PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK"

Transkripsi

1 PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar Info: Jurnal MSA Vol. 3 No. Edisi: Januari Juni 205 Artiel No.: Halaman: - 0 ISSN: X Prodi Matematia UINAM Sutriani Hidri Jurusan Matematia, FMIPA, Universitas Negeri Maassar ABSTRAK Ja faruddin Jurusan Matematia, FMIPA, Universitas Negeri Maassar Pada artiel ini dibahas persamaan Lota-Volterra yang merupaan persamaan dari model yang membahas interasi predasi antara mangsa dan pemangsa yang membentu sistem persamaan diferensial biasa ta linear. Untu melihat interasi tersebut diperluan penyelesaian dari persamaan Lota-Volterra yang sulit untu ditentuan secara analiti. Metode transformasi diferensial merupaan salah satu metode untu menyelesaian persamaan diferensial ta linear tanpa linearisasi terlebih dahulu. Penyelesaian dengan metode ini dilauan dengan mentransformasi persamaan menggunaan sifat-sifat transformasi diferensial yang sesuai. Pada penyelesaian persamaan Lota-Volterra terdapat 2 sistem persamaan. Masing-masing sistem disimulasian dengan 3 elompo nilai parameter yang berbeda. Solusi yang diperoleh berupa deret ta hingga, sehingga untu eperluan pratis perlu dipotong sampai sejumlah N suu tertentu. Pada bagian ahir solusi tersebut divisualisasian menggunaan software Maple 7. Kata Kunci: metode transformasi diferensial, model Lota-Volterra, persamaan diferensial ta linear. PENDAHULUAN Persamaan diferensial merupaan salah satu bagian dari matematia yang sangat erat hubungannya dengan ehidupan sehari-hari. Banya masalah dalam bidang teni, esehatan dan ilmu pengetahuan alam yang dapat dimodelan dalam bentu persamaan diferensial. Berbagai atifitas yang bergantung terhadap watu dirumusan dalam bentu persamaan diferensial biasa bai linear atau pun ta linear. Salah satu contoh persamaan diferensial ta linear adalah persamaan yang terbentu dari model mangsa pemangsa. Model mangsa pemangsa dienal sebagai model Lota-Volterra yang membahas interasi antara 2 atau lebih spesies mahlu hidup. Dalam berinterasi, tentunya diharapan jumlah spesies mangsa dan pemangsa harus sesuai dengan proporsinya (uuran) agar interasi dapat seimbang sehingga diperluan penyelesaian dari penyelesaian persamaan model Lota-Volterra. Pada tahun 986, Zhou memperenalan suatu metode yang dapat diterapan dalam penyelesaian persamaan diferensial ta linear tanpa linearisasi terlebih dahulu (Rahayu, d., 202). Metode tersebut adalah metode transformasi diferensial (MTD). Berbagai penelitian dietahui menggunaan metode ini. Diantaranya oleh Rahayu d. (202) yang membahas penyelesaian untu persamaan diferensial Riccati orde satu dan orde dua. Dewi (203) menggunaan metode ini untu menyelesaian model epidemi SIRS. Dari latar belaang tersebut maa penulis merumusan beberapa permasalahan yaitu bagaimana menyelesaian persamaan diferensial ta linear orde satu dan orde dua dengan metode transformasi diferensial, bagaimana menyelesaian persamaan Lota-Volterra dengan metode transformasi diferensial serta bagaimana simulasi numeri persamaan Lota- Volterra menggunaan Maple 7. Sejalan dengan rumusan masalah, tujuan dari penelitian ini adalah untu mengetahui cara menyelesaian persamaan diferensial ta linear orde satu dan orde dua dengan metode

2 transformasi diferensial, mengetahui cara menyelesaian persamaan Lota-Volterra dengan metode transformasi diferensial serta mengetahui hasil simulasi numeri menggunaan Maple TINJAUAN PUSTAKA Metode Transformasi Diferensial Definisi metode transformasi diferensial U() dari fungsi u(x) adalah sebagai beriut U() = u(x)! [d ], = 0,,2,3, dx x=x 0 () Pada persamaan (), u(x) merupaan fungsi yang ditransformasian dan U() merupaan fungsi transformasi. Invers dari metode transformasi diferensial U() didefinisian sebagai beriut u(x) = =0 U()(x x 0 ), Dari persamaan () dan (2), didapatan u(x) = u(x) =0! [d dx ] x=x 0 (x x 0 ) (2) (3) Persamaan (3) menyataan bahwa pengertian dari metode transformasi diferensial berasal dari deret Taylor (Hasan dan Ertur, 2007). Sifat Transformasi Diferensial Misalan U() = u(x)! [d dx ], F() = f(x)! [d ] dan G() = g(x) dx! [d dx ] merupaan masing-masing fungsi transformasi dari u(x), f(x) dan g(x). Beberapa sifat metode transformasi diferensial adalah sebagai beriut. Sifat. Penjumlahan dan Pengurangan Jia u(x) = f(x) ± g(x), maa U() = F() ± G(). Sifat 2. Peralian dengan Konstanta Jia u(x) = λg(x), maa U() = λg()., untu λ= onstanta Sifat 3. Turunan Pertama Jia u(x) = dg(x), maa U() = ( + )G( + dx ) Sifat 4. Turunan e-m Jia u(x) = dm g(x) dxm, maa U() = ( + ) ( + m)g( + m) Sifat 5. Peralian Jia u(x) = f(x)g(x), maa U() = F(r)G( r) Sifat 6. Peralian m fungsi Jia u(x) = f (x), f 2 (x) f m (x), maa U() = 2 =0 m =0 F ( )F 2 ( 2 ) F m ( m ) Sifat 7. Fungsi Variabel Bebas Jia u(x) = x m, maa U() = δ( m) =, m = 0 { 0, m 0, Sifat 8. Fungsi Konstanta Jia u(x) = s, s ε R, maa U() = δ() = s, = 0 { HASIL DAN PEMBAHASAN 0, 0 3. METODE PENELITIAN Penelitian ini merupaan penelitian ajian teori mengenai sistem persamaan diferensial yang bertujuan untu mencari penyelesaian persamaan Lota-Volterra menggunaan metode transformasi diferensial. Metode yang digunaan dalam penelitian ini adalah studi literatur. Studi literatur merupaan penelitian yang dilauan dengan bantuan bermacam-macam material meliputi doumen, buu-buu, majalah, jurnal, atau bahan tulis lainnya. Sesuai dengan masalah yang diteliti, maa penelitian ini dilauan di Perpustaaan Jurusan Matematia FMIPA UNM sebagai loasi utama dalam pengumpulan literatur untu penulisan, serta tempat-tempat lain yang dapat memberian informasi tentang apa yang menjadi pembahasan dalam penelitian ini. Watu penelitian dilasanaan selama 4 bulan yani September 204 hingga bulan Desember

3 Adapun prosedur pemecahannya sebagai beriut: () Masing-masing persamaan pada sistem persamaan Lota-Volterra ditransformasian menggunaan sifat transformasi diferensial yang sesuai, (2) Nilai-nilai parameter disubtitusian pada persamaan hasil transformasi persamaan Lota-Volterra, (3) Nilai awal yang diberian ditransformasi menggunaan definisi transformasi diferensial, (4) Dipilih suatu bilangan bulat ta negatif, bilangan tersebut disubtitusian pada persamaan hasil transformasi persamaan Lota-Volterra, (5) Nilai-nilai yang diperoleh disubtitusian pada invers dari metode transformasi diferensial yang menghasilan penyelesaian dari masalah tersebut, (6) Untu melihat secara grafi solusi atau penyelesaian dari persamaan Lota-Volterra, selanjutnya dilauan simulasi numeri menggunaan software Maple HASIL PENELITIAN DAN PEMBAHASAN Penyelesaian Persamaan Diferensial Ta Linear Orde Satu dan Dua Penyelesaian Persamaan Diferensial Ta Linear Orde Satu Diberian persamaan diferensial ta linear orde satu: dy(t) = ay 2 (t) + by(t) + c (4) dengan nilai awal y(0) = d Penyelesaian: Langah Persamaan ditransformasi menggunaan sifat transformasi diferensial yang sesuai sehingga diperoleh Y( + ) = [(a Y(r)Y( r) ) + Langah 2 + by() + δ()] (5) Transformasi nilai awal menggunaan definisi transformasi diferensial sehingga diperoleh transformasi nilai awal yaitu Y(0) = d. Langah 3 Substitusi setiap nilai = 0,,2,3, pada persamaan (5) Jia diberian a =, b = 2, c = 3 dan d = 0 sehingga persamaan (4) menjadi dy(t) = y 2 (t) + 2y(t) dengan nilai awal y(0) = (6) dengan cara yang sama maa diperoleh Y() = 3, Y(2) = 3, Y(3) = 5,... Langah 4 Nilai-nilai yang diperoleh disubtitusian pada invers dari metode transformasi diferensial pada persamaan (2) sehingga diperoleh penyelesaian persamaan diferensial ta linear orde satu dari persamaan (4.3) adalah y(t) = 3t + 3t 2 + 5t 3 + Penyelesaian Persamaan Diferensial Ta Linear Orde Dua Diberian persamaan diferensial ta linear orde dua : d 2 x(t) 2 = ax 2 (t) + t m (7) dengan nilai awal x(0) = d dan x (0) = e aan diselesaian dengan menggunaan metode transformasi diferensial. Penyelesaian: Langah Persamaan ditransformasi menggunaan sifat transformasi diferensial yang sesuai sehingga diperoleh X( + 2) = Langah 2 [a ( X(r)X( ( + )( + 2) r)) + δ( m)] (8) 3

4 Transformasi nilai awal menggunaan definisi transformasi diferensial sehingga transformasi nilai awalnya yaitu X(0) = d dan X() = e Langah 3 Substitusi setiap nilai = 0,,2,3, pada persamaan (8) Jia diberian a = 2, m =, d = dan e = 0 sehingga persamaan (7) menjadi d 2 x(t) 2 = 2x 2 (t) + t (9) dengan nilai awal x(0) = dan x (0) = 0 dengan cara yang sama maa diperoleh Langah 4 X(2) =, X(3) = 6, X(4) = 3,... Nilai-nilai yang diperoleh disubtitusian pada invers dari metode transformasi diferensial pada persamaan (2) sehingga diperoleh penyelesaian persamaan diferensial ta linear orde dua dari persamaan(9) adalah x(t) = + t t3 + 3 t4 + Penyelesaian Persamaan Lota-Volterra dengan Metode Tranformasi Diferensial. Kasus Persamaan Lota-Volterra Mangsa dan Pemangsa Pada asus ini persamaan yang aan diselesaian adalah sistem persamaan yang terbentu dari model Lota-Volterra (L-V) yani dx dx = x(a αy) dy = y(b βx) (0) menunjuan jumlah populasi mangsa (x) pada watu t, dy menunjuan jumlah populasi pemangsa (y) pada watu t, a menunjuan oefisien laju elahiran mangsa, b adalah oefisien laju ematian pemangsa, sedangan α dan β menunjuan oefisien interasi antara mangsa dan pemangsa. Untu menyelesaian persamaan Lota- Volterra tersebut, persamaan ditransformasian dengan menggunaan sifat-sifat metode transformasi diferensial sehingga diperoleh sistem persamaan hasil transformasi X( + ) = ( + ) [ax() α X(r)Y( r) ] Y( + ) = ( + ) [ by() + β X(r)Y( r) ] () Nilai-nilai parameter yang digunaan pada persamaan Lota-Volterra dapat dilihat pada Tabel. Tabel. Nilai-nilai parameter persamaan L-V mangsa dan pemangsa Parameter Nilai () Nilai (2) a Nilai (3) 0. α b β Nilai parameter () berasal dari penelitian estimasi parameter Trisilowati d. (20). Sementara nilai parameter (2) dan (3) ditambahan untu melihat perilau sistem etia parameternya berbeda. Diberian nilai awal x(0) = 60 dan y(0) = 30 yang ditransformasi menggunaan definisi transformasi diferensial menghasilan X(0) = 60 dan Y(0) = 30. Dengan menggunaan nilai awal yang telah ditransformasian dan = 0,, 2, 3,, 0, persamaan () menghasilan nilai-nilai yang emudian disubstitusi pada persamaan (2). 4

5 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter () diperoleh x(t) = t 0,3750,255 t 2 0,0825 t 3 0,00279 t 4 + 0,00065 t 5 + 0,000 t 6 + (7, ) t 7 (, ) t 9 (, )t 9 + (, )t 0 y(t) = t + 0,6 t 2 + 0,0 t 3 0,004 t 4 0,00 t 5 0, t 6 0, t 6 + (5, )t 7 + (, )t 8 + (2,7 0 7 )t 9 + (, )t 0 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (2) diperoleh x(t) = t + 0,255 t 2 + 0,00335 t 3 + 0, t 4 (, ) t 5 (4, ) t 6 (2, ) t 7 (5, )t 8 (2, )t 9 + (, )t 0 y(t) = 30,2 t + 0,069 t 2 + 0,00043 t 3 (3, ) t 4 + (3, ) t 5 (6, ) t 6 + (3, ) t 7 (6,50 0 )t 8 (, )t 9 (2, )t 0, Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (3) diperoleh x(t) = ,2 t + 0,057 t 2 0,0847 t 3 0, t 4 0,0002 t 5 0,00002 t 6 (3, )t 7 + (4, )t 8 + (9, )t 9 + (, )t 0 y(t) = t + 0,78 t 2 + 0,0737 t 3 + 0,009 t 4 + 0,00064 t 5 + 0, t 6 (7, )t 7 (4, )t 8 (6, )t 9 (7, )t 0 Kasus 2 Persamaan Lota-Volterra 2 Mangsa dan Pemangsa dx = a x α 2 x x 2 α x y dx 2 = a 2x 2 α 2 x 2 x α 2 x 2 y dy = by + β x y + β 2 x 2 y (2) dimana a dan a 2 berturut-turut menunjuan laju elahiran mangsa dan mangsa 2, b menunjuan laju ematian pemangsa. α 2 dan α 2 menunjuan interasi antara mangsa dengan mangsa 2. β dan β 2 berturut-turut menunjuan interasi antara pemangsa dengan mangsa dan mangsa 2. 5

6 Untu menyelesaian persamaan (2) dengan metode transformasi diferensial, persamaan tersebut ditransformasian menggunaan sifat transformasi diferensial yang sesuai sehingga diperoleh hasil transformasi sebagai beriut: X ( + ) = ( + ) [a X () α 2 ( X (r) X 2 ( r)) α X (r)y( r) ] X 2 ( + ) = ( + ) [a 2X 2 () α 2 ( X 2 (r) X ( r)) α 2 X 2 (r)y( r) ] Y( + ) = ( + ) [ by() + β ( X (r) Y( r)) + β 2 X 2 (r)y( r) ] Nilai-nilai parameter yang digunaan pada persamaan Lota-Volterra asus 2 dapat dilihat pada Tabel 2. (3) Tabel 2. Nilai-nilai parameter persamaan L-V 2 mangsa dan pemangsa Parameter Nilai () Nilai (2) Nilai (3) a α α a α α b β β Nilai parameter () berasal dari penelitian Rohmah dan Erna (203). Sementara nilai parameter (2) dan (3) ditambahan untu melihat perilau sistem etia parameternya berbeda. Untu asus ini diberian nilai awal x (0) = 50, x 2 (0) = 40 dan y(0) = 20. Yang ditransformasi sehingga diperoleh X (0) = 50, X 2 = 40 dan Y(0) = 20. Dengan menggunaan nilai awal yang telah ditransformasian dan = 0,, 2, 3,, 0, persamaan () menghasilan nilai-nilai yang emudian disubstitusi pada persamaan (2). Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter () diperoleh x (t) = ,96 t + 0,5947 t 2 + 0,02504 t 3 + 0, t 4 0, t 5 0, t 6 (2, ) t 7 6

7 (,2 0 8 ) t 8 (4, ) t 9 (,72 0 ) t 0 x 2 (t) = ,4 t t 2 0,00625 t 3 0, t 4 0, t 5 (6, ) t 6 + (, ) t 7 + (, ) t 8 + (5,822 0 ) t 9 + (, ) t 0 y(t) = ,74 t + 0,0822 t 2 + 0,00599 t 3 + 0, t 4 + 0, t 5 + 0, t 6 + (6, ) t 7 + (3,2 0 9 ) t 8 + (, ) t 9 + (3, ) t 0 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (2) diperoleh x (t) = ,96 t + 0,576 t 2 + 0,02085 t 3 0,00003 t 4 0, t 5 0, t 6 (2, ) t 7 (6, ) t 8 (7,64 0 ) t 9 + (6, ) t 0 x 2 (t) = ,3 t t 2 + 0,05 t 3 0,00023 t 4 + 0,00006 t 5 0, t 6 (, ) t 7 (3, ) t 8 (3, ) t 8 + (3,692 0 ) t 9 + (9, ) t 0 y(t) = ,74 t + 0,085 t 2 + 0,00625 t 3 + 0, t 4 + 0, t 5 + 0, t 6 + (5,7 0 8 ) t 7 + (2,2 0 9 ) t 8 + (5,734 0 ) t 9 (5, ) t 0 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (3) diperoleh x (t) = ,6 t + 0,096 t 2 + 0,009 t 3 + 0,00002 t 4 (, ) t 5 (2, ) t 6 (6, ) t 7 (2,066 0 ) t 8 (5, ) t 9 (, ) t 0 x 2 (t) = 40 t + 0,034 t 2 0,00255 t 3 0, t 4 (7, ) t 5 + (, ) t 6 + (, ) t 7 (3,842 0 ) t 8 + (, ) t 9 (4, ) t 0 y(t) = 20 0,47 t + 0,09 t 2 + 0, t 3 0,0000 t 4 + (8, ) t 5 (6, ) t 6 + (, ) t 7 + (,823 0 ) t 8 (3, ) t 9 + (, ) t 0 Simulasi Numeri dengan Maple 7 Simulasi numeri beriut dilauan dengan nilai awal dan parameter yang sama pada bagian sebelumnya. Simulasi ini dibagi menjadi 3 bagian berdasaran nilai parameter yang digunaan. 7

8 Simulasi dengan nilai parameter (),a = 0,2; α = 0,005; b = 0,5; β = 0,0 Gambar. Simulasi numeri parameter () untu t = 0 dan t = 30 Simulasi dengan nilai parameter (2),a = 0,2; α = 0,005; b = 0,; β = 0,00 Gambar 2. Simulasi numeri parameter (2) untu t = 0 dan t = 30 Simulasi dengan nilai parameter (3), a = 0,; α = 0,00; b = 0,5; β = 0,0 Gambar 3. Simulasi numeri parameter (3) untu t = 0 dan t = 30 8

9 Kasus 2 Persamaan Lota-Volterra 2 Mangsa dan Pemangsa Jurnal MSA Vol. 3 No. Ed. Jan-Juni 205 Simulasi numeri beriut dilauan dengan nilai awal dan parameter yang sama pada bagian sebelumnya. Simulasi dengan nilai parameter (), a = 0,2; α 2 = ; α = 0.007; a 2 = 0,; α 2 = ; α 2 = 0.007; b = 0,0; β = ; β 2 = ; Gambar 4. Simulasi numeri parameter () untu t = 0 dan t = 30 Simulasi dengan nilai parameter (2), a = 0,2; α 2 = ; α = 0.007; a 2 = 0,2; α 2 = ; α 2 = 0.007; b = 0,0; β = ; β 2 = ; Gambar 5. Simulasi numeri parameter (2) untu t = 0 dan t = 30 Simulasi dengan nilai parameter (3), a = 0,; α 2 = ; α = 0.002; a 2 = 0,; α 2 = ; α 2 = 0.005; b = 0,0; β = ; β 2 = ; Gambar 6. Simulasi numeri parameter (2) untu t = 0 dan t = 30 9

10 Simulasi dengan menggunaan program Maple 7 yang dilauan untu 2 asus dengan nilai parameter dan nilai awal tersebut memberian informasi bahwa edua spesies saling mempengaruhi secara signifian. Berdasaran gambar yang dihasilan, penentuan nilai parameter dan nilai awal sangat sensitif. Pemberian nilai awal dan nilai parameter yang berbeda aan memberian gambar yang lebih variatif pula. Penurunan jumlah populasi bai mangsa maupun pemangsa pada anga negatif menunjuan habisnya populasi tersebut. Mesipun demiian simulasi tetap dilanjutan untu melihat perilau sistem pada watu beriutnya. Oleh arena itu penyelesaian yang diperoleh sudah sudah dapat menjelasan prilau sistem dalam onsep eologi. Aan tetapi, perubahan jumlah populasi yang dihasilan terlalu besar sehingga metode transformasi diferensial emunginan urang coco untu menjelasan jumlah populasi yang ada pada saat t tertentu sehingga dari penelitian ini dietahui bahwa metode transformasi diferensial hanya coco untu menjelasan perilau sistem Lota- Volterra. 5. KESIMPULAN Berdasaran pembahasan dari penelitian diatas dapat diambil esimpulan bahwa :. Metode Grafi, hanya dapat dilauan untu masalah program linear dengan dua variabel, sedangan 2. Metode simples, dapat dilauan untu masalah program linear bai untu dua atau lebih variabel, dengan langah awal yaitu memformulasian masalah edalam program linear, menambahan variabel slac atau surplus pada endala untu memperoleh bentu standar, emudian lauan-langah metode simples. 6. DAFTAR PUSTAKA. Hiller, Frederic, R. And Lieberen, Gerald Introduction to Opertions Research USA : McGrow-Hill Companies 2. Lusiana, Penyelesaian Program Linier dengan Metode Simples. Sripsi S- Metematia UNAND, tida diterbitan. 3. Siswanto, Operation Research, Erlangga, Jaarta. 4. Taha Hamdy A., 996. Riset Operasi Suatu Pengantar Jilid.Bina Rupa Asara,Jaarta. 5. Wijaya Andi, 202, Pengantar Riset Operasi Edisi 2. Mitra Wicana Media, Jaarta. 0

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

Lebih terperinci

- Persoalan nilai perbatasan (PNP/PNB)

- Persoalan nilai perbatasan (PNP/PNB) PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran

Lebih terperinci

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson 1 Studi Perbandingan Perpindahan Panas Menggunaan Metode Beda Hingga dan Cran-Nicholson Durmin, Drs. Luman Hanafi, M.Sc Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi

Lebih terperinci

KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W

KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W J. Math. and Its Appl. ISSN: 1829-605X Vol. 8, No. 2, November 2011, 43 49 KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W Sunarsini. 1, Sadjidon 2 Jurusan

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

PENYELESAIAN PERSAMAAN TELEGRAF DENGAN METODE TRANSFORMASI DIFERENSIAL. (Skripsi) Oleh JEFERY HANDOKO

PENYELESAIAN PERSAMAAN TELEGRAF DENGAN METODE TRANSFORMASI DIFERENSIAL. (Skripsi) Oleh JEFERY HANDOKO PENYELESAIAN PERSAMAAN TELEGRAF DENGAN METODE TRANSFORMASI DIFERENSIAL (Sripsi) Oleh JEFERY HANDOKO JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 017 ABSTRAK PENYELESAIAN

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB

VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB KARYA TULIS ILMIAH VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB Oleh: Drs. Ida Bagus Alit Paramarta, M.Si. Dra. I.G.A. Ratnawati, M.Si. JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

Lebih terperinci

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution Jurnal Bareeng Vol. 8 No. Hal. 5 0 (04) ANALISIS PRBANDINGAN OMULAN TRHADAP BBRAPA JNIS DISTRIBUSI HUSUS Analysis of Comulans Comparative on some Types of Special Distribution ABRAHAM ZACARIA WATTIMNA,

Lebih terperinci

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

VI. PEMILIHAN MODA (Modal Split/Choice)

VI. PEMILIHAN MODA (Modal Split/Choice) VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

SILABUS PEMBELAJARAN

SILABUS PEMBELAJARAN SILABUS PEMBELAJARAN Nama Seolah... Mata Pelajaran MATEMATIKA Kelas/Program XII / IPA Semester 2 STANDAR KOMPETENSI 4. Menggunaan onsep pemecahan masalah. Dasar Kegiatan Penilaian Watu 4.1. Menentuan suu

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci

REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION

REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION TUGAS AKHIR SM141501 REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION AIRIN NUR HIDAYATI NRP 113 100 095 Dosen Pembimbing Dr. Didi Khusnul Arif, S.Si, M.Si.

Lebih terperinci

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k Kumpulan soal-soal level selesi Kabupaten: 1. Sebuah heliopter berusaha menolong seorang orban banjir. Dari suatu etinggian L, heliopter ini menurunan tangga tali bagi sang orban banjir. Karena etautan,

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN

BAB III HASIL DAN PEMBAHASAN 15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

Lebih terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH

GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRACT SUNARSIH.

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS RISNAWATI IBNAS Jurusan Matematika, Fakultas Sains dan Teknologi, UINAM risnawati988@gmail.com Info: Jurnal MSA Vol. 2 No. 1 Edisi:

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA PENDAHULUAN

APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA PENDAHULUAN APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA E. KHATIZAH 1, P. T. KARIMA 2, D. I. ASTUTI 2 Abstrak Metode transformasi diferensial merupakan salah satu metode pendekatan

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

Lebih terperinci

TRY OUT UJIAN NASIONAL

TRY OUT UJIAN NASIONAL PEMERINTAH PROVINSI DAERAH KHUSUS IBUKOTA JAKARTA DINAS PENDIDIKAN MENENGAH DAN TINGGI SMA 7 JAKARTA JALAN DHARMA PUTRA XI KEBAYORAN LAMA SELATAN KEBAYORAN LAMA JAKARTA SELATAN TELEPON 76077FAKSIMILI 76077

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012 KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

MAT. 12. Barisan dan Deret

MAT. 12. Barisan dan Deret MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT

Lebih terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ Yogyaarta, 26 Noember 206 ISSN : 979 9X eissn : 25 528X ANALISIS PSEUDOINVERS DAN APLIKASINYA PADA REGRESI LINEAR BERGANDA Kris Suryowati Program Studi Statistia, Faultas Sains erapan, Institut Sains dan

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah

Lebih terperinci

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran

Lebih terperinci