Pemodelan Pertumbuhan Batang Tanaman Menggunakan Deterministic L-Systems

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Pertumbuhan Batang Tanaman Menggunakan Deterministic L-Systems"

Transkripsi

1 Pemodela Pertumbua Batag Taama Megguaka Determstc L-Systems Juar 1 1 Jurusa Matematka, Uverstas Islam Neger Maulaa Malk Ibram Malag Emal: jo_alkader57@yaoo.co.d bstrak. L-Systems memlk fleksbltas dalam mesmulaska struktur da proses pegembaga pertumbua taama secara vsual da realstk. Peelta bertujua utuk memodelka pertumbua batag taama megguaka Determstc L-Systems da memvsualsaska model pertumbua batag taama. Betuk pertumbuaya aya megguaka segme gars. Peelta pertumbua batag taama megguaka Determstc L-systems dlakuka dalam tga taap yag dawal dar membagu peafsra grafs secara maual melalu gars sesua atura produksya. Taap kedua, membuat secara aalog peafsra grafs melalu ttk-ttkya. Taap ketga, membuat model dar ttk-ttk tersebut. Haslya ddapat model Determstc L-systems dar beberapa pertumbua batag taama. Masgmasg model mempresetaska satu macam pertumbua batag taama. Kata kuc: Determstc L-Systems, Pemodela, Batag taama 1. Pedaulua Stud karaterstk taama bersfat sagat komplek, aka sagat sukar ddekat megguaka pedekata persamaa matematka basa. Proses bologs pada usur pertumbua taama yag dkembagka secara atura grammar merupaka dasar dkembagkaya metoda Ldemayer System (L-System (Cua-ree, S,2000. Pemodela komputer da tekk vsualsas mampu memodelka proses secara realstk pertumbua taama. Peelta yag aka dkembagka adala memodelka pertumbua batag taama megguaka Determstc L-Systems pada beberapa taama yag ada d lgkuga Uverstas Islam Neger Maulaa Malk Ibram Malag. Peelta pertumbua batag taama megguaka Determstc L-systems dlakuka dalam tga taap yag dawal dar membagu peafsra grafs secara maual melalu gars sesua atura produksya. Taap kedua, membuat secara aalog peafsra grafs melalu ttk-ttkya. Taap ketga, membuat model dar ttk-ttk tersebut. Peelta bertujua utuk meyusu model da memvsualsas pertumbua batag taama megguaka Determstc L-Systems. 2. Tjaua Pustaka Ldemayer systems (L-systems Metoda L-System sebaga kepajaga dar Ldemayer System dkembagka pertama kal ole Ilmuwa bologs rstd Ldemayer. L-System merupaka atura formal yag dsusu sebaga grammar yag dkaraterstkka dalam betuk axoma, da smbol-smbol alpabet yag dguaka sebaga represetas pertumbua baga taama yag secara parallel terjad pergata pada masg-masg taap. (Pruskewcz P ad. Ldemayer, Ekstes dar L-system dyataka dalam Parametrk L-System (Cua-ree, S., Srpat, S. ad Lurssap, C., Framework dar L-System terdr dar tal structure da rewrtg rules. It pegembagaya adala peggata secara paralel megguaka rewrtg rules yag ada. Dmula dar tal structure, L-System meggatka setap baga dar struktur yag ada dega

