BAB II LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI"

Transkripsi

1 BAB II LANDASAN TEORI Bab ii berisi teori-teori yag meladasi pembahasa dalam tugas akhir ii, yag terdiri fugsi liear, persamaa da pertidaksamaa liear, pemrograma liear, bilaga iterval, karakteristik dari persamaa liear dega koefisie iterval, efek dari koefisie iterval dalam program liear, model LPIC, kedala persamaa melibatka koefisie iterval, dualitas da POM (Productio Ad Operatios Maagemet) for Widows Fugsi Liear Misalka f(x 1, x 2,, x ) adalah fugsi dalam variabel-variabel x 1, x 2,, x. Fugsi f(x 1, x 2,, x ) diamaka fugsi liear jika da haya jika ada kostata c 1, c 2,, c, f(x 1, x 2,, x ) = c 1 x 1 + c 2 x c x. [12] Cotoh 2.1. Fugsi liear adalah f(x 1, x 2 ) = 2x 1 + 3x 2, sedagka f(x 1, x 2 ) 3 = x 1 x 2 buka fugsi liear. 2.2 Persamaa da Pertidaksamaa Liear Defiisi 2.1. Utuk sembarag fugsi liear f(x 1, x 2,, x ) da sembarag bilaga b, suatu persamaa f(x 1, x 2,, x ) = b disebut persamaa liear. [12] Defiisi 2.2. Utuk sembarag fugsi liear f(x 1, x 2,, x ) da sembarag bilaga b, f(x 1, x 2,, x ) b atau f(x 1, x 2,, x ) b disebut pertidaksamaa liear. [12] Cotoh 2.2. Persamaa liear adalah x 1 + 3x 2 = 7 sedagka pertidaksamaa liear adalah 2x 1 + 3x Pemrograma liear Pemrograma liear adalah alat matematika yag dikembagka utuk meagai optimasi subjek fugsi liear utuk satu himpua kedala liear. 5

2 Subjek pemrograma liear adalah wilayah yag sagat petig dalam matematika terapa da memiliki sejumlah besar keguaa da aplikasi di bayak idustri. Beberapa aplikasi saat ii meliputi; alokasi sumber daya. masalah trasportasi da pejadwala operasi. [9] Betuk stadar model pemrograma liear adalah sebagai berikut: [3] Maksimasi Z = c 1 x 1 + c 2 x c x Terhadap kedala (2.1) a 11 x 1 + a 12 x a 1 x b 1 a 21 x 1 + a 22 x a 2 x b 2 a m1 x 1 + a m2 x a m x b m da x 1 0, x 2 0,, x 0 Keteraga: Fugsi yag memaksimalka c 1 x 1 + c 2 x c x disebut fugsi objektif. x 1, x 2,, x adalah variabel keputusa. c j, b i da a ij ( utuk i = 1, 2,, m da j = 1, 2,, ) adalah parameter model. Betuk lai: 1. Memiimalka fugsi tujua: Miimasi Z = c 1 x 1 + c 2 x c x. 2. Beberapa fugsi kedala betuk pertidaksamaa lebih besar atau sama dega: a i1 x 1 + a i2 x a i x b i utuk beberapa ilai i. 3. Beberapa fugsi kedala dalam betuk persamaa a i1 x 1 + a i2 x a i x = b i utuk beberapa ilai i. 6

3 Defiisi 2.3 Solusi fisibel adalah solusi yag semua kedala terpeuhi. Solusi yag tidak fisibel adalah solusi yag setidakya satu kedala dilaggar. [3] Defiisi 2.4. Daerah fisibel adalah kumpula dari seluruh solusi fisibel. [3] Defiisi 2.5. Solusi optimal adalah solusi fisibel yag memiliki ilai palig megutugka dari fugsi tujua. [3] 2.4 Bilaga Iterval Bilaga iterval pada garis bilaga R adalah himpua seluruh titik (bilaga di atara dua titik ujug tertetu pada garis bilaga R. [6] Misalka (a, b) R da a < b. Iterval tertutup [a,b] dari a ke b adalah {x R a x b}. [2] Sifat sifat iterval: [5] Jika A = [ a, a ] da B = [ b, b ] dega 0 B maka: 1. A + B = [ a + b, a + b ] (Pejumlaha) 2. A B = [ a b, a b ] (Peguraga) 3. A B = [mi {a b, a b, a b, a b }, maks {a b, a b, a b, a b }] 4. (Perkalia) A B = [ a, a ] [1 b, 1 b ] (Pembagia) Jika 0 B, maka A/B tidak terdefiisi. Jika A, B, da C I(R) maka: 5. A + B = B + A, A B = B A (Komutatif) 6. (A + B) + C = A + (B + C), (A B) C = A (B C) (Assosiatif) 7. [0,0] da [1,1], adalah eleme etral pada sifat pejumlaha da pembagia. 8. Iterval bilaga Riil tidak memiliki pembagi 0 7

4 9. Bilaga Riil A = [ a, a ], a a tidak memiliki ivers pada sifat pejumlaha da perkalia, amu 0 (A A) da 1 ( A ) A 10. A (B + C) A B + A C (Subdistributif) 11. a(b + C) = ab + ac, a R 2.5 Karakteristik dari Persamaa Liear dega Koefisie Iterval Defiisi 2.6. Misalka [ a 1, a 2 ]x 1 + [ b 1, b 2 ]x 2 = (, )[ c 1, c 2 ] mejadi kedala yag diberika dalam masalah program liier dega koefisie iterval. Pergesera kedala adalah geraka paralel kedala dari satu posisi ke posisi lai tapa megubah kemirigaya. Pergesera ii haya disebabka oleh perubaha RHS (Right Had Side) dari satu ilai dalam [ c 1, c 2 ] ke ilai lai di [ c 1, c 2 ]. [6] Cotoh 2.3. Misalka 2x 1 + 4x 2 [4,8] mejadi kedala liear dega iterval RHS, maka kedala aka beralih dari satu versi ekstrim (2x 1 + 4x 2 4) ke yag lai (2x 1 + 4x 2 8). Defiisi 2.7. Misalka [ a 1, a 2 ]x 1 + [ b 1, b 2 ]x 2 = (, )[ c 1, c 2 ] mejadi kedala tertetu (atau fugsi tujua) dalam masalah program liier dega koefisie iterval. Kemiriga adalah perubaha slope dari kedala yag diberika (atau fugsi tujua). Kemiriga disebabka oleh perubaha setidakya satu dari koefisie iterval yag terkait dega salah satu variabel dari satu ilai dalam iterval utuk ilai lai juga dalam iterval. [6] Cotoh 2.4. Misalka 2x 1 + [2,4]x 2 4 mejadi kedala liear dega koefisie selag terkait dega x 2, maka kedala aka diubah mejadi versi ekstrim 2x 1 + 2x 2 4, da 2x 1 + 4x 2 4. Defiisi 2.8. Pembalika kedala liear (atau fugsi tujua) dari masalah pemrograma liear adalah jeis khusus mirig yag terjadi ketika terjadi perubaha simulta dari semua tada koefisie pada LHS (yaitu semua koefisie selag yag berhubuga dega variabel retag ol ). [6] 8

5 Cotoh 2.5. Misalka [ 1,1]x 1 + [ 1,2]x 2 2 mejadi kedala liear dega iterval LHS (Left Had Side), maka kedala mejadi ( x 1 x 2 2) da (x 1 + 2x 2 2). 2.6 Efek dari Koefisie Iterval dalam Program Liear Misalka C adalah himpua kedala dega koefisie iterval, C 1 da C II adalah dua himpua kedala berbeda yag dibagkitka dari C dega megguaka versi ekstrim berbeda. Daerah fisibel S I da S II yag dihasilka oleh C I da C II dijelaska oleh salah satu kemugkia ii: [6] 1. S I S II atau S II S I, yaitu suatu daerah fisibel seluruhya termuat dalam daerah fisibel laiya. 2. S I S II da S I S II, yaitu suatu daerah fisibel memotog sebagia daerah fisibel laiya. 3. S I S II =, yaitu tidak ada tumpag tidih pada daerah- daerah fisibel. Cotoh 2.6. Misalka C adalah himpua kedala sebagai berikut : [1] a 2x 1 2x 2 [1,2] C = { b x 1 + x 2 [2,3] x 1, x 2 0 Aka dicari daerah fisibel yag memeuhi himpua kedala tersebut. Peyelesaia Kedala spesifik C 1 da C II adalah sebagai berikut: a I 2x 1 2x 2 2 C I = { b I x 1 + x 2 2 x 1, x 2 0 C II = { a II 2x 1 2x 2 1 b II x 1 + x 2 3 x 1, x 2 0 9

6 Dari betuk PL diatas, maka daerah fisibel disajika pada gambar 2.1 da 2.2 Gambar 2.1. Daerah fisibel S I yag memeuhi kedala C I pada Cotoh 2.5 Gambar 2.2. Daerah fisibel S II yag memeuhi kedala C II pada Cotoh 2.5 Daerah yag diraster pada gambar 2.1 merupaka grafik himpua peyelesaia dari kedala C I. Pada kedala C I, x 1 0 sehigga yag diraster adalah sebelah atas sumbu x 1, x 2 0 sehigga yag diraster adalah sebelah kaa sumbu x 2. Garis a I melalui titik (1,0) da titik (0,-1). Ambil titik uji P(0,0) yag berada diatas garis a I, karea kedala a I adalah 2x 1 2x 2 2, sehigga diperoleh hubuga 2(0) 2(0) 2 0 2, peryataa 0 2 adalah bear, sehigga yag diraster adalah bagia atas garis a I. Garis b I melalui titik (2,0) da titik (0,2). Ambil titik uji P(0,0) yag berada dibawah garis b I, karea kedala b I adalah x 1 + x 2 2, sehigga diperoleh hubuga , peryataa 0 2 adalah salah, sehigga yag diraster adalah bagia atas garis b I. Utuk pejelasa gambar 2.2, caraya sama dega pejelasa gambar

7 Maka daerah fisibel S II S I, sebagaimaa diilustrasika oleh Gambar 2.3. Gambar 2.3. Daerah fisibel kedala C pada Cotoh 2.5 Gambar 2.3 merupaka gabuga dari kedua grafik himpua peyelesaia pada gambar 2.1 da gambar 2.2. Dalam gambar 2.3 terlihat bahwa S II S I. Cotoh 2.7. Misalka C adalah himpua kedala sebagai berikut : [1] a [1,2]x 1 + x 2 2 C = { b x 1 + [3,4]x 2 4 x 1, x 2 0 Aka dicari daerah fisibel yag memeuhi himpua kedala tersebut. Peyelesaia Kedala spesifik C I da C II adalah sebagai berikut: a I 2x 1 + x 2 2 C I = { b I x 1 + 3x 2 4 x 1, x 2 0 a II x 1 + x 2 2 C II = { b II x 1 + 4x 2 4 x 1, x 2 0 Dari betuk PL diatas, maka daerah fisibel disajika pada gambar 2.4 da

8 Gambar 2.4. Daerah fisibel S I yag memeuhi kedala C I pada cotoh 2.6 Gambar 2.5. Daerah fisibel S II yag memeuhi kedala C II pada Cotoh 2.6 Daerah yag diraster pada gambar 2.4 merupaka grafik himpua peyelesaia dari kedala C I. Pada kedala C I, x 1 0 sehigga yag diraster adalah sebelah atas sumbu x 1, x 2 0 sehigga yag diraster adalah sebelah kaa sumbu x 2. Garis a I melalui titik (1,0) da titik (0,2). Ambil titik uji P(0,0) yag berada dibawah garis a I, karea kedala a I adalah 2x 1 + x 2 2, sehigga diperoleh hubuga 2(0) + (0) 2 0 2, peryataa 0 2 adalah salah, sehigga yag diraster adalah bagia atas garis a I. Garis b I melalui titik (4,0) da titik (0,1.3). Ambil titik uji P(0,0) yag berada dibawah garis b I, karea kedala b I adalah x 1 + 3x 2 4, sehigga diperoleh hubuga 0 + 3(0) 4 0 4, peryataa 0 4 adalah bear, sehigga yag diraster adalah bagia bawah garis b I. Utuk pejelasa gambar 2.5, caraya sama dega pejelasa gambar 2.4. Maka S I S II da S I S II sebagaimaa diilustrasika oleh Gambar

