MODUL PEMBANGKITAN SINYAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODUL PEMBANGKITAN SINYAL"

Transkripsi

1 si(t) MODUL PEMBANGKITAN SINYAL I. Tujua. Peserta megerti cara membagkitka siyal megguaka Matlab 2. Peserta dapat membagkitka ada dasar megguaka Matlab II. Peragkat Yag Diperluka set PC yag dilegkapi dega software Matlab III. Lagkah-Lagkah Percobaa 3. Pembagkita Siyal Waktu Kotiu a) Pembagkita siyal sius (siyal periodic) Siyal sius memiliki betuk umum: dimaa A= Amplitudo, = perode, f=frekuesi, da adalah sudut phase. Utuk membagkitka siyal sius, buat program berikut fs=; % frekuesi samplig khz t=:/fs:; % utuk detik A=; % amplitudo f=; % frekuesi Hz phase=; % sudut fase x=a*si(2*pi*f*t + phase); plot(t,x) xlabel('t') ylabel('si(t)') title('siyal Sius') simpa da jalaka, maka aka tampil grafik berikut: Siyal Sius t Siyal yag terbagkit adalah sebuah sius dega amplitudo A=, frekuesi f = Hz da fase awal θ =. Diharapka ada sudah memahami tiga parameter dasar pada siyal sius ii. Modul Praktikum Pegolaha Siyal Digital

2 x[] Utuk lebih memahami pegaruh perubaha tiga parameter tersebut, coba lajutka program Saudara dega megubah-ubah ketiga parameter tersebut utuk beberapa ilai (miimal 3 ilai). Kemudia perhatika apa yag terjadi da beri kometar Ada terhadap perubaha yag terjadi. (Note: utuk melihat pegaruh perubaha suatu parameter, misal parameter Amplitudo, ada dapat megubah-ubah iali Amplitudo tersebut pada beberapa ilai, sedagaka parameter yag lai tetap/tidak diubah) Aka lebih efektif jika program dibuat dalam betuk fuctio (pada modul ii aka diberi cotoh membuat fuctio utuk membagkitka fugsi sius, selajutya diharapka Saudara bisa membuat fuctio sediri). fuctio []=sius(a, f, phase) fs=; % frekuesi samplig khz t=:/fs:; % utuk detik x=a*si(2*pi*f*t + phase); plot(t,x); xlabel('t') ylabel('si(t)') title('siyal Sius') utuk memaggil/megguaka fugsi tersebut, cukup ketikka: >> sius(2, 2, ) %membagkitka fugsi sius dega A=2, f=2, da sudut phase= 3.2 Pembagkita Siyal Waktu Diskrit a) Pembagkita siyal/barisa cuplik satua atau sample uit Barisa cuplik satua memiliki betuk umum: atau utuk membagkitka barisa cuplik satua, ketikka program berikut: k=; =-5; 2=5; =[:2]; x =[(-k) == ]; % aka berilai saat(-k)=, selai itu beriali stem(,x); title('siyal Cuplik Satua') xlabel('') ylabel('x[]') hasil plotya adalah Siyal Cuplik Satua Coba ada ulagi lagkah-lagkah program di atas, masukka 3 ilai k yag berbeda-beda. Ada juga bisa megubah batas-batas da 2. Catat apa yag terjadi. Modul Praktikum Pegolaha Siyal Digital 2

3 x[] b) Pembagkita siyal Lagkah Satua (Uit Step) Barisa lagkah satua memiliki betuk umum: atau utuk membagkitka barisa lagkah satua, ketikka program berikut: k=; =-5; 2=5; =[:2]; x =[(-k) >= ]; stem(,x); title('siyal Lagkah Satua') xlabel('') ylabel('x[]') hasil ruig program diatas adalah: Siyal Lagkah Satua Coba ada ulagi lagkah-lagkah program di atas, masukka tiga ilai k yag berbeda-beda. Ada juga bisa megubah batas-batas da 2. Catat apa yag terjadi. c) Pembagkita siyal ekspoesial Siyal ekspoesial didefiisika sebagai berikut: utuk membagkitka barisa ekspoesial, ketikka program berikut: a=.5 =-5; 2=5; =[:2] x=a.^ stem(,x); title('siyal Ekspoesial') xlabel('') ylabel('x[]') hasil ruig program diatas adalah: Modul Praktikum Pegolaha Siyal Digital 3

4 x[] x[] 35 Siyal Ekspoesial Coba ada ulagi lagkah-lagkah program di atas, masukka ilai a yag berbeda-beda, yaitu tiga ilai a utuk a>, a< da diataraya. Ada juga bisa megubah batas-batas da 2. Catat apa yag terjadi. d) Pembagkita siyal acak Utuk membagkitka siyal acak, ketikka program berikut: =-; 2=; =[:2]; p=legth(); x=rad(,p); stem(,x); title('siyal radom') xlabel('') ylabel('x[]') hasil ruig program diatas adalah:.9 Siyal radom Coba ada ulagi lagkah-lagkah program di atas, Lakuka perubaha pada ilai Fs, sehigga berilai 5, 2,, 6, 7, da 8. Catat apa yag terjadi? Modul Praktikum Pegolaha Siyal Digital 4

5 x[] e) Pembagkita siyal sius waktu diskrit Siyal sius merupaka siyal periodic. Secara umum sifat dasar dari siyal waktu diskrit memiliki kemiripa dega sius waktu kotiyu. Utuk membagkitka siyal sius waktu diskrit. Fs=2;%frekuesi samplig t=:/fs:;%proses ormalisasi f=; A=; x=a*si(2*pi*f*t); stem(t,x) title('siyal sius waktu diskrit') xlabel('') ylabel('x[]') hasil ruig program diatas adalah: Siyal sius waktu diskrit Coba ada ulagi lagkah-lagkah program di atas, gatilah ilai Fs, f, da A utuk beberapa ilai. Beri kometar Ada! 3.3 Pembagkita Siyal Suara Sebelum memulai membuat suara(music), mari kita tijau kembali sedikit dasar dari siyal AC. Aggaplah siyal sius seperti ditujukka oleh gambar. Modul Praktikum Pegolaha Siyal Digital 5

6 Siyal sius tersebut mempuyai persamaa matematis berikut: v(t) = A * si (2*pi*f*t) Dimaa: A = amplitudo f = frekuesi (Hertz) t = waktu (detik) T merupaka periode siyal (dalam detik) da T=/f. Suara (soud) terbetuk ketika gelombag diatas diguaka utuk meggetarka molekul baha peratara pada frekuesi yag dapat didegar mausia (frekuesi audio) yaitu dalam rage 3Hz sampai 3kHz. Bila igi membuat gelombag / siyal seperti pada gambar 4, perlu megevaluasi persamaa v(t)=a.si (2*pi*f*t), pada waktu diskrit (t pada gambar 4 ditujukka sebagai waktu sesaat dega titik merah), biasaya pada selag waktu tertetu (jarak atar t). Selag waktu atar t tersebut, utuk selajutya disebut iterval waktu, haruslah cukup (seberapa cukup? Igat kriteria Nyquist) utuk medapatka siyal yag halus. Iterval waktu ii disebut sebagai iterval samplig atau samplig-rate, da merupaka proses pecuplika siyal kotiyu mejadi siyal diskrit pada titik-titik yag disebut samplig. Samplig rate, pada gambar diatas adalah Ts, yag merupaka frekuesi samplig, dega fs =/Ts. Sebagai cotoh, peritah pada Matlab utuk meghasilka siyal sius dega amplitudo, pada frekuesi 466,6Hz (adalah ada A pada tabel oktaf) adalah >>fs=8; >>t=:/fs:; >>v=si(2*pi*466.6*t); sekarag vektor v berisi sampel dari siyal sius pada t= sampai t=, dega jarak atar sampel adalah /8 detik, merupaka kualitas stadar suara audio. Sekarag siyal sius tersebut dapat digambarka ataupu didegarka. Utuk meggambarka siyal tersebut diguaka peritah: >>plot(v); Utuk medegarka vektor v tersebut pada frekuesi samplig 8KHz (default), tetu saja komputer ada harus dilegkapi dega Soud Card da Speaker, diguaka peritah: >>soud(v); Utuk meyimpa vektor v dalam format wav kedalam harddisk komputer diguaka peritah: >>wavwrite(v, amafile ); Tabel. Stadar frekuesi ada-ada pada oktaf dasar Nada C D E F G A B C Frek(Hz) Modul Praktikum Pegolaha Siyal Digital 6

7 v(t) v(t) Lakukaka lagkah-lagkah percobaa sebagai berikut:. Buatlah file baru pada Matlab Editor. 2. Membuat ada A pada frekuesi 44Hz. Ketikka peritah berikut. fs = 8; t = :/fs:; v =.5*cos(2*pi*44*t); subplot(2,,); plot(t,v); axis([. - ]) soud(v,fs); title('.5cos((2pi)44*t)') xlabel('time (sec)') ylabel('v(t)') % frekuesi samplig pada 8KHz % pajag tiap ada detik % ada A % gambarka siyal v % atur skala % buyika pada fs 8kHz! 3. Tambahka offset DC pada siyal ada A sebelumya. Ketiklah peritah tambaha berikut dibawah listig omor 2. Da jalaka kembali. pause v =.5+v; % apa yag terjadi bila ditambah kompoe DC subplot(2,,2); plot(t,v); axis([. - ]) soud(v,fs); title('.5 +.5cos((2pi)44*t)') xlabel('time (sec)') ylabel('v(t)').5cos((2pi)44*t) Time (sec).5 +.5cos((2pi)44*t) Time (sec) Maka seharusya aka terdegar ada yag sama karea teliga mausia tidak merespo bias DC. Bila tidak terdegar sama kemugkia speaker telah saturasi yag meyebabka siyal terpotog. Modul Praktikum Pegolaha Siyal Digital 7

8 x(t) v2(t) 4. Bagaimaa bila dua buah ada digabug. Buatlah file baru. Ketikka peritah baru berikut. fs = 8; t = :/fs:; v =.5*cos(2*pi*44*t); v2 = v+.5*cos(2*pi*88*t); soud(v2,fs); plot(t,v2); title('2 ada') axis([. - ]) xlabel('time (sec)') ylabel('v2(t)') % frekuesi samplig pada 8KHz % pajag tiap ada % ada A % ditambahka ada lai % buyika pada fs 8kHz 2 ada Time (sec) 5. Membuat suara dega frekuesi yag semaki aik. Ketikka peritah baru berikut. fs=8; % frekuesi samplig pada 8KHz t=:/fs:2; % selama 2 detik f = 5*t; % frekuesi maksimum 5*2 = Hz x=cos(2*pi*(f.*t)); % siyal cos dega frekuesi maki aik plot(t,x) title('chirp Sigal') xlabel('time (Sec)') ylabel('x(t)') axis([.3 - ]) soud(x,fs) % buyika pada fs 8kHz Chirp Sigal Time (Sec) Modul Praktikum Pegolaha Siyal Digital 8

9 6. Buatlah tagga ada dasar dega megetikka peritah baru berikut. Jalaka da perhatika hasilya. fs=8; % frekuesi samplig 8kHz t=:/fs:.25; % pajag ot ¼ detik c=si(2*pi*262*t); % ada c d=si(2*pi*294*t); % ada d e=si(2*pi*33*t); % ada e f=si(2*pi*349*t); % ada f g=si(2*pi*392*t); % ada g a=si(2*pi*44*t); % ada a b=si(2*pi*494*t); % ada b c=si(2*pi*523*t); % ada C ol=zeros(size(t)); % spasi kosog uyil=[b,ol,a,ol,g,ol,a,ol,b,ol,a,ol,a,ol,... ol,b,ol,a,ol,g,ol,e,ol,g,ol,e,ol,e]; soud(uyil,fs); % maika pada fs 8kHz wavwrite(uyil,'d:\uyil.wav'); % simpa ke file WAV Selamat meikmati ^_^ Buatlah rigtoe sederhaa seperti pada bagia 3.3 omor 6. Referesi: [] Tri Budi, Miftahul Huda, Modul Praktikum DSP, PENS-ITS, 2 [2] Hary Oktaviato, Modul Praktikum DSP, PENS-ITS, 2 Modul Praktikum Pegolaha Siyal Digital 9

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga

Lebih terperinci

MODUL 2 SINYAL WAKTU DISKRIT DALAM KAWASAN WAKTU DAN FREKUENSI

MODUL 2 SINYAL WAKTU DISKRIT DALAM KAWASAN WAKTU DAN FREKUENSI MODUL SINYAL WAKTU DISKRIT DALAM KAWASAN WAKTU DAN FREKUENSI I. Tugas Pedahulua Peritah atau fugsi pada MATLAB dapat dilihat da dipelajari dega olie help pada Commad widow. Cotoh ketiklah : help plot.

Lebih terperinci

Gambarkan di kertas A4 serta cek dengan matlab (tampilkan figure dengan matlab pula)

Gambarkan di kertas A4 serta cek dengan matlab (tampilkan figure dengan matlab pula) TUGAS Siyal Sistem. Poit : Gambar Siyal x[] sesuai No. NIM Cotoh : 8 X[] = [ 8] Geserlah siyal tersebut sesuai persamaa di bawah ii, a. X[-+] b. X [-+A]; A ditujukka agka kedua terakhir dari NIM Ex : X[-+]

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

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

Lebih terperinci

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

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

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

5. KARAKTERISTIK RESPON

5. KARAKTERISTIK RESPON 5. ARATERISTI RESPON Adalah ciri-ciri khusus perilaku diamik (spesifikasi performasi) Taggapa (respo) output sistem yag mucul akibat diberikaya suatu siyal masuka tertetu yag khas betukya (disebut sebagai

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Dalam kehidupan sehari-hari terdapat banyak benda yang bergetar.

Dalam kehidupan sehari-hari terdapat banyak benda yang bergetar. Getara (Vibratio) Dalam kehidupa sehari-hari terdapat bayak beda yag bergetar. Sear gitar yag serig ada maika, Soud system, Garpu tala, Demikia juga rumah ada yag bergetar dasyat higga rusak ketika terjadi

Lebih terperinci

SISTEM LINIER. Oleh : Kholistianingsih, S.T., M.Eng. lts 1

SISTEM LINIER. Oleh : Kholistianingsih, S.T., M.Eng. lts 1 SISTEM LINIER Oleh : Kholistiaigsih, S.T., M.Eg. lts 1 2 Isyarat Waktu Diskrit di kawasa waktu. 2.1 Represetasi Isyarat Waktu Diskrit 2.2 Klasifikasi Rutu 2.3 Rutu rutu Dasar 2.4 Operasi di kawasa waktu

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih terperinci

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

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

Lebih terperinci

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah BAB LIMIT FUNGSI Stadar Kompetesi Megguaka kosep it ugsi da turua ugsi dalam pemecaha masalah Kompetesi Dasar. Meghitug it ugsi aljabar sederhaa di suatu titik. Megguaka siat it ugsi utuk meghitug betuk

Lebih terperinci

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

log b = b logb Soal-Soal dan Pembahasan Matematika Dasar SBMPTN - SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma

log b = b logb Soal-Soal dan Pembahasan Matematika Dasar SBMPTN - SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma Soal-Soal da Pembahasa Matematika Dasar SBMPTN - SNMPTN 01 Taggal Ujia: 1 Jui 01 1. Jika a da b adalah bilaga bulat positip yag memeuhi a b = 0-19, maka ilai a + b adalah... A. 3 C. 19 E. 3 B. 7 D. 1 BAB

Lebih terperinci

BAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN

BAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN BAB 4 METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN Estimasi reliabilitas membutuhka pegetahua distribusi waktu kerusaka yag medasari dari kompoe atau sistem yag dimodelka Utuk memprediksi

Lebih terperinci

LAMPIRAN 1 PEMBENTUKAN FUNGSI PERIODIZER

LAMPIRAN 1 PEMBENTUKAN FUNGSI PERIODIZER LAMPIRAN LAMPIRAN PEMBENUKAN FUNGSI PERIODIZER Fugsi p c x x, merupaka fugsi garis lurus simetris dega variabel bebas x, mejadi fugsi dasar pembetuka gelombag sawtooth. Fugsi p c x ii yag aka disubstitusi

Lebih terperinci

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

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

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

log b = b logb Soal-Soal dan Pembahasan Matematika Dasar SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma

log b = b logb Soal-Soal dan Pembahasan Matematika Dasar SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma Soal-Soal da Pembahasa Matematika Dasar SNMPTN 01 Taggal Ujia: 1 Jui 01 1. Jika a da b adalah bilaga bulat positip yag memeuhi a b 0-19, maka ilai a + b adalah... A. 3 C. 19 E. 3 B. 7 D. 1 BAB I Perpagkata

Lebih terperinci

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1 Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

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

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

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x Modul ENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. TUJUAN a. Memperkiraka jarak atar ode berdasarka model komuikasi irkabel b. Megukur kuat siyal terima dari modul komuikasi X Bee c. Medapatka karakteristik

Lebih terperinci

9 Departemen Statistika FMIPA IPB

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

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

BAB 5 OPTIK FISIS. Prinsip Huygens : Setiap titik pada muka gelombang dapat menjadi sumber gelombang sekunder. 5.1 Interferensi

BAB 5 OPTIK FISIS. Prinsip Huygens : Setiap titik pada muka gelombang dapat menjadi sumber gelombang sekunder. 5.1 Interferensi BAB 5 OPTIK FISIS Prisip Huyges : Setiap titik pada muka gelombag dapat mejadi sumber gelombag sekuder. 5. Iterferesi - Iterferesi adalah gejala meyatuya dua atau lebih gelombag, membetuk gelombag yag

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i INTEGAL LIPAT. Itegral Lipat Dua dalam Koordiat Kartesius Pada bagia ii, dipelajari itegral lipat dua dalam. Misalka diketahui dua iterval tertutup [a, b] da [c, d]. Hasil kali kartesius dari kedua iterval

Lebih terperinci

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2 Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama

Lebih terperinci

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor Bab 6 Deret Taylor da Deret Lauret BAB 6 DERET TAYLOR DAN DERET LAURENT 6 Deret Taylor Misal fugsi f aalitik pada - < R ligkara dega pusat di da jari-jari R Maka utuk setiap titik pada ligkara itu f dapat

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka

Lebih terperinci

MATEMATIKA DISKRIT FUNGSI

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

Lebih terperinci

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Matematika SMA (Program Studi IPA)

Matematika SMA (Program Studi IPA) Smart Solutio UJIAN NASIONAL TAHUN PELAJARAN 202/203 Disusu Sesuai Idikator Kisi-Kisi UN 203 Matematika SMA (Program Studi IPA) Disusu oleh : Pak Aag SKL 5. Memahami kosep it, turua da itegral dari fugsi

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

SMA NEGERI 5 BEKASI UJIAN SEKOLAH

SMA NEGERI 5 BEKASI UJIAN SEKOLAH PEMERINTAH KOTA BEKASI DINAS PENDIDIKAN SMA NEGERI BEKASI Jl. Gamprit Jatiwarigi Asri Podok Gede -88 UJIAN SEKOLAH TAHUN PELAJARAN / L E M B A R S O A L Mata Pelajara : Matematika Kelas/Program : IPA Hari/Taggal

Lebih terperinci

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai :

Dasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai : Defiisi Trasformasi Laplace Trasformasi Laplace Bilateral Trasformasi Laplace bilateral atau dua sisi dari siyal berilai riil x(t) didefiisika sebagai : X B x(t)e Operasi trasformasi Laplace bilateral

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

RENCANA PROGRAM PEMBELAJARAN KE - 1. : 6 jam pelajaran

RENCANA PROGRAM PEMBELAJARAN KE - 1. : 6 jam pelajaran RENCANA PROGRAM PEMBELAJARAN KE - 1 Satua Pedidika Mata Pelajara Kelas/Semester Materi Pokok Waktu : SMA N 6 YOGYAKARTA : Matematika : XII IPS/ : Barisa da Deret : 6 jam pelajara 1. Stadar Kompetesi 4.

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga

BAB V. INTEGRAL. Lambang anti-turunan (integral tak-tentu) oleh Leibniz adalah... dx, sehingga BAB V. INTEGRAL 5.. Ati Turua (Itegral Tak-tetu) Defiisi: F suatu ati-turua f pada selag I jika da haya jika D F() = f() pada I, yaki F () = f() utuk semua dalam I. (Jika suatu titik ujug I, F () haya

Lebih terperinci

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

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

Lebih terperinci

Oleh: Bambang Widodo, SPd SMA Negeri 9 Yogyakarta

Oleh: Bambang Widodo, SPd SMA Negeri 9 Yogyakarta Oleh: Bambag Widodo, SPd SMA Negeri 9 Yogyakarta PETA KONSEP Prisip Superposisi Liier Sefase π π beda faseya : 0,2, 4,. beda litasa : 0,,2, 3,. terjadi iterferesi Kostruktif/ salig meguatka, amplitudo

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal Kompleksitas Waktu utuk Algoritma Rekursif ZK Abdurahma Baizal Algoritma Rekursif Betuk rekursif : suatu subruti/fugsi/ prosedur yag memaggil diriya sediri. Betuk dimaa pemaggila subruti terdapat dalam

Lebih terperinci

PENGOLAHAN SINYAL DIGITAL. Modul 2. Proses ADC-DAC

PENGOLAHAN SINYAL DIGITAL. Modul 2. Proses ADC-DAC PENGOLHN SINYL DIGITL Mdul. Prses DC-DC Ctet Ksep Samplig Kuatisasi Cdig Decdig ilterig DC-DC Perhituga errr kuatisasi dikaitka dega level kuatisasi da samplig rate DC alg t Digital Cverter Megubah siyal

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

Himpunan/Selang Kekonvergenan

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

Lebih terperinci

Teorema Nilai Rata-rata

Teorema Nilai Rata-rata Nilai Kus Prihatoso April 27, 2012 Yogyakarta Nilai Suatu Fugsi Masih igatkah ada tetag ilai rata-rata dari sekmpula bilaga? Berapakah ilai rata-rata dari sebayak bilaga y 1, y 2,..., y? Nilai Suatu Fugsi

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

Kalkulus Rekayasa Hayati DERET

Kalkulus Rekayasa Hayati DERET Kalkulus Rekayasa Hayati DERET 1 Isi Bab Pedahulua Barisa tak-higga Deret tak-higga Deret Positif : Uji kekovergea Deret Gati Tada Deret Pagkat Deret Taylor da Maclauri 2 Kompetesi Dasar Setelah megikuti

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

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

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

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci