BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C."

Transkripsi

1 BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood. 2. PEUBAH ACAK Misala dilaua percobaa aca dega ruag sampel C. Sebuah ruag sampel C mugi meggambara eleme dari C yag bua aga. Misalya dapat ita lihat dalam percobaa aca pelempara sebuah oi, ruag sampel yag beraita dega percobaa tersebut adalah C = { c c adalah mua atau c adalah belaag }. Misala X adalah sebuah fugsi sedemiia sehigga X(c) = jia c adalah mua da X(c) = jia c adalah belaag. Fugsi X disebut peubah aca. Defiisi Misala sebuah percobaa aca dega ruag sample C. suatu fugsi X yag memetaa setiap eleme c C e satu da haya satu 6 Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

2 7 bilaga riil X(c) = x, disebut peubah aca. Domai dari X adalah C da rage dari X adalah A = { x X(c) = x, c C }. C C terjadi jia da haya jia A A terjadi, dimaa C = {c c C, X(c) A}, sehigga probabilitas dari ejadia A sama dega probabilitas bahwa hasil suatu percobaa berada di C atau maa Pr{X A } = P(C). Ada dua jeis peubah aca, yaitu peubah aca disrit da peubah aca otiu. Peubah aca disrit da peubah aca otiu dibedaa berdasara jeis ruag sampelya. Defiisi 2 Misala X adalah peubah aca dega ruag hasil A, A, da f adalah suatu fugsi pada bilaga riil. Jia :. f(x), x A 2. f ( x) dx A 3. A A berlau P{A} = Pr{x A} = f ( x) dx dipeuhi, maa X disebut peubah aca otiu da f(x) disebut p.d.f (Probability Desity Fuctio) atau fugsi epadata dari X. A Misala peubah aca X memilii probabilitas P(A), A. Ambil suatu bilaga riil x da aggap himpua A adalah himpua ta terbatas dari sampai x, titi x termasu dalam himpua tersebut. Utu setiap himpua A berlau P(A) = Pr{X A} = Pr{X x}. F(x) = Pr{X x}, fugsi F(x) Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

3 8 disebut fugsi distribusi dari peubah aca X. Karea F(x) = Pr{X x}, maa dega megguaa p.d.f f(x), fugsi distribusi dari X dapat diyataa dega F( x) f ( w) dw utu peubah aca otiu. w x 2.2 DISTRIBUSI GAMMA Suatu peubah aca X diataa berdistribusi Gamma, jia peubah aca tersebut memilii p.d.f sebagai beriut: f( x) ( ), x e x/, x laiya dega parameter da, edua parameter berilai positif. merupaa shape parameter da merupaa scale parameter. Mea dari peubah aca X yag berdistribusi gamma dega parameter da adalah Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

4 9 E[ X ] [ X ] x f ( x;, ) dx ( ) x/ x x e dx ( ) ( ) ( ) ( ) ( ) ( ) x e x e x/ x/ dx dx y ( y ) e dy y y e ( ) ( ) dy Misala x y dy dx Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

5 Variasi dari peubah aca X yag berdistribusi gamma dega parameter da adalah Var[ X ] [ X ] E[ X ] [ E[ X ]] x f ( x;, ) dx [ ] 2 2 x x e dx ( ) 2 x/ 2 2 ( ) ( ) ( ) ( ) ( ) ( ) ( ) x e dx x/ 2 2 x e dx x/ 2 2 ( y ) e dy y y 2 2 y e dy ( 2) ( ) ( ) ( ) ( ) ( ) Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

6 2.3 FUNGSI GAMMA DAN FUNGSI DIGAMMA Fugsi Gamma Fugsi gamma yag diyataa oleh ( ) didefiisia oleh ( ) x x e dx utu. Sebuah rumus reursif utu fugsi gamma adalah ( ) ( ) Khusus utu adalah sebuah bilaga bulat positif, maa Fugsi Digamma ( )!,2,3,... Fugsi digamma yag diyataa dega ( ) merupaa turua l fugsi gamma. ( ) d l ( ) '( ) d ( ) Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

7 2 2.4 FUNGSI LIKELIHOOD Fugsi lielihood merupaa joit p.d.f (p.d.f bersama) dari beberapa peubah aca. Defiisi 3 Misala X, X 2,..., X merupaa peubah aca yag memilii p.d.f f( x ; ), dega merupaa suatu parameter yag tida dietahui. Maa fugsi lielihood adalah sebagai beriut L( ; x, x,..., x ) f ( x ; ) f ( x ; )... f ( x ; ) 2 2 Aa dicari tasira yag dapat memasimuma fugsi lielihood dega metode maximum lielihood. 2.5 MAXIMUM LIKELIHOOD ESTIMATOR Maximum lielihood estimator adalah metode yag diguaa utu measir suatu parameter yag tida dietahui dalam suatu fugsi probabilitas. Misala X adalah peubah aca yag mempuyai betu fugsi probabilitas tertetu tetapi fugsi probabilitasya bergatug epada suatu parameter yag tida dietahui. Fugsi probabilitas X dapat ditulis sebagai f( x ; ),, dega adalah ruag parameter. Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

8 3 Dalam metode masimum lielihood, misala terdapat peubah aca X, X 2,..., X dega p.d.f f( x ; ), da fugsi lielihood L( ; x, x2,..., x ), aa dicari suatu fugsi dari x, x2,..., x, misal s( x, x 2,..., x ), sedemiia sehigga jia digati oleh s( x, x 2,..., x ), maa ilai fugsi lielihood L aa masimum da s( x, x 2,..., x ) disebut sebagai masimum lielihood estimator (MLE) dari. Defiisi 4 Misala X, X 2,, X adalah peubah aca. L( ; x, x2,..., x ) mecapai masimum di pada saat Sx ( ) sehigga sup L( ; x, x,..., x ) L( S( x)), S( x ) 2 Maa statistic ˆ S( x ) disebut sebagai masimum lielihood estimator (MLE) dari. 2.6 UJI RASIO LIKELIHOOD Uji rasio lielihood adalah suatu metode yag diguaa utu meguji hipotesis H : terhadap hipotesis H : dega adalah ruag parameter eseluruha da adalah ruag parameter dalam H.. Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

9 4 Misala X, X 2,, X adalah peubah aca yag salig bebas dega masig-masig fugsi distribusiya adalah f ( x,,,..., ), i,2,...,. Misala adalah himpua yag megadug i i 2 seluruh titi parameter (, 2,..., ), disebut ruag parameter. Misala adalah subset dari ruag parameter. Aa diuji hipotesis H : (, 2,..., m ) terhadap H : (, 2,..., m ). Defiisia fugsi lielihood beriut: L( ) f ( x ;,,..., ), (,,..., ) i i i 2 m 2 m da L( ) f ( x ;,,..., ), (,,..., ) i i i 2 m 2 m dega L ( ) adalah fugsi lielihood di hipotesis ull, da L ( ) adalah fugsi lielihood dalam ruag parameter eseluruha. Misala L ( ˆ) adalah ilai masimum dari L ( ) di da L ( ˆ ) adalah ilai masimum L ( ) di. Rasio L ( ˆ) terhadap L ( ˆ ) disebut rasio lielihood da diotasia oleh ( x, x,..., x ) 2 L( ˆ) L( ˆ ) Karea L ( ) da L ( ) adalah fugsi probabilitas,, da maa. Jia diguaa sebagai riteria pegujia maa daerah peolaa H adalah himpua terdefiisi dalam, dega fugsi positif. adalah suatu Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

10 5 Fugsi didefiisia oleh suatu peubah aca ( X, X 2,..., X ), da ilai sigifiasi dari pegujia diberia oleh Pr[ ( X, X 2,..., X ) ; H ] 2.7 NODE, EDGE, DAN TREE Graph. Suatu graph G = (V, E) adalah suatu himpua vertes (ode) V yag dihubuga oleh edge.e,. Node. Node V adalah suatu titi pagal (termial poit) atau titi pertemua (itersectio poit) pada suatu graph. Edge. Edge E adalah sesuatu yag meghubuga dua ode. Gambar 2. di bawah ii merupaa graph yag terdiri dari ode da edge. Gambar 2. Graph, Node, da Edge Coected graph. Coected graph (graph terhubug) adalah graph dimaa jia setiap pasag ode yag berbeda terhubug. Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

11 6 Cycle. Cycle adalah path pada graph yag mulai da berahir pada ode yag sama. Coected graph da Cycle ditujua oleh gambar 2.2. Gambar 2. 2 Coected graph da Cycle Tree. Tree adalah graph terhubug yag tida megadug cycle. Gambar 2. 3 Tree Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

12 7 Root ode merupaa ode dega hirari tertiggi. Leaf adalah ode yag tida memilii cabag. Iteral ode adalah ode yag bua merupaa leaf. Pada gambar 2.3 di atas, ode merupaa root ode; ode 2, ode 6, ode 7, da ode 8 merupaa leaf; da ode, ode 3, ode 4, da ode 5 merupaa iteral ode. Pedetesia Hotspot..., Ias Sri Wahyui, FMIPA UI, 28

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

Aproksimasi Terbaik dalam Ruang Metrik Konveks

Aproksimasi Terbaik dalam Ruang Metrik Konveks Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh

Lebih terperinci

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial 5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial

Lebih terperinci

Keywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-

Keywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual- Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT

Lebih terperinci

Penggunaan Transformasi z

Penggunaan Transformasi z Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

Konvolusi pada Distribusi dengan Support Kompak

Konvolusi pada Distribusi dengan Support Kompak Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia

Lebih terperinci

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua

Lebih terperinci

PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI

PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI Diajua Utu Memeuhi Sebagia Persyarata Mecapai Derajat Sarjaa S-1 OLEH: RISKA JULIANI F1A1 11 031 PROGRAM

Lebih terperinci

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)

I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983) I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa

Lebih terperinci

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA

Lebih terperinci

Bab 16 Integral di Ruang-n

Bab 16 Integral di Ruang-n Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

Lebih terperinci

UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI

UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI 35475 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci

Bab 6: Analisa Spektrum

Bab 6: Analisa Spektrum BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi

Lebih terperinci

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ, BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

x x x1 x x,..., 2 x, 1

x x x1 x x,..., 2 x, 1 0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

3. Integral (3) (Integral Tentu)

3. Integral (3) (Integral Tentu) Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.

Lebih terperinci

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap

Lebih terperinci

Penerapan Algoritma Dijkstra dalam Pemilihan Trayek Bus Transjakarta

Penerapan Algoritma Dijkstra dalam Pemilihan Trayek Bus Transjakarta Peerapa Algoritma Dijstra dalam Pemiliha Traye Bus Trasjaarta Muhammad Yafi 504 Program Studi Tei Iformatia Seolah Tei Eletro da Iformatia Istitut Teologi Badug, Jl. Gaesha 0 Badug 40, Idoesia 504@std.stei.itb.ac.id

Lebih terperinci

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu

Lebih terperinci

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),

Lebih terperinci

FUNCTIONALLY SMALL RIEMANN SUMS (FSRS) DAN ESSENTIALLY SMALL RIEMANN SUMS (ESRS) FUNGSI TERINTEGRAL HENSTOCKn. p )

FUNCTIONALLY SMALL RIEMANN SUMS (FSRS) DAN ESSENTIALLY SMALL RIEMANN SUMS (ESRS) FUNGSI TERINTEGRAL HENSTOCKn. p ) βeta -ISSN: 85-5893 e-issn: 54-458 Vol. 3 No. (Noember), Hal. 79-89 βeta DOI: htt://dx.doi.org/.44/betajtm.v9i.7 FUNCTIONALLY SMALL RIMANN SUMS (FSRS) DAN SSNTIALLY SMALL RIMANN SUMS (SRS) FUNGSI TRINTGRAL

Lebih terperinci

Sistem Bilangan Kompleks (Bagian Ketiga)

Sistem Bilangan Kompleks (Bagian Ketiga) Sistem Bilaga Kompleks (Bagia Ketiga) Supama Jurusa Matematika, FMIPA UGM Yogyakarta 55281, INDONESIA Email:maspomo@yahoo.com, supama@ugm.ac.id (Pertemua Miggu III) Outlie 1 Akar Bilaga Kompleks 2 Akar

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi

Lebih terperinci

Mengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif

Mengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif Megaji Perbedaa Diagoalisasi Matris Atas Field da Matris Atas Rig Komutatif Teorema : Jia A adalah matris x maa eryataa eryataa beriut eivale satu sama lai : a A daat didiagoalisasi b A memuyai vetor eige

Lebih terperinci

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012) BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas

Lebih terperinci

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B. TUGAS ANALISIS REAL LANJUT NOVEMBER 207 () (a) Jika b > 0, B > 0, da a b < A, buktika ab < ba. Kemudia buktika B a b < a + A b + B < A B. (b) Buktika [ 2 (a + b)] 2 2 (a2 + b 2 ). Kemudia tujukka bahwa

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012 IfiityJual Ilmiah Pogam Studi Matematia STKIP Siliwagi Badug, Vol, No., Septembe HIMPUNAN KOMPAK PADA RUANG METRIK Oleh : Cee Kustiawa Juusa Pedidia Matematia FPMIPA Uivesitas Pedidia Idoesia eeustiawa@yahoo.om

Lebih terperinci

Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal

Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie

Lebih terperinci

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ii aka dibaa daar-daar teori yag aka diguaka dalam peulia kripi ii, yaitu megeai metode peakira maximum likeliood, metode peakira oit maximum likeliood da fier iformatio..1

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari A ke B kita meuliska f : A

Lebih terperinci

Himpunan/Selang Kekonvergenan

Himpunan/Selang Kekonvergenan oki eswa (fmipa-itb) Deret Pagkat Kita aka mempelajari beberapa tehik utuk meyajika suatu fugsi f (x) dalam betuk deret pagkat (power series), yaitu meetuka derat pagkat c (x a) sehigga f (x) = c (x a)

Lebih terperinci

MATEMATIKA DISKRIT FUNGSI

MATEMATIKA DISKRIT FUNGSI 1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari

Lebih terperinci

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

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

Lebih terperinci

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi

Lebih terperinci

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

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

Lebih terperinci

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug

Lebih terperinci

BAHAN AJAR DIKLAT GURU MATEMATIKA

BAHAN AJAR DIKLAT GURU MATEMATIKA BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET KELAS XII. IPS SEMESTER I Oleh : Drs. Pudjul Prijoo ( http://vidyagata.wordpress.co ) SMA NEGERI 6 Jala Mayje Sugoo 58 Malag Telp./Fax : (034) 75036 E-Mail : sa6_alag@yahoo.co.id

Lebih terperinci

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri

Lebih terperinci

GRAFIKA

GRAFIKA 6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

Jurnal MIPA 38 (1) (2015): Jurnal MIPA.

Jurnal MIPA 38 (1) (2015): Jurnal MIPA. Jural MIPA 38 () (5): 68-78 Jural MIPA http://ouraluesacid/u/idephp/jm APROKSIMASI ANUIAS HIDUP MENGGUNAKAN KOMBINASI EKSPONENSIAL LJ Siay S Gurito Guardi 3 Jurusa Matematia FMIPA Uiversitas Pattimura

Lebih terperinci

Batas Bilangan Ajaib Pada Graph Caterpillar

Batas Bilangan Ajaib Pada Graph Caterpillar J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu

Lebih terperinci

Gerak Brown Fraksional dan Sifat-sifatnya

Gerak Brown Fraksional dan Sifat-sifatnya SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

LANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.

LANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2. II. LANDASAN TEORI Pada bab ii aka diberika beberapa kosep dasar (pegertia) yag aka diguaka dalam pembahasa peelitia 2.1 Ruag Vektor Defiisi 3.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da

Lebih terperinci

7. Perbaikan Kualitas Citra

7. Perbaikan Kualitas Citra 7. Perbaia Kualitas Citra Perbaia ualitas citra (image ehacemet) merupaa salah satu proses awal dalam pegolaha citra (image preprocessig). Perbaia ualitas diperlua area serigali citra yag diadia obe pembahasa

Lebih terperinci

RUANG BARISAN MUSIELAK-ORLICZ. Oleh: Encum Sumiaty dan Yedi Kurniadi

RUANG BARISAN MUSIELAK-ORLICZ. Oleh: Encum Sumiaty dan Yedi Kurniadi RUANG BARISAN USIELAK-ORLICZ Oleh: Ecu Suiat da Yedi Kuriadi Disapaia pada Seiar Nasioal ateatia ada taggal 8 Deseber 2008, di Jurusa edidia ateatia FIA UI JURUSAN ENDIDIKAN ATEATIKA FAKULTAS ENDIDIKAN

Lebih terperinci

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3 Matematika Terapa Dose : Zaid Romegar Mair ST. M.Cs Pertemua 3 PROGRAM STUDI TEKNIK INFORMATIKA Jl. Koloel Wahid Udi Lk. I Kel. Kayuara Sekayu 30711 web:www.polsky.ac.id mail: polsky@polsky.ac.id Tel.

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

Model Antrian Multi Layanan

Model Antrian Multi Layanan Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig

Lebih terperinci

1. Integral (1) Pembahasan yang akan kita lakukan hanya mengenai bentuk persamaan diferensial seperti contoh yang pertama.

1. Integral (1) Pembahasan yang akan kita lakukan hanya mengenai bentuk persamaan diferensial seperti contoh yang pertama. Darublic www.darublic.com 1. Itegral (1) (Macam Itegral, Pedeata Numeri) Sudarato Sudirham Dalam bab sebeluma, ita memelajari salah satu bagia utama alulus, aitu alulus diferesial. Beriut ii ita aa membahas

Lebih terperinci

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

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

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi

Lebih terperinci

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

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

Lebih terperinci

Tugas Akhir (SI-40Z1) Evaluasi Perbandingan Konsep Desain Dinding Geser Tahan Gempa Berdasarkan SNI Beton Bab III Studi Kasus BAB III STUDI KASUS

Tugas Akhir (SI-40Z1) Evaluasi Perbandingan Konsep Desain Dinding Geser Tahan Gempa Berdasarkan SNI Beton Bab III Studi Kasus BAB III STUDI KASUS BAB III STUDI KASUS. Sistem Strutur Prototipe Pada tugas ahir ii aa dilaua evaluasi hasil desai didig geser dega dua osep desai ag berbeda aitu osep desai berdasara gaa dalam da osep desai apasitas. Strutur

Lebih terperinci