METODE ASM PADA MASALAH TRANSPORTASI SEIMBANG

Ukuran: px
Mulai penontonan dengan halaman:

Download "METODE ASM PADA MASALAH TRANSPORTASI SEIMBANG"

Transkripsi

1 METODE AM PADA MAALAH TRANPORTAI EIMBANG Aru Rya eptaa 1, olkh 2, Luca Ratasar 3 1,2,3 Departee Mateatka, Fakultas as da Mateatka Uverstas Dpoegoro, Jl Prof oedarto, H earag, 5275 Eal: 2 solkh@lveudpacd Abstract The trasportato proble s specal case o the lear prograg whch exaes the goods dstrbuto for ze shppg cost or axze profts I geeral, trasportato proble requres two stages of copleto, whch s lookg for feasble soluto frst ad the look for the optal soluto Abdul Quddoos, Dr hakeel Javad, ad Prof Mohd Masood Khald dd soe research for a ew ethod, AM ethod whch s drect ethod wth sple ad fast way Ths ethod reles o the cell that has the uber wth the sallest dex, ad used to ze trasport costs Ths fal proect deteres the optal soluto usg AM ethod, both to ze costs ad axze profts, ad vestgate the optal ethod of AM The soluto that obtaed by AM ethod o balaced trasportato proble s always optal, whle for ubalaced trasportato proble s ot always optal The dfferece betwee algorth for zg cases ad axze cases les oly the frst step, whch s f the axzato case, the chage c to( c ) Keyword : Balaced Trasportato Probles, AM Method 1 PENDAHULUAN Masalah trasportas adalah cabag dar rset operas, erupaka asalah pedstrbusa barag dar beberapa suber (persedaa atau supply) ke beberapa tuua (pertaa atau dead) dega tuua utuk euka baya trasportas atau eaksuka keutuga [1] Pedstrbusa barag harus datur sedeka sehgga kebutuha aka pertaa barag tetap terpeuh berdasarka persedaa yag ada Tuua utaa asalah trasportas adalah eetuka bayakya barag yag optal yag aka dagkut dar beberapa suber ke beberapa tuua sehgga euka total baya trasportas Terdapat beberapa etode utuk eyelesaka asalah trasportas bak yag egguaka solus fsbel awal keuda solus akhr aupu tdak egguaka solus fsbel awal Beberapa etode utuk ecar solus fsbel awal atara la etode Pook Barat Laut, Metode Baya Terkecl, da Metode VAM [1,2] Keuda solus akhr egguaka etode teppg toe atau etode MODI [1,2] Keleaha dar seragkaa etode tersebut adalah harus dcar solus fsbel awal Metode dpadag kurag efse Keuda ucul etode lagsug, yatu tapa harus ecar solus fsbel awal, salya Metode Zero Negbourg [3], Metode Zero uffx [4], Metode Zero Pot [5], Metode Expoetal Approach [6], Metode AM [7] da sebagaya Karakterstk dar etode-etode tersebut eperhatka pada agka (ol) hasl reduks bars da kolo dar sel baya Pada etode Zero Negbourg da Zero uffx dhtug la rata-rata sektar agka yag buka berla, keuda pegalokasa bergatug pada la ratarata terbesar edagka pada etode Zero Pot dperhatka pertaa da persedaa pada sel dega baya tereduks yag bersagkuta Berbeda dega etode Expoetal Approach, etode eetapka pealt ekspoesal pada setap sel baya yag berla Pealt ekspoesal adalah bayakya agka pada bars ke- da kolo ke- sela agka yag terplh Pegalokasa pada sel dega pealt ekspoesal terkecl Jka terdapat pealt ekpoesal terkecl yag saa, aka pegalokasa bergatug pada rata-rata pertaa da 71

2 Aru Rya eptaa, olkh, Luca Ratasar (Metode AM Pada Masalah Trasportas ) persedaa terkecl utuk sel yag bersesuaa Hapr serupa dega etode Expoetal Approach, etode AM yag dperkealka oleh Abdul Quddoos, Dr hakeel Javad, da Prof Mohd Masood Khald uga eetapka deks pealt e utuk setap sel- yag berla, yag aa deks pealt e adalah bayakya agka pada bars ke- da kolo ke- da tdak terasuk agka yag terplh pada sel- Pegalokasa pada sel dega deks pealt terkecl Jka terdapat deks pealt terkecl yag saa, aka pegalokasa bergatug pada hasl peulaha dar baya tereduks pada bars ke- da kolo ke- dar sel- yag bersagkuta dega hasl peulaha terbesar Jka ash terad kesaaa, aka elh sel- (sel yag elk dek e terkecl yag saa) yag elk rata-rata persedaa da pertaa terkecl Pada [7] dbahas etode AM utuk eyelesaka asalah trasportas pada kasus euka baya Keuda eksstes keoptalaya belu dtuukka Oleh karea tu, berdasarka etode AM perlu dka algorta utuk eyelesaaka asalah trasportas kasus eaksuka keutuga da dseldk keoptala dar etode AM Keuda dka beberapa cotoh sulas uerk 2 MAALAH TRANPORTAI Msalka terdapat suber da tuua uatu produk x aka dagkut dar suber 1,2,, ke tuua 1,2,, dega baya agkut per ut sebesar c, aka ulah produk sebesar x dkrka dar pusat suber a ke pusat tuua b Model trasportas dapat druuska sebaga berkut: P M z c x dega batasa x a, 1,2,, x b, 1,2,, x, 1,2,, ; 1,2,, Masalah trasportas dkataka sebag (balaced) apabla ulah persedaa saa dega ulah pertaa, yatu a b da ka 1 1 tdak aka dkataka tdak sebag Defs 21 [8] Hpua alokas x 1,2,, ; 1,2,, yag eeuh kedala pada asalah trasportas dsebut solus fsbel Defs 22 [8] olus fsbel dkataka solus optal ka euka total baya trasportas Utuk ea asalah trasportas epuya solus fsbel aka trasportasya harus sebag, sepert dberka teorea berkut Teorea 23 [8] (Eksstes) Masalah trasportas elk solus fsbel ka da haya ka erupaka asalah trasportas sebag, yatu Bukt: a b 1 1 Dketahu asalah trasportas elk solus fsbel x 1,2,, ; 1,2,, Msalka solus fsbel Berart eeuh batasa/ kedala 1 1 x a, 1,2,, x b, 1,2,, x, 1,2,, ; 1,2,, ehgga dperoleh, Jad, x a da a b 1 1 x b

3 Jural Mateatka Vol 2, No 2, Agustus 217 : dketahu asalah trasportas sebag, yatu a b Msalka 1 1 x b, 1,2,, ; 1,2,, daa adalah faktor proporsoal utuk suber da supply terdstrbuska seuaya Karea x b aka laut a x b b b 1 x b, lebh 1 1 Oleh karea tu, dperoleh a x b a, 1,2,, da 1 1 b 1 a x b b, 1,2,, 1 1 b 1 Hal berart x 1,2,, ; 1,2,, erupaka solus fsbel Jad asalah trasportas sebag elk solus fsbel Dberka asalah trasportas dega baya tereduks, yatu 1 P z c u v x 1 1 dega kedala 1 1 x a, 1,2,, x b, 1,2,, x, 1,2,, ; 1,2,, daa u, v blaga rl Utuk ea setap asalah trasportas elk solus optal, dberka teorea berkut Teorea 24 [9] Utuk sebarag solus optal asalah trasportas ( P 1) erupaka solus optal dar asalah trasportas ( P ) Bukt: Dabl sebarag x x 1,2,, ; 1,2,, solus optal dar ( P 1) aka, yag eeuh kedala pada Karea z c u v x 1 1 x solus fsbel P da 1 c x u x v x z u a v b 1 1 ua da 1 vb tdak 1 bergatug pada x, aka x uga solus optal utuk asalah trasportas ( P ) Teorea 24 aka dguaka utuk euukka Teorea 25 sebaga berkut Teorea 25 [9] Jka x 1,2,, ; 1,2,, solus fsbel dar asalah trasportas ( P) da c u v, utuk seua da, daa u da v adalah blaga rl sedeka sehgga u dar asalah trasportas ( P1 ) berla, aka x 1,2,, ; 1,2,, adalah solus optal dar asalah trasportas ( P ) Bukt: Dabl sebarag x 1,2,, ; 1,2,, solus fsbel dar ( P ), aka 1 x a, 1,2,, x b, 1,2,, 1 Karea c u v,, da z c u v x 1 1 c u v x 1 1, aka 73

4 Aru Rya eptaa, olkh, Luca Ratasar (Metode AM Pada Masalah Trasportas ) z c x a u b v da eeuh x a, 1,2,, ; x b, 1,2,, ; 1 x, 1,2,, ; 1,2,, Karea z c x a u b v da eeuh x a, 1,2,, ; 1 x b, 1,2,, ; 1 x, 1,2,, ; 1,2,,, aka berart x 1,2,, ; 1,2,, solus optal dar (P 1 ) Berdasarka Teorea 24 aka x 1,2,, ; 1,2,, solus optal dar (P) 3 METODE AM Metode AM erupaka etode lagsug utuk eyelesaka asalah trasportas Metode etkberatka pada sel hasl reduks bars da kolo yag elk agka dega deks terkecl Berkut aka duraka algorta dar etode AM bak utuk eyelesaka kasus u aupu kasus aksu pada asalah trasportas sebag Utuk egubah asalah trasportas kasus aksu ke dala asalah trasportas kasus u dbarka lea berkut Lea 31 Dberka z c x, 1 1 c, x, 1,2,, ; 1,2,, aka aks z z Bukt: Msalka aks z a aks z a aks z a a x, x z a x, x z a x, xz a y, y z a z aks z z Jad, Algorta pada etode AM egacu pada [7], berdasarka Lea 31 perbedaaya haya pada lagkah pertaa utuk kasus eaksuya, yatu baya c dubah ead c Berkut algorta dar etode AM 1) Mebetuk Tabel Trasportas Utuk asalah trasportas kasus u baya c tetap Utuk asalah trasportas kasus aksu baya c dubah ead c 2) Reduks Bars Megurag setap etr bars dega baya terkecl dar etr asg-asg bars, yatu c u 3) Reduks Kolo Megurag setap etr kolo dega baya terkecl dar etr asg-asg kolo, yatu c u v 4) Peetapa deks Meetapka deks e utuk setap sel yag berla, yag aa deks e adalah bayakya agka pada bars ke- da kolo ke- da tdak terasuk agka yag terplh pada sel- 5) Pegalokasa Melh agka ol dega deks e terkecl da egalokaska sel dega ulah terbesar yag ugk dega elhat persedaa da pertaa sel yag yag bersagkuta Jka terdapat deks e terkecl yag saa (lebh dar satu), aka eghtug asg-asg ulah ' c c u v pada bars ke- da kolo ke- dar sel- yag 74

5 Jural Mateatka Vol 2, No 2, Agustus 217 : bersagkuta (sel yag elk dek e terkecl yag saa) da egalokaska sebesar ugk pada sel dega hasl peulaha terbesar Jka ash terad kesaaa, aka elh sel- (sel yag elk dek e terkecl yag saa) yag elk rata-rata persedaa da pertaa terkecl 6) Perbaka Tabel Trasportas Mebuat tabel trasportas baru utuk perhtuga selautya dega egabaka bars atau kolo yag pertaa atau persedaaya telah terpeuh Megecek apakah tabel trasportas baru elk palg sedkt satu agka pada setap bars da kolo Jka tdak, kebal ke lagkah 2 da 3 7) Megulag lagkah ke-4 sapa lagkah ke-6 sedeka sehgga seua pertaa terpeuh da seua persedaa habs olus yag dperoleh dega etode AM pada asalah trasportas sebag erupaka solus optal, sepert dperlhatka dala teorea d bawah Teorea 32 olus yag dperoleh dega etode AM utuk sebarag asalah trasportas sebag (P) erupaka solus optal Bukt: Dberka sebarag asalah trasportas sebag ( P ) (kasus euka) Msalka u la terkecl dar bars ke- da v la terkecl dar kolo ke- Reduks bars-kolo dperoleh c u v, utuk seua da Meetapka deks pada setap sel berla da egalokaska sebesar ugk pada deks terkecl Dperoleh solus x 1,2,, ; 1,2,, utuk asalah trasportas yag atrks bayaya, dega x utuk c u v da x utuk c u v Oleh karea z c u v x 1 1 berla ol da eeuh kedala ( P 1), aka eurut Teorea 25 x 1,2,, ; 1,2,, solus optal dar asalah trasportas (P) 4 IMULAI NUMERIK Dberka cotoh peyelesaa asalah trasportas sebag bak kasus euka baya trasportas aupu eaksuka keutuga serta dberka cotoh uga bahwa utuk asalah trasportas tak sebag etode AM belu tetu eberka solus optal Cotoh 41 Masalah Trasportas ebag Tabel Trasportas ub er A B C D Per taa Tuua (dala rbua rupah) W X Y Z x 11 x 12 x 13 x x 21 x 22 x 23 x x 31 x 32 x 33 x x 41 x 42 x 43 x 44 Perse daa Reduks Bars da Reduks Kolo uber Tuua (dala rbua rupah) W X Y Z Persed aa A B C D Pert aa Peetua deks e 75

6 Aru Rya eptaa, olkh, Luca Ratasar (Metode AM Pada Masalah Trasportas ) uber Tuua (dala rbua rupah) W X Y Z Persed aa A B C D Pert aa olus Optal uber A B C D Pert aa Tuua (dala rbua rupah) W X Y Z Perse daa dperoleh baya total 41 Jka dselesaka dega progra POM for Wdows Cotoh 42 Trasportas ebag Kasus Maksu rk Age B Prod uks suppl y H Jual de 1 8 ad Karea erupaka kasus aksu, aka baya dkalka dega -1 rk Age suppl dea d Reduks bars da kolo rk Age y suppl y dea d Peetua deks e rk Age suppl y dea d olus akhr rk de ad Age sup ply Dperoleh total keutuga aksu 2785 olus berdasarka progra POM for Wdows Utuk asalah trasportas tak sebag, etode AM belu tetu 76

7 Jural Mateatka Vol 2, No 2, Agustus 217 : eberka solus optal sepert cotoh d bawah Cotoh 43 Masalah Trasportas Tak ebag Tabel Trasportas tak sebag rk Age D 1 D 2 D 3 D 4 D D Karea belu sebag, aka perlu dsebagka dega cara eabahka kolo duy Trasportas ebag Age -rk D 1 D 2 D 3 D 4 D 5 D D Reduks Bars da Kolo Age -rk D 1 D 2 D 3 D 4 D 5 D D Peetua deks e Age -rk D 1 D 2 D 3 D 4 D 5 D D Tabel solus akhr 1 2 Age D 1 D 2 D 3 D 4 D 5 D D dega total baya 1595 olus belu optal ka dselesaka dega MODI, yatu dperoleh total baya 1545 Jka dselesaka dega progra POM for Wdows, teryata dperoleh total baya 1545 sebaga berkut 5 PENUTUP Metode AM erupaka etode lagsug da sebaga etode alteratf utuk eyelesaka asalah trasportas, bak utuk kasus euka baya trasportas aupu kasus eaksuka keutuga Perbedaa algorta dkedua kasus haya terletak pada lagkah pertaa, yatu utuk kasus eaksuka aka koefse baya degatfka Metode AM eberka solus optal pada asalah trasportas sebag, aka tetap utuk asalah trasportas tak sebag tdak selalu eberka solus optal Metode relatf udah da sederhaa utuk daplkaska pada asalah trasportas sebag 6 DAFTAR PUTAKA [1] swato, (216), Operato Research, Erlagga, Jakarta [2] Wsto, W L, (24), Operatos Research Applcatos ad Algorts 4th ed, Duxbury, New York [3] K Thagaraa, H aravaa, Poaal Nataraa, (213), Fdg o Optal oluto for Trasportato Proble- Zero Neghbourg Method, Ultra cets, vol 25(2)A, pp

8 Aru Rya eptaa, olkh, Luca Ratasar (Metode AM Pada Masalah Trasportas ) [4] M R Fegade, V A Jadhav, A A Muley, (212), olvg Fuzzy Trasportato Proble Usg Zero uffx ad Robust Rakg Methodology, IOR Joural of Egeerg (IORJEN), vo 2(7), pp [5] Gaurav hara, H Abbas, V K Gupta, (212), Optu oluto of Trasportato proble wth the help of Zero Pot Method, Iteratoal Joural of Egeerg Research & Techology (IJERT), vol 1(5), pp 1 6 [6] Ezhl Vaa ad Rekha, (213), A New Method for Obtag a Optal oluto for Trasportato Proble, Iteratoal Joural of Egeerg ad Advaced Techology (IJEAT), vol 2(5), pp [7] Abdul Quddoos, hakeel Javad, M M Khald, (212), A New Method for Fdg a Optal oluto for Trasportato Probles, Iteratoal Joural o Coputer cece ad Egeerg (IJCE), vol 4(7), pp [8] Mohaaselv, K Gaesa, (212) Fuzzy Optal oluto to Fuzzy Trasportato Proble: A New Approach, Iteratoal Joural o Coputer cece ad Egeerg (IJCE), vol 4(3), pp [9] P Pada, G Nataraa, (21), A New Algorth for Fdg a Fuzzy Optal oluto for Fuzzy Trasportato Probles, Appled Matheatcal ceces, vol 4(2), pp

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang

Metode Perbaikan ASM pada Masalah Transportasi Tak Seimbang SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 Metode Perbaka ASM pada Masalah Trasportas Tak Sebag T - 35 Solkh Departee Mateatka FSM Uverstas Dpoegoro sol_erf@yahooco Abstrak Masalah trasportas

Lebih terperinci

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari)

Penyelesaian Model Transportasi Menggunakan Metode ASM, RDI dan MODI (Studi Kasus : PT. Melayu Bumi Lestari) Jural Sas Mateatka da Statstka, Vol. 3, No. 2, Jul 2017 ISSN 1693-2390 prt/issn 2407-0939 ole Peyelesaa Model Trasportas Megguaka Metode ASM, RDI da MODI (Stud Kasus : PT. Melayu Bu Lestar) Sr Basrat 1,

Lebih terperinci

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

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

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri)

PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Studi Kasus pada PT. Busana Cemerlang Garment Industri) PENYELESAIAN PERSOALAN TRANSPORTASI DENGAN FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE (Stud Kasus pada PT. Busaa Ceerlag Garet Idustr) Maxs Ary Progra Stud Maaee Iforatka Akadek Maaee Iforatka da Koputer

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE

PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE Maxs Ary 1), Asep Hera 2) 1)2) AMIK BSI Badug Jl.Sekolah Iterasoal No.1-6 Atapa Badug, Idoesa

Lebih terperinci

Jurnal Techno Nusa Mandiri Vol.X No.1, September 2013

Jurnal Techno Nusa Mandiri Vol.X No.1, September 2013 Jural Techo Nusa Madr Vol.X No.1, Septeber 2013 PENYELESAIAN PERSOALAN TRANSPORTASI FUZZY COST MENGGUNAKAN PENDEKATAN BASIS TREE DAN METODE NWC-STEPPING STONE Maxs Ary 1), Asep Hera 2) 1)2) AMIK BSI Badug

Lebih terperinci

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks DAFTAR PUSTAKA [] Apkara, P., P. Gahet, G Becker. (995), Self-scheduled H Cotrol of Lear Paraeter-varyg Systes : a Desg Eeple, Autoatca, 3, 25-26. [2] Bajerdpogcha, D., (997), Paraetrc Robust Cotroller

Lebih terperinci

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

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

Lebih terperinci

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

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

Lebih terperinci

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

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

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

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

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

Lebih terperinci

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, smrd2007@gmal.com 2 Mathematcs Departmet, Gadah Mada Uverst, supama@ugm.ac.d

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA

PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA PERANAN PERSYARATAN KARUSH-KUHN-TUCKER DALAM MENYELESAIAN PEMROGRAMAN KUADRATIS SKRIPSI AMALIA 58 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 9

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

Lebih terperinci

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT 68 Bud: PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT Dya Seta Bud ), Da Reto Sar Dew ), D Edah

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

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

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

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL A-12 Sswato 1, Ar Suparwato 2, M Ady Rudhto 3 1 Mahasswa S3 Matematka FMIPA UGM da Staff Pegajar FMIPA UNS Surakarta,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

27/04/2015 GAME THEORY GAME THEORY GAME THEORY GAME THEORY. Prisoner s Dilema OPERATIONAL RESEARCH II

27/04/2015 GAME THEORY GAME THEORY GAME THEORY GAME THEORY. Prisoner s Dilema OPERATIONAL RESEARCH II 7/0/05 GAME THEORY OPERATONAL RESEARCH Agusta Euke, ST., MT., MBA. dustral Egeerg Uversty of Brawaya Teor peraa erupaka baga dar stud ratoal behavor terhadap kesalgtergatuga atau terdepedes atar pea. Para

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ 5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega

Lebih terperinci

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Pemodelan

BAB 2 LANDASAN TEORI 2.1 Pemodelan BAB LANDASAN TEORI. Peodela Dala elakuka aalss terhadap suatu kasus yata, peodela sergkal dperluka utuk ebatu eecahka kasus yata tu. Starr da Mller eyataka, odel adalah represetas dar suatu realta yag

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Persoala utaa yag dhadap oleh seorag aaer atau pegabl eputusa adalah bagaaa egaloasa suatu suber yag terbatas datara berbaga atvtas atau proye Progra lear adalah suatu etode yag dapat

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA PELABELAN HARMONIS GANJIL PADA GRAF KINIR ANGIN BELANDA DAN GABUNGAN GRAF KINIR ANGIN BELANDA Fery Frmasah ), Kk Aryat Sugeg ) Abstrak : Gra G V G, EG dega V G adalah hmpua smpul da G hmpua busur dsebut

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

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

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1). BAB II LANDASAN EORI.. Model Matematka Model Matematka merupaka represetas matematka yag dhaslka dar pemodela Matematka. Pemodela Matematka merupaka suatu proses merepresetaska da mejelaska permasalaha

Lebih terperinci

Extra 4 Pengantar Teori Modul

Extra 4 Pengantar Teori Modul Extra 4 Pegatar Teor odul Apabla selama dkealka suatu kosep aljabar megea ruag vektor, maka modul merupaka perumuma dar ruag vektor. Pada modul, syarat skalar dperumum mejad eleme pada suatu rg da buka

Lebih terperinci

π ( ) menyatakan peluang bahwa

π ( ) menyatakan peluang bahwa GRF RN SNY D SSTE ERSN CHN- OOGOROV u Nugrahe Jurusa eddka atematka F Uverstas uhammadyah uroreo Jala H.. Dahla uroreo e-mal: u_r@telkom.et bstrak Tuua dar eulsa adalah megetahu kostruks betuk graf alra

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

Lebih terperinci

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Masalah Norm Mmum (Karat) MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Karat da Dhorva Urwatul Wutsqa Jurusa Peddka Matematka FMIPA Uverstas Neger Yogakarta Abstract I ths paper, wll be dscussed

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

Pemanfaatan Teknologi Informasi Dalam Pengendalian Kualitas Produk Kerajinan Bordir menggunakan Peta Kendali Variabel Fuzzy Linguistik

Pemanfaatan Teknologi Informasi Dalam Pengendalian Kualitas Produk Kerajinan Bordir menggunakan Peta Kendali Variabel Fuzzy Linguistik SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 05 Peafaata Tekolog Iforas Dala Pegedala Kualtas Produk Keraa Bordr egguaka Peta Kedal Varabel Fuzzy Lgustk Akk Hdayat Fakultas MIPA, Uverstas

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

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

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

Lebih terperinci

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

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

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

Lebih terperinci

PELABELAN GRACEFUL SATU MODULO w PADA BEBERAPA GRAF EULER

PELABELAN GRACEFUL SATU MODULO w PADA BEBERAPA GRAF EULER PELABELAN GRACEFUL SATU MODULO PADA BEBERAPA GRAF EULER Isa 1, Luca Ratasar, R. Heru Tjahjaa 3 1,,3 Jurusa Matematka, Fakultas Sas da Matematka, Uverstas Dpoegoro Jl. Prof. H. Soedarto, S.H. Tembalag,

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Sebaga besar dar persoala maajeme berkeaa dega pegguaa sumber secara efse atau alokas sumber-sumber yag terbatas (teaga kerja terampl, baha metah, modal) utuk mecapa tujua yag dgka

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

KODE SIKLIK (CYCLIC CODES)

KODE SIKLIK (CYCLIC CODES) Pegatar Teor Pegkodea (Codg Theory) KODE SIKLIK (CYCLIC CODES) Dose Pegampu : Al Sutjaa DISUSUN OLEH: Nama : M Zak Ryato Nm : /5679/PA/8944 Program Stud : Matematka JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

IDEAL DALAM ALJABAR LINTASAN LEAVITT

IDEAL DALAM ALJABAR LINTASAN LEAVITT Delta-P: Jural Matematka da Peddka Matematka ISSN 289-855X Vol., No. 2, Oktober 22 IDAL DALAM ALJABAR LINTASAN LAVITT Ida Kura Walyat Program Stud Peddka Matematka Jurusa Peddka MIPA FKIP Uverstas Kharu

Lebih terperinci