JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :
|
|
- Handoko Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan Solkhn Zak Jurusan Matematka FMIPA NDIP Abstrak Peneltan n bertuuan menyeldk efek dskretsas dengan metode Galerkn Sem Dskret terhadap efsens solus model rambatan panas tanpa suku konveks Indkator efsens yang dukur dalam peneltan n adalah lama waktu proses komputas dan lama waktu proses komputas perlangkah Sebaga pembandng dgunakan metode Beda Hngga Permasalahan yang dtelt adalah bagamana mentranformaskan model rambatan panas tanpa suku konveks kebentuk sstem persamaan dferensal ordner dengan melakukan dskretsas pada peubah ruang dengan menggunakan metode Galerkn Sem Dskret Selanutnya sstem persamaan dferensal basa yang dperoleh dar dskretsas tersebut dntegraskan dengan menggunakan metode Runge Kutta Implst Dagonal (RKID) Hasl pengukuran menunukkan bahwa solus model rambatan panas tanpa suku konveks yang dperoleh berdasarkan dskretsas perubah ruang menggunakan metode Galerkn Sem Dskret kurang efsen ka dbandngkan dengan solus model rambatan panas tanpa suku konveks yang dperoleh dengan dskretsas perubah ruang menggunakan metode Beda Hngga Hal tersebut dapat dtunukkan berdasarkan lama waktu proses komputas dan lama waktu proses komputas perlangkah Kata Kunc : Dskretsas, Metode Galerkn Sem Dskret, model rambatan panas 1 PENDAHLAN Model rambatan panas secara matemats dapat dnyatakan dalam bentuk persamaan dferensal parsal Model tersebut serng dgunakan dalam berbaga dspln lmu, msalnya : fska, kma, bolog dan lan sebaganya Penyelesaan model rambatan panas dapat dlakukan bak secara analtk maupun secara numerk dengan bantuan komputer Penyelesaan secara analtk 3
2 Kaan Dskretsas dengan (Suhartono dan Solkhn Zak) serng lebh sult dar pada penyelesaan secara numerk Oleh karena tu, penyelesaan model rambatan panas n dlakukan secara numerk Secara numerk, salah satu metode untuk menyelesaan model rambatan panas tanpa suku konveks yang ngn dgunakan dalam kaan n adalah dengan dskretsas peubah ruang, yang dlanutkan dengan ntegras terhadap waktu Salah satu metode dskretsas perubah ruang yang dgunakan dalam kaan n adalah metode Galerkn Sem dskret (Mtchell AR,195), sedangkan untuk ntegras hasl dskretsas dgunakan metode Runge Kutta Implst Dagonal (dsngkat dengan RKID), dengan perubahan ukuran langkah ( step-sze) kuran langkah adalah panang langkah yang dgunakan oleh suatu program untuk melakukan suatu komputas Permasalahan yang akan dtelt d sn adalah bagamana mentranformaskan model rambatan panas dalam bentuk persamaan parabolk ke bentuk sstem persamaan dferensal ordner dengan melakukan dskretsas peubah ruang dengan metode Galerkn Sem Dskret Selanutnya dlakukan pengukuran terhadap ndkator efsens dengan melakukan ntegras sstem persamaan dferensal ordner yang dperoleh dar dskretsas model rambatan panas tanpa suku konveks menggunakan metode RKID dengan perubahan ukuran langkah Tuuan peneltan adalah menyeldk efek dar dskretsas dengan metode Galerkn Sem Dskret terhadap efsens solus model rambatan panas tanpa suku konveks Indkator efsens yang du dalam peneltan n adalah waktu proses (waktu yang dgunakan oleh komputer untuk menalankan suatu program) dan waktu proses perlangkah LANDASAN TEORI METODE GALERKIN SEMI DISKRET Metode Galerkn Sem Dskret adalah suatu metode dskretsas peubah ruang dar suatu persamaan dferensal parsal, yang dalam kaan n berupa persamaan parabolk Dengan metode Galerkn Sem Dskret maka persamaan parabolk dapat dtransformaskan ke sstem persamaan dferensal basa Dalam 4
3 JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : peneltan n dka salah satu model rambatan panas tanpa suku konveks yang dsakan dalam bentuk persamaan parabolk Berkut akan dbahas mengena dskretsas model rambatan panas tanpa suku konveks dengan menggunakan metode Galerkn Sem Dskret: Pandang model rambatan panas tanpa suku konveks dalam bentuk: u u = t x (1) dengan syarat batas, Drchlet (Farlow,19) Persamaan (1) terdefns pada nterval [,1] Jka h adalah ukuran langkah ruang yang membag nterval [,1] menad (n+1)/ sub-nterval bagan yang sama dengan h = / (n+1) dan ka setap sub-nterval dbag dan ttk n dber ndeks tengahan maka dalam nterval [,1] terdapat n ttk nteror ½ 1 3/ n/ < ndeks Gambar 1: n ttk nteror dalam nterval [,1] dengan ndeks tengahan dan ndeks blangan bulat Jka (x,t) adalah pendekatan Galerkn untuk u(x,t), u(x,t) adalah solus sebenarnya dar model rambatan panas maka (x,t) dapat dtuls sebaga : n 1 (x,t) = + = ( t) Q ( x) () Dengan Q (x) merupakan fungs bass dalam bentuk kuadratk (Mtchell AR,195) Dar persamaan (1) dan () dperoleh: dengan n+ 1 = n+ 1 ( Q, Q ) = (Q Q ) (3) = 5
4 Kaan Dskretsas dengan (Suhartono dan Solkhn Zak) Q, Q ) adalah nner product dar Q dan ( ' Q adalah turunan Q terhadap perubah x Q adalah turunan dar terhadap peubah t Jka M dan S adalah matrks yang elemen ke nya masng- masng adalah ' ' Q, Q ) dan ( Q, Q ) maka persamaan (3) dapat dnyatakan sebaga ( M = S + b dengan (4) = [, 1,, 3, n = [,,,, ] T 1 3 n b adalah vektor yang memuat syarat batas ] T Jka dberkan 3 fungs bass kuadratk yatu Q 1 = X(X-1)/, Q =-X + 1, Q 3 = X(X+1)/ Maka dperoleh: 16 M = h /
5 JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : S 6 = 1/ 3h METODE RNGE KTTA IMPLISIT DIAGONAL Persamaan (4) yang merupakan sstem persamaan dferensal ordner dapat dselesakan dengan RKID yang memlk notas Butcher berkut: ½ ½ 1 1 ½ 3/ -3/ ½ -3 1/6 1/3 1/6 1/3 Dengan perhtungan : k = f ( t + ch u + h a k ), ntuk mencar solus m+ 1 = m + h 4 = 1 = 1 b k m+1 adalah solus pada t ke m+1 (Conte SD,19) ntuk menyelesakan persamaan (4) dapat dgunakan algortma berkut: 1 Insalsas Panggl RKID 4 tahap untuk mendapatkan solus dengan langkah h, namakan 1 7
6 Kaan Dskretsas dengan (Suhartono dan Solkhn Zak) 3 Panggl RKID 4 tahap untuk mendapatkan solus dengan langkah h/, namakan 4 Jka 1 > tol Jka h > * h mn maka h baru = h lama / Kembal ke langkah dengan h baru Jka h < * h mn maka program dhentkan 5 Jka 1 > tolmn Jka * h< h mn maka h baru = h lama * Kembal ke langkah dengan h baru sampa t tertentu tercapa sampa t tertentu tercapa 6 Jka tolmn < 1 < tol, maka kembal ke langkah dengan h baru = h lama sampa t tertentu tercapa 7 Stop ka t akhr tercapa Algortma tersebut datas dmplementaskan menggunakan perangkat lunak Matlab dan perangkat keras pentum 166 mmx 3 HASIL PENGKRAN DAN PEMBAHASAN Dalam peneltan n dka efsens solus model rambatan panas tanpa suku konveks, yang dperoleh dengan melakukan ntegras sstem persamaan dferenssl ordner yang dperoleh dar dskretsas perubah ruang metode Galerkn Sem Dskret terhadap model rambatan panas tanpa suku konveks, dengan syarat awal (x,) = exp(x/ u(, t) = exp( t / 6) u(1, t) = exp( t / 6 + 1/ 6 ) dan syarat batas Drchlet, yatu: 6) Efsens solus model rambatan panas yang dperoleh berdasarkan dskretsas perubah ruang dengan Metode Galerkn Sem Dskret dapat dtunukkan dengan memperbandngkan antara hasl pengukuran yang dperoleh berdasarkan dskretsas dengan metode Galerkn Sem Dskret terhadap hasl yang dperoleh berdasarkan dskretsas dengan metode Beda Hngga
7 JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : Pengukuran dlakukan dengan mengambl banyak dskretsas yatu n= 39 dengan tolerans 1-6 Pengamatan dlakukan pada t = 1,,3,,7 Hasl pengukuran dapat dtunukkan pada tabel 1 dan tabel berkut: Tabel 1: Hasl pengukuran untuk n=39 dan tol 1-6 pada t =1,, 3,, 7 Dengan J adalah banyak langkah yang dterma oleh program, t = panang langkah yang harus dlakukan oleh program t satuan h maksmum H mnmum h maksmum / J (dalam %) h mnmum/j (dalam %) Galerkn Beda Hngga Galerkn Beda Hngga 1,69,69,135,1,135,1,69,69,135 15,56,135 15,56 3,69,69,135 3,91,135 3,91 4,69,69,135 46,7,135 46,7 5,69,69,135 61,6,135 61,6 6,69,69,135 76,97,135 76,97 7,69,69,135,135 9,3 9,3 Hasl pengukuran data pada tabel 1 menunukkann bahwa : kuran langkah maksmum dan rato h maksmum terhadap banyak langkah yang dterma oleh program untuk menyelesakan model rambatan panas tanpa suku konveks menunukkan tdak ada beda nyata ( atau mempunya langkah yang sama) dalam setap langkahnya dar t = 1,,3,4,,7 bak dlakukan dengan menggunakan metode Beda Hngga maupun menggunakan metode 9
8 Kaan Dskretsas dengan (Suhartono dan Solkhn Zak) Galerkn Sem Dskret Dar tabel terlhat bahwa h maksmum yang dgunakan selalu tetap ntuk h mnmum yang dpergunakan untuk menyelesakan model rambatan panas tanpa suku konveks menunukkan tdak ada beda nyata ( atau mempunya langkah yang sama) dalam setap langkahnya dar t = 1,,3,4,,7 bak dlakukan dengan menggunakan metode Beda Hngga maupun menggunakan metode Galerkn Sem Dskret Rato h mnmum terhadap umlah langkah yang dterma menunukkan makn bertambah untuk setap pertambahan t, bak menggunakan metode Galerkn Sem Dskret maupun metode Beda Hngga Pada tabel dapat dtunukkan mengena hasl pengukuran yang dlakukan terhadap banyak langkah yang dterma, banyak langkah yang dtolak serta waktu proses (runnng tme) Tabel : hasl pengukuran banyak langkah yang dterma, banyak langkah yang dtolak serta waktu proses Banyak Metode yang Banyak langkah Banyak langkah Waktu proses dskretsas dgunakan yang dterma yang dtolak (dalam detk) 39 Galerkn Sem Dskret Beda Hngga Waktu proses yang dgunakan untuk menyelesakan model rambatan panas tanpa suku konveks dlakukan dengan metode Galerkn Sem Dskret dan metode Beda Hngga menunukkan beda yang cukup nyata Dar tabel terlhat bahwa solus rambatan panas tanpa suku konveks yang dperoleh akbat dskretsas dengan menggunakan metode Galerkn Sem Dskret kurang efsen ka dbandngkan dengan menggunakan metode Beda Hngga 3
9 JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : Selanutnya untuk mengu Efek efsens dar solus model rambatan panas tanpa suku konveks uga dapat dka menggunakan waktu proses perlangkah yang dsakan pada gambar 1 berkut : Dagram Batang untuk menunukkan lama waktu proses perlangkah ---> lama waktu proses perlangkah Galerkn S Dskret Beda Hngga >metode yang dgunakan Gambar 1: Dagram batang untuk lama waktu proses perlangkah Dar gambar dapat dtunukkan bahwa lama waktu proses perlangkah menggunakan dskretsas metode Galerkn Sem Dskret lebh besar (dengan perbandngan 9,16 :,9) dar pada waktu proses perlangkah menggunakan dskretsas metode beda hngga Lama waktu proses perlangkah dperoleh dar lama waktu proses dbag dengan banyaknya langkah yang dgunakan untuk menyelesakan program Dengan demkan dapat dkatakan bahwa solus rambatan panas tanpa suku konveks dengan dskretsas peubah ruang menggunakan metode Galerkn Sem Dskret kurang efsen, ka dbandngkan dengan menggunakan dskretsas peubah ruang metode Beda Hngga 4 KESIMPLAN Dar hasl pengukuran dan pembahasan dapat dsmpulkan bahwa solus model rambatan panas tanpa suku konveks yang dperoleh berdasarkan dskretsas perubah ruang menggunakan metode Galerkn Sem Dskret kurang efsen ka dbandngkan dengan solus model rambatan panas tanpa suku 31
10 Kaan Dskretsas dengan (Suhartono dan Solkhn Zak) konveks yang dperoleh dengan dskretsas perubah ruang menggunakan metode Beda Hngga Hal tersebut dapat dtunukkan berdasarkan waktu proses dan waktu proses perlangkah DAFTAR PSTAKA 1 Conte S D, Carl D B, Elementary Numercal Analyss, Thrd edton, Mc Graw Hll, 19 Farlow S J, Partal Dfferental Equatons, John Wley & Sons, New York,19 3 Mtchell AR, Grffths DF, The Fnte Dfference Methods n Partal Dfferental Equaton, John Wley and Sons, New York, 195 3
KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLUSI MODEL RAMBATAN PANAS TANPA SUKU KONVEKSI
KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLUSI MODEL RAMBATAN PANAS TANPA SUKU KONVEKSI Suhartono dan Solikhin Zaki Jurusan Matematika FMIPA UNDIP Abstrak Penelitian
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciEFEK DISKRITASI METODE GALERKIN SEMI DISKRET TERHADAP AKURASI DARI SOLUSI MODEL RAMBATAN PANAS TANPA SUKU KONVEKSI
JURNAL MATEMATIKA DAN KOMPUTER EFEK DISKRITASI METODE GALERKIN SEMI DISKRET TERHADAP AKURASI DARI SOLUSI MODEL RAMBATAN PANAS TANPA SUKU KONVEKSI Kushartantya dan Awalina Kurniastuti Jurusan Matematika
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciBAB III SKEMA NUMERIK
BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciPENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)
PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) Rcha Agustnngsh, Drs. Lukman Hanaf, M.Sc. Jurusan Matematka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciAPROKSIMASI NON-UNIFORM SPASIAL PERSAMAAN PANAS 1D DENGAN FINITE POINTSET METHOD
Indonesan Sysmphosum on Computng 05 ISSN : 406-395 APROKSIMASI NON-UNIFORM SPASIA PERSAMAAN PANAS D DENGAN FINITE POINTSET METHOD Putu Harry Gunawan, Frska Frstella Industral and Fnancal Mathematcs Research
Lebih terperinciUJI 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 terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciPENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER
Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan
Lebih terperinciPENGURUTAN DATA. A. Tujuan
PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.
Lebih terperinciPembayaran 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 terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciCONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciIV. 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 terperinciALJABAR 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 terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciBAB 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 terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciOptimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)
Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciAPLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K
Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas
Lebih terperinciBILANGAN 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciJMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT
JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciU JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK
Jurusan Teknk Spl dan Lngkungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SABTU, JULI OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara bole menggunakan komputer untuk mengerjakan soal- soal ujan n. Tabel
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciTEORI KESALAHAN (GALAT)
TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat
Lebih terperinciDekomposisi 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 terperinciPELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC
PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciSEMI RING POLINOM ATAS ALJABAR MAX-PLUS
JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : suroto_80@yahoo.com
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciBAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU
BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciCatatan 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 terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Semnar Nasonal Aplkas Teknolog Informas 004 Yogyakarta, 19 Jun 004 Aplkas Pemrograman Komputer Dalam Bdang Teknk Kma Arf Hdayat Program Stud Teknk Kma Fakultas Teknolog Industr, Unverstas Islam Indonesa
Lebih terperinciPELABELAN 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB 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 terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
Lebih terperinciAPLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS
Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:
Lebih terperinciMODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN
MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN Tjutju T. Dmyat Jurusan Teknk Industr Unverstas Pasundan E-mal : admyat@bdg.centrn.net.d ABSTRAK Penentuan rute kendaraan (Vehcle
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA
BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang
Lebih terperinciPertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012
Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB III. Monte Carlo dan metode least-square, maka pada bab ini diantaranya akan
BAB III METODE LEAST-SQUARE MONTE CARLO Pada bab sebelumnya telah delaskan antara lan mengena smulas Monte Carlo dan metode least-square, maka pada bab n dantaranya akan dbahas penggunaan kedua metode
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciSIMULASI SMOOTHED PARTICLE HYCRODYNAMICS DUA DIMENSI DENGAN METODE DETEKSI PARTIKEL PERMUKAAN
SIMULASI SMOOTHED PARTICLE HYCRODYNAMICS DUA DIMENSI DENGAN METODE DETEKSI PARTIKEL PERMUKAAN Muh.Kk Ad Panggayuh 1, Sr Suryan P., Dede Tarwd 3 1,,3 Prod Ilmu Komputas Telkom Unversty, Bandung 1 adpanggayuh@gmal.com,
Lebih terperinci