9 Gambar 2.6. Daerah fisibel S I S II pada Cotoh 2.6 Gambar 2.6 merupaka gabuga dari kedua grafik himpua peyelesaia pada gambar 2.4 da gambar 2.5, sehigga diperoleh irisa daerah fisibel S I S II. Cotoh 2.8. Misalka himpua kedala C sebagai berikut: [1] a [ 1,1]x 1 +[ 1,1]x 2 1 C = { b x 1 2 c x 2 2 Aka dicari daerah fisibel yag memeuhi himpua kedala tersebut. Peyelesaia Kedala spesifik C I da C II adalah sebagai berikut: a I x 1 +x 2 1 C I = { b x 1 2 c x 2 2 a II x 1 x 2 1 C II = { b x 1 2 c x 2 2 Sehigga S I S II = sebagaimaa diilustrasika pada Gambar

10 Gambar 2.7. Daerah fisibel S I da S II pada Cotoh 2.7. Daerah yag diraster pada gambar 2.7 merupaka grafik himpua peyelesaia dari kedala C I da C II. Garis b melalui titik (-2,0), pilih titik x 1 = 0, karea kedala b adalah x 1 2 sehigga diperoleh hubuga 0 2. Peryataa 0 2 adalah bear, sehigga yag diraster adalah sebelah kaa garis b. Garis c melalui titik (0,-2), pilih titik x 2 = 0, karea kedala c adalah x 2 2, sehigga diperoleh hubuga 0 2. Peryataa 0 2 adalah bear, sehigga yag diraster adalah sebelah atas garis c. Garis a I melalui titik (1,0) da titik (0,1). Ambil titik uji P(0,0) yag berada dibawah garis a I. Karea kedala a I adalah x 1 +x 2 1, sehigga diperoleh hubuga , peryataa 0 1 adalah salah, sehigga yag diraster adalah bagia atas garis a I. Garis a II melalui titik (-1,0) da titik (0,-1). Ambil titik uji P(0,0) yag berada diatas garis a II, karea kedala a II adalah x 1 x 2 1, sehigga diperoleh hubuga ,peryataa 0 1 adalah salah, sehigga yag diraster adalah bagia bawah garis a II. 2.7 Model LPIC (Liear Programmig with Iterval Coefficiet) Betuk umum model LPIC dega kedala berupa pertidaksamaa iterval adalah sebagai berikut: [6] Mi Z = [c j, c j ]x j j=1 terhadap kedala : (2.2) 14

11 [a ij, a ij ]x j [b i, b i ] j=1 utuk i = 1,, m x j adalah variabel sig-restricted j (yaitu x j W I, j ). [c j, c j ], [a ij, a ij ], [ b i, b i ] I(R) dimaa I(R) adalah himpua seluruh bilaga iterval pada R. Keteraga : x = (x 1, x 2, x 3,, x ),dimaa x j adalah varialel ke-j. W I = himpua semua variabel sig-restricted yag terkait dega koefisie iterval. a ij = batas atas koefisie iterval dari variabel ke-j pada kedala ke-i. a ij = batas bawah koefisie iterval dari variabel ke-j pada kedala ke-i. b i = batas atas koefisie iterval dari ilai ruas kaa / RHS (Right Had Side ) pada kedala ke-i. b i = batas bawah koefisie iterval dari ilai ruas kaa /RHS pada kedala ke-i. c j = batas atas koefisie iterval variabel ke-j pada fugsi objektif. c j = batas bawah koefisie iterval variabel ke-j pada fugsi objektif. Defiisi 2.9. Utuk setiap pertidaksamaa kedala i pada (2.2), pertidaksamaa j=1 a j x j b, dimaa a j [a ij, a ij ] da b [b i, b i ], disebut formula karakteristik utuk pertidaksamaa i pada (2.2). [8] Defiisi Utuk setiap pertidaksamaa kedala i pada (2.2), jika ada satu rumusa karakteristik sedemikia sehigga himpua solusiya sama dega S atau S maka formula karakteristik ii disebut pertidaksamaa rage ilai makimum atau pertidaksamaa rage ilai miimum. [8] Keteraga : S = gabuga dari seluruh himpua solusi pertidaksamaa ekstrim. 15

12 S = irisa dari seluruh himpua solusi pertidaksamaa ekstrim. Teorema 2.1. Jika ada pertidaksamaa iterval x j 0 j maka: j=1 [a j, a j ]x j [b, b] dimaa, j=1 a j x j b da j=1 a j x j b adalah pertidaksamaa rage ilai maksimum da pertidaksamaa rage ilai miimum. [8] Teorema 2.2. Misalka Z = j=1 [c j, c j ]x j adalah fugsi objektif utuk x j 0 maka; [8] j=1 c j x j j=1 c j x j x = (x 1, x 2,, x ), x j 0. Dega megguaka teorema 2.1 da 2.2 maka dapat dihitug solusi optimal yag terbaik (best optimum) da solusi optimal terburuk (worst optimum) dari masalah LPIC yag diberika. Hal ii dilakuka dega megubah masalah LPIC asli ke dua masalah pemrograma liear klasik. [6] 2.8. Kedala Persamaa Melibatka Koefisie Iterval Teorema 2.3. jika [a,b] = [c,d] maka b c da a d. [8] Dega meerapka teorema 2.3 maka aka dapat megkoversi kedala persamaa melibatka koefisie Iterval mejadi dua kedala pertidaksamaa melibatka koefisie tetap saja, sebagai berikut: [6] Misalka j=1 [a j, a j ]x j = [b, b] (2.3) merupaka kedala persamaa dega koefisie iterval, maka dega megaplikasika teorema 2.3 aka dapat meggatika kedala ii dega dua kedala berikut: [6] j=1 a j x j b, dimaa a j = { a j jika x j 0 a j jika x j 0 (2.4) 16

13 j=1 a j x j b, dimaa a j = { a j jika x j 0 a j jika x j 0 (2.5) Teorema 2.4. Misalka P LPIC model miimasi dega m kedala pertidaksamaa iterval biasa da k kedala persamaa iterval (k 1). Misalka j=1 [a ij, a ij ]x j = [b i, b i ] merupaka kedala persamaa iterval i maka solusi worst optimum aka berada di kedua: [8] (I) j=1 a ij x j = b i, dimaa a ij = { a ij jika x j 0 a ij jika x j 0 (II) j=1 a ij x j = b i, dimaa a ij = { a ij jika x j 0 a ij jika x j 0 Utuk tiap kedala persamaa iterval i. Dega meerapka teorema ii maka aka dapat meetuka apakah worst optimum ada utuk model Dualitas Defiisi Masalah dual adalah sebuah masalah LP yag dituruka secara matematis dari satu model LP primal. Masalah dual da primal sagat berkaita erat sedemikia rupa sehiggga pemecaha simpleks optimal dari salah satu masalah aka secara otomatis meghasilka pemecaha optimum utuk masalah laiya. [10] Cotoh 2.9. Betuk primal: Maksimasi Z = 5x 1 + [9,13]x 2 Terhadap: C 1 : 6x 1 + [4,5]x 2 40 C 2 : [0.95,1.05]x 1 5 C 3 : x 2 [3.6,4.4] x 1, x

14 Betuk dualya adalah sebagai berikut: Miimasi Z = 5x 1 + [ 13, 9]x 2 Terhadap: C 1 : 6x 1 + [ 5, 4]x 2 40 C 2 : [ 1.05, 0.95]x 1 5 C 3 : x 2 [ 4.4, 3.6] x 1, x POM (Productio Ad Operatios Maagemet ) for Widows Versio 3 Program POM for Widows 3 adalah sebuah program komputer yag diguaka utuk memecahka masalah dalam bidag produksi da maajeme operasi yag bersifat kuatitatif. Program ii meyediaka 20 modul yag berbeda pegguaaya, yaitu: [11] 1. Aggregate Plaig 12. Lot Sizig 2. Assigmet (Peugasa) 13. Material Requiremet 3. Balacig Assembly Lie Plaig 4. Break eve 14. Operatios Lay Out 5. Decisio Aalysis 15. PERT/ CPM 6. Forecastig 16. Quality Cotrol 7. Ivetory 17. Realibility 8. Job Shop Schedulig 18. Simulatio 9. Learig Curve 19. Trasportatio 10. Liier Programmig 20. Waitig Lies 11. Locatio Mejalaka POM for Widows 3 a. Melalui Shortcut. Apabila ada shortcut POM for Widows 3 maka klik 2 kali pada ico (Gambar) Shortcut POM for Widows 3. b. Melalui Meu Program 18

15 Klik start Program Pilih POM for Widows 3 sehigga akam mucul layar berikut : Gambar 2.8. Tampila POM for widows 3 Secara garis besar layar POM for Widows 3 terdiri atas : 1. Title Bar Terdiri dari: The cotrol Mai Box, program ame da butto utuk layar yaitu Miimize, Maximize, da close. 2. Meu Bar Terdiri dari: File, Edit, View, Modul, Tables, Tools, Widows, da Help. 3. Tool Bar atau Butto Bar Terdiri dari: Commad Bar, cotohya prit scree da solve, Istructio Pael, Extra Data Area, Data Table, Aotatio Area, Status Pael. LINIER PROGRAMMING Modul ii diguaka utuk memecahka masalah yag terkait dega pegalokasia sumber daya perusahaa secara optimal utuk mecapai keutuga maksimal atau biaya miimum. Ada dua model dalam Liier Pragrammig, yaitu: 1. Model Grafik Model grafik diguaka utuk memecahka masalah peetua kombiasi optimum (maksimal dua variabel) gua memaksimumka laba atau memiimumka biaya dega kedala tertetu. 20

16 2. Model Simplex Model simplex diguaka utuk memecahka masalah programasi liear melalui iterasi di maa tahapa-tahapa komputasioal diulagi terus meerus sebelum diperoleh tigkat optimal. Tujuaya sama seperti Model Grafik Liear Programmig yaitu utuk medapatka keutuga maksimal (Maksimisasi) da biaya miimum (miimisasi). Nilai ruas kaa fugsi kedala harus positif, jika egatif kalika dega 1. Lagkah-lagkah dalam meyelesaika pemrograma liear 1. Susu formulasi pemrograma liear. 2. Setelah formulasi selesai disusu maka masukka data pada program POM for Widows 3 dega lagkah sebagai berikut: a. Pada meu POM klik MODULE lalu pilih Liear Programmig, lalu klik NEW sehigga mucul gambar berikut : Gambar 2.9. Tampila POM pegisia data. Keteraga: Title Judul kasus yag diselesaika Number of Costrait Jumlah fugsi batasa yag ada pada kasus Number of Variables Jumlah variabel yag ada pada fugsi tujua. Objective Tujua pegalokasia sumber daya. 21

17 Row Name Optios Nama batasa yag diigika, misalya A,B,C, b. Klik OK sehigga mucul tampila isia utuk memasukka koefisie fugsi batasa da fugsi tujua serta kapasitas maksimum batasa pada kolom RHS (Right Had Side) seperti berikut: Gambar Tampila POM pegisia data c. Masuka data, kemudia klik SOLVE apabila data sudah legkap da bear sehigga aka tampak hasilya. d. Kemudia dega meg-klik Widow aka tampil piliha Liear Programmig Result, Ragig, Solutio List, Iteratios, da Graph. 22

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Bicriteria Liear Programmig (BLP) Pesoala optimisasi dega beberapa fugsi tujua memperhitugka beberapa tujua yag koflik secara simulta, secara umum Multi objective programmig (MOP)

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

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

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

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 13. VEKTOR dalam R 3 PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde

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

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

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM Yosifayza Septiai 1, Bambag Irawato 2, Susilo Hariyato 3 Departeme Matematika FSM Uiversitas

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut

Lebih terperinci

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA Eky Pawestri Gita Asmara 1, Bambag Irawato, S.Si, M.Si 2, Lucia Ratasari, S.Si, M.Si Departeme Matematika

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

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

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

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR Dose Pegampu : Darmadi, S.Si, M.Pd Disusu : Kelas 5A / Kelompok 5 : Dia Dwi Rahayu (084. 06) Hefetamala (084. 4) Khoiril Haafi (084. 70) Liaatul Nihayah (084. 74)

Lebih terperinci

BAB III PROGRAMA LINIER

BAB III PROGRAMA LINIER BAB III PROGRAMA LINIER 31 Searah Sigkat Programa Liier Meurut George B Datzig yag serig disebut Bapak Liear Programmig, di dalam bukuya : Liear Programmig ad Extesio, meyebutka, bahwa ide dari pada liear

Lebih terperinci

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha

Lebih terperinci

) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,...

) didefinisikan sebagai persamaan yang dapat dinyatakan dalam bentuk: a x a x a x b... b adalah suatu urutan bilangan dari bilangan s1, s2,... SISEM PERSAMAAN LINIER DAN MARIKS. SISEM PERSAMAAN LINIER Secara umum, persamaa liier dega variabel ( x, x,..., x ) didefiisika sebagai persamaa yag dapat diyataka dalam betuk: a x a x a x b... dega a,

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

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

PENDAHULUAN. Program POM program komputer yang digunakan untuk

PENDAHULUAN. Program POM program komputer yang digunakan untuk PENDAHULUAN Program POM program komputer yang digunakan untuk memecahkan masalah dalam bidang produksi dan operasi yang bersifat kuantitatif. Tampilan grafis yang menarik dan mudahan pengoperasiannya membantu

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

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

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

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program liier Program liier adalah suatu tekik peyelesaia optimal atas suatu problema keputusa dega cara meetuka terlebih dahulu fugsi tujua (memaksimalka atau memiimalka) da kedala-kedala

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George

Lebih terperinci

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta Iduksi Matematika Pertemua VII Matematika Diskret Semester Gasal 2014/2015 Jurusa Tekik Iformatika UPN Vetera Yogyakarta Metode pembuktia utuk peryataa perihal bilaga bulat adalah iduksi matematik. Cotoh

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

PANDUAN MENGGUNAKAN POM for WINDOWS DISUSUN OLEH BAMBANG YUWONO, ST, MT PUTRI NUR ISTIANI ( )

PANDUAN MENGGUNAKAN POM for WINDOWS DISUSUN OLEH BAMBANG YUWONO, ST, MT PUTRI NUR ISTIANI ( ) PANDUAN MENGGUNAKAN POM for WINDOWS DISUSUN OLEH, ST, MT PUTRI NUR ISTIANI (123030113) JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UPN VETERAN YOGYAKARTA 2007 I. PENDAHULUAN Program POM for

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

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS Nada Puspitasari 1, Bambag Irawato, S.Si, M.Si 2, Prof. Dr. Widowati, M.Si 3 Program Studi Matematika

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 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

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

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

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut : I. OPTIMISASI FUNGSI TANPA KENDALA Utuk fugsi dua peubah ) f ag terdiferesial dua kali. Jika di titik ) P dipeuhi :. sarat stasioer)... > maka mecapai ekstrim di ) P. Jika : ekstrim maksimum mecapai maka

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25 head office : Kompleks Sawaga Permai Blok A5 No.1A, Sawaga, Depok 16511 Telp.01-951 1160. cotact perso : 0-878787-1-8585 / 081-8691-10 Bidag Studi Kode Berkas Waktu : Matematika : MA-L01 (solusi) : 90

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

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

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR Marlia Ulfa 1, Bambag Irawato 2, Suarsih 3 1,2,3 Program Studi Matematika, Fakultas

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

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

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

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),

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

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

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com Soal da Pembahasa jia Nasioal 06 Matematika Tekik SMK matematikameyeagka.com . pqr Betuk sederhaa dari p q r A. p 8 q r adalah... B. p q 0 r 0 D. p q 0 r 0 C. p 8 q r 0 E. p 6 q r Igat rumus berikut m

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

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

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

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

SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL

SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL Riza Febri Yusma Sri Gemawati Asli Sirait *riza_febri@yahoo.com Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiveritas

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM Budi Marpaug Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Krida Wacaa budimarpg_ti@yahoo.com Abstract

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

RING MATRIKS ATAS RING KOMUTATIF. Achmad Abdurrazzaq, Ari Wardayani, Suroto Universitas Jenderal Soedirman

RING MATRIKS ATAS RING KOMUTATIF. Achmad Abdurrazzaq, Ari Wardayani, Suroto Universitas Jenderal Soedirman JMP : Volume 7 Nomor 1, Jui 2015, hal 11-18 RING MATRIKS ATAS RING KOMUTATIF Achmad Abdurrazzaq, Ari Wardayai, Suroto razzaqgaesha@gmailcom Uiversitas Jederal Soedirma ABSTRACT This paper discusses a matrices

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

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

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

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali Jural Tekika ISSN : 285-859 Fakultas Tekik Uiversitas Islam Lamoga Volume No.2 Tahu 29 Kestabila Ragkaia Tertutup Waktu Kotiu Megguaka Metode Trasformasi Ke Betuk Kaoik Terkedali Suhariyato ) Dose Fakultas

Lebih terperinci

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.

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

TINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas

TINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas II. TINJAUAN PUSTAKA 2.1 Ruag Vektor Defiisi 2.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da (F,,. ) lapaga dega eleme idetitas 1. V disebut ruag vektor (vector space) atas F jika ada operasi

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

Bab 8 Teknik Pengintegralan

Bab 8 Teknik Pengintegralan Catata Kuliah MA3 Kalkulus Elemeter II Oki Neswa,Ph.D., Departeme Matematika-ITB Bab 8 Tekik Pegitegrala Metoda Substitusi Itegral Fugsi Trigoometrik Substitusi Merasioalka Itegral Parsial Itegral Fugsi

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

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 4 Mei 0 SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS Musthofa Jurusa Pedidika Matematika FMIPA

Lebih terperinci

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?

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

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka Itegral etu Jika fugsi kotiu yag didefiisika utuk, kita bagi selag mejadi selag bagia berlebar sama Misalka berupa titik ujug selag bagia ii da pilih titik sampel di dalam selag bagia ii, sehigga terletak

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

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA Pada bab ii aka dituliska beberapa aspek teoritis berupa defiisi, teorema da sifat-sifat yag berhubuga dega aljabar liear, struktur aljabar da teori kodig yag diguaka sebagai

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

Lebih terperinci

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS. Abstrak

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS. Abstrak Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 4 Mei 0 SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS Musthofa Jurusa Pedidika Matematika FMIPA

Lebih terperinci

Setelah mempelajari modul ini Anda diharapkan dapat: a. memeriksa apakah suatu pemetaan merupakan operasi;

Setelah mempelajari modul ini Anda diharapkan dapat: a. memeriksa apakah suatu pemetaan merupakan operasi; Modul 1 Operasi Dr. Ahmad Muchlis B PENDAHULUAN erapakah 97531 86042? Kalau Ada megguaka kalkulator, jawabaya amat bergatug pada tipe kalkulator yag Ada pakai. 9 Kalkulator ilmiah Casio fx-250 memberika

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

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

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

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

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

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