Aljabar Hipergraf Dan Aplikasinya

Ukuran: px
Mulai penontonan dengan halaman:

Download "Aljabar Hipergraf Dan Aplikasinya"

Transkripsi

1 Aljabar Hpergraf Dan Aplkasnya Oleh: Mula Astut Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Bengkulu Jl. Raya Kandang Lmun, Bengkulu Irawat, Intan Muchtad Alamsyah Ahmad Muchls, Achrul Akbardan Mulana. A. Halm Algebra Research Group, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Teknolog Bandung (ITB), Jl.Ganesha no. Bandung 432, Abstrak. Dalam makalah n telah dbangun pohon flogenetk untuk menentukan kedekatan hubungan kekerabatan dar 6 organsme, dengan menggunakan pendekatan Aljabar hpergraf. Langkah pertama adalah menggunakan hpergraf berarah untuk merepresentaskan sklus asam strat sebaga jarngan metabolk kemudan menghtung jarak antara 2 jarngan metabolk dengan menggunakan operas operas aljabar sepert dalam peneltan sebelumnya[8] sehngga dperoleh matrk jarak. Selanjutnya program Matlab R27b dgunakan untuk membangun pohon flogenetk dengan Algortma Neghbor Jonng (Neghbor Jonng Algorthm). Kemudan telah dbangun pula pohon flogenetk pembandng yang dperoleh berdasarkan urutan nukleotda gen 6S rrna pada masng masng organsme yang sama. Dar peneltan n dperoleh bahwa, terdapat sepasang organsme pada kedua pohon flogenetk yang dhaslkan, yang memlk kekerabatan dekat berdasarkan urutan gen 6S rrna tetap memlk kekerabatan yang jauh berdasarkan jarngan metabolknya ataupun sebalknya. Kata kunc: Flogenetk, aljabar hpergraf, jarngan metabolc, algortma neghbor jonng, sklus asam strat, urutan nukleotda, gen 6S rrna.. Pendahuluan Metabolsme d dalam sel merupakan reaks metabolk yang dkatalss oleh enzm tertentu. Varas proses dan hasl metabolsme dtentukan oleh enzm yang terlbat dalam reaks tersebut. Sedangkan varas enzm (bak struktur maupun urutan asam amnonya) sangat dtentukan oleh kode urutan asam deoksrbonukleat (deoxyrbonuclec acd, DNA). Urutan nukleotda DNA yang menjad kode untuk mensntess enzm (proten) atau RNA dsebut dengan gen[24]. Gen juga merupakan penentu metabolsme atau pengendal kehdupan. Suatu sfat yang dpunya oleh suatu organsme merupakan hasl proses metabolsme yang terjad d dalam sel. Begtu juga halnya dengan varas penamplan dan morfolog suatu organsme merupakan penampakan varas gen gennya dan sangat tergantung kepada keragaman proses dan hasl metabolsme yang terjad d dalam setap sel penyusun organsme tersebut[22]. Dpresentaskan dalam Semnar Nasonal Aljabar, Pengajaran Dan Terapannya dengan tema Kontrbus Aljabar dalam Upaya Menngkatkan Kualtas Peneltan dan Pembelajaran Matematka untuk Mencapa World Class Unversty yang dselenggarakan oleh Jurusan Penddkan Matematka FMIPA UNY Yogyakarta pada tanggal 3 Januar 29

2 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH Metabolsme dalam sel hdup dapat drepresentaskan oleh jarngan metabolk yang ddefnskan oleh metabolt metabolt dan sstem reaks kmanya. Salah satu contoh jarngan metabolk adalah sklus asam strat[7]. Huynen MA, Dandekar dan Bork[4] telah menyeldk eksstens gen yang mengkodekan enzm enzm yang mengkatals reaks yang terlbat dalam sklus asam strat pada 6 urutan genom lengkap. Genom adalah semua nformas genetk yang dmlk oleh sel. Kemampuan organsme untuk menghaslkan suatu produk metabolt dkendalkan oleh genom yang dmlknya. Selanjutnya, Hasl yang dperoleh[4] adalah bahwa sebagan besar organsme, memlk sklus asam strat yang tdak lengkap dan adanya perubahan pada gen gen tertentu yang memungknkan organsme untuk beradaptas terhadap lngkungan yang baru. Dengan mengetahu varas jalur metabolk dalam bentuk sklus asam strat pada masng masng organsme, kta dapat menerangkan kedekatan hubungan kekerabatan antar organsme berdasarkan sklus asam strat pada organsme tersebut dan menggambarkannya dalam pohon flogenetk. Berdasarkan peneltan yang lannya, pohon flogenetk juga dapat dkonstruks berdasarkan urutan nukleotda gen 6S rrna setap organsme dengan menggunakan program ClustalW program MEGALIGN dar DNASTAR[] atau menggunakan program ClustalW.83 dan program Phylp 3.5c[2]. Dalam makalah n telah dbangun pohon flogenetk untuk menentukan kedekatan hubungan kekerabatan dar 6 organsme hasl peneltan[4], dengan menggunakan pendekatan Aljabar hpergraf. Langkah pertama adalah menggunakan hpergraf berarah untuk merepresentaskan sklus asam strat sebaga jarngan metabolk kemudan menghtung jarak antara 2 jarngan metabolk dengan menggunakan operas operas aljabar sepert dalam peneltan sebelumnya[] sehngga dperoleh matrk jarak. Selanjutnya program Matlab R27b dgunakan untuk membangun pohon flogenetk dengan Algortma Neghbor Jonng (Neghbor Jonng Algorthm). 44 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

3 Aljabar Hpergraf Dan Aplkasnya Hasl yang dperoleh selanjutnya dbandngkan dengan pohon flogenetk yang dbangun berdasarkan urutan nukleotda gen 6S rrna dar 6 organsme yang sama dengan menggunakan program ClustalW.83 dan program phylp3.5c. 2. Hpergraf Defns Msalkan V = { v, v2,..., v n } adalah hmpunan hngga, dan msalkan ε = {, I} adalah koleks dar hmpunan bagan dar V. Koleks ε menjad suatu E hpergraf pada V jka E φ, I dan Υ E = V dan H ( V, ε ) dsebut hpergraf. I Elemen elemen v,..., v2 v n dsebut vertek dan hmpunan hmpunan E, E2,..., En dsebut hperedge. Untuk menggambarkan Hperedge kurva yang mengellng semua vertek E > 2. Jka, jka E = 2 E dgambarkan sebaga E dgambarkan sebaga gars yang menghubungkan kedua vertek tersebut. Jka E = dgambarkan sebaga loop sepert dalam suatu graf. Jelas, jka E = 2, =,..., m hpergraf adalah graf[8]. E E 4 v v 8 E 5 v 7 v 2 v 3 v 5 E 6 E 2 v 4 v 6 E 3 Gambar Hpergraf H ( V, ε ) Dar hpergraf gambar datas dperoleh: () Hperedge E adalah hmpunan bagan dar V = v, v,..., }, yatu { 2 v8 E = v, v, }, E = v, v }, E = { v, v, }, { 2 v3 2 { v6 E = v, v, v }, E = { v, v }, E = { }. Jad dperoleh E V, E = Vdan E 4 { v5 φ; (2) Dua vertek dkatakan bertetangga (adjacent) dalam H = ( V, E) jka U ISBN :

4 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH terdapat hperedge yang memuat kedua ttk tersebut. Contoh : v bertetangga E dengan v3 karena { v, v3} E; (3) Dua hperedge dkatakan bertetangga (adjacent) jka rsannya bukan hmpunan kosong. Contoh: bertetangga dengan E karena 4 2 E 4 E E = { v } φ; dan (4) Hpergraf sederhana adalah hpergraf dengan semua hperedge berbeda, yatu E E = j. Contoh: E6 E Jad hpergraf j sepert gambar bukan hpergraf sederhana, hpergraf tersebut dapat menjad hpergraf sederhana jka hperedge dhlangkan dan vertek v boleh tdak E6 5 dhlangkan. Defns 2 Ukuran H = ( V, E) ddefnskan sebaga sze ( H ) = E dmana E E E adalah kardnaltas atau derajat dar hperedge E =, 2,..., m. Contoh: dar hpergraf gambar dperoleh: sze( H ) = E E6 = = 4 Defns 3 Dalam H = ( V, E), hperedge dsebut maxmal, jka hperedge tersebut tdak termuat dalam hperedge lan. Contoh: dar hpergraf gambar dperoleh, semua hperedge adalah maksmal kecual E6 = { v5} karena termuat dalam hperedge lan E 6 yatu E3 dan E4 [ e j ] e Hpergraf H = ( V, E) dapat drepresentaskan oleh matrks ncdence j {,}, e j ; v E j, =,2,..., n = ; v E j, j =,2,..., m dengan n bars menyatakan vertek dan m kolom menyatakan hperedge. Dar hpergraf gambar dperoleh matrk ncdence sebaga berkut: [ e j ] = 46 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

5 Aljabar Hpergraf Dan Aplkasnya Dar matrks ncdence E( H ) datas, jumlah dar elemen barsnya menyatakan derajat dar vertek, yatu jumlah hperedge yang dmlk vertek tersebut. yatu v = 2, v2 = 2, v3 =, v4 = 2, v5 = 3, v6 =, v7 = 2, v8 = 3 Hpergraf berarah Hpergraf berarah adalah hpergraf dengan hperedge berarah. Hperedge berarah atau hperarch adalah pasangan terurut E=(X,Y) dengan X adalah pangkal E dan Y ujung E. Selanjutnya, notas T(E) adalah hmpunan pangkal hperedge E dan H(E) adalah hmpunan ujung hperedge E[3]. Gambar 2 Hpergraf berarah D( V, E) Matrks ncdenc dar hpergraf berarah D ( V, E) adalah matrks a ] yang ddefenskan sebaga berkut: a j jka v T ( E j ); =,2,..., n = jka v H ( E j ); j =,2,..., m lannya Dar hpergraf berarah D( V, E) gambar 2 dperoleh matrk ncdence sebaga berkut: [ j ISBN :

6 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH [ a j ] = 4. Representas Jarngan Metabolk Sebaga Hpergraf Berarah Proses metabolsme dalam sel hdup dapat drepresentaskan oleh jarngan metabolc yang ddefnskan oleh metabolt dan sstem reaks kmanya. Jarngan metabolc M ( X, ε ) dapat drepresentaskan oleh hpergraf berarah, dengan notas X menyatakan hmpunan metabolt (vertek pada hpergraf berarah) dan notas ε menyatakan hmpunan reaks kma (hperarc pada hpergraf berarah)[7]. Msalkan reaks kma: E : v v 2 + v 3, E 2 : v 2 v 4, E 3 : v 4 v 5, E 4 : v 3 + v 6 v 5 yang dapat dgambarkan sebaga jarngan metabolk M ( X, ε ): V E V2 E2 V4 E3 v3 E4 v5 v6 Gambar 3 Jarngan metabolk M ( X, ε ) Jarngan metabolk M ( X, ε ) dapat drepresentaskan oleh matrks stokhometr N = n ] dengan n menyatakan koefsen stokhometr, masng masng [ j j bars menyatakan metabolt dengan v dan masng masng kolom menyatakan reaks E j 48 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

7 Aljabar Hpergraf Dan Aplkasnya n j + jka v E j ; =,2,..., n = jka v E j ; j =,2,..., m, lannya Dar jarngan metabolk M ( X, ε ) gambar 3 dperoleh: () Hmpunan metabolt X = { v, v2, v3, v4, v5, v6}; (2) Hmpunan reaks kma ε = { E, E2, E3, E4} dmana E j + j E j merupakan multset ( E, ); (3) Hmpunan reaks educt X yang terdr dar E = { v}, E2 = { v2}, E3 = { v4}, E4 = { v3, v6} ; dan (4) Hmpunan reaks product E j + E j X { v5 yang terdr dar E = v, v }, E = { v }, E = { v }, E = { }[]. Matrks stokhometr dar jarngan metabolk M ( X, ε ) gambar 3 adalah: N = Selanjutnya defnskan operas aljabar pada dua jarngan metabolk. msalkan M '( X ', ε ') dan M "( X ", ε" ) adalah dua jarngan metabolc maka: () M ' = M " jka dan hanya jka X ' = X " dan ' ε" ε = ; (2) Gabungan = M ' M" = ( X ' X", ε ' ε ") M ; (3) Irsan M = M' M " = X' X", ε' ε " ; (4) Dfference M M '\ M" = (sup p( ε '\ ε"), ε '\ ε") dan (5) Symmetrc dfference M M ' ΔM " = M ' M"\ M ' M" M ( X, ε ) dsebut clean, jka supε = { E ε} clean dan ( Suppε, ε ) M = []. = ; =. Jarngan metabolk E =X dan notas M adalah operator Gambar 4 memberkan menglustraskan operas dasar pada dua jarngan metabolk. ISBN :

8 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH M. Rckettsa Prowazek M. Chlamyda trachomats Pospoenol-pruvat Pruvat Asetl-KoA Pruvar dehdrogenase (.2.4.) Pospoenol-pruvat karboksknase (4...49) Malk enzm (...38) oksaloasetat Strat sntase(4..3.7) Strat Akontase(4.2..3) Malat dehdrogenase (...37) Malat Isostrat Fumarase (4.2..2) class II Isostrat dehdrogenase(...42) Fumarat 2-ketoglutarat Suksnat dehdrogenase(.3.99.) Suksnat 2-ketoglutarat dehdrogenase (.2.4.2) Suksnl-KoA sntetase(6.2..5) Suksnl-KoA (a).unon M ' M" (b).intersecton M ' M" (c). Dfference M '\M " (d). Symmetrc dfference M ' Δ M" Gambar 4 Operas dar dua jarngan metabolk 5 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

9 Aljabar Hpergraf Dan Aplkasnya Defns 4. Jarak dar dua jarngan metabolk tak kosong M dan M 2ddefnskan sebaga: MΔM 2 M M 2 d( M, M 2 ) = = dengan M menyatakan jumlah M M 2 M M 2 reaks kma yang terjad dalam jarngan M ( X, ε ). Teorema Untuk suatu jarngan metabolk M, 2 dan M, memenuh sfat berkut:. d( M, M ) 2 2. d ( M, M 2 ) = M = M 2 3. d M, M ) = d( M, ) ( 2 2 M 4. d M, M ) d( M, M ) + d( M, ) ( M 3 M 3 5. Membangun Pohon Flogenetk Menggunakan Aljabar Hpergraf Langkah langkah membangun pohon flogenetk dengan menggunakan Aljabar Hpergraf, berdasarkan jarngan metabolk adalah sebaga berkut:. Tentukan data jarngan metabolc pada masng masng organsme, yatu data sklus asam strat 6 organsme yang dperoleh dar hasl peneltan[4]. 2. Tentukan jarak antara kedua jarngan metabolc yatu: MΔM 2 M M 2 d( M, M 2 ) = = ; M M 2 M M 2 Mdan M 2 adalah Jarngan metabolk organsme dan Konstruks matrks jarak dengan elemennya menyatakan jarak yang dperoleh dar (2). Metode matrk jarak (Dstance matrx) n pada dasarnya dkembangkan atas dasar sstem fenetk dan pada umumnya dkombnaskan dengan Algortma Neghbor Jonng untuk menentukan kemungknan pohon terbak [2] 4. Selanjutnya Algortma Neghbor Jonng dgunakan untuk memperoleh pohon flogenetk, dengan langkah sebaga berkut[8]: ISBN :

10 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH a. Untuk masng masng ttk ujung, htung: u Dj j = n 2 b. Tentukan pasangan ttk ujung, dan j dengan Dj u u j terkecl c. Hubungkan ujung dan j, bentuk ttk ujung baru msal x. Panjang cabang dar ttk ujung baru, x ke dan j adalah: v v j = = 2 2 ( D j ( D j + ( u + ( u u j j )) u )) d. Htung jarak antara ttk baru dengan setap ttk ujung lan, yatu: D = ( D + D D j, k k jk j ) / 2 e. Gant ttk ujung dan j dengan ttk lannya, ulang proses perhtungan mula dar no.4 sampa hanya 2 ttk yang terssa. 5. Selanjutnya program Matlab R27b dgunakan untuk proses perhtungan (4). Sehngga dperoleh pohon flogenetk berkut n: Chlamyda Haemophlus Eschercha mycobacterum Saccharomyces Bacllus Synechocysts Rckettsa Helcobacter Mycoplasma Treponema Pyrococcus Methanococcus Methanobacterum Archaeolobus Aqufex Gambar 5 Pohon flogenetk berdasarkan data jarngan metabolk. 52 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

11 Aljabar Hpergraf Dan Aplkasnya 6. Membangun Pohon Flogenetk Berdasarkan Gen 6s rrna Langkah langkah membangun pohon flogenetk berdasarkan gen 6S rrna adalah sebaga berkut:. Menentukan urutan nukleotda gen 6S rrna dar 6 organsme yang terdr dar 3 kelompok yatu 4 Archea, Bactera dan Eukaryote dengan cara, masuk ke web NCBI (Natonal Centre of Botechnologcal Informaton): plh nucleotde, ketk nama organsme dan tekan Go. 2. Smpan hasl yang dperoleh dalam format FASTA, dengan cara plh Dsplay FASTA, selanjutnya plh send to fle 3. Analss penjajaran terhadap data urutan nukleotda masng masng fragmen DNA terhadap urutan nukleotda pembandng dlakukan menggunakan Program ClustalW.83, dengan cara buka plh Tools Smlarty dan Homology Clustal W, copy dan paste fle dalam format FASTA yang bers data urutan nukleotda yang akan djajarkan, plh output format phylp dan tekan Run. 4. Pohon flogenetk dbangun menggunakan program Phylp 3.5c (Phylogeny Inference Package), dengan data masukan (nfle) yang berasal dar hasl penjajaran langkah 3, dalam bentuk *.phy atau *.aln dengan cara buka uk.html Pada programs for molecular sequence data, plh dnadst dan plhan parameter parameter lannya mengkut parameter yang terseda (default). pada Program for dstance matrx data, plh neghbor dan compute a consensus tree. klk advanced, klk choose fle dan plh fle dengan format phylp Hasl consensus tree dterjemahkan menjad bentuk pohon dengan bantuan drawgram (pada phylp), klk run drawgram klk plotfle.ps. yatu program Phylodendron (drawng Phylogenetc trees, oleh D.G. Glbert vers.8d) dan ISBN :

12 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH dapat dakses melalu stus form.html sehngga dperoleh pohon flogenetk berkut: Gambar 6 Pohon flogenetk berdasarkan pada 6s rrna 7. Analss Pohon Flogenetk Terdapat perbedaan antara dua pohon flogenetk yang dhaslkan, yatu pohon flogenetk Gambar 5 menggambarkan peklasfkasan makhluk hdup berdasarkan sstem klasfkas fenetk, yatu berdasarkan data metabolt yang dhaslkan dan enzm yang mengkatals reaks yang terlbat dalam sklus asam strat. Sklus asam strat adalah pusat atau jalur utama metabolsme. Jka organsme tersebut berada d daerah ekstrm atau adanya perubahan lngkungan maka akan ada perubahan pada gen gen tertentu yang memungknkan organsme untuk beradaptas terhadap lngkungan yang baru[4]. Akbatnya sklus asam strat tersebut dapat berubah atau ada enzm yang mengkatals reaks tertentu dalam sklus asam strat tersebut yang hlang. Jad pengklasfkasan 6 organsme tersebut adalah berdasarkan kelompok lngkungan hdupnya. Oleh karena tu terdapat sepasang organsme pada pohon flogenetk Gambar 6 yang memlk 54 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

13 Aljabar Hpergraf Dan Aplkasnya kekerabatan dekat berdasarkan urutan gen 6S rrna tetap memlk kekerabatan yang jauh berdasarkan jarngan metabolknya yatu pada pohon flogenetk Gambar 5 ataupun sebalknya. Sedangkan pohon flogenetk Gambar 6 merupakan pohon flogenetk yang menggambarkan pengklasfkasan 6 organsme berdasarkan sstem klasfkas flogen, pohon flogenetk dperoleh berdasarkan urutan gen 6S rrna. Walaupun gen gen 6S rrna tdak memperhatkan enzm yang mengkatals reaks dan metabolt yang dhaslkan pada metabolsme setap organsme, tetap gen 6S rrna n dapat memberkan nformas yang benar untuk menjelaskan hubungan evolus karena bersfat sangat lestar dan perubahan yang relatf lambat[26]. Jka terjad perubahan pada gen 6S rrna maka akan terbentuk organsme baru yang menyebabkan terjadnya evolus 8. Kesmpulan Dar dua pohon flogenetk yang dhaslkan, yatu pohon flogenetk berdasarkan jarngan metabolc dan pohon flogenetk berdasarkan urutan nukleotda gen 6S rrna n dperoleh bahwa, terdapat sepasang organsme yang memlk kekerabatan dekat berdasarkan urutan gen 6S rrna tetap memlk kekerabatan yang jauh berdasarkan jarngan metabolknya ataupun sebalknya. Hal n terjad karena organsme tersebut, jka berada d daerah ekstrm atau adanya perubahan lngkungan, akan mengakbatkan adanya perubahan pada gen gen tertentu yang memungknkan organsme untuk beradaptas terhadap lngkungan yang baru[4]. Sehngga sklus asam stratnya dapat berubah atau ada enzm yang mengkatals reaks tertentu dalam sklus asam strat tersebut yang hlang. Jad pohon flogenetk berdasarkan jarngan metabolc, menggambarkan pengklasfkasan 6 organsme tersebut berdasarkan kelompok lngkungan hdupnya. ISBN :

14 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH 9. References [] Akhmaloka., Suharto, A., Nurbat, S., Tka, I.N., Warganegara, F.M. (26): Rbotypng dentfcaton of thermophlc bacterum from papandayan crater. Proc. ITB Eng.Scence. 38B no, [2] Amnn, L.N.A, (28): Bodverstas Bakter Termoflk Sumber Ar Panas Gedong Songo, Jawa Tengah, Dsertas Doktor Program Stud Kma, ITB. [3] Ardanto R.(27): Analss Bayes pada Ranta Markov Kontnu dalam Membangun Pohon Flogenetk, Tess Magster Program Stud Matematka, ITB, [4] Bastan, G., (28): Quanttatve Analyss of Metabolc Networks and Desgn of Mnmal Boreacton Models: a Bref Tutoral, Center for Systems Engneerng and Appled Mechancs (CESAME) Unverste catholque de Louvan, Belgum [5] Bunke, H., (997): A graph dstance metrc based on the maxmal common subgraph. Pattern Recognton Letters [6] Chakravorty, S., Helb, D., Burday, M., Connel, N., dan Alland, D. (27): A Detaled Analyss of 6S Rbosomal RNA Gene Segments for the Dagnoss of Pathogenc Bactera, J. Mcrobol. Methods, 69, [7] Chrstan V. Forst and Klaus Schulten.(999): Evoluton of metabolsms: a new method for the comparson of metabolc pathways usng genomc nformaton. In Proceedngs of the thrd annual nternatonal conference on Computatonal molecular bology (RECOMB99), page ACM Press, [8] Claude B,(976): Graphs and Hypergraphs, Unversty of Pars, second, revsed edton [9] Devlle Y, Glbert D.,(23): An Overvew of data models for the analyss of bochemcal pathways. Computng scence and engneerng Department Unverste catholque de Louvan, Belgum. [] Ehrg.K, Heckel.R and Lajos.G, (26): Molekular Analyss of Metabolc Pathway wth Graph Transformaton. Department of computer scence, Unversty of Lecester, Unted Kngdom 56 Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

15 Aljabar Hpergraf Dan Aplkasnya [] Forst, C.V., Flamm, C., Hofacker, I.L., Stadler, P.F.(26): Algebrac comparson of metabolc networks, phylogenetc nference, and metabolc nnovaton. BMC Bonformatcs.7:67. [2] Fox, G.E., Stackebrandt, E., dan Hespell, R.B. (98): The Phylogeny of Prokaryotes, Scence, 25, [3] Gallo, G.,(992): Drected Hypergraph and Applcatons. Research from the natonal Research Councl of Canada [4] Huynen MA, Dandekar T, Bork P: Varaton and evaluaton of the ctrc acd cycle: a genomc perspectve. Trends Mcrobol 999.7: [5] Kusumawat, H.Y., (28): Bodverstas Mkroba Termoflk pada Sampel Kawah Hujan, Kamojang Jawa Barat, Dsertas Doktor Program Stud Kma, ITB. [6] Kyrpdes, N.C. dan Olsen, G.J.(999): Archaeal and Bacteral Hyperthermophles Horzontal gene exchange or common ancestry, Trends n genetcs, 5, [7] Lehnnger L.A. (982): Dasar dasar Bokma Jld 2. Alh bahasa Thenawdjaja.M Insttut pertanan Bogor. Penerbt Erlangga [8] Naruya S, Ne M, (987): The Neghbor jonng Method: A New Method for Reconstructng Phylogenetc Tree. Center for Demographc and Populaton Genetcs, The Unyversty of Texas. [9] Pace N.R. (997): A Molecular Vew of Mcrobol Dversty and the Bosphere, Scence, 276, [2] Pachter, L., Sturmfels, B. (25): The mathematcs of phylogenomcs. [2] Salem, M dan Vandamme, A M (23): The Phylogenetc Handbook A Practcal Approach to DNA and Proten Phylogeny, Cambrdge Unversty Press, UK. [22] Suharsono,: Struktur dan ekspres gen, Jurusan Bolog FMIPA, Insttut Pertanan Bogor. ISBN :

16 Mula A, Irawat, Intan Muchtad Alamsyah, Ahmad M, Achrul A, Mulana. AH [23] Sukandar. U., (22): Proses Metabolsme, Lecture Note, Departemen Teknk Kma Fakultas Teknolog Industr, ITB. [24] Stansfeld D.W., Colome.S.J, Cano J.R, (23): Bolog Molekuler dan Sel, Alh bahasa Fahm. V. Penerbt Erlangga. [25] Woese, C.R., (987): Bacteral Evoluton, Mcrobol.Rev., 5, [26] Woese, C.R., Kandler, O. dan Wheels, M.L. (99): Towards a Natural System of Organsms: Proposal for the Domans Archaea, Bactera, and Eukarya, Proceedng of the Natonal Academy of Scences, U.S.A, 87, Semnar Nasonal Aljabar, Pengajaran Dan Terapannya

V = adalah himpunan hingga, dan misalkan

V = adalah himpunan hingga, dan misalkan BAB III ALJABAR HIPERGRAF 3. Hpergraf Defns Msalkan { v, v2,..., vn} V = adalah hpunan hngga, dan salkan ε = {, I} adalah koleks dar hpunan bagan dar V. Koleks ε enjad E suatu hpergraf pada V jka hpergraf.

Lebih terperinci

BAB IV MEMBANGUN POHON FILOGENETIK. 4.1 Membangun Pohon Filogenetik Menggunakan Aljabar Hipergraf

BAB IV MEMBANGUN POHON FILOGENETIK. 4.1 Membangun Pohon Filogenetik Menggunakan Aljabar Hipergraf BAB IV MEMBANGUN POHON FILOGENETIK 4.1 Membangun Pohon Filogenetik Menggunakan Aljabar Hipergraf Langkah-langkah membangun pohon filogenetik dengan menggunakan Aljabar Hipergraf, berdasarkan jaringan metabolik

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: [email protected]

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

DIMENSI PARTISI GRAF GIR

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

Lebih terperinci

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA

BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM [email protected] Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

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

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman [email protected]

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

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

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya [email protected]

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : [email protected] ABSTRAK

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB I PENDAHULUAN Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

PADA GRAF PRISMA BERCABANG

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

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: [email protected] ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan)

APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan) APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Stud Kasus Pengenalan Karakter Tulsan Tangan) Irwan Bud Santoso Jurusan Teknk Informatka, Sans dan Teknolog Unverstas Islam

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

Analisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank

Analisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau [email protected] Abstrak Pada umumnya analss knematka dan

Lebih terperinci

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: [email protected]

Lebih terperinci

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : [email protected] BSTRCT.

Lebih terperinci

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS

SEMI RING POLINOM ATAS ALJABAR MAX-PLUS JMP : Volume 4 Nomor 2, Desember 2012, hal. 289-297 SEMI RING POLINOM ATAS ALJABAR MAX-PLUS Suroto Prod Matematka, Jurusan MIPA, Fakultas Sans dan Teknk Unverstas Jenderal Soedrman e-mal : [email protected]

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

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

Lebih terperinci

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN

ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : [email protected]

Lebih terperinci

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM)

PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) PENYELESAIAN MASALAH PANAS BALIK (BACKWARD HEAT PROBLEM) Rcha Agustnngsh, Drs. Lukman Hanaf, M.Sc. Jurusan Matematka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya

Lebih terperinci

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR

EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral

Lebih terperinci

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD [email protected] Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah

BAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR Dajukan sebaga Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sans pada Jurusan Matematka Oleh : IIS ERIANTI

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING

KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING Lsa Maranah 1, Fhra Nhta, Adwjaya 3 1,,3 ProdS1 Ilmu Komputas, Fakultas Informatka, Unverstas Telkom 1 [email protected], [email protected],

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K

APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH. Yuni Yulida dan Muhammad Ahsar K Jurnal Matematka Murn dan Terapan Vol. 3 No. Desember 009: 4-6 APLIKASI PERKONGRUENAN DALAM MENYELESAIKAN SISTEM PERSAMAAN LINEAR DUA PEUBAH Yun Yulda dan Muhammad Ahsar K Program Stud Matematka Unverstas

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton

Lebih terperinci

PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF

PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: [email protected] Abstrak

Lebih terperinci

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman

Sistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

PELABELAN CORDIAL DAN GRACEFUL PADA ARBITRARY SUPERSUBDIVISION GRAF PATH DAN STAR

PELABELAN CORDIAL DAN GRACEFUL PADA ARBITRARY SUPERSUBDIVISION GRAF PATH DAN STAR PELABELAN CORDIAL DAN GRACEFUL PADA ARBITRARY SUPERSUBDIVISION GRAF PATH DAN STAR Kornela Paskatra Cahayan, R. Her Soelstyo U 2, Solchn Zak 3,2,3 Program Stud Matematka FSM Unverstas Dponegoro Jl. Pro.

Lebih terperinci

BAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan

BAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass

Lebih terperinci