2 meerapka rule secara sekuesal. Jad, dega grammarr yag spesfk utuk suatuu taama tertetu aka dapat megaslka pertumbua taama yag meyerupa taama sebearya d alam yata. Beberapa stla yag mejad kompoe utama pada L-systems adala: a. Huruf Huruf adala mpua gga V da smbol-smbol formal, msalya dalam betuk a, b, c, da seterusya, atau mugk beberapa uruf laya. b. ksoma ksoma (sator adala suatu strg w dar smbol-smbol padaa V. Hmpua strg dar V dotaska * V. Jka dberka V = { a, b, c}, maka beberapa coto strg yag dapat dbetuk yatu: a, b, cb, aabca, caab, bbc, da seterusya. Pajag w dar suatu strg w c. adala jumla smbol dalam strg. Produks * Produks (atura peulsa kembal adala suatu pemetaa smbol a V ke strg w V. I dber label da dtuls dega otas: p : a w. Jka suatu smbol a V tdak memlk atura produks, maka dapat dasumska bawa smbol tersebut dpetaka pada drya sedr segga a mejad kostata L-systems. (Msra da Msra, 2007 Peafsra grafs pada L-systems Padaa L-systems terdapat smbol-smbol yag dapat dtafsrka secara grafs. Jka dasumska suatu satua pajag da perputara sudut δ, maka perta-perta dar smbol-smbol pada L-systems adala sebaga berkut: F : meggambar ke depa satu satua sepajag ; G : bergerak ke depa satu satua sepajag tapa arus meggambar; + : berputar berlawaa ara jarum jam dega sudut δ ; - : berputar seara jarum jam dega sudut δ ; da : berputar 180 o atau berbalk ara Peafsrka L-systems secara grafs dapat dartka meggambar secara grafs barsa geeras yag daslka dar aksoma da atura produks yag dberka. Cotoya, jka dberka aksoma da atura produks dega V = { F, +, }, w = F da p : F F + F + F, makaa dmula dega aksoma F aka dperole produks geeras pertama g 1 dega strg: F + F + F Jka dasumska bawa satu satua sudut δ adala π / 3 rada, makaa peafsra grafs dar geeras pertama dapat dlat pada gambar berkut : Gambar 1. Peafsra grafs dar L-systems Peafsra garfs mula-mula megerjaka perta F yatu meggambar gars ke depa satu satua sepajag. Perta smbol + utuk memutar araya berlawaa ara jarum jam

3 sebesar δ. Perta berkutya meggambar F kembal sesua ara yag tela dtetuka sebelumya. Pada perta smbol utuk memutar kembal araya seara jarum jam sebayak dua kal besarya δ. Kemuda meggambar F kembal sesua dega ara yag baru. Perta smbol + utuk memutar kembal araya berlawaa ara jarum jam sebesar δ. Perta terakr meggambar F kembal sesua dega ara yag baru. Hal yag sama dapat dlakuka utuk meafsrka grafs dar geeras selajutya. lgortma peafsra grafs pada L-systems lgortma adala uruta lagka struks logs yag dsusu secara sstemats utuk meyelesaka suatu masala (Mur, Berkut merupaka algortma dar peafsra grafs pada L-systems: 1. Masukka la geeras ( k, sudut kemrga cabag (δ da pajag segme gars ( yag dgka; 2. Tetuka sudut awal ( a 0 da masukka la a 0 utuk medapatka ttk awal ( F 0, kemuda masukka F 0 pada atura produks ( P, da aslya dsebut P 0 ; 3. Iteraska utuk = 1,2,3,..., k ; segga medapatka la sudut selajutya ( a da dteruska utuk medapatka la ttk selajutya ( F ; Kemuda masukka F pada atura produks P 1 utuk medapatka P ; da 4. Plot 3. Metode Seubuga dega persoala yag dmaksud da utuk keperlua mecar solus permasalaa model batag taama megguaka Determstc L-Systems, pada baga aka djelaska secara sstemats megea metode yag dlakuka dalam memodelka pertumbua batag taama atara la: (1 meetuka kompoe utama dar L-systems da megasumska besar sudut δ. (2 membagu asl peafsra grafs beberapa geeras secara maual. (3 member ama ttk-ttk pada gars yag membagu peafsra grafs secara maual tersebut. (4 membuat model dar ttk-ttk tersebut secara matemats da membuat program dar model tersebut. 4. Hasl da Pembaasa Peafsra grafs secara maual Utuk membagu peafsra grafs secara maual dmsalka suatu L-systems dega kompoe-kompoeya adala V = { F,, +,[, ]}, w = F da p : F F[[ ][ + F]]. Beberapa geeras dar sstem dapat dlat pada tabel berkut :

4 g 0 1 Tabel 1. Beberapa Geeras L-systems g F [[ F][ + F]] g F [[ F ][ + F ]][[ [[ ][ + F ]]][ + F[[ ][ + F ]]]] 2 g 3 F F [[ F ][ + F ]][[ [[ ][ + F ]]][ + F[[ ][ + F ]]]][[ [[ ][ + F ]][[ F [[ F][ + F]]][ + F[[ ][ + F]]]]][ + F[[ ][ + F]][[ [[ ][ + F]]] [ + F [[ ][ + F ]]]]]] Peafsra grafs secara matemats 1 Peamaa ttk Pada Gambar 2(a terdapat empat ttk yag membagu gars-garsya dega masg-masg ttk dber ama F 0, 0, F 0, 1, F 1, 1 da F 1, 2 sepert terlat pada Gambar 2(a. Pada Gambar 2(b terdapat empat gars tambaa dar Gambar 2(a segga ada empat ttk baru yatu F 2, 1, F 2, 2, F 2,3 da F 2, 4 sepert terlat pada Gambar 2(b. Pada gambar 2(c juga terdapat tambaa gars dar Gambar 2(b segga ada delapa ttk baru yatu F 3, 1, F 3, 2,..., da F 3, 8 sepert terlat pada Gambar 2(c. Maka dapat dsmpulka utuk geeras ( g terdapat tambaa ttk sebayak 2 dar geeras 1 ( g 1. F 1,2 (a F 0,1 F 0,0 F 1,1 F 2, 3 F 2,4 F 1,2 (b F 0,1 F 0,0 F 2,2 F 1,1 F 2,1 F 3,8 Gambar 2. Peamaa Ttk Peafsra Grafs F 3,7 F 3,6 F 2,4 F 2,3 F 3,5 F 1,2 (c F 3,4 F 0,1 F 2,2 F 1,1 F 0,0 F 3,3 F 2,1 F 3,2 F 3,1 2 Perumusa ttk Gambar 2(a yag dbagu secara maual melalu peafsra grafs dar g 1 dapat daalogka utuk membagu Gambar 2(a yag dbagu melalu ttk-ttkya. Dega megasumska P 1 sebaga barsa ttk-ttk yag membagu Gambar 2(a, maka dapat dtuls: P = F, ( F, ( F, ( F, ( F, ( (1 1 ( 0,0 0,1 1,1 0,1 1,2 F0, 1 Hal yag sama dapat dlakuka dalam membagu Gambar 2(b da Gambar 2(c yag dbagu melalu ttk-ttkya. Dega megasumska P 2 da P 3 masg-masg sebaga barsa ttkttk yag membagu Gambar 2(b da Gambar 2(c, maka dapat dperole barsa ttk-ttk yag membagu peafsra grafs secara umum, P + 1, dega medefska ( F, dar P, = k da = 2, sebaga berkut: = ( K,( F,( K,( F,( K (2 ( F,, + 1,2 1, + 1,2,

5 3 Perumusa sudut Msal ttk da B masg-masg mempuya koordat ( x 1, y1 da ( x 2, y2, gars O membetuk sudut θ dega sumbu x postf da gars B dbetuk dar perpajaga gars O yag dputar seara jarum jam membetuk sudut φ (Gambar 2. Jka dasumska d ( O, = d(, B = r, maka ubuga koordat ttk-ttk adala sebaga berkut: x y 2 2 = x 1 + r cos( θ φ = r cos( θ + r cos( θ φ = y 1 + r s( θ φ = r s( θ + r s( θ φ y (3 (4 y 2 y 1 r φ r B Gambar 3. Hubuga Koordat Ttk-ttk Gambar 2 dbuat dega asums ( K 0, 0 = (0,0, 0,1 = π / 2, 0,1 = cos( 0, 1, 0,1 = s( 0, 1 da ( F 0,1 = ( 0,1, 0, 1. Jka dberka, = cos(,,, = s(, da ( F, = (,,, utuk = 1, 2, 3,..., k da = 1, 2, 3,..., 2, maka la-la dar,, da, utuk k = 3 dapat dtuls secara umum:,2 1,2,2 1,2,2 1,2 = = = 1, = 1, 1, 1, 1, 1, + ( cos( + cos( + s( + s( ( 1 δ,2 1,2 1,2 δ,2 utuk = 1, 2, 3,..., k da = 1, 2, 3,..., 2. O θ x1 x2 1 x,, (5 Pembuata Program Pembuata program pemodela pertumbua batag taama megguaka L-systems dlakuka secara terkomputersas. Sedagka baasa program yag dguaka adala Maple 8. Berkut adala lagka-lagka peulsa program dar peafsra grafs pada Gambar 2: a. Masukka la geeras ( k, sudut kemrga cabag (δ da pajag segme gars ( ; b. Tetapka la-la dar 0,1 = π / 2, 0,1 = cos( 0, 1, 0,1 = s( 0, 1, K = (, da P = K, ( K,( F, ( K,( F, ( ; ( 0,1 0,1 0, 1 0 ( 0,0 0,1 1,1 0,1 1,2 K 0, 1

6 c. Iteras dar 1 sampa k da lakuka 1. Iteras dar 1 sampa lakuka persamaa (5; Iteras dar 1 sampa 2 lakuka K = (, ; da (,,, 3. Iteras dar 1 sampa 2 lakuka persamaa (2; kerjaka P = P 1; d. Iteras dar k sampa k lakuka k teras dar 1 sampa 2 lakuka F = ( K kerjaka P = P 1; da e. Plot P k. (,, Pembuata program dega kompoe L-systems yag la dapat dlakuka dega cara sama, yatu aya dega meggat Lagka b pada peulsa 0, 1 da P 0 ; Lagka c.1 pada peulsa persamaa (5; Lagka c.3 pada peulsa persamaa (2; da = 1, 2, 3,..., 2 dega = 1, 2, 3,..., m, dmaa m adala jumla ttk F yag aka dproduks. Hal petg laya yag dapat dmodfkas dar pemodela adala peetua la sudut δ da pajag segme gars. Peetua la sudut δ dapat dsesuaka dega keadaa percabaga batag pada taama yag aka dmodelka. Modfkas pajag segme gars dapat dlakuka dega medefska = / utuk = 1, 2, 3,..., k. Hasl pemodela Dalam memodelka pertumbua batag taama d alam, pertama-tama yag arus dlakuka adala detfkas kompoe L-systems yag membaguya da megukur besar sudut dar masg-masg cabag pada atura produksya. Kemuda memodelka peafsra grafs secara matemats melalu ttk-ttkya, yatu dega meggat persamaa (2 da persamaa (5 sesua dega atura produksya. Selajutya memasukka model tersebut ke dalam program. Pegukura besar sudut dar masg-masg cabag pada atura produksya dapat dlakuka dega dua cara. Pertama, la sudut dambl dar rata-rata besar sudut pada masg-masg cabag. Hal dkareaka gambar taama yag dambl d alam adala betuk dmes tga sedagka gambar yag aka dmodelka dalam betuk dmes dua. Kedua, la sudut dambl dar masg-masg cabag sesua dega besarya. Hal dsesuaka dega betuk percabaga dar taama yag bersagkuta, karea besar masg-masg cabag tdak dpegaru dmesya. Msal g memodelka poo buga kupu-kupu (Gambar 5a. Pertama, detfkas kompoe L-systems yag membagu, yatu V = { F, +,,[, ]}, w = F da p : F F[[ ] F[ ][ + F ]]. Kedua, tetuka sudut cabag dar masg-masg cabag pada atura produksya (Gambar 4b, yatu δ 1 = 35, δ 2 = 34, da δ 3 = 38 dega la sudut rata-rata δ = 36.

7 δ 3 δ 2 δ 1 0,1 (a (b Gambar 4. Poo Buga Kupu-Kupu Da Pembesaraya Ketga, memodelka peafsra grafs secara matemats dega asums δ = π / 5 segga persamaa (2 dapat dtuls sebaga berkut: ( F, = ( K,,( F+ 1,4 3,( K,,( F+ 1,4 2,( F+ 1,4 1, (6 ( K,( F,( K,( K utuk + 1, ,4 = k da = 4. Persamaa (5 dapat dtuls:,4 3,4 2,4 1,4 =,4 3,4 2,4 1 = = = 1, 1,,4 2,4 2 = = = 1, 1,,4 + ( 1 + ( ( 1 δ δ δ + cos( + cos( 2 + cos(,4 3,4 2,4 1 utuk = 1, 2, 3,..., k da = 1, 2, 3,..., ,4 2,4,4 3,4 2,4 1,4 Keempat, pembuata program dega meuls = /1. 8, 0,1 π, =,4 1, 1,,4, cos(,4 + s(,4 3 + s(, s(,4 1 + s(,4 P 0 = ( K 0,0,( K 0,1, ( F1,1,( K 0,1,( F1,2,( F1,3, ( K1,2,( F1,4, ( K1,2,( K 0, 1, meggat persamaa (5 dega persamaa (7, persamaa (2 dega persamaa (6, da = 1, 2, 3,..., 4. (7 = 1, 2, 3,..., 2 dega

8 p : F F [[ F ]F [ F ][+ F ]] (δ = π / 5 Gambar 6. Poo Buga Kupu-Kupu Da Model Poo Buga Kupu-Kupu Gambar 7. Poo Cemara Kpas Da Model Poo Cemara Kpas p : F F [[ F ]F [ F ][+ F ]] (δ = π / 9 Gambar 8. Poo Lamtoro Da Model Poo Lamtoro

9 p : F F[[ ][ + F]] ( δ = π / 9, δ 2 = Gambar 9. Poo Kecruta Da Model Poo Kecruta 1 π /18 p : F F[[ + F] F[ ] F] ( δ = π / 9 Gambar 10. Poo Trembes Da Model Poo Trembes Pemodela pertumbua batag taama megguaka Determstc L-systems dapat dlakuka mula-mula dega membagu peafsra grafs secara maual melalu gars sesua atura produksya. Kemuda membuat secara aalog peafsra grafs melalu ttk-ttkya. Selajutya membuat model dar ttk-ttk tersebut da membuat program sesua dega model. Model dar bermacam-macam atura produks dapat dlakuka dega cara yag sama segga pembuata model dar suatu atura produks tertetu dapat dlakuka aya dega meguba rumusa dar P 0, persamaa (2 da persamaa (5 sesua dega atura produks yag dgka. Pemodela semacam juga arus memeu suatu kods, yak atura produksya arus berbetuk p : F F[ q], dega q sembarag atura produks. Hasl pemodela dar beberapa taama d alam mugk kurag medekat kesamaa dar betuk aslya d alam, karea pemodela d s dalam betuk gambar dmes dua sedagka betuk aslya d alam adala dmes tga. Jad pemodela pada peelta aya merupaka aproksmas dar taama aslya d alam.

10 5. Kesmpula Berdasarka asl peelta da pembaasa dperole kesmpulka bawa Determstc L- systems dapat dguaka utuk memodelka pertumbua batag taama. Masg-masg model mempresetaska satu macam pertumbua batag taama. Dalam memodelka pertumbua batag taama megguaka Determstc L-systems, dua taama yag berbeda bsa dmodelka dega atura produks yag sama. Hal bsa terjad aya dega meetuka besar sudut pada masg-masg percabaga, ada tdakya gars sebelum percabaga yag pertama da pedefsa pajag gars yag berbeda-beda. Daftar Pustaka ffa Smulas Pertumbua Batag Taama Cemara Norfolk Megguaka L-sstem dega Delp. Malag: Jurusa Tekk Iformatka Cua-ree, S., Srpat, S., ad Lurssap, C matg Plat Growt L-System By Parametrc Fuctoal Symbols. Talad: Departmet of Matematcs. Krsto rtfcal Lfe Model Proses Fotostess dalam Pertumbua Batag Megguaka Metode Neural Network. Surabaya: Uverstas rlagga Msra, J., da Msra, S L-System Fractal. Neterlad: Elsever Mur, R lgortma da Pemrograma Baasa Pascal da C. Badug: CV. Iformatka. Pruskewcz, P. ad Ldemayer, Te lgortmc Beauty Of Plats. New ork: Sprger-Verlag

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pertemuan VII IV. Titik Berat dan Momen Inersia

Pertemuan VII IV. Titik Berat dan Momen Inersia Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

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

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

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

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

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Lebih terperinci

Orbit Fraktal Himpunan Julia

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

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

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

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

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

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

= 8 = 7. x 4 = 24 = 8 = 5 = 13. pada persamaan ketiga dan x 3 = 5

= 8 = 7. x 4 = 24 = 8 = 5 = 13. pada persamaan ketiga dan x 3 = 5 III. REDUKSI GANJIL-GENAP/REDUKSI SIKLIS.. Alortma Sequesal Coto 9. Selesaka sstem persamaa erkut : Jawa 6 x + x = 8 x + x 5 x = 7 x + x 6 x = 5 x + 8 x = Vektor x = [ x x x x ] T dperole melalu prosedur

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

PENERAPAN INTEGRASI NUMERIK MENGGUNAKAN METODE SEGIEMPAT (RECTANGLE RULE) UNTUK MENGHITUNG LUAS DAERAH TIDAK BERATURAN

PENERAPAN INTEGRASI NUMERIK MENGGUNAKAN METODE SEGIEMPAT (RECTANGLE RULE) UNTUK MENGHITUNG LUAS DAERAH TIDAK BERATURAN Teco.COM, Vol., No., November : -9 PENERAPAN INTEGRASI NUMERIK MENGGUNAKAN METODE SEGIEMPAT (RECTANGE RUE) UNTUK MENGHITUNG UAS DAERAH TIDAK BERATURAN Bowo Nuradyoo, Yuars Raayu Program Stud Tekk Iormatka,

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

Lebih terperinci

Bab II Teori Pendukung

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

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1. PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: 978-979-97-- PEMULUSAN SEBARAN DATA MENGGUNAAN PENASIR ERNEL NADARAA-WATSON DAN LINIER LOAL UNTU ERNEL NORMAL Sudaro ) Program Stud Statstka

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

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

Lebih terperinci

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, smrd2007@gmal.com 2 Mathematcs Departmet, Gadah Mada Uverst, supama@ugm.ac.d

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

Deret Taylor dan Analisis Galat

Deret Taylor dan Analisis Galat Deret Taylor da Aalss Galat Des : Adakata da semua turuaya,,,, meerus d dalam selag [a,b]. Msalka : o є[a,b], maka la-la d sektar o da є[a,b], dapat dperluas dekspas ke dalam deret Taylor :...!...! 1!

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

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

Lebih terperinci

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

Lebih terperinci

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti) Karea vektor-vektor kolom X adalah bebas lear maka mempuya vektor ege yag bebas lear. erbukt eorema 9 Jka... adalah la ege dar maka... adalah la ege dar. BUK : salka... adalah la ege dar yag bersesuaa

Lebih terperinci

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

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

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci