g g P X d Definisi 6 Misalan X peubah aca ontinu dengan fungsi distribusi P(X) maa momen e- dari X didefinisian sebagai, ' M X P X d Wattimena Leatompessy
3 Bareeng Vol. 8 No. Hal. 5 0 (04) Definisi 7 Misalan X peubah aca ontinu dengan fungsi distribusi P(X) maa momen pusat e- dari X didefinisian sebagai : M X X X X P X d Teorema 4 Jia c suatu onstanta dan g() dan h() nilai harapannya ada maa c c.. cg c g. g h g h Definisi 8 Variansi dari peubah aca X didefinisian sebagai Var X X X Teorema 5 Jia X peubah aca dan nilai harapannya ada maa Var X X X. Teorema 6 Jia a, b onstanta-onstanta, maa. Var a 0. Var ax a Var X. Var ax b a Var X 5. Fungsi Pembangit Momen Definisi 9 Jia X peubah aca disrit maa momen e-t t t M t e e X P d disebut fungsi pembangit momen dari X, ia nilai harapannya ada untu semua nilai t pada interval h<t<h dan h > 0. Teorema 7 Jia fungsi pembangit momen X ada untu t Dan M h dan h > 0, maa X X ada dm dt t t 0 t dari peubah aca Teorema 8 Jia a, b sebagai onstanta dan Y ax b, maa M y bt t e M at 6. Fungsi arateristi Definisi 0 Fungsi arateristi dari peubah aca disebut X dan didefinisian sebagai beriut it t e cos tx i sin tx untu semua t sin cost P X d i t P X d Teorema 9. Fungsi onstanta peubah aca X selalu ada 0, t t.. t, untu semua t Teorema 0 Untu sembarang onstanta a dan b berlau ibt t e at ( ab) 7. omulan Definisi Untu suatu peubah aca X dengan fungsi omulan e- ditulis it oefisien dari! pangat 7, maa dan X, didefinisian sebagai dengan espansi Taylor dari deret log t dimana it it t!! ep it t it log 0! dengan menggunaan deret pangat ep( ) dimana : it X maa didapatan t ep it X ( it X ) it X...! X it X it it!... X t 0! Jadi didapat X it log t log 0! dengan menggunaan persamaan Taylor, maa deret log X, yaitu: log maa dengan mengambil X X 0! 0 it Wattimena Leatompessy
4 Bareeng Vol. 8 No. Hal. 5 0 (04) didapatan esamaan log t X it 0 0 Dari Definisi, maa omulan dapat diturunan dengan menyataan oefisien persamaan beriut masingmasing untu =,,... dan t = 0! it X it! 0 0 0! HASIL DAN PMBAHASAN Hubungan Antara omulan dan Momen Suatu Fungsi Distribusi omulan dari suatu peubah aca pada suatu fungsi distribusi memilii hubungan dengan momen dari fungsi distribusi tersebut. Hubungan ini dapat dilihat pada Lemma. dan Lemma. Lemma X ) X ( X ) ) X X X ( X ) ) 4 4) 4 X 4 X X X 4 X X 6 X Buti Dengan menggunaan Definisi 0 dan dengan menggunaan oefisien persamaan omulan, masingmasing =,,,... dan t = 0, diperoleh: Untu =! i t X i t 0 0 0! it X it 0 X it X it... X it... X, untu t = 0 Untu =! it 0 X it X it! X it X it X it X it...!! it X X it! X it X it X X it! X X, untu t = 0 Untu =! it 0 X it X it X it! X it X it X it!! X it X it X it! 8...!! X it X it X it...!! X X X X, untu t = 0 Dengan cara yang sama diperoleh = 4 dan seterusnya. Lemma X X X X 4 6 Buti X (pembutiannya elas);. X (pembutiannya elas);. X X X X X ( ) X 4. Dengan cara yang sama pada bagian sebelumnya maa dapat dibutian bagian 4. Dari Lemma dan Lemma, maa diperoleh hubungan antara omulan dan momen sebagai beriut : ' ' X M M i 4.. omulan dari Distribusi Normal Untu menentuan omulan e-n dari distribusi normal, terlebih dahulu harus dihitung setiap momen X distribusi tersebut untu =,,. Beriut aan dihitung omulan dari distribusi normal untu = dan = berlau seterusnya untu setiap. Wattimena Leatompessy
5 Bareeng Vol. 8 No. Hal. 5 0 (04) Diberian peubah aca dengan X~N(μ, σ ) berdasaran Definisi diperoleh fungsi densitas f() = σ π e ( μ σ ) untu dalam daerah < <. Untu nilai distribusi normal z μ z = σ dapat dibentu suatu fungsi arateristi φ(z) = z π e, dan < z <. Dapat dilihat fungsi arateristi φ(z) merupaan fungsi genap dengan φ( z) = ( z) π e = z π e = φ(z) berdasaran bentu ini diperoleh φ (z) = zφ(z) φ (z) = (z )φ(z) Selanutnya dapat dihitung nilai (Z) dan (Z ) untu emudian dapat memudahan dalam perhitungan momen distribusi normal. (Z) = zφ(z)dz = ( zφ(z))dz = ( zφ(z))dz = φ (z)dz = φ(z) = φ() ( φ()) = φ() ( φ()) = 0 (Z ) = z φ(z)dz = ((z ) + )φ(z)dz = (z )φ(z)dz + φ(z)dz = φ (z)dz + φ(z)dz = φ (z) + = 0 + = Untu =, (X) = σ π e ( μ σ ) d dengan mentransformasian nilai z terhadap diperoleh = σz + μ dan d = σdz (X) = (σz + μ)φ(z)dz = σzφ(z)dz + μφ(z)dz = σ zφ(z)dz + μ φ(z)dz = σ. 0 + μ. = 0 + μ = μ (X ) = σ π e ( μ σ ) d = (σz + μ) φ(z)dz = (σ z + σμz + μ )φ(z)dz = σ z φ(z)dz + σμzφ(z)dz + μ φ(z)dz = σ z φ(z)dz + σμ zφ(z)dz + μ φ(z)dz = σ. + σμ. 0 + μ. = σ + μ Berdasaran Lemma maa: Untu = X Untu = X (X ) ( ) omulan dari Distribusi Uniform Untu menentuan omulan e-n dari distribusi uniform, terlebih dahulu harus dihitung setiap momen X distribusi tersebut untu =,,. Beriut aan dihitung omulan dari distribusi uniform untu = dan = berlau seterusnya untu setiap. Diberian peubah aca dengan X~UNIF(a, b) berdasaran Definisi 4 diperoleh fungsi densitas, untu a b f(; a, b) = { b a o, untu yang lain Untu =, b (X) = ( ) d a b a Wattimena Leatompessy
6 Bareeng Vol. 8 No. Hal. 5 0 (04) = ( b a ) b b = ( b a ) (b a ) (b + a)(b a) = (b a) a + b = (X b ) = ( ) d a b a = ( b a ) b = ( b a ) (b a ) = b a (b a) = (b + ab + a )(b a) (b a) = (b + ab + a ) Berdasaran Lemma maa: Untu = X Untu = X ( a+ b) b (X ) ( b ab a ) ( a+ b) ( b ab a ) ( a+ b) 4 4( b ab a ) ( a+ b) 4b 4ab 4a a 6ab b b ab a b a 4.4. Perbandingan omulan dari Distribusi Normal dan Distribusi Uniform Berdasaran hasil perhitungan omulan dari distribusi normal pada subbab 4.. dan hasil perhitungan omulan distribusi uniform pada subbab 4.. diperoleh masing-masing nilai dan untu edua distribusi sebagai beriut: Distribusi Normal = μ dan = σ dimana nilai merupaan nilai rataan pada distribusi normal dan nilai merupaan nilai variansi pada distribusi normal. Distribusi Uniform = a+b dan = (b a) 0 dimana nilai merupaan nilai rataan pada distribusi uniform dan nilai merupaan nilai variansi pada distribusi uniform. Jadi nilai pada edua distribusi tersebut pada dasarnya adalah sama yaitu merupaan nilai rataan pada edua distribusi, sedangan yang membedaan hasil ahirnya berdasaran perbedaan fungsi densitas masingmasing enis distribusi. Demiian pula hal yang sama berlau pada nilai yang sama-sama merupaan nilai variansi dari edua distribusi tersebut, perbedaan yang timbul merupaan aibat dari perbedaan fungsi densitas masing-masing enis distribusi. Dan berlau seterusnya pada nilai-nilai omulan yang lain untu setiap dengan =,,. Perbedaan yang mendasar pada fungsi densitas edua distribusi tersebut uga menentuan eefetifan perhitungan analisis omulan pada edua distribusi. Pada distribusi normal dengan fungsi densitas lebih rumit mengharusan mentransformasian fungsi densitas terhadap z membuat proses perhitungan omulan yang lebih panang, sebalinya ia dibandingan dengan fungsi uniform yang fungsi densitasnya sederhana mengaibatan perhitungan omulan pada fungsi uniform menadi lebih singat. SIMPULAN Berdasaran analisis omulan terhadap distribusi normal dan distribusi uniform yang telah dibahas pada bab sebelumnya, ditari esimpulan sebagai beriut :. Nilai omulan e- untu =,, berbeda untu setiap distribusi, hal ini diarenaan adanya perbedaan pada fungsi densitas masing-masing distribusi.. Untu distribusi dengan fungsi densitas yang sederhana membuat proses perhitungan omulan menadi lebih singat, sebalinya untu distribusi dengan fungsi densitas yang rumit membuat proses perhitungan omulan menadi panang dan tida efisien.. Berdasaran hubungan omulan dengan momen pada distribusi, maa momen e-n dari suatu distibusi dapat dihitung ia telah terlebih dahulu dietahui nilai setiap omulan e- untu =,,, n. DAFTAR PUSTAA [] Bain Lee J, Ma ngelhardt.(99), Introduction To Probability And Mathematical Statistics The Dubury Advanced Series In Statistics And Decision Sciences. [] Dudewicz dward J. Satya N. Misra, (995), Statistia Matematia Modern, Penerbit ITB Bandung. [] reyszig,. (99), Matematia telah lanutan (Statisti lanutan) edisi e-6. penerbit PT Gramedia pustaa, Jaarta [4] Pursell dwin J. Dale Varberg, (99), alulus Dan Geometri Analisis. disi elima, Penerbit rlangga. Wattimena Leatompessy
Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciKAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W
J. Math. and Its Appl. ISSN: 1829-605X Vol. 8, No. 2, November 2011, 43 49 KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W Sunarsini. 1, Sadjidon 2 Jurusan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciMENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT
MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinci3. Sebaran Peluang Diskrit
3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.
Lebih terperinciSUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA
SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciKENNETH CHRISTIAN NATHANAEL
KENNETH CHRISTIAN NATHANAEL. Sistem Bilang Real. Fungsi dan Grafi. Limit dan Keontinuan 4. Limit Ta Hingga 5. Turunan Fungsi 6. Turunan Fungsi Trigonometri 7. Teorema Rantai 8. Turunan Tingat Tinggi 9.
Lebih terperinciKARAKTERISTIK POHON FUZZY
KARAKTERISTIK POHON FUZZY Yuli Stiawati 1, Dwi Juniati 2, 1 Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematia, Faultas Matematia dan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciI. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan
I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinciGENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH
GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRACT SUNARSIH.
Lebih terperinciBAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR
BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR 3. Dimensi Partisi Graf Kipas (F n ) Berdasaran Proposisi dan Proposisi, semua graf G selain graf P n dan K n memilii 3 pd(g) n -. Lebih husus, graf Kipas
Lebih terperinciOSN 2014 Matematika SMA/MA
Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER
BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian
Lebih terperinciBAB 3 RUANG BERNORM-2
BAB RUANG BERNORM-. Norm- dan Ruang ` De nisi. Misalan V ruang vetor atas R berdimensi d (dalam hal ini d boleh ta hingga). Sebuah fungsi ; V V! R yang memenuhi sifat-sifat beriut;. x; y 0 ia dan hanya
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperinci2.1 Bilangan prima dan faktorisasi prima
BAB 2 BILANGAN PRIMA 2.1 Bilangan prima dan fatorisasi prima Definisi 2.1.1. Bilangan bulat p > 1 diataan prima jia ia hanya mempunyai pembagi p dan 1. Dengan ata lain bilangan prima tida mempunyai pembagi
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciAgar Xn berperilaku acak yang dapat dipertanggungjawabkan :
ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number
Lebih terperinci( ) terdapat sedemikian sehingga
LATIHAN.. Misalan A R, : A R, c R adala titi cluster dari A (c, ). Maa pernyataan beriut equivalen : a. lim b. Barisan ( ) yan onveren e c seina dan >., maa barisan ( ) onveren e. Buti : lim ( ) Berarti
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciKegiatan Belajar 4. Fungsi Trigonometri
Page o Kegiatan Belajar A. Tujuan Pembelajaran Setelah mempelajari egiatan belajar, diharapan siswa dapat a. Menentuan nilai ungsi trigonometri b. Menentuan persamaan grai ungsi trigonometri c. Menggambar
Lebih terperinci4. 1 Spesifikasi Keadaan dari Sebuah Sistem
Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1 TI2131 TEORI PROBABILITAS MINGGU KE-9 Distribusi Seragam Disrit Jia sebuah variabel random X mengambil nilai x 1, x 2,, x dengan probabilitas yang sama, maa distribusi
Lebih terperinci- Persoalan nilai perbatasan (PNP/PNB)
PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciUkuran Pemusatan Data
Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciMAT. 12. Barisan dan Deret
MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT
Lebih terperinciSOLUSI BAGIAN PERTAMA
SOLUSI BAGIAN PERTAMA 1. 13.. 931 3. 4 9 4. 63 5. 3 13 13 6. 3996 7. 1 03 8. 3 + 9 9. 3 10. 4 11. 6 1. 9 13. 31 14. 383 8 15. 1764 16. 5 17. + 7 18. 51 19. 8 0. 360 1 SOLUSI BAGIAN PERTAMA Soal 1. Misalan
Lebih terperinciBEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR 1
BEBERAPA SIFAT QUASI-IDEAL MINIMAL PADA RING TRANSFORMASI LINEAR K a r y a t i Jurusan Pendidian Matematia FMIPA Uniersitas Negeri Yogyaarta e-mail : yatiuny@yahoo.com Abstra. Misalan R adalah ring, Q
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciSISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA
SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu
Lebih terperinciDISTRIBUSI SKEW-NORMAL SKRIPSI
UNIVERSITAS INDONESIA DISTRIBUSI SKEW-NORMAL SKRIPSI RIYANTO D SETYAWAN 766884 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK JULI Distribusi sew-..., Riyanto D Setyawan,
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciBAB ELASTISITAS. Pertambahan panjang pegas
BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciBEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si
BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus
Lebih terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinci3.1 TEOREMA DASAR ARITMATIKA
3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciDalam setiap sub daerah, pilih suatu titik P k (x k, y k ) dan bentuklah jumlah :
INTEGAL GANDA Integral untu ungsi satu variable ita membentu suatu partisi dari interval [ab] menjadi interval-interval ang panjangna Δ = 3.n b a d lim n n Dengan cara ang sama Kita deinisian integral
Lebih terperinciMETODE PANGKAT BALIK TERGESER UNTUK MENCARI NILAI EIGEN DAN VEKTOR EIGEN
MEODE PNGK BLIK ERGESER UNUK MENCRI NILI EIGEN DN VEKOR EIGEN Sangadi BSRC rtile disusses the shifted power method as the extension of the power method he shifted power method also requires a good starting
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciMATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor
MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciPENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL
PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id
Lebih terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciIDEAL FUZZY NEAR-RING. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan
Jurnal Matematia Murni dan Terapan εpsilon Vol. 07, No.01, (2013), Hal. 21 32 IDEAL FUZZY NEAR-RING Saman Abdurrahman 1, Naimah Hijriati 2 dan Thresye 3 1,2,3 Program Studi Matematia Faultas MIPA Universitas
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa
Lebih terperinciTUGAS I RANCANGAN PERCOBAAN BAB I
TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.
Lebih terperinciMATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip
MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP
Lebih terperinciPENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA
PENAIR RAIO-PRODU EPONENIAL YANG EFIIEN UNTU RATA-RATA POPULAI PADA AMPLING ACA BERTRATA Dess Nuralita 1*, Ruam Efendi, Haposan irait 1 Maasiswa Program 1 Matematia Dosen Jurusan Matematia Faultas Matematia
Lebih terperinciHUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG
Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciDanang Mursita Sekolah Tinggi Teknologi Telkom Bandung 2002
Bandung DAFTAR ISI Judul Kata Pengantar Daftar Isi i ii iv Bab Fungsi Real. Sistem Bilangan Real. Fungsi dan Grafi 6. Limit dan eontinuan.4 Limit ta Hingga dan Limit di Ta Hingga 7 Bab Turunan dan Penggunaan.
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinci