BAB 2 LANDASAN TEORI
|
|
- Hadian Hengki Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1 Vehicle Routig Problem Vehicle routig problem memiliki peraa pokok dalam maajeme logistik. Vehicle routig problem berpera dalam meracag rute yag optimal yag diguaka oleh sejumlah kedaraa yag ditempatka pada depot utuk melayai sejumlah pelagga dega permitaa yag diketahui (Toth da Vigo, 2002). Lapora ilmiah dari Datzig da Ramser (1959) secara luas diaggap sebagai lapora ilmiah pertama tetag vehicle routig. Yag meguraika tetag rute armada truk pegirima besi atara termial curah da sejumlah besar stasiu layaa yag dipasok dari termial. Toth da Vigo meggambarka vehicle routig problem sebagai suatu graf legkap G = (V, A), di maa V = {0,..., } adalah himpua titik da A himpua busur. Node i = 1,,, meujukka pelagga, sedagka ode 0 meujukka depot. Terkadag depot digambarka juga dega + 1. Biaya o egative/jarak tempuh (c ijk ), terkait dega setiap busur (i, j) A da merupaka biaya travel yag dikeluarka dalam perjalaa dari titik i ke titik j. Tujua vehicle routig problem adalah utuk megatur rute biaya teredah kedaraa sedemikia higga: Setiap rute dimulai da diakhiri di depot. Setiap pelagga dikujugi tepatya sekali dega satu kedaraa. Jumlah permitaa dari rute kedaraa yag ada tidak melebihi kapasitas kedaraa.
2 Gambar 2.1 Visualisasi Vehicle Routig Problem Kallehauge dkk. (2001) medefiisika pemasalaha m-tsp (Travelig Salesma Problem) sebagai salah satu variasi dari TSP (Travelig Salesma Problem), di maa terdapat m salesma yag megujugi sejumlah kota da tiap kota haya dikujugi oleh tepat satu salesma saja. Tiap salesma berawal dari suatu depot da pada akhir perjalaaya juga harus kembali ke depot tersebut. Permasalaha m-tsp (Travelig Salesma Problem) ii dikeal sebagai Vehicle Routig Problem (VRP). Kallehauge dkk. juga memformulasika sebuah model dari vehicle routig problem sebagai berikut: Fugsi tujua: K N+1 N+1 Mi C = c ijk x ijk 2.1 k=1 i=0 j=0 Kedala: K N+1 x ijk = 1; i = 1, 2,, N 2.2 k=1 j=0 N N+1 d i x ijk v k ; k = 1, 2,, K 2.3 i=1 j=0
3 N+1 x 0jk = 1; k = 1, 2,, K j=0 2.4 N+1 N+1 x ihk x hjk = 0; h = 1, 2,, N; k = 1, 2,., K i=0 j=0 2.5 N+1 x i,n+1,k = 1; k = 1, 2,., K i=0 2.6 x ijk {0, 1}; i = 0, 2,, N + 1; k = 1, 2,., K 2.7 dega: c ijk K d i N v k = biaya travel atara kosume i da j. = omor kedaraa. = total permitaa kedaraa k sampai kosume i. = omor pelagga (0 meujukka depot). = kapasitas maksimum kedaraa k. Persamaa (2.1) meujukka fugsi tujua dari permasalaha ii, yaitu utuk memiimalka total biaya travel. Persamaa (2.2) meujukka bahwa tiap kosume haya dapat dilayai oleh satu kedaraa saja. Persamaa (2.3) diguaka utuk membatasi total jumlah permitaa yag dibawa oleh kedaraa k, tidak boleh melebihi kapasitas dari kedaraa tersebut. Persamaa (2.4)-(2.6) diguaka utuk memastika bahwa tiap kedaraa beragkat dari depot 0, da setelah selesai melayai seorag kosume, kedaraa tersebut aka pergi, serta pada akhirya, kedaraa tersebut aka kembali ke depot N + 1. Vehicle routig problem mugki dapat memiliki kedala tambaha yag aka megarah pada varia yag berbeda. Varia tersebut pada dasarya dibetuk dega modifikasi pada satu atau lebih eleme dalam vehicle routig problem. Terdapat empat eleme yag membetuk model dari varia tersebut, yaitu: jariga jala, kedaraa, pelagga, da ketidakpastia pada model. Elemeeleme ii dapat diatur dega cara yag berbeda. Seperti misalya, pertimbaga
4 dalam jariga jala, perbedaa kedaraa, time widows, da perbedaa tipe dari permitaa pelagga (pick-up atau delivery). Selai itu, beberapa ketidakpastia juga dapat dipertimbagka, seperti ketidakpastia dalam permitaa da waktu perjalaa. Beberapa cotoh varia dari vehicle routig problem adalah vehicle routig problem with time widows, vehicle routig problem with backhaul, vehicle routig problem with pick-up ad delivery, da stochastic vehicle routig problem. 2.2 Teori Himpua Fuzzy Dalam megatasi permasalaha himpua dega batas yag tidak tegas, Zadeh megaitka himpua semacam itu dega suatu fugsi yag meyataka derajat kesesuaia usur-usur dalam semestaya dega kosep yag merupaka syarat keaggotaa himpua tersebut. Fugsi tersebut dapat dikataka sebagai fugsi keaggotaa da fugsi tersebut juga dapat dikataka sebagai derajat keaggotaa suatu usur dalam himpua. Hal ii utuk selajutya disebut sebagai himpua fuzzy. Maka dapat dikataka setiap usur dalam semesta memiliki derajat keaggotaa tertetu dalam himpua tersebut. Derajat keaggotaa diyataka dega suatu bilaga real dalam selag tertutup [0,1]. Dega perkataa lai, fugsi keaggotaa dari suatu himpua fuzzy A dalam X adalah pemetaa μ Ã (x) dari X ke selag [0,1], yaitu μ Ã : X [0,1]. Nilai fugsi μ Ã (x) meyataka derajat keaggotaa usur x Є X dalam himpua fuzzy A. Nilai fugsi sama dega 1 meyataka keaggotaa peuh, da ilai fugsi sama dega 0 meyataka sama sekali buka aggota himpua fuzzy tersebut. Maka himpua tegas juga dapat dikataka sebagai kejadia khusus dari himpua fuzzy, yaitu himpua fuzzy yag fugsi keaggotaaya haya berilai 0 atau 1 saja. Jadi fugsi keaggotaa dari suatu himpua tegas A dalam semesta X adalah pemetaa dari X ke himpua {0,1} Fugsi Keaggotaa Secara matematis suatu himpua fuzzy A dalam semesta X dapat diyataka sebagai himpua pasaga berurut:
5 A = x, μ A (x) x X 2.8 di maa μ A adalah fugsi keaggotaa dari himpua fuzzy A, yag merupaka suatu pemetaa dari himpua semesta X ke selag tertutup [0,1]. Apabila semesta X adalah himpua yag kotiu, maka himpua fuzzy A diyataka dega: A = μ A (x) x x X 2.9 di maa lambag ʃ di sii buka lambag itegral seperti dalam kalkulus, tetapi melambagka keseluruha usur-usur x X bersama dega derajat keaggotaaya dalam himpua fuzzy A. Apabila semesta X adalah himpua yag diskrit, maka himpua fuzzy A diyataka dega: A = μ A (x) x x X 2.10 di maa lambag di sii tidak melambagka operasi jumlaha seperti dalam aritmatika, tetapi melambagka keseluruha usur-usur x X bersama dega derajat keaggotaaya dalam himpua fuzzy A. Pedukug (support) dari suatu himpua fuzzy A, yag dilambagka dega Ped(A ), adalah himpua tegas yag memuat semua usur dari semesta yag mempuyai derajat keaggotaa tidak ol dalam (A ), yaitu: Ped A = {x X μ A (x) > 0} 2.11 Tiggi (height) dari suatu himpua fuzzy (A ), yag dilambagka dega Tiggi(A ), didefiisika sebagai: Tiggi A = sup{μ A (x)} 2.12 x X
6 Teras (core) dari suatu himpua fuzzy (A ), yag dilambagka dega Teras(A ), adalah himpua semua usur dari semestaya yag mempuyai derajat keaggotaaya sama dega 1, yaitu: Teras A = {x X μ A (x) = 1} 2.13 Pusat dari suatu himpua fuzzy didefiisika sebagai berikut: jika ilai purata dari semua titik di maa fugsi keaggotaa himpua fuzzy itu mecapai ilai maksimum adalah berhigga, maka pusat himpua fuzzy itu adalah ilai purata tersebut. Jika ilai purata itu tak higga positif, maka pusat himpua fuzzy itu adalah yag terkecil di atara semua titik yag mecapai ilai fugsi keaggotaa maksimum. Da begitu pu sebalikya jika ilai purata itu tak higga egatif, maka pusat himpua fuzzy itu adalah yag terbesar di atara semua titik yag mecapai ilai fugsi keaggotaa maksimum. Dua buah himpua fuzzy A da B dalam semesta X dikataka sama A = B, jika da haya jika μ A (x) = μ B (x) 2.14 utuk setiap x X. Himpua fuzzy A dikataka merupaka himpua bagia dari himpua fuzzy B A B, jika da haya jika μ A (x) μ B (x) 2.15 utuk setiap x X. Jadi A = B jika da haya jika A B da B A. Fugsi keaggotaa trapesium/trapezoidal merupaka salah satu fugsi keaggotaa himpua fuzzy yag mempuyai empat buah parameter, yaitu a, b, c, d R dega a < b < c < d, da diyataka dega trapesium (x; a, b, c, d) dega atura: x a utuk a x b b a 1 utuk b x c μ(x) = d x utuk c x d d c 0 utuk laiya
7 Fugsi keaggotaa tersebut dapat diformulasika sebagai berikut: x a Trapesium(x; a, b, c, d) = max mi b a d x, 1,, d c Berikut gambar yag memperlihatka fugsi keaggotaa trapesium (x; a, b, c, d). μ(x) 1 0 a b c d x Gambar 2.2 Fugsi Keaggotaa Bilaga Fuzzy Trapezoidal Peegasa (Defuzzifikasi) Iput dari proses defuzzifikasi adalah suatu himpua fuzzy yag diperoleh dari suatu komposisi atura-atura fuzzy, sedagka output yag dihasilka merupaka suatu bilaga pada himpua fuzzy tersebut. Sehigga jika diberika suatu himpua fuzzy dalam rage tertetu, maka harus dapat diambil suatu ilai crisp tertetu sebagai output. Meurut Kusumadewi (2004), ada beberapa metode defuzzifikasi pada komposisi atura Mamdai. Salah satuya adalah metode cetroid (Composite Momet). Pada metode ii, solusi crisp diperoleh dega cara megambil titik pusat daerah fuzzy. Secara umum dirumuska sebagai berikut: Utuk domai kotiu: Z 0 = b a Z μ (Z) dz b μ (Z) dz a 2.17
8 di maa: Z = ilai domai ke i μ (Z) =derajat keaggotaa titik tersebut Z 0 = ilai hasil peegasa Utuk domai diskrit: Z = i=1 d i. U Ai (d i ) U Ai (d i ) i=j 2.18 di maa: Z = ilai hasil peegasa (defuzzyfikasi) d i = ilai keluara pada atura ke i U Ai (d i ) = derajat keaggotaa ilai keluara pada atura ke i = bayakya atura yag diguaka Distribusi Possibility Misalka X mejadi variabel yag megambil ilai-ilai dalam semesta wacaa U, dega usur umum U diotasika dega u. Maka: X = u 2.19 meadaka bahwa X diberi ilai u, u U. Misalka F mejadi subset fuzzy dari U yag ditadai dega fugsi keaggotaa μ F. Kemudia F adalah batasa fuzzy pada X (atau berhubuga dega X) jika F bertidak sebagai kedala elastis pada ilai-ilai yag dapat ditugaska utuk X dalam arti bahwa peugasa ilai u utuk X memiliki betuk: X = u: μ F (u) 2.20 di maa μ F diartika sebagai derajat yag kedalaya diwakili oleh F, di maa F memeuhi bila u ditugaska utuk X. Sama seperti, (2.20) meujukka bahwa
9 1 μ F (u) adalah derajat yag maa kedalaya harus dilebarka utuk memeuhi tugas u utuk X. Misalka R(X) meujukka batasa fuzzy yag berhubuga dega X. Kemudia, utuk meyataka bahwa F memaika pera dari batasa fuzzy dalam hubugaya dega X, maka dapat ditulis: R(X) = F 2.21 Persamaa betuk ii disebut persamaa tugas rasioal karea hal tersebut meggambarka peugasa dari himpua fuzzy (atau relasi fuzzy) dega batasa yag berhubuga dega X. Defiisi 1 Misalka F himpua bagia kabur dari semesta U yag ditadai dega fugsi keaggotaa μ F, dega tigkat keaggotaa, μ F (u), diartika sebagai kecocoka dari u dega kosep yag bertada F. Misalka X mejadi variabel yag ilaiya diambil dalam U, da misalka F bertidak sebagai batasa fuzzy, R(X), yag berhubuga dega X. Kemudia permasalaha "X adalah F", yag diterjemahka mejadi: R(X) = F 2.22 meghubugka distribusi possibility, Π x, dega X yag didalilka sama dega R (X), yaitu: Π x = R(X) 2.23 Sejala dega itu, fugsi distribusi possibility berhubuga dega X (atau fugsi distribusi possibility dari Π x ) diotasika dega π x da didefiisika sebagai umerik yag sama dega fugsi keaggotaa F, yaitu: π x μ F 2.24
10 dega demikia π x (u), di maa kemugkia bahwa X = u, adalah utuk medalilka mejadi sama dega μ F (u). Dalam gambara (2.23), persamaa tugas relasioal (2.22) dapat diyataka setara dalam betuk: Π x = F 2.25 meempatka bukti bahwa dalil p X adalah F, yag memiliki efek utuk meghubugka X dega distribusi possibility Π x, di maa (2.23) adalah sama dega F. Ketika diyataka dalam betuk (2.25), persamaa tugas relasioal aka disebut persamaa tugas possibility, dega pegertia bahwa Π x diiduksi oleh p. a. Ukura possibility Misalka A himpua bagia ofuzzy dari U da misalka Π x mejadi distribusi possibility yag terhubug dega variabel X yag megambil ilai dalam U. Kemudia, ukura possibility π(a) dari A didefiisika sebagai bilaga dalam [0, 1] yag diberika oleh: π(a) Sup u A π x (u) 2.26 di maa π x (u) adalah fugsi distribusi possibility Π x. Jumlah ii kemudia mugki diartika sebagai possibility bahwa ilai X milik A, yaitu: Poss{X A} π(a) Sup u A π X (u) 2.27 Ketika A adalah himpua fuzzy, yag termasuk ilai dari X ke A adalah tidak berarti. Defiisi 2 Misalka A himpua bagia fuzzy dari U da misalka Π x mejadi distribusi possibility yag berhubuga dega variabel X yag megambil ilai dalam U. Ukura possibility π(a) dari A didefiisika dega:
11 Poss{X adalah A} π(a) Sup u U μ A (u) π X (u) 2.28 di maa "X adalah A" digati "X A" dalam (2.27), μ A adalah fugsi keaggotaa dari A, da berdiri, seperti biasa, utuk miimal. Perlu dicatat bahwa, dalam hal height dari suatu set fuzzy, yag didefiisika sebagai supremum dari fugsi keaggotaa, (2.27) dapat diyataka dega jelas dega persamaa: π(a) Height(A Π X ) 2.29 b. Possibility da iformasi Jika p adalah sebuah dalil dari betuk p X adalah F yag diterjemahka ke dalam persamaa tugas possibility: Π A(X) = F 2.30 di maa F adalah himpua bagia fuzzy dari U da A (X) adalah sifat tersirat dari X yag megambil ilai dalam U, maka iformasi yag disampaika oleh p, I(p), dapat diidetifikasi dega distribusi possibility, Π A(X), dari variabel fuzzy A(X). Dega demikia, hubuga atara I(p), Π A(X), R(A(X)) da F diyataka oleh: I(p) Π A(X) 2.31 di maa: Π A(X) = R A(X) = F Program Possibilistic Berikut merupaka formulasi program possibilistic. Pertimbagka masalah program liear berikut: Fugsi tujua: mi z = cx
12 Kedala: Ax b x 0, 2.33 Di maa c = (c 1,, c ) merupaka vektor baris -dimesi, x = (x 1,, x ) t merupaka vektor kolom -dimesi, b = (b 1,, b m ) t merupaka vektor kolom m-dimesi da A = a i,j merupaka matriks m x. Bilaga fuzzy L-R A i,j c l dapat ditetuka dega sebuah pusat a ij dega peyebara kiri w aij da peyebara kaa w r aij, da dapat direpresetasika sebagai A i,j =< c l r, w aij, w aij >. c j diperkiraka sebagai bilaga fuzzy L-R c j =< a ij c c j, w l cj, w r cj >. Bilaga fuzzy yag membatasi ilai fugsi possibilistic liear didefiisika oleh prisip perluasa. Meerapka prisip perluasa, misalya, utuk fugsi tujua dari permasalaha (2.33), f 0 (x 1,, x ) = c j x j, bilaga fuzzy F 0 (x 1,, x ) dega batasa f 0 (x 1,, x ) didefiisika oleh fugsi keaggotaa berikut: μ F0 (x 1,,x )(r) = Sup p 1,, p mi μ c1 (p 1 ),, μ c (p ) 2.34 Di maa r = p 1 x p x. Mempertimbagka fakta bahwa c j adalah bilaga fuzzy L-R < c c j, w l cj, w r cj >, bilaga fuzzy F 0 (x 1,, x ) juga mejadi bilaga fuzzy L-R, yaitu: F 0 (x 1,, x ) =< c j c x j, w l cj x j, w r cj x j > 2.35 Persamaa kedua adalah dari o-egatif dalam x j dari permasalaha (2.33). misalka F i (x 1,, x ) mejadi bilaga fuzzy yag membatasi ilai sisi kiri dari kedala ke-i dari (2.33), oleh karea itu utuk i = 1,, m,
13 Catata 1 F i (x 1,, x ) =< a c ij x j, l w aij x j, w r aij x j > 2.36 Asumsika A ij da c j adalah bilaga fuzzy triagular simmetris sebagai berikut: A ij =< a c c ij, w aij >, c j =< c c j, w c cj > Jika ditetapka L(x) = R(x) = 1 x, kemudia permasalaha (2.33) dirumuska sebagai permasalaha program liear berikut: Fugsi tujua: max c j c x j a w cj x j Kedala: a c ij x j + a w c aij x j b i, i = 1,, m x j 0, j = 1,, Metode Savig Matriks Metode savig matriks pada hakikatya adalah metode utuk memiimumka jarak atau waktu da ogkos dega mempertimbagka kedala-kedala yag ada. Berikut ii lagkah-lagkah pembetuka rute distribusi dega megguaka metode savig matriks, yaitu: 1. Idetifikasi Matriks Jarak Pada lagkah ii, diperluka jarak atara gudag da ke masig-masig toko da jarak atar toko. Utuk meyederhaaka permasalaha, litasa terpedek diguaka sebagai jarak atar lokasi. Jadi, dega megetahui koordiat masig-masig lokasi maka jarak atar dua lokasi bisa dihitug dega megguaka rumus jarak stadar. Apabila jarak riil atar lokasi diketahui, maka jarak tersebut lebih baik diguaka dibadig dega jarak teoritis dega megguaka rumus. Jarak dari gudag ke masig-masig
14 toko da jarak atar toko aka diguaka utuk meetuka matriks peghemata (savig matriks) yag aka dikerjaka pada lagkah berikutya. 2. Megidetifikasi matriks peghemata ( savig matriks) Pada lagkah ii, diasumsika bahwa setiap toko aka dikujugi oleh satu armada secara eksklusif. Savig matriks merepresetasika peghemata yag bisa direalisasika dega meggabugka dua pelagga ke dalam satu rute. Utuk perhituga peghemata jarak dapat meguaka persamaa: S(x, y) = J (G, x) + J(G, y) J(x, y) di maa: S(x, y) = Peghemata Jarak J (G, x) = Jarak gudag ke toko x J (G, y) = Jarak gudag ke toko y J (x, y) = Jarak toko x ke toko y 3. Megalokasika Distributor ke rute Dega megguaka tabel peghemata jarak, dapat dilakuka pegalokasia toko ke kedaraa atau rute. Pada tahap awal, tiap toko alokasika ke rute yag berbeda, amu toko-toko tersebut bisa digabugka sampai pada batas kapasitas truk yag ada. Peggabuga aka dimulai dari ilai peghemata terbesar karea diupayaka memaksimumka peghemata.
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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciCATATAN 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 terperinciB 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 terperinciDefinisi 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 terperinciI. 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 terperinciREGRESI 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 terperinciBAB 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 terperincioleh 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 terperinciAn = 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 terperinciBAB 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 terperinciSecara 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 terperinciterurut dari bilangan bulat, misalnya (7,2) (notasi lain 2
Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama
Lebih terperinciII. 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 terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciMATEMATIKA 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 terperinciII. 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 terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB 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 terperinciBAB 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 terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBab 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 terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciFungsi. 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 terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciAn = 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 terperinciPERTEMUAN 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciFungsi. 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= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciJURNAL 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 terperinciDistribusi 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 terperinciLIMIT. = 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 terperinciBAB 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 terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciDeret 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciPrestasi 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 terperinciInduksi 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 terperinciBAB 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 terperinciRange 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 terperinciIII BAB BARISAN DAN DERET. Tujuan Pembelajaran. Pengantar
BAB III BARISAN DAN DERET Tujua Pembelajara Setelah mempelajari materi bab ii, Ada diharapka dapat:. meetuka suku ke- barisa da jumlah suku deret aritmetika da geometri,. meracag model matematika dari
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,...
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 terperinci6. 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 terperinciBARISAN DAN DERET. Nurdinintya Athari (NDT)
BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga
Lebih terperinciMata 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 terperinciBarisan Aritmetika dan deret aritmetika
BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika
Lebih terperinciHendra 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 terperinciMatematika 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 terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciSolusi Pengayaan Matematika
Solusi Pegayaa Matematika Edisi 11 Maret Peka Ke-, 2007 Nomor Soal: 101-110 101. Bilaga desimal 0,7777 diyataka dalam hasil bagi bilaga rasioal sebagai a b, dega a da b relatif prima. Nilai dari ab A.
Lebih terperinciBAB 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 terperinciBarisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1
Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga
Lebih terperinciBAB 2 LANDASAN TEORI Operasi Riset (Operation Research)
BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa
Lebih terperinciPENYELESAIAN 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 terperinciBAB I PENDAHULUAN. , membentuk struktur ring terhadap operasi penjumlahan matriks dan operasi pergandaan matriks baku. Himpunan bagian dari
BB I PENDHULUN. Latar Belakag Masalah Struktur rig (gelaggag) R adalah suatu himpua R yag kepadaya didefiisika dua operasi bier yag disebut pejumlaha da pergadaa yag memeuhi aksioma-aksioma tertetu, yaitu:
Lebih terperinciLANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.
II. LANDASAN TEORI Pada bab ii aka diberika beberapa kosep dasar (pegertia) yag aka diguaka dalam pembahasa peelitia 2.1 Ruag Vektor Defiisi 3.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN
JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciProgram Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret
Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB 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 terperinciTINJAUAN 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 terperinciPengertian Secara Intuisi
Pegertia Secara Ituisi Coba Gambarka grafik fugsi-fugsi berikut.. f ( ) +, pada [0,].. ) pada [0, ] da.. Dari grafik fugsi yag kamu peroleh, apa yag dapat kamu kataka tetag ilai-ilai ketiga fugsi tersebut
Lebih terperinciBAB VIII KONSEP DASAR PROBABILITAS
BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada
Lebih terperinciII. 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 terperinciSemigrup Matriks Admitting Struktur Ring
Semigrup Matriks dmittig Struktur ig K a r y a t i Jurusa Pedidika Matematika FMIP, Uiversitas Negeri Yogyakarta Email: yatiuy@yahoo.com bstrak Diberika adalah rig komutatif dega eleme satua da adalah
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciBARISAN PANGKAT TERURUT MATRIKS PADA ALJABAR MAX PLUS
BRISN PNGKT TERURUT MTRIKS PD LJBR MX PLUS Nurwa Jurusa Matematika FMIP Uiversitas Negeri Gorotalo E-mail: urwa_mat@ug.ac.id bstrak Diberika matriks R yag memeuhi = λ. Matriks adalah k + c c k taktereduksi
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciSetelah 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 terperinciBAB 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 terperinciMA1201 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 terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB 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 terperinciFungsi 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 terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy 2.1.1 Pegertia Logika Fuzzy Suatu kata/istilah dikataka fuzzy (kabur) apabila kata/istilah tersebut tidak dapat didefeisika secara tegas, dalam arti tidak dapat ditetuka
Lebih terperinciBab IV. Penderetan Fungsi Kompleks
Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara
Lebih terperinciBarisan Dan Deret Arimatika
Barisa Da Deret Arimatika A. Barisa Aritmatika Niko etera memiliki sebuah peggaris ukura 0 cm. Ia megamati bilaga-bilaga pada peggarisya ii. Bilaga-bilaga tersebut beruruta 0, 1,, 3,, 0. etiap bilaga beruruta
Lebih terperinciHimpunan Kritis Pada Graph Caterpillar
1 0 Himpua Kritis Pada Graph Caterpillar Chairul Imro, Budi Setiyoo, R. Simajutak, Edy T. Baskoro {imro-its,budi}@matematika.its.ac.id, {rio,ebaskoro}@ds.math.itb.ac.id Ues, Semarag, 4 7 Juli 006 Abstrak
Lebih terperinciSISTEM 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 terperinciHimpunan/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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Model Pertumbuha Betuk ugsi pertumbuha satu jeis spesies pada umumya megguaka otasi ugsi aalitik yag diyataka dalam satu persamaa. Secara umum ugsi pertumbuha meyataka hubuga
Lebih terperinciBAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada
8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia
Lebih terperinciEKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI
EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI Oleh: Sutopo Jurusa Fisika FMIPA UM sutopo@fisika.um.ac.id Ditulis pada sekitar bula Maret 2011. Diuggah pada 3 Desember 2011 PROBLEM Gambar di bawah ii meyataka
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinci