BAB IV Metode Pemecahan Persamaan Schrödinger Benda Jamak Pada Quantum dot

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB IV Metode Pemecahan Persamaan Schrödinger Benda Jamak Pada Quantum dot"

Transkripsi

1 3 BAB IV Metode Pemeaha Peamaa Shödge Beda Jamak Pada Quatum dot 4. Peamaa Shödge Beda Jamak Peamaa daa mekaka kuatum dapat dgeeal utuk peoala beda jamak. Utuk tem atu elekto fug gelombag elekto dyataka oleh ota ϕ ( t) edagka fug gelombag elekto dyataka ( Φ 3 t) (4.) dega adalah po elekto ke-. Itepeta f fug gelombag Φ detk dega tepeta fug gelombag atu elekto yak pobablta meemuka elekto pada ejumlah po Nomala fug dbeka oleh peamaa bekut Φ... d d Φ meyataka 3. (4.) Fug gelombag Φ memeuh peamaa Shödge beda jamak Φ h mp Φ 0 (4.3) t dega amltoa beda jamak mp ted da amltoa gle elekto da uku poteal teak Coulomb ata elekto mp e ε ( ) + j j (4.4) dega e da ε betuut-tuut adalah muata elekto da kotata delektk medum. Pada kau taoe uku yag begatug pada waktu dyataka dalam betuk ekpoeal vt h e ϕv 3 ( ) Φ (4.5) dega v adalah eeg total tem beda jamak pada keadaa tatoe v. fug ϕ v yag tdak begatug pada waktu memeuh peamaa Shödge beba waktu bekut 3

2 33 mp ϕ ( ) ( ) (4.6) v 3 vϕv 3 v meepeetaka blaga kuatum tem temauk ddalamya p. Jka emua elekto daggap detk atu ama la atau dega kata la kta tdak dapat membedaka atu elekto dega elekto laya kaea elektoelekto teebut memlk maa muata da p yag ama. Sehgga jka tejad petukaa label elekto tdaklah meubah obevable epet apat pobablta tem. Dega kata la jka koodat elekto dpemutaka quae magtude fug gelombag tdak megalam peubaha. Kaea elekto adalah femo maka fug gelombagya pu hau at-metk aga pp eklu Paul (Paul eluo pple) tdak dlagga ϕv ( j ) ϕ v ( j ) (4.7) Fug gelombag elekto yag memeuh peyaata ebaga dtguhable eleto da jka tejad petukaa label elekto tdak meubah obevable ekalgu memeuh pp eklu Paul dyataka dalam betuk fomula detema Slate (Slate detemat) bekut v( ) v ( ) v ( ) v( ) v ( ) v ( ) ϕv ( ) (4.8)! v Sebaga otoh utuk kau dua elekto fug gelombag totalya adalah v ϕv ( ) [ v( ) v ( ) v ( ) v( )] (4.9) Da peamaa (4.9) dapat dlhat bahwa jka v da v ama maka fug gelombag totalya bela ol. Begtu pu jka maka fug gelombag totalya aka bela ol. al teebut megdkaka bahwa pobablta meemuka elekto dega p da po yag ama dalam uag aka bela ol. Sehgga betuk peamaa (4.9) memeuh pp eklu Paul. Dalam meyeleaka peamaa Shödge beda jamak eaa lagug agatlah ult teutama utuk >. Oleh kaea tu dlakuka bebaga pedekata utuk memeahka peamaa Shoedge beda jamak epet v 33

3 34 pedekata atee-fok da pedekata Teo Keapata Fugoal (Dety Futoal Theoy) yag duulka oleh ohebeg Koh da Sham. 4.3 Pedekata atee-fok Model yag dpekealka oleh atee-fok megaumka teak ata elekto dalam tem beupa teak Coulomb emata. Dega meubttu peamaa (4.8) ke peamaa (4.6) kemuda dkalka dega v da dtegalka tehadap eluuh uag koodat dpeoleh peamaa atee- Fok bekut v ( ) e v + d ε j e v d ε j v v ( ) v ( ) ( ) v v (4.8) Peamaa atee-fok meubah peamaa Shödge beda jamak mejad peamaa Shödge tem atu elekto dega v meyataka fug gelombag obtal. Peamaa (4.8) dapat dtul mejad ( + V + V ) (4.9) C v Suku petama ua k peamaa (4.9) meyataka amltoa gle elekto yag ted da eeg ketk elekto da poteal ekteal. Suku kedua V e ε v j d v v (4.0) adalah poteal elektotatk yag dakbatka oleh ( ) elekto. Poteal elektotatk V debut ebaga poteal atee. Sedagka uku ketga d ua k peamaa (4.9) V C v ( ) e ε j d v v v ( ) (4.) adalah poteal ehage-oelato yag meggambaka ehageoelato elekto. Peamaa atee-fok meepeetaka 34

4 35 pelaku/geaka elekto dalam poteal efektf yag dakbatka oleh ( ) elekto laya dalam tem. Koela ata elekto dalam tem megadug at jka alah atu elekto beubah keadaaya maka ( ) elekto laya dalam tem tepegauh oleh peubaha teebut. eg total tem v (4.) Jka ehage-oelato dabaka maka amltoa tem pada peamaa (4.9) beubah mejad ( + V ) (4.3) v Poteal atee pada peamaa (4.3) dapat dhtug melalu peamaa Poo V 4 π e ε v v v ( ) (4.4) dega la pobablty dety elekto dpeoleh da peamaa (4.3) ehgga pehtuga dlakuka eaa elf-otey. eg total tem meupaka pejumlaha da eluuh eeg ketk elekto poteal ekteal da poteal atee h { } d + V + V { } (4.5) m dega memma peamaa (4.5) melalu pp vaa dpeoleh eeg atee yag meepeetaka eeg keadaa daa tem h d m + V + V { } (4.6) 4.4 Dety Futoal Theoy Dety Futoal Theoy (DFT) petama kal duulka oleh ohebeg-koh- Sham pada tahu 965. DFT agat popule dguaka aat utuk meghtug popete da mateal zat padat epet tuktu elektok atau meghtug 35

5 36 bdg eegy molekul. Dalam DFT eeg total tem adalah ebuah fugoal yag uk da apat elekto eg Fugoal eg total tem dalam hal eeg total dvdual quatum dot ted da eeg ketk elekto poteal ekteal eeg teak elekto-elekto da eeg ehage-oelato. dega ( ) [{ ( )}] f ( ) ( ) + V ( ) ( ) + φ h m ( ) ( ) + V ( ( )) f φ da ( ) (4.7) betuut-tuut adalah fug obtal jumlah elekto dalam obtal poteal elektotatk da apat elekto. Poteal elektotatk φ ( ) adalah e φ 4π ε (4.8) edagka apat elekto ddefka ebaga bekut f (4.9) Teoema yag duulka ohebeg-koh meyataka bahwa eeg mmum da peamaa (4.7) adalah eeg keadaa daa (goud tate eegy). Teoema teebut mejawab kebguga aka pemlha fug obtal yag bea utuk peamaa (4.7). Jelalah udah bahwa fug obtal yag bea adalah fug obtal yag meghalka eeg palg mmum (goud tate). Dega memma peamaa (4.7) melalu pp vaa (vaatoal pple) dega kedala Lagage 0 + ( ) φ f ( ) ( ) + V ( ) ( ) ( ) ( ) + f ( ( )) λ ( ) ( ) h m (4.30) 36

6 37 Suku petama ua kaa haya memlk atu uku ( ) tuuaya ddalamya ehgga h h f f m (4.3) m adalah apat Utuk uku kedua atu-atuya uku yag begatug pada muata uku f dkalka edagka V tehadap. Sehgga hal da tuua uku kedua [ V ] f V Utuk uku ketga ua kaa ketka dubah fug poteal ( ) ed tdak beubah (4.3) φ pu beubah kaea fug teebut begatug pada ( ). Utuk melhat kebegatuga teebut kta tulka peamaa Poo φ 4π [ k ] e ( δφ) 4π [ ] e ( δ) k. Sehgga atau V δφ δφ d 4 [ k ] e φ δφ φ (4.33) π da tuua uku ketga meghalka Tuua uku keempat adalah [ φ ] f φ (4.34) [ ] (4.35) f ( ( )) f f ( ) ( ) dega f δ δ da f ( ) kedala Lagage etelah dtuuka meghalka ( ) ( ) d λ ( ). Sedagka uku teakh uku λ V (4.36) Peamaa (4.3) (4.3) (4.34) (4.35) da (4.36) djumlahka dega la jumlahaya bela ol. Kemuda uku kedala Lagage dpdah ke ua kaa da mag-mag uku dbag dega f dpeoleh 37

7 38 dega [ ] ε h + V ( ) + φ( ) + f ( ( )) m (4.37) ε λ f meyataka eeg tap obtal. Peamaa (4.37) debut peamaa Koh-Sham yag meggambaka pelaku elekto dalam obtal dalam pegauh poteal efektf Pedekata Keapata Lokal Utuk medekpka uku ehage-oelato eeg dguaka pedekata keapata lokal (Loal Dety Appoxmato). Fomula yag dguaka adalah fomula yag duulka oleh Slate utuk uku ehage da fomula yag duulka oleh Voko-Wlk-Nua utuk uku oelato Suku hage dega 3 3 π da dalam tem. Suku Coelato dega V a a V x x ( ) ( ) (4.38) 3 meyataka jaak ata-ata ata elekto 4 π ( ) [ l( D( x) ) + f Y ( x) + f l( W ( x) ) + f Y ( x) ] ( ) ( ) a 6 ( x x0 ) ( x x ) P( x) b q 4 b.935 f b q 0 bxx 0 3 (4.39) x P( x) + bx + D( x) P( x) Y ( x) ata ( q ( x + b) ) x f bx0 P( x0 ) W x x x0 P ( x ) ( b + x ) f q f3 0 38

8 Peamaa Koh-Sham Quatum dot al ekpeme meujukka bahwa poteal peguuga elekto V dapat ddekat dega poteal paabolk ehgga peamaa Koh-Sham utuk quatum dot α x ( ) + K + φ( ) + V ( ) + V ( ) ( ) ε ( ) (4.40) dega α adalah pebadga maa dam elekto da maa efektf elekto dalam baha edagka K meyataka kekuata peguuga. Dalam pehtuga dguaka pedekata keapata lokal dega fomula yag duulka oleh Slate-Voko-Wlk-Nua yag telah djelaka pada baga ebelumya. Peamaa (4.40) deleaka eaa elf-otey epet telhat pada gamba 4.. Gamba 4.: Dagam al elf-otey DFT. 39

9 40 Tebaka awal apat elekto yag dguaka adalah tpe Gaua (Gaua type). Kemuda tebaka awal apat elekto dguaka utuk meghtug poteal elektotatk da poteal ehage-oelato. Seluuh poteal kemuda dmaukka ke peamaa Koh-Sham quatum dot dega output beupa apat elekto bau. Itea behet ketka yaat kekovegea teapa. Utuk meg-update apat elekto dguaka metode le mxg bekut k + β dega 0 < β < edagka k + out ( β ) k out (4.40) da k betuut-tuut adalah apat elekto bau apat elekto lama da omo tea. Metode le mxg teebut dguaka utuk mempeepat teapa yaat kekovegea. 40

BAB III TEOREMA GLEASON DAN t-desain

BAB III TEOREMA GLEASON DAN t-desain BAB III TEOREMA GLEASON DAN t-desain Dalam ubbab 3., kta aka mempelaar alah atu fat petg dar kode wa-dual geap. Sfat terebut dberka oleh Teorema 3.(Teorema Gleao), Teorema ecara megeaka telah meetuka betuk

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

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

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

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

BAB 4 SISTEM DINAMIK ORDE-TINGGI

BAB 4 SISTEM DINAMIK ORDE-TINGGI Stem Damk Ore-Tgg 47 BAB 4 SISTEM DINAMI ORDE-TINI Stem amk ore-tgg gabuga ua atau lebh tem amk ore-atu. Cotoh:. Level cotrol paa tagk-tagk, bak yag tem o- terka oteractg ytem maupu yag terterak teractg

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS 5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI INTERVAL KONFIDENSI UNTUK PROBABILITAS TRANSISI RANTAI MARKOV DISKRIT

ESTIMASI INTERVAL KONFIDENSI UNTUK PROBABILITAS TRANSISI RANTAI MARKOV DISKRIT eutakaauacd dglbuacd ESTIMASI INTERVAL KONFIDENSI UNTUK PROBABILITAS TRANSISI RANTAI MARKOV DISKRIT Oleh NUR ITSNAINI HASANAH M005054 SKRIPSI dtul da dauka utuk memeuh ebaga eyaata memeoleh gela Saaa Sa

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

ENUMERASI ISOMORFISME GRAF SEDERHANA DENGAN MENGGUNAKAN TEOREMA POLYA I & II

ENUMERASI ISOMORFISME GRAF SEDERHANA DENGAN MENGGUNAKAN TEOREMA POLYA I & II ENUMERASI ISOMORFISME GRAF SEDERHANA DENGAN MENGGUNAAN TEOREMA POLYA I & II Dsusu utuk memeuh tugas Mata ulah Matematka Dskt Semeste I Peode 006/007 Dsusu oleh : Daag Aef Setaa 505090 PROGRAM STUDI TENI

Lebih terperinci

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

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

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1 68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

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

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

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

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

Lebih terperinci

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 M-8 PENYELEAIAN PENGOPTIMUMAN PORTOOLIO UY MENGGUNAKAN PENDEKATAN UNGI LAGRANGE ugyarto MIPA Matematka Uverta Ahmad

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400 h t t p : / / m a t e m a t r c k. b l o g p o t. c o m Meetuka uur-uur pada dagram lgkara atau batag Rgkaa Mater : Uur uur pada dagram lgkara yag pokok haya hal :. Meetuka bear baga dalam lgkara ( dapat

Lebih terperinci

HASIL KALI LANGSUNG S-NEAR-RING DAN S-NEAR-RING BEBAS Smarandache Direct Product and Smarandache Free Near-Rings

HASIL KALI LANGSUNG S-NEAR-RING DAN S-NEAR-RING BEBAS Smarandache Direct Product and Smarandache Free Near-Rings Junal Baekeng Vol. 8 No. 2 Hal. 7 (204) HASIL KALI LANGSUNG S-NEAR-RING DAN S-NEAR-RING BEBAS Smaandache Dect Poduct and Smaandache Fee Nea-Rng HENRY W. M. PATTY Juuan Matematka Fakulta MIPA Unveta Pattmua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

TE Dasar Sistem Pengaturan

TE Dasar Sistem Pengaturan TE09346 Daar Stem Pegatura Peracaga otroler : otroler Prooroal Itegral Dfereal Ir. Jo Pramujato, M.Eg. Jurua Tekk Elektro FTI ITS Tel. 594730 Fax.59337 Emal: jo@ee.t.ac. Daar Stem Pegatura 06 Objektf:

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

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

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

Lebih terperinci

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms)

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms) MEKANISME KERUNTUHAN LINGKARAN (Crcular alure Mechasms) Stabltas Lereg Moda kerutuha lereg umumya adalah rotatoal slp sepajag bdag rutuh yag medekat lgkara Kerutuha dagkal Kerutuha dalam Saat rutuh Stabltas

Lebih terperinci

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh, Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap

Lebih terperinci

METODE PENELITIAN. Desain Penelitian yang digunakan dalam penelitian ini adalah deskriptif

METODE PENELITIAN. Desain Penelitian yang digunakan dalam penelitian ini adalah deskriptif III. METODE PENELITIAN 3.1 Dea Peelta Dea Peelta yag dguaka dalam peelta adalah dekptf aaltk, dega pedekata kuattatf da kualtatf. Pegguaa dea tekat dega tujua peelta yatu utuk medapatka gambaa tetag peep

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1 8 III. MEODOLOGI PEELIIA A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela X SMA eger Bagurejo Lampug egah tahu pelajara 009/00 ebayak 75 orag yag terdtrbu dalam lma kela dmaa tgkat kemampua

Lebih terperinci

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor

Lebih terperinci

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

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

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

Sifat Listrik Metal. Sudaryatno Sudirham

Sifat Listrik Metal. Sudaryatno Sudirham Dapublc www.dapublc.com Sfat Lstk Metal Sudayato Sudham Bebeda dega jes mateal yag la, metal memlk koduktvtas lstk da koduktvvats themal yag tgg. Dalam upaya memaham mekasme koduktvtas lstk Dude da Loetz

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEOR. Aal Regre alah atu tuua aal data adalah utuk memperkraka/memperhtugka beara efek kuattatf dar perubaha uatu keada terhadap keada laa. etap kebaka polc, bak dar pemertah maupu wata, elalu

Lebih terperinci

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

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

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN : Vol. 4. No. 3, 5-59, Deember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agu Rugyoo Jurua Matematka FMIPA UNDIP Abtrak Dberka popula

Lebih terperinci

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri Megubah baha baku mead produk yag lebh berla melalu stess kma bayak dlakuka d dustr Asam sulfat, ammoa, etlea, proplea, asam fosfat, klor, asam trat, urea, bezea, metaol, etaol, da etle glkol Serat/beag,

Lebih terperinci

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember Peracaga Pegedal PID Ittut Tekolog Seuluh Noember Pegatar Mater Cotoh Soal Latha Rgkaa Pegatar Mater Cotoh Soal Peracaga Pegedal P Peracaga Pegedal PI Peracaga Pegedal PD Peracaga Pegedal PID Latha Rgkaa

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Bulet Ilmah Mat. Stat. da eapaa (Bmaste) Volume 0, No. (0), hal 79-86. ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI PRODUKSI ANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Zaal Ap, Muhlasah Novtasa Maa, Neva Satahadew

Lebih terperinci

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai BAB III MATERI DAN METODE Peelta tetag hubuga ataa bobot potog dega bobot kakas da o kakas kambg Jawaadu beta dlaksaaka pada bula Jul sampa dega Oktobe 2016 d tempat pemotoga hewa (TPH) Bustama d Jala

Lebih terperinci

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) PENGUJIAN HIPOTESIS PROSEDUR UMUM Lagkah : tetuka hpote 0 (H 0 ) da at hpote (H ) malya: H 0 : µ 00 H : µ 00 atau H : µ > 00 atau H : µ < 00 PROSEDUR UMUM Lagkah : tetuka je dtrbu yag cocok: bla > 30 da

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui Statitika, Vol. No., 5 6 Mei Diagram Kedali Simpaga Baku Ekak utuk Proe Berditribui Normal dega Parameter Diketahui Aceg Komarudi Mutaqi, Suwada Program Studi Statitika Fakulta MIPA Uiverita Ilam Badug,

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

3.1 Biaya Investasi Pipa

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

Lebih terperinci

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

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEOR. Aal Regre Salah atu tuua aal data adalah utuk memperkraka/memperhtugka beara efek kuattatf dar perubaha uatu keada terhadap keada laa. Setap kebaka (polc), bak dar pemertah maupu wata,

Lebih terperinci

Angka Banding Manfaat dan Biaya

Angka Banding Manfaat dan Biaya METODE ANALISIS PERENCANAAN 2 Mater 3 : TPL 311 Oleh : Ke Marta Kaskoe Agka Badg Mafaat da Baya Dalam proyek pembagua, perlu dketahu apa mafaat dar proyek tersebut? Bagamaa keutuga ekoom atau keutuga sosal

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

Menghitung Kinerja Investasi

Menghitung Kinerja Investasi Meghtug Kerja Ivestas Dalam perjalaa vestas, la suatu asset bsa berubah dar waktu ke waktu akbat perubaha kods pasar. Sela tu, sebaga baga dar proses vestas, vestor perlu mematau da megevaluas kerja vestas

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP III. METODE PENELITIAN A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela VII emeter gajl SMP Ba Mulya Badar Lampug Tahu Pelajara 0/0 dega jumlah wa ebayak 03 wa yag terbag dalam 3 kela. Sampel

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

DERET BALMER DARI ATOM HIDROGEN

DERET BALMER DARI ATOM HIDROGEN DERET BALMER DARI ATOM HIDROGEN I. Tujuan: Menentukan haga konstanta ydbeg dan spectum atom hydogen II. Teo Dasa Pengamatan menunjukan bahwa gas yang besuhu tngg memancakan cahaya dengan spectum gas yang

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4) ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.

Lebih terperinci

PELUANG. Misalkan n = A,B,C,D Terjadinya 2 kemungkinan kejadian yaitu : AB, AC,AD, BA,BC,BD, CA,CB,CD, DA,DB,DC = 12 kemungkinan

PELUANG. Misalkan n = A,B,C,D Terjadinya 2 kemungkinan kejadian yaitu : AB, AC,AD, BA,BC,BD, CA,CB,CD, DA,DB,DC = 12 kemungkinan SMA - ELUANG A. Kaidah emutasi da kombiasi. emutasi : Bayakya kemugkia dega mempehatika uuta ada Misalka A,B,,D Tejadiya 2 kemugkia kejadia yaitu : AB, A,AD, BA,B,BD, A,B,D, DA,DB,D 2 kemugkia 4 ; 2 Rumusya

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

Lebih terperinci

Fisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman

Fisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman Fiika Statitik Jumlah SKS : 3 Oleh : Rahmawati M, S.Si., M.Si. Jurua Fiika Fakulta Matematika da Ilmu Pegetahua Alam Uiverita Mulawarma Pertemua 2 da 3 Pedahulua (Termodiamika) 2. Statitik Maxwell-Boltzma.

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

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

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI. nukleotida ini setara dengan himpunan bilangan bulat modulo n ( Z

I PENDAHULUAN II LANDASAN TEORI. nukleotida ini setara dengan himpunan bilangan bulat modulo n ( Z I PENDAHULUAN. Lata Belaka DNA (deoxybouclec acd) adalah baha peyuu e. Ge meupaka uatu ut peuua fat ya meeuka foma da duk pada ketuuaya. Kumpula e membetuk eom yatu keeluuha peuua fat atau mate eetk ya

Lebih terperinci

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci