KONSTRUKSI RUANG TOPOLOGI LENGKAP

Ukuran: px
Mulai penontonan dengan halaman:

Download "KONSTRUKSI RUANG TOPOLOGI LENGKAP"

Transkripsi

1 KONSTRUKSI RUANG TOPOLOGI LENGKAP Sely Msdalfah Jsan Matemata FMIPA Unestas Tadlao Absta Hmpnan A mepaan semmet-semmet dpelas tedefns atas hmpnan X yang menghaslan sat eseagaman atas X yang aan membangn sat topolog seagam T nt X. Andaan B mepaan hmpnan semmet-semmet dpelas dan besfat semontn bawah yang tedefns atas X.Unt sat c X yang tetap ddefnsan hmpnan PcB x X : b B b x c. Msalan mepaan topolog seagam bag P cb yang dbangn oleh eseagaman yang dhaslan oleh A B. Ja ang topolog (XT) lengap maa ang P cb topolog ( ) jga lengap. Kata Knc : Topolog seagam semmet semontn ang topolog I. Pendahlan Andaan X sat ang absta dan X = X x X. Hmpnan hmpnan dagonal. Ddefnsan hmpnan s x y : y x s x x : x X dsebt nt setap nt setap st X ddefnsan s t x y : z X x z t dan z y s. s X. Dan Sat elaga Q yang ted da hmpnan-hmpnan bagan da X dsebt sb bass eseagaman ja dan hanya ja : s Q maa s s Q t Q t s 3 s Q t Q t t s Sat elaga S yang ted da hmpnan-hmpnan bagan da X dsebt bass eseagaman bla S adalah sb bass eseagaman yang tettp tehadap opeas san yang behngga yat : 4 s t S maa s t S Bla Q adalah sst elaga hmpnan-hmpnan bagan da X maa yang dlambangan dengan I(Q) adalah elaga semsan behngga da hmpnan-hmpnan dalam Q. Pehatan bahwa bla Q adalah sat sb bass eseagaman maa I(Q) mepaan bass eseagaman. Sat elaga V yang ted da hmpnan-hmpnan bagan da X dsebt eseagaman atas ang X bla V mepaan bass eseagaman dan memenh sfat : 5 s t dengan s V dan s t X maa t V. Bla S adalah sat elaga hmpnan-hmpnan bagan da X maa yang dmasd dengan Q(S) adalah elaga sema hmpnan yang memat hmpnan-hmpnan dalam S. Bla S sat bass eseagaman maa Q(S) mepaan eseagaman atas ang X.

2 JIMT Vol. 7 No. Nopembe 00 : Sat pasangan (XV) dengan X ang absta ta osong dan V adalah sat eseagaman atas X dsebt ang seagam dan nt setap V dan x X hmpnan x y X : x y dsebt setaan da x yang dhaslan oleh oleh.sat hmpnan bagan H da X dsebt ba tehadap eseagaman V ja x H V x H. Mdah dbtan bahwa elaga T yang ted da sema hmpnan ba tehadap sat eseagaman V mepaan sat topolog yang dsebt dengan topolog seagam yang dbangn oleh eseagaman V. II. Teo Pennjang II. Rang Topolog Lengap: Sat hmpnan teaah adalah sat pasangan (D ) dmana D hmpnan ta osong dan adalah sat elas yang ddefnsan pada D sedeman sehngga : D maa w D dan w w 3 D w D sehngga w dan w Sat fngs s yang memetaan hmpnan teaah (D ) e hmpnan X dsebt net. Selanjtanya sat net aan ta lambangan dengan Sn nt setap n D. Sat net Sn dalam sat ang eseagaman (XV) dsebt net Cachy ja V n D Sm Sn nt sema m. n n. Sat ang seagam dataan lengap ja setap net Cachy dalam ang seagam tesebt onegen esat tt dalam ang t tehadap topolog seagam yang dbangnnnya. Sat ang topolog (XT) dataan lengap ja dan hanya ja tedapat sat eseagaman V atas X sedeman sehngga ang seagam (XV) adalah lengap dan T adalah topolog seagam yang dbangn oleh V. Sat pemetaan q: X X ja q memenh sfat-sfat bet : x X maa q x x 0 x y X maa q x y q y x 3 x y z X maa q x y q x z q z y. [0 ] dsebt semmet dpelas yang ddefnsan atas hmpnan Pemetaan n dsebt semsmet hanya ja mempnya nla yang behngga. Ja q adalah sat semmet dpelas yang ddefnsan atas hmpnan X maa q dsebt semontn bawah ja q - [0] mepaan hmpnan ttp dalam topolog haslal da X. Andaan A adalah hmpnan semmet-semmet yang ddefnsan atas X. Unt a A dan 0 ta defnsan : x y X : a x y a a 0. Aan dbtan bahwa elaga sema hmpnan bagan da X mepaan sbbass eseagaman. 3

3 Konsts Rang Topolog Lengap Lemma : Kelaga K a : a A 0 adalah sat sbbass eseagaman atas X. Bt : a A dan 0 sebab a x x 0 x X a a a a Ja K maa x y : y x x y : a y x x y : a y x K a a / a / a / 3 Ja K maa jga beada dalam K Ambl sebaang x y plh z X x z dan z y beada dalam maa a x y a x z a z y / /. Jad. a / a / a / a Keseagaman V=Q(I(K)) yang dpeoleh dengan caa deman t da sbbass eseagaman K d atas dsebt eseagaman yang dhaslan oleh hmpnan semmet A.Keseagaman V n membangn sat topolog seagam T nt hmpnan X dan ang topolog (XT) adalah lengap ja dan hanya ja ang seagam (XV ) jga lengap. Andaan A dan B adalah hmpnan semmet-semmet dpelas yang ddefnsan atas X dan VW mepaan eseagaman atas X yang dhaslan bett-tt oleh A dan B. Msalan P X dan U eseagaman atas P yang dhaslan oleh A B. Aan dbtan lemma bet : Lemma : Bla Sn sat net Cachy dalam ang seagam (PU).maa Sn Bt : Cachy dalam ang seagam (XV) mapn (XW). Msalan Sn sat net Cachy dalam ang seagam (PU) dan a an A dan n 0 sedeman sehngga: dmana a n a x y X : a x y. Andaan P n a jga mepaan net V sebaang maa tedapat a Maa dan U sehngga ada no D sedeman sehngga (SmSn).Abatnya (SmSn) nt sema mn no. Jad Sn mepaan net Cachy dalam ang seagam (XV).Dengan caa yang sama dapat dbtan bahwa Sn jga mepaan net Cachy dalam ang seagam (XW). II. Konsts Rang Topolog Lengap Andaan A mepaan hmpnan semmet-semmet yang ddefnsan atas hmpnan X dan T mepaan topolog seagam nt X yang dbangn oleh eseagaman V yang dhaslan oleh A. Andaan B adalah hmpnan semmet-semmet dpelas yang besfat sem ontn bawah yang ddefnsan atas X dan W adalah eseagaman atas X yang dhaslan oleh B Unt sat c X yang tetap ta defnsan : PcB x X : b B b x c 3

4 JIMT Vol. 7 No. Nopembe 00 : Andaan mepaan topolog seagam nt P c B yang dbangn oleh eseagaman U yang dhaslan oleh A B. Teoema : Ja (XT) mepaan sat ang topolog yang lengap maa nt setap c X dan Bt: setap hmpnan B yang ted da semmet-semmet dpelas yang besfat semontn bawah dan ddefnsan atas X ang PcB Andaan Sn adalah sat net Cachy dalam ang seagam PcB U. jga lengap. Ment lemma. Sn jga net Cachy dalam ang seagam (XV) mapn (XW). Kaena ang seagam (XV) adalah ang seagam yang lengap maa Sn onegen esat tt s X. Pehatan bahwa nt setap a A dan 0 setaan a[s] da tt s mepaan hmpnan ba dalam topolog T. Maa tedapat no D sedeman sehngga Sm a[s]. Abatnya nt sema m no (Sms) a[s]. Kaena Sn mepaan net Cachy dalam ang seagam (XW) maa nt setap b B dan 0 tedapat no D sedeman sehngga (SmSn) b / b 0 / nt sema mn no. Kaena Sn onegen e tt s maa (SmSn) onegen e (Sms) dalam topolog haslal da X. Tetap no (Sms) b 0 / mepaan hmpnan ttp aena b semontn bawah. Maa nt setap m b / b 0 /. Dengan deman (Sms) a b 0. Jad nt setap b B dan 0 tedapat no D sedeman sehngga b (Sms) nt sema m no. Abatnya s P cb Kaena nt setap b B dan 0 bela b s c b s sm b sm c b sm c nt setap m n Ambl sebaang hmpnan ba G sedeman sehngga tt s G. Maa tedapat hmpnan U sedeman sehngga [s] G. Kta defnsan : x y P : a x y a c B P a c B Kaena U maa tedapat aa a (A B) dan blangan-blangan postf sedeman sehngga : nt setap a dan = tedapat n m n. Tetap Sm dan s beada dalam P cb sema m n. a D sedeman sehngga (Sms) sehngga (Sms) Ambl n D sedeman sehngga n n nt setap. Ja m n maa (Sms) nt sema nt setap dan nt nt setap. Jad (Sms) yang beat bahwa Sm [s]abatnya Sm G nt sema m n. Dengan deman tebt bahwa ja ang seagam PcB U. Lengap maa ang topolog PcB lengap. jga 33

5 Konsts Rang Topolog Lengap III. Kesmplan Ja (XT) mepaan sat ang topolog yang lengap maa nt setap c X dan setap hmpnan B yang ted da semmet-semmet dpelas yang besfat semontn bawah dan ddefnsan atas X ang IV. Dafta Pstaa : P cb jga lengap.. Cohen L.W. On Topologcal Completeness. Bll. Ame. Math. Soc 940. Kelley J. L. Geneal Topology. New Yo Spnge-Velag Nemann J.V. On Complete Topologcal Spaces. Tans. Ame. Math. Soc

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

Ring Bersih Kanan Right Clean Rings

Ring Bersih Kanan Right Clean Rings ng esh Kanan ght Clean ngs Cyena Novella Ksnamt Pogam Std Penddkan Matematka FKIP USD Kamps III Pangan, Magwohajo,Sleman, cyenanovella@gmalcom STK Peneltan n etjan ntk mengenal, memaham mennjkkan ahwa

Lebih terperinci

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV *

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV * PEDUGAA PARAMETER MODEL HIDDE MARKOV * BERLIA SETIAWATY DA LIDA KRISTIA Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Jl Meant, Kampus IPB Damaga, Bogo 6680 Indonesa

Lebih terperinci

81 Bab 6 Ruang Hasilkali Dalam

81 Bab 6 Ruang Hasilkali Dalam 8 Bab Rang Haslkal Dalam Bab RUANG HASIL KALI DALAM Rang hasl kal dalam merpakan rang ektor yang dlengkap dengan operas hasl kal dalam. Sepert halnya rang ektor rang haslkal dalam bermanfaat dalam beberapa

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

Misalkan S himpunan bilangan kompleks. Fungsi kompleks f pada S adalah aturan yang

Misalkan S himpunan bilangan kompleks. Fungsi kompleks f pada S adalah aturan yang Fngs Analtk FUNGSI ANALITIK Fngs sebt analtk ttk apabla aa sema ttk paa sat lngkngan Untk mengj keanaltkan sat ngs kompleks w = = + gnakan persamaan Cach Remann Sebelm mempelejar persamaan Cach-Remann

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang JURNAL MATEMATIKA DAN KOMPUTER ol. 4. No., - 22, Aprl 2, ISSN : 4-858 SUBRUANG MARKED Suryoto Jurusan Matemata, FMIPA-UNDIP Semarang Abstra Msalan suatu ruang vetor berdmens ngga atas lapangan omples C,

Lebih terperinci

Ensambel Statistik Distribusi Binomial Nilai Rata-rata Sistem Spin Distribusi Probabilitas Kontinu

Ensambel Statistik Distribusi Binomial Nilai Rata-rata Sistem Spin Distribusi Probabilitas Kontinu BAB 3 Penganta Metode Statstk Ensambel Statstk Dstbs Bnomal la Rata-ata Sstem Spn Dstbs Pobabltas Kontn Rvew Bab : Konsep pobabltas sangat pentng dgnakan ntk memaham sstem makoskopk Penggnaan Konsep Pobabltas:.

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN SFT - SFT MTRKS UNTER, MTRKS NORML, DN MTRKS HERMTN Tasa bstak : Tujuan peneltan n adalah untuk mengetahu pengetan dan sfat sfat da matks unte, matks nomal, dan matks hemtan. Metode peneltan yang dgunakan

Lebih terperinci

BAB III MODUL INJEKTIF

BAB III MODUL INJEKTIF BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) Intepetas pobablstk a fungs gelombang t suatu patkel telah kta pelaa yatu t yang menyatakan peluang menemukan patkel paa waktu

Lebih terperinci

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD Idam Had Ahmad dan Luca Ratnasa, Juusan Matemata, FMIPA UNDIP Jl. Pof. H. Soedato, S.H., Tembalang, Semaang Abstact. Lnea equaton system,

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

HASIL KALI LANGSUNG S-NEAR-RING DAN S-NEAR-RING BEBAS Smarandache Direct Product and Smarandache Free Near-Rings

HASIL KALI LANGSUNG S-NEAR-RING DAN S-NEAR-RING BEBAS Smarandache Direct Product and Smarandache Free Near-Rings Junal Baekeng Vol. 8 No. 2 Hal. 7 (204) HASIL KALI LANGSUNG S-NEAR-RING DAN S-NEAR-RING BEBAS Smaandache Dect Poduct and Smaandache Fee Nea-Rng HENRY W. M. PATTY Juuan Matematka Fakulta MIPA Unveta Pattmua

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI METODE SIMPLEKS A Bentu Standa Model Pogam Lnea Pelu dngatan embal bahwa pemasalahan model pogam lnea dapat meml pembatas-pembatas lnea yang betanda,,, dan peubah-peubah eputusannya dapat meupaan peubah

Lebih terperinci

Bab III Reduksi Orde Model Sistem LPV

Bab III Reduksi Orde Model Sistem LPV Bab III Reduks Ode Model Sstem PV Metode eduks ode model melalu MI telah dgunakan untuk meeduks ode model sstem I bak untuk kasus kontnu maupun dskt. Melalu metode n telah dhaslkan pula bentuk da model

Lebih terperinci

Prinsip Dasar Matematika

Prinsip Dasar Matematika Modul Pnsp Dasa Matemata Ds. Gatot Muhsetyo, M.Sc. P PENDAHULUAN nsp dasa matemata meupaan onsep-onsep utama yang dapat dgunaan sebaga model peman dalam menjawab atau menyelesaan masalah yang seupa, yatu

Lebih terperinci

NILAI EIGEN DAN FUNGSI EIGEN DARI OPERATOR MOMENTUM SUDUT

NILAI EIGEN DAN FUNGSI EIGEN DARI OPERATOR MOMENTUM SUDUT NIAI EIGEN DAN FUNGSI EIGEN DARI OPERATOR MOMENTUM SUDUT A. Sfat Dasa Moentu Suut p 8. Gaba 8. Defns las oentu angula Aah engut atuan putaan sup anan B. Koponen-Koponen Moentu Obtal ala Keanga Koonat Catesan

Lebih terperinci

Pengenalan Pola/ Pattern Recognition

Pengenalan Pola/ Pattern Recognition Pengenalan Pola/ Pattern Reognton Dasar Pengenalan Pola Imam Cholssodn S.S., M.Kom. Dasar Pengenalan Pola. The Desgn Cyle. Collet Data 3. Objet to Dataset 4. Featre Seleton Usng PCA Menghtng Egen Vale

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

P(A S) = P(A S) = P(B A) = dengan P(A) > 0.

P(A S) = P(A S) = P(B A) = dengan P(A) > 0. 0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu

Lebih terperinci

Bab 4 ANALISIS KORELASI

Bab 4 ANALISIS KORELASI Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

GEOMETRI BERHINGGA ATAS GF(P N ) UNTUK MEMBENTUK ORTHOGONAL SERIES DESIGNS

GEOMETRI BERHINGGA ATAS GF(P N ) UNTUK MEMBENTUK ORTHOGONAL SERIES DESIGNS Junal Sain & Matematia ISSN: 0854-0675 Volume 16 Nomo 3, Juli 008 Atiel Penelitian: 106-111 GEOMETRI BERHINGGA ATAS GF(P N ) UNTUK MEMBENTUK ORTHOGONAL SERIES DESIGNS Bambang Iawanto,Aniah Juuan Matematia

Lebih terperinci

PEMBAGIAN KELAS KULIAH MAHASISWA MENGGUNAKAN ALGORITMA PENGKLASTERAN FUZZY C-MEANS

PEMBAGIAN KELAS KULIAH MAHASISWA MENGGUNAKAN ALGORITMA PENGKLASTERAN FUZZY C-MEANS PEMBAGIA KELAS KULIAH MAHASISWA MEGGUAKA ALGORITMA PEGKLASTERA FUZZY C-MEAS Bd Setyono 1), R. Rzal Isnanto ) Jrsan Ten Eletro Faltas Ten Unverstas Dponegoro 1,) Jl. Prof. H. Sdarto, SH Tembalang Semarang

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

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

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G PEMODELA ILAI TUKAR RUPIAH TERHADAP US DOLLAR MEGGUAKA HIDDE MARKOV Oleh: DEWI OVIYATI SARI G5444 DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM ISTITUT PERTAIA BOGOR 6 PEMODELA ILAI TUKAR

Lebih terperinci

UJI PRIMALITAS. Sangadji *

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

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

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

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

Lebih terperinci

DESKRIPSI DAN FORMULASI MASALAH

DESKRIPSI DAN FORMULASI MASALAH 9 Masalah Path Tepende (The Shotest Path Poblem) Masalah path tepende mepaan ass hss dalam masalah neto lo biaa minimm. Dideinisian panang nt sembaang path beaah dalam sat neto mlah biaa sema sisi beaah

Lebih terperinci

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor 5 I (Mnggu e- 1,,3) Konsep Dasa. Veto PENDHULUN Leanng Outcome: Setelah mengut ulah n, mahasswa dhaapan: Mampu menelasan pebedaan besaan sala dan veto dan mampu menelesaan setap asus nemata ang dbean.

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

BAB 3 PRINSIP INKLUSI EKSKLUSI

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

BAB V INTEGRAL KOMPLEKS

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

Lebih terperinci

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005)

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005) JMA, VOL 4, O2, DESEMBER, 25, 3-9 3 PEMODELA ILAI TUKAR RUPIAH TERHADAP $US MEGGUAKA HIDDE MARKOV* BERLIA SETIAWATY dan DEWI OVIYATI SARI Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut

Lebih terperinci

ALJABAR LINIER LANJUT

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

Lebih terperinci

PADA GRAF PRISMA BERCABANG

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

Lebih terperinci

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator HUKUM GAUSS Fluks Lstk Pemukaan tetutup Hukum Gauss Kondukto dan Isolato 1 Mach 7 1 Gas gaya oleh muatan ttk - 1 Mach 7 Gas gaya akbat dpol - 1 Mach 7 Fluks Lstk Defns: banyaknya gas gaya lstk yang menembus

Lebih terperinci

Integral Lipat Dua (Double Integral)

Integral Lipat Dua (Double Integral) Peteman- & 9 Integal Lpat Da Doble Integal Fngs: Menghtng s benda padat mbl bdang o o, pada poos. Penampang antaa benda dan o mempna las L bdang as Jka ada bdang dsampng maka las bdang: b a f d lm n Δ

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

Penentuan Unik Varians dalam Metode Maksimum Likelihood (Analisis Faktor) dengan Metode Gradien. Oleh : Dewi Rachmatin, S.Si., M.Si.

Penentuan Unik Varians dalam Metode Maksimum Likelihood (Analisis Faktor) dengan Metode Gradien. Oleh : Dewi Rachmatin, S.Si., M.Si. Penentan n Vaans dala etode as Lelhood (Analss ato) dengan etode Gaden Oleh : Dew Rahatn, S.S.,.S. Absta Salah sat etode yang alng banya dgnaan dala analss fato adalah etode as lelhood. Penentan ats n

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer Aljabar Linear Elementer MA SKS Silabs : Bab I Matris dan Operasinya Bab II Determinan Matris Bab III Sistem Persamaan Linear Bab IV Vetor di Bidang dan di Rang Bab V Rang Vetor Bab VI Rang Hasil Kali

Lebih terperinci

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

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

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Himpunan Spektrum Real Untuk Masalah Balikan Nilai Eigen Dari Matriks Tak Negatif

Himpunan Spektrum Real Untuk Masalah Balikan Nilai Eigen Dari Matriks Tak Negatif Vol.4, No., -, Jaar 8 Hmpa petrm Real Ut Masalah ala Nla Ege ar Matrs Ta Negatf Kresa Jaya bstra Paa paper aa bahas represetas geometr ar hmpa spetrm la ege real yag la ege masmalya t masalah bala la ege

Lebih terperinci

V dinamakan ruang vektor jika terpenuhi aksioma : 1. V tertutup terhadap operasi penjumlahan

V dinamakan ruang vektor jika terpenuhi aksioma : 1. V tertutup terhadap operasi penjumlahan RUANG VEKTOR Rang Vetor Umm Misalan dan, l Riil V dinamaan rang vetor jia terpenhi asioma :. V terttp terhadap operasi penjmlahan.., Unt setiap v v v, w V, v V v w v w maa v V. Terdapat V sehingga nt setiap

Lebih terperinci

vektor ( MATP ) Disusun Oleh : Drs. Pundjul Prijono Nip

vektor ( MATP ) Disusun Oleh : Drs. Pundjul Prijono Nip MODUL MATEMATIKA SMA 6 JP etr MATP 7.5.6 ) Dssn Oleh : Drs. Pndl Prn Np. 95807.980..00 PEMERINTAH KOTA MALANG DINAS PENDIDIKAN SMA NEGERI 6 Jalan Mayen Sngn N. 58 Telp. 04) 7506 Malang Mdl MATP 7.5.6 VEKTOR

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

V E K T O R Kompetensi Dasar :

V E K T O R Kompetensi Dasar : MODUL PEMELJRN I V E K T O R Kompetens Dasar : 1. Mahasswa mampu memaham perbedaan besaran vetor dan salar serta memberan contohcontohna dalam ehdupan sehar-har, 2. Mahasswa mampu melauan operas penumlahan

Lebih terperinci

PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON

PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON PEETUA HARGA OPI UTUK MODEL BLACK - CHOLE MEGGUAKA METODE BEDA HIGGA CRAK-ICOLO Rully Chatas Inda Pahmana dan Ds. umad, M. Absta Ops meupaan suatu onta antaa penual ops dengan pembel ops, dmana penual

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan

Catatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

PENGGABUNGAN PADA SUPER EDGE-MAGIC PETERSEN GRAPH DENGAN VERTEX PADA SETIAP VERTEX YANG ADA. Ida Christiana 1,Chairul Imron 2 ABSTRAK

PENGGABUNGAN PADA SUPER EDGE-MAGIC PETERSEN GRAPH DENGAN VERTEX PADA SETIAP VERTEX YANG ADA. Ida Christiana 1,Chairul Imron 2 ABSTRAK PENGGABUNGAN PADA SUPER EDGE-MAGIC PETERSEN GRAPH DENGAN VERTEX PADA SETIAP VERTEX YANG ADA Ida Chrstana 1,Charul Imron ABSTRAK Pelabelan suatu grah adalah suatu emetaan dar hmunan elemen grah (vertex,

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN 8 IV PEMBAHASAN 4 Aum Berkut n aum yang dgunakan dalam memodelkan permanan a Harga paar P ( merupakan fung turun P ( kontnu b Fung baya peruahaan- C ( fung baya peruahaan- C ( merupakan fung nak C ( C

Lebih terperinci

SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK

SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK NECESSARY AND SUFFICIENT CONDITIONS FOR SOLVABILITY OF THE BLOCK TRIANGULAR DECOUPLING PROBLEM PENGANTAR Caturyat 1 dan Sr Wahyun Program

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: asomath@ahoo.com ABSTRACT I ths ae we

Lebih terperinci

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP JMP : Volume 1 Nomor 2, Oktober 2009 PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP Tryan dan Nken Larasat Fakultas Sans dan Teknk, Unverstas Jenderal Soedrman Purwokerto, Indonesa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB IV ANALISIS HUBUNGAN UMPAN BALIK DENGAN MOTIVASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 9 BATANG

BAB IV ANALISIS HUBUNGAN UMPAN BALIK DENGAN MOTIVASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 9 BATANG BAB IV ANALISIS HUBUNGAN UMPAN BALIK DENGAN MOTIVASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 9 BATANG Setelah data dai kedua vaiabel yaitu vaiabel X dan vaiabel Y tekumpul seta adanya teoi yang

Lebih terperinci

III.1. KESTABILAN BERDASARKAN POSISI EIGEN VALUE. Dari persamaan sistem pada persamaan, dapat dicari eigen value. Eigen

III.1. KESTABILAN BERDASARKAN POSISI EIGEN VALUE. Dari persamaan sistem pada persamaan, dapat dicari eigen value. Eigen LARGE SCALE SYSTE Core b Dr. Ar Trwatno, ST, T Dept. of Electrcal Engneerng Dponegoro Unvert BAB III KESTABILAN SISTE III.. KESTABILAN BERDASARKAN POSISI EIGEN VALUE Dar peramaan tem pada peramaan, dapat

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

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

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

TEOREMA TITIK TETAP DI RUANG BANACH

TEOREMA TITIK TETAP DI RUANG BANACH TEOREMA TITIK TETAP DI RUANG BANACH Amanatul Husnia, Haiu Rahman Juusan Matematia Univesitas Islam Negei Maulana Mali Ibahim Malang e-mail: niaja10@yahoo.com ABSTRAK Ruang Banach meupaan suatu onsep penting

Lebih terperinci

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

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum ewton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

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

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

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

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

Lebih terperinci

Tentukan invers transformasi dari hasil kali kedua fungsi dalam kawasan frekuensi berikut :

Tentukan invers transformasi dari hasil kali kedua fungsi dalam kawasan frekuensi berikut : Tenuan nver ranforma ar hal al eua fung alam awaan freuen beru : Pen: F () an F () Inver ranforma Laplace mang-mang fung erebu enu aja aalah f () u() an f () e - u() engan menggunaan negral onvolu ang

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

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

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

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

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

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

Lebih terperinci

UKURAN GEJALA PUSAT &

UKURAN GEJALA PUSAT & UKURAN GEJALA PUSAT & UKURAN LETAK UKURAN GEJALA PUSAT & LETAK Untuk mendapatkan gambaran yang jelas mengena suatu populas atau sampel Ukuran yang merupakan wakl kumpulan data mengena populas atau sampel

Lebih terperinci

DIMENSI PARTISI GRAF GIR

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

Lebih terperinci