dengan probabilitas laju kelahiran dengan probabilitas laju kematian
|
|
- Sri Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6.5 Proses Kelahiran(kemunculan) dan Kematian(kehilangan) dengan State Absorpsi Proses kelahiran dan kematian dimana 0 (kondisi awal laju kelahiran sama dengan nol, atau dapat dikatakan bahwa tidak ada kelahiran dari state nol ke state satu) sering kali muncul dan mempunyai hubungan yang penting. Untuk proses ini, state 0 adalah state absorpsi. Contohnya mengenai proses pertumbuhan kelahiran dan kematian tanpa imigrasi (6.3.3). Pada dijelaskan bahwa : n=0,1 n=0,1 0 : laju kelahiran 0 : laju kematian 0 : laju immigrasi Jadi, ketika 0 terjadi kelahiran tanpa immigrasi artinya, pertumbuhan populasi berasal dari populasi yang ada. Pada kasus ini, dan (tidak ada immigrasi). Ketika pertumbuhan populasi berasal dari populasi yang ada, jelas bahwa ketika populasi bernilai 0 selanjutnya akan tetap 0:i, e, 0 adalah state absorbsi Probabilitas dari State Absorpsi menuju State 0 Hal yang penting untuk menghitung probabilitas absorpsi dari state 1 sampai ke state 0. Hal ini tidak terjadi, yang lebih penting, kejadian tertentu ketika partikel yang disusun (i.e..state variabel) yang mungkin akan selalu memutar sepanjang state (1,2, ) atau mungkin penyimpangan yang tidak pernah berakhir. Andaikan 1,2, merupakan probabilitas terabsorpsi menuju state 0 dari state awal. Kita dapat menuliskan rumus berulang untuk dengan mempertimbangkan state yang mungkin setelah transisi pertama. Kita mengetahui bahwa transisi pertama membutuhkan perpindahan, 1 dengan probabilitas laju kelahiran 1 dengan probabilitas laju kematian Memasukkan dalam bentuk yang lebih umum yaitu analisis step pertama, sehingga kita peroleh, 1, 6.37
2 dimana 1. Pembuktian : 1,2,. 0 1 probabilitas laju kelahiran 1 probabilitas laju kematian dimana 1 Misal, artinya probabilitas absorpsi dari state awal 5 menuju state 0 Ada dua cara untuk mencapai state nol (0) yaitu: 1. Melalui state ke enam lalu baru ke state nol State lain yang mungkin, melalui state ke empat, baru ke state nol. 5 4 Kemungkinan 4 0 Metode lain untuk menurunkan persamaan (6.37) adalah dengan menganggap embedded random walk yang dihubungkan dengan proses kelahiran dan kematian. Terutama, kita menguji proses kelahiran dan kematian hanya pada waktu transisi. Waktu diskrit Markov chain dihasilkan dalam cara ini yang ditunjukkan oleh, dimana adalah state awal dan 1 adalah state untuk transisi ke-. Secara jelas, matriks probabilitas transisi mempunyai bentuk dimana Karena 1 Probabilitas laju kelahiran , 1
3 Probabilitas laju kematian Probabilitas absorpsi menuju state 0 untuk embedded random walk adalah sama seperti proses kelahiran dan kematian ketika kedua proses melakukan transisi yang sama. Sebuah pendekatan masalah yang berhubungan (gambler s ruin) untuk random walk telah dipelajari pada bagian Selanjutnya kita menyelesaikan (6.37) subjek untuk kondisi 1 dan Penulisan ulang persamaan 6.37 Diketahui, kita memperoleh Maka diperoleh, 1., 1. Iterasi dari hasil relasi terakhir dengan rumus, dimana Dan dengan, selanjutnya 1, 1. 1, 1. Kesimpulan dari persamaan terakhir dari 1 1 kita memperoleh 1, Ketika, sangat berarti, dibatasi dengan 1, kita lihat bahwa jika
4 6.39 selanjutnya, diperlukan 1 dan 1 untuk semua 2. Dengan kata lain, jika persamaan (6.39) digunakan maka absorpsi terakhir menuju state 0 pasti dari state awal. Andaikata 0 1; maka tentu saja Bukti : untuk 1 dan 1 untuk semua 2 Untuk Untuk 1 maka Ternyata, menurun pada ketika melewati state menuju state 0 yang mengikuti masuknya state pertengahan pada waktu terhalang (intervening time). Secara lebih jauh, hal itu dapat ditunjukkan bahwa 0 sebagaimana. Sekarang andaikan pada persamaan (6.38) mengizinkan kita untuk menyelesaikan, sehingga Bukti : 1
5 dan kemudian dari persamaan (6.38) kita memperoleh Waktu rata-rata (mean time) hingga absorpsi, 1. Anggap masalah perhitungan waktu rata-rata hingga absorpsi dimulai dari state m. Kita asumsikan bahwa kondisi (6.39) tetap jadi absorpsi pasti terjadi. Perlu diperhatikan bahwa kita tidak dapat menganggap remeh masalah kita untuk consideration dari embedded random walk ketika menghabiskan waktu sebenarnya dalam setiap state yang relevan untuk menghitung ratarata waktu absorpsi. Diberikan adalah rata-rata waktu absorpsi dimulai dari state. Anggap state yang mungkin terjadi pada transisi pertama, ada pada analisis langkah pertama, dan digunakan kembali fakta bahwa rata-rata waktu tunggu dalam state ke adalah (distibusi Eksponensial dengan parameter ), dapat diambil kesimpulan : 1 waktu rata-rata absorpsi dari state ke-i, ketika 0. Lalu diberikan dan menyusun kembali persamaan (6.40) diperoleh
6 Sehingga diperoleh 1 1 (Hasil dianggap 1) menggunakan notasi 1 dan 1 Sehingga persamaan menjadi
7 Terbukti bahwa 1 Karena dan, maka Jika , kemudian dari (6.42) dinyatakan bahwa. Jelas bahwa untuk semua dan sifat ini tidak berlaku untuk besar jika diasumsikan terbatas. Sekarang anggap dengan maka persamaan (6.42) dihasilkan 1 lim 1
8 Didownload dari Ini lebih sulit tetapi masih mungkin dibuktikan bahwa Maka 1 lim 0 1 Kita menyimpulkan diskusi dari bagian ini kedalam teorema dibawah ini Teorema 6.1 Proses kelahiran dan kematian dengan parameter kelahiran, dan parameter kematian,, 1 0 sehingga 0 adalah state absorbsi. Probabilitas absorbsi ke state 0 dari state awal m Waktu rata-rata absorpsi adalah Dimana 1 dan 6.44 Example Proses Populasi anggap proses pertumbuhan kelahiran dan kematian tanpa perpindahan (cf.section 6.3.3) dimana, 0,1, selama suatu interval waktu pendek/singkat dengan panjangnya, individu tunggal di dalam populasi mati dengan probabilitas, dan 0 0 mewakili angka kelahiran dan kematian individu, yang berturut-turut. Subsitusikan 0 dan dalam persamaan (6.25), untuk menentukan rata-rata ukuran populasi pada waktu untuk populasi awal dengan 0 individu. Ukuran rata-rata populasi adalah memperlihatkan kehilangan atau pertumbuhan bersifat exponensial ketika
9 Didownload dari Lalu kita uji gejala kematian dan ditentukan kemungkinan bahwa populasi akhirnya mati. Gejala ini sesuai dengan penyerapan di state 0 untuk proses kelahiran dan kematian ketika suatu perhitungan langsung menghasilkan / dan kemudian / / 1 / Dari theorem 6.1 probabilitas tentang kepunahan (extinction) dimulai dengan individual adalah Pr 0 / 1 Ketika, akhirnya proses hilang. Pada kasus ini ukuran rata-rata populasi konstan di awal tingkatan populasi. Situasi serupa dimana nilai rata-rata tidak cukup mendeskripsikan perilaku populasi yang sering muncul ketika ada unsur-unsur stocastik. Perhatikan bahwa rata-rata waktu menuju kepunahan diasumsikan kepunahan itu pasti, untuk itu,ketika. Untuk populasi awal dengan individu tunggal, kemudian dari (6.44) dengan m=1 kita menentukan waktu rata-rata Ketika laju kelahiran melebihi laju kematian kelahiran dan kematian dapat digambarkan sebagai proses pertumbuhan linear, dengan probabilitas positif kuat, pertumbuhan
10 tanpa batas (limit). Dalam perbedaan kontras, banyak populasi natural memperlihatkan densitas perlakuan yang saling terkait dimana laju kelahiran individu menurun atau laju kematian individu meningkat atau keduanya berubah seiring pertumbuhan populasi. Perubahan ini dianggap berasal dari faktor-faktor persediaan makanan yang terbatas, meningkatnya pemangsa, kepadatan, dan terbatasnya tempat tinggal. Karena itu, kita mengenalkan gagasan tentang hal yang berhubungan dengan lingkungan kapasitas pembawa K (carrying capacity K), sebuah batas atas dimana ukuran/jumlah populasi tidak dapat melampauinya. Karena semua individu mempunyai kesempatan untuk mati, dengan sebuah kapasitas bawaan tertentu, semua populasi pasti akan mengalami kepunahan. Ukuran kita dari kemampuan populasi akan menjadi waktu rata-rata kepunahan dan itu penting untuk para ekolog populasi yang mempelajari fenomena kolonisasi untuk memeriksa bagaimana kapasitas K., laju kelahiran, dan laju kematian mempengaruhi rata-rata waktu hidup populasi. Model harus memenuhi sifat dari pertumbuhan eksponensial (yang terletak pada rata-rata) untuk populasi kecil sama seperti melebihi batas tertinggi K yang mana populasi tidak dapat tumbuh. Ada beberapa jalan untuk mendekati ukuran populasi K dan berada di titik keseimbangan. Karena semua model-model memberikan lebih banyak atau lebih sedikit hasil kualitatif yang sama, kami menetapkan model paling sederhana yang mana parameternya kelahiran adalah 0,1,, 1 0 Teorema 6.1 menghasilkan. Waktu rata-rata untuk kepunahan populasi mulai dengan sebuah individu tunggal seperti diberikan dengan Persamaan (6.47) memisahkan faktor-faktor yang jelas mempengaruhi waktu rata-rata kepunahan populai. Faktor pertama adalah, rata-rata waktu hidup dari individu sejak adalah rata-rata individu mati. Jadi, jumlah dalam (6.47) merepresentasikan/mewakili rata-rata generasi atau rata-rata kehidupan(lifespans) menuju kepunahan populasi, hasil ukuran setidaknya kita tunjukkan dengan, (6.48)
11 Selanjutnya kita mempelajari pengaruh dari kelahiran-kematian atau ratio reproduksi dan kapasitas bawaan K pada waktu rata-rata kepunahan. Karena mewakili laju kelahiran individu dan adalah rata-rata hidup dari anggota tunggal dalam populasi, kita boleh mengartikan ratio reproduksi sebagai rata-rata jumlah dari keturunan sebarang individu dalam populasi. Jadi, kita harus menduga dengan signifikan perbedaan kelakuan ketika 1 berlawanan dengan ketika 1, dan ini adalah kasus yang nyata. Sebuah kapasitas bawaan dari K =100 adalah kecil. Ketika K adalah permintaan 100 atau lebih, kita mempunyai pendekatan yang akurat di bawah ini, turunannya di rumuskan dalam latihan 1 dan 2 di akhir bab ini: 1 1 1, , Perbedaan diantara 1 dan 1 jelas. Ketika 1, rata-rata generasi menuju kepunahan adalah hampir tidak tergantung dari kapasitas bawaan K dan pendekatan nilai asimtotik ln 1 sangat cepat. Ketika 1, rata-rata generasi menuju kepunahan tumbuh secara eksponensial dalam K. beberapa perhitungan berdasarkan (6.49) diberikan dalam table 6.1. Table 6.1. rata-rata generasi punah untuk sebuah populasi yang dimulai dari induk tunggal dimana adalah rata-rata reproduksi dan K adalah kapasitas yang berhubungan dengan lingkungan. K 0,8 1 1,2 10 1,96 2,88 3, ,01 5, ,01 7,48 7,59 10 Contoh Pengendalian sterilisasi (pemandulan) serangga jantan lalat screwworm, hama ternak di iklim hangat, telah dimusnahkan dari AS bagian tenggara dengan dilepaskan lalat screwworm
12 jantan dewasa yang telah di sterilisasi ke dalam lingkungan. Ketika jantan ini disterilisasi secara buatan dengan radiasi, kawin dengan betina lokal, mereka tidak menghasilkan keturunan, dan dalam cara ini kemampuan reproduksi dari populasi alami adalah nol(telah dihapuskan) dengan adanya lalat jantan ini(yang telah disterilisasi). Jika jantan steril cukup banyak sehingga menyebabkan sedikit penurunan tingkat populasi, kemudian penurunan ini mempercepat di dalam peristiwa pergantian generasi jika jumlah jantan steril dirawat kira-kira pada tingkat yang sama, karena rasio dari jantan steril terhadap jantan subur akan meningkat seperti anjloknya populasi alami. Karena pengaruh percampuran ini jika metode kontrol jantan steril berjalan lancar, kerjanya seperti memperluas pengendalian populasi lokal menuju kepunahan di dalam area yang diterapkan. Baru-baru ini, usaha milyaran dolar dimasukkan ke dalam teknik jantan steril telah diusulkan untuk pengendalian kumbang perusak biji kapas. Dalam contoh ini telah dirasakan bahwa perlakuan awal dengan pestisida dapat mengurangi ukuran populasi alami ke tingkat yang sama seperti teknik jantan steril yang lebih efektif. Mari kita periksa asumsi ini, pertama dengan model deterministik kemudian dengan keadaan stokastik. Untuk kedua model kita menganggap bahwa jenis kelamin jumlahnya sama, bahwa jantan steril dan jantan subur saling berkompetisi/bersaing, dan bahwa jumlah konstan S dari jantan steril ada ditiap generasi. Di dalam kasus deterministik, jika jantan subur ada di generasi induk dan betina subur memilih untuk kawin seperti seluruh populasi jantan, kemudian bagian dari perkawinan ini dengan jantan subur akan menghasilkan keturunan. menunjukkan jumlah keturunan dari salah satu jenis kelamin dalam perkawinan subur, kita menghitung ukuran N generasi selanjutnya menurut : 6.50 Untuk contoh angka, anggap bahwa ada =100 jantan subur dan jumlah yang sama dari betina subur dalam generasi induk dari populasi local, dan S=100 jantan serangga steril dilepaskan. Jika =4, berarti perkawinan subur menghasilkan 4 jantan dan 4 betina untuk generasi sukses, kemudian jumlah jenis kelamin yang lain dalam generasi pertama adalah Populasi meningkat dan metode kontrol jantan steril telah gagal. Tabel 6.2 Trend dari subject populasi serangga pada pengadaan jantan mandul.
13 Jumlah serangga Jumlah serangga Perbandingan Jumlah keturunan Generasi dalam populasi alami yang mandul mandul: subur Induk :1 13,33 F1 13, ,5: 1 6,27 F2 6, :1 1,48 F3 1, ,5:1 0,09 F4 0, :1 - Disisi lain jika pestisida dapat digunakan untuk menurunkan ukuran awal populasi menjadi N 20 atau 20% dari tingkat sebelumnya,dan S=100 jantan mandul dilepaskan.lalu 20 N , Dan populasi menurun.ukuran generasi selanjutnya diberikan dalam tabel 6.2.Dengan perlakuan awal,populasi punah pada generasi keempat. Sering kali pada proses deterministic atau nilai rata-rata model akan cukup mendeskripsikan evolusi perluasan populasi. Tapi kepunahan adalah fenomena populasi kecil dan terjadi dalam hadirnya long term trend signifikan, populasi kecil yang menyebabkan fluktuasi menghasilkan kepunahan atau rekoloni yang akan terjadi. Inilah fakta yang memotivasi kita untuk menentukan model stokastik dari evolusi populasi dalam hadirnya jantan mandul. Inilah faktor- faktor modelnya λ, laju kelahiran individu µ, laju kematian individu θ=λ n, rata-rata keturunan per individu K, kapasitas bawaan dari lingkungan S, nilai konstan dari populasi jantan mandul, dan m, ukuran populasi awal Kita misalkan bahwa kedua jenis kelamin akan mewakili angka yang sama dalam populasi alami, dan X(t), angka dari jenis kelamin lain mewakili waktu t, disusun sebagai proses lahir dan mati dengan parameter
14 Didownload dari Dan 0 0 0,1,. Ini adalah model kolonisasi dari contoh proses populasi, dikembangkan dalam analogi dengan (6.50) yang termasuk laju kelahiran, faktor untuk mewakili probabilitas terjadi perkawinan subur. Untuk menghitung rata- rata waktu kepunahan yang diberikan dalam (6.44),mulamula kita gunakan persamaan (6.51) untuk menghasilkan 1 dan, 0....!.!!, 1,., 1 Selanjutnya substitusi persamaan-persamaan ini untuk ke dalam persamaan (6.44) agar menghasilkan pers.(6.52) w !!!! Karena dari faktorial, persamaan 6.52 menunjukkan kesulitan nilai saat perhitungan secara langsung diusahakan. Iterasi sederhana mudah bekerja untuk meningkatkan keakuratan dan pengaruh perhitungan, sedemikian sehingga didapatkan 1 1!!!! Sehingga. Tetapi secara mudah dibuktikan bahwa 1
15 Mulai dengan 0, berturut-turut dihitung,,, dan kemudian. Menggunakan metode ini, kita telah menghitung rata-rata generasi punah di dalam model stokastik untuk membandingkan dengan model deterministik sebagaimana diberikan dalam tabel 6.2. Tabel 6.3 adalah daftar rata-rata generasi punah untuk macam ukuran populasi awal bila 100,λ 4, dan 1 sehingga 4. Dari empat generasi kepunahan diramalkan dengan model deterministik ketika 20, kita sekarang memperkirakan bahwa populasi akan terus ada untuk 8 milyar generasi berikutnya! Tabel 6.3 rata-rata lifespan kepunahan pada satu model kelahiran dan kematian dari satu populasi yang mengandung satu angka tetap S=100 dengan laki-laki steril. Ukuran awal populasi Lifespan kepunahan 20 8,101,227, ,306, , Jelaskan hubungan perbedaan antara model prediksi deterministik dan model prediksi stokastik? Model stokastik memberikan nilai yang kecil tetapi probabilitas positif yang populasinya tidak akan mati tetapi akan mengalami rekoloni dan kembali ke level tertinggi mendekati kapasitas lingkungan K dan bertahan untuk waktu yang sangat lama. Sementara kedua model adalah kualitatif, implikasi praktis tidak bisa dihilangkan. Suatu usaha kendali dengan skala besar, tempat tinggal yang luas dan untuk lingkungan mikro mengalami pembatasan. Model stokastik mengusulkan suatu kemungkinan bahwa beberapa subpopulasi dalam beberapa lingkungan bisa bertahan dan selanjutnya mengalami recolonize di seluruh daerah. Program jantan mandul yang tergantung percobaan awal dengan insektisida adalah keuntungan yang terbaik.
16 Didownload dari PEMBAHASAN SOAL 4. anggap proses kelahiran dan kematian di state 0,1...,5. Dengan parameter 0 1, 2, 3, 4 4, 3, 2, 1 catatan bahwa 0 dan 5 adalah state absorbsi. Anggap bahwa proses dimulai pada X(0)=2 (a) Berapa probabilitas absorpsi terakhir di state 0? (b) Berapa waktu rata-rata untuk absorpsi? Penyelesaian : a. Menurut Dicari terlebih dahulu karena λ pada saat state ke-2 maka sehingga 1. b. Mean time to arbsorpsi Menurut Akan dicari terlebih dahulu. Lihat 6.46, karena λ untuk state 2 maka: 1 1 0,05 1 1
17 0,05 1 0, , , , ,
18 PROSES KELAHIRAN (KEMUNCULAN) DAN KEMATIAN (KEHILANGAN) DENGAN STATE ABSORPSI Disusun Guna Memenuhi Tugas Mata Kuliah Pengantar Proses Stokastik Oleh : Nurul kustinah Eka Hely Jayanti Nanda Putri Monalisa Nanda Hidayati Novi Amalia Nugrahaeni Yurista M M M M M M JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2010
Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciKarakteristik Limit dari Proses Kelahiran dan Kematian
Karakteristik Limit dari Proses Kelahiran dan Kematian Disusun guna memenuhi tugas mata kuliah Pengantar Proses Stokastik Disusun oleh : Saidun Nariswari Setya Dewi Lisa Apriana Marvina Puspito Nita Eka
Lebih terperinci6.6 Rantai Markov Kontinu pada State Berhingga
6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada
Lebih terperinciPENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI
PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI Aditya Candra Laksmana, Respatiwulan, dan Ririn Setiyowati Program Studi Matematika Fakultas Matematika dan Ilmu
Lebih terperinci6.3 PROSES KELAHIRAN DAN KEMATIAN
6.3 PROSES KELAHIRAN DAN KEMATIAN Penjelasan dari proses-proses kelahiran murni dan kematian murni telah diskusikan pada bagian 6.1 dan 6.2 bahwa X(t) memungkinkan untuk naik ataupun turun. Jadi, apabila
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Pemeliharaan Untuk menjamin kontinuitas kegiatan operasional suatu sistem, keandalan setiap komponen peralatan sangat dijaga agar peralatan tersebut tidak mengalami kegagalan
Lebih terperinciPenentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi
Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Aditya Candra Laksmana 1*, Respatiwulan 2, dan Ririn Setiyowati 3 1, 3 Program Studi Matematika Fakultas MIPA, Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciPROSES KEMATIAN MURNI (Pure Death Processes)
PROSES KEMATIAN MURNI (Pure Death Processes) Komplemen dari bertambahnya proses kelahiran murni adalah dengan penurunan proses kematian murni. Hal itu ditunjukkan keberhasilan melewati state,,, 2, dan
Lebih terperinciPenerapan Teknik Serangga Steril Dengan Model Logistik. Dalam Pemberantasan Nyamuk Aedes Aegypti. Nida Sri Utami
Penerapan Teknik Serangga Steril Dengan Model Logistik Dalam Pemberantasan Nyamuk Aedes Aegypti Nida Sri Utami Program Studi Pendidikan Matematika FKIP UMS Lina Aryati Jurusan Matematika FMIPA UGM ABSTRAK
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciBAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau
BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan
Lebih terperinciPenelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciBAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa tinjauan mengenai teori yang diperlukan dalam pembahasan bab-bab selanjutnya antara lain tentang kontrak berjangka komoditas, model pergerakan
Lebih terperinciStatistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data
Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciAplikasi Metode Reduksi Graf pada Model Pertumbuhan Populasi Kutu Daun (Pea Afid)
Aplikasi Metode Reduksi Graf pada Model Pertumbuhan Populasi Kutu Daun (Pea Afid) Efendi, Ika Nurhayati 2,2) Jurusan Matematika, Universitas Andalas, Padang, Indonesia ) efendi@fmipa.unand.ac.id Abstrak
Lebih terperinciPROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES)
#11 PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES) 11.1. Pendahuluan Masalah keandalan yang berhubungan dengan sistem secara normal adalah space memiliki sifat diskrit yaitu sistem tersebut dapat
Lebih terperinciBAB II LANDASAN TEORI. Pada Bab Landasan Teori ini akan dibahas mengenai definisi-definisi, dan
BAB II LANDASAN TEORI Pada Bab Landasan Teori ini akan dibahas mengenai definisi-definisi, dan teorema-teorema yang akan menjadi landasan untuk pembahasan pada Bab III nanti, diantaranya: fungsi komposisi,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciKAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih
KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT Oleh: Arisma Yuni Hardiningsih 126 1 5 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Fakultas Matematika
Lebih terperinciBAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi
BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi Garansi dapat diartikan sebagai jaminan yang diberikan secara tertulis oleh pabrik atau supplier kepada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciTUGAS AKHIR. Oleh Erdina Sri Febriyanti NRP Dosen Pembimbing Dr. Erna Apriliani, M.Si Drs. Setijo Winarko, M.Si
TUGAS AKHIR ANALISIS STABILITAS DAN OPTIMAL KONTROL PADA NYAMUK AEDES AEGYPTI DENGAN TEKNIK STERILISASI SERANGGA DAN INSEKTISIDA Oleh Erdina Sri Febriyanti NRP. 1207100028 Dosen Pembimbing Dr. Erna Apriliani,
Lebih terperinciREKAYASA TRAFIK ARRIVAL PROCESS.
REKAYASA TRAFIK ARRIVAL PROCESS ekofajarcahyadi@st3telkom.ac.id OVERVIEW Point Process Fungsi Distribusi Point Process Karakteristik Point Process Teorema Little Distribusi Point Process PREVIEW Proses
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1. Pendahuluan Antrian adalah kejadian yang sering dijumpai dalam kehidupan seharihari. Menunggu di depan loket untuk mendapatakan tiket kereta api, menunggu pengisian bahan bakar,
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciBAB 8 TEORI ANTRIAN (QUEUEING THEORY)
BAB 8 TEORI ANTRIAN (QUEUEING THEORY) Analisis pertama kali diperkenalkan oleh A.K. Erlang (93) yang mempelajari fluktuasi permintaan fasilitas telepon dan keterlambatan annya. Saat ini analisis banyak
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah analisis data yang memanfaatkan informasi kronologis dari suatu kejadian atau peristiwa (event). Respon yang diperhatikan adalah waktu sampai
Lebih terperinciModel Hibrida ARIMA dan Fuzzy Time Series Markov Chain
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain Dennis Frisca Ayudya, Dewi Retno Sari Saputro Program Studi Matematika Universitas Sebelas Maret
Lebih terperinciBAB I PENDAHULUAN. memberikan gambaran tentang sejarah kehidupan suatu kohor yang berangsur-angsur berkurang jumlahnya karena kematian.
BAB I PENDAHULUAN 1.1. Latar Belakang Mortalita atau kematian merupakan salah satu diantara tiga komponen proses demografi yang berpengaruh terhadap struktur penduduk selain fertilitas dan migrasi. Organisasi
Lebih terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciT - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR)
T - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR) Felin Yunita 1, Purnami Widyaningsih 2, Respatiwulan 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas
Lebih terperinciPenggabungan dan Pemecahan. Proses Poisson Independen
Penggabungan dan Pemecahan Proses Poisson Independen Hanna Cahyaningtyas 1, Respatiwulan 2, Pangadi 3 1 Mahasiswa Program Studi Matematika/FMIPA, Universitas Sebelas Maret 2 Dosen Program Studi Statistika/FMIPA,
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR
BAB IV PEMBAHASAN 4.1 Proses Pencabangan model DTMC SIR Proses pencabangan suatu individu terinfeksi berbentuk seperti diagram pohon dan diasumsikan bahwa semua individu terinfeksi adalah saling independent
Lebih terperinciMODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS)
Jurnal Euclid, Vol. 4, No. 1, p.675 MODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS) Surya Amami Pramuditya 1, Tonah 2 1,2 Pendidikan Matematika FKIP Universitas Swadaya Gunung Jati Cirebon amamisurya@fkip-unswagati.ac.id
Lebih terperinci11/1/2016 Azwar Anas, M. Kom - STIE-GK Muara Bulian 1 TEORI ANTRIAN
11/1/2016 Azwar Anas, M. Kom - STIE-GK Muara Bulian 1 TEORI ANTRIAN 11/1/2016 Azwar Anas, M. Kom - STIE-GK Muara Bulian 2 Pendahuluan Perhatikan beberapa situasi berikut ini: Kendaraan berhenti berderet-deret
Lebih terperinciSIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI
SIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI Dwi Ardian Syah, Respatiwulan, dan Vika Yugi Kurniawan Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK.
Lebih terperinciSEJARAH DISTRIBUSI POISSON
SEJARAH DISTRIBUSI POISSON Distribusi poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukanolehs.d. Poisson (1781 1841), 1841), seorang ahli matematika berkebangsaan Perancis. Distribusi
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciMULTIKOLINEARITAS (Lanjutan)
MULTIKOLINEARITAS (Lanjutan) Tjipto Juwono, Ph.D. September 9, 2015 Pengertian Multikolinearitas Secara historis multikolinearitas menunjukkan hubungan yang sempurna antara variabel-variabel independent
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.
Lebih terperinciBAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciTERAPAN INTEGRAL. Bogor, Departemen Matematika FMIPA IPB. (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, / 22
TERAPAN INTEGRAL Departemen Matematika FMIPA IPB Bogor, 2012 (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, 2012 1 / 22 Topik Bahasan 1 Luas Daerah Bidang Rata 2 Nilai Rataan Fungsi (Departemen Matematika
Lebih terperinciPENDAHULUAN LANDASAN TEORI
1 PENDAHULUAN Latar Belakang Dalam kehidupan sehari-hari, banyak permasalahan yang dapat dimodelkan dengan proses stokastik. Proses stokastik dapat dibedakan menjadi dua yaitu proses stokastik dengan waktu
Lebih terperinciUsia massa air sering diperkirakan melalui metode perhitungan radio-usia dihitung dari mulai di distribusikannya radioaktif pelacak.
Usia massa air sering diperkirakan melalui metode perhitungan radio-usia dihitung dari mulai di distribusikannya radioaktif pelacak. Deleersnijder et al. Dalam [J. Maret Syst. 28 (2001) 229.] telah menunjukan
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis tingkat persediaan liner yang optimal dan ekspektasi keuntungan yang didapat PT Indonesia
Lebih terperinciEstimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 85 Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter
Lebih terperinciPendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit. Oleh: Enjela Puspadewi
Pendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit Oleh: Enjela Puspadewi 1207 100 026 Abstrak Rumah sakit adalah institusi pelayanan kesehatan yang menyelenggarakan
Lebih terperinciBAB II LANDASAN TEORI. pembahasan model antrian dengan working vacation pada pola kedatangan
BAB II LANDASAN TEORI Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian dengan working vacation pada pola kedatangan berkelompok (batch arrival) satu server, mencakup
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian-pengertian Ada beberapa pengertian yang secara singkat perlu diketahui untuk mendukung tulisan ini dan merupakan bahan acuan dalam mengembangkan aplikasi yang ada.
Lebih terperinciSISTEM PENGOLAHAN ISYARAT. Kuliah 2 Sinyal Acak
TK 403 SISTM PNGOLAHAN ISYARAT Kuliah Sinyal Acak Indah Susilawati, S.T., M.ng. Program Studi Teknik lektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 009 KULIAH SISTM PNGOLAHAN
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan seringkali dilakukan pengulangan yang biasanya dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam pembahasan ini dikaji mengenai nilai ekspektasi saham pada jatuh tempo, persamaan nilai portofolio, penentuan model Black-Scholes harga opsi beli tipe Eropa,
Lebih terperinciBAB II KAJIAN TEORI. hasil percobaan yang berbeda dan masing-masing mempunyai. itu menyusun kejadian, maka probabilitas kejadian
BAB II KAJIAN TEORI A. Probabilitas Teorema 2.1 (Walpole, 1992) Probabilitas menunjukan suatu percobaan mempunyai hasil percobaan yang berbeda dan masing-masing mempunyai kemungkinan yang sama untuk terjadi,
Lebih terperinciBab III. Hasil dan Pembahasan
Bab III Hasil dan Pembahasan Bab 3 menguraikan formulasi model siklus hidup nyamuk Aedes aegypti, pengolahan dan analisis data serta model regresi data telur nyamuk hasil pengamatan 3.1 Siklus Hidup Nyamuk
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciBAB III HIDDEN MARKOV MODELS. Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan
BAB III HIDDEN MARKOV MODELS Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan yang dapat diamati. Tetapi terkadang ada urutan dari suatu keadaan yang ingin diketahui tetapi tidak dapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial adalah suatu persamaan yang di dalamnya terdapat turunan-turunan. Jika terdapat variabel bebas tunggal, turunannya merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciLANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.
II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR
3 BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 4.. Sebaran asimtotik dari,, Teorema 4. ( Normalitas Asimtotik
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, menjadikan statistika memegang peranan penting dalam kehidupan. Hampir semua fenomena yang terjadi
Lebih terperinciIV. HASIL DAN PEMBAHASAN. 4.1 Asumsi yang digunakan dalam sistem mangsa-pemangsa. Dimisalkan suatu habitat dimana spesies mangsa dan pemangsa hidup
IV. HASIL DAN PEMBAHASAN 4.1 Asumsi yang digunakan dalam sistem mangsa-pemangsa Dimisalkan suatu habitat dimana spesies mangsa dan pemangsa hidup berdampingan. Diasumsikan habitat ini dibagi menjadi dua
Lebih terperinciSTUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO
STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO Suatu supermarket telah melakukan pengamatan mengenai permintaan bayam sebagai salah satu item sayur sayuran yang dijualnya.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciBAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang
BAB II LANDASAN TEORI 2.1 Konsep Dasar Peluang Pada dasarnya statistika berkaitan dengan penyajian dan penafsiran hasil yang berkemungkinan (hasil yang belum dapat ditentukan sebelumnya) yang muncul dalam
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciBAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi
Lebih terperinciSTATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan
Lebih terperinciII. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E
5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah
Lebih terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan pengertian tentang distribusi Weibull, maximum
4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan pengertian tentang distribusi Weibull, maximum likelihood estimation, penyensoran, bias relatif, penduga parameter distribusi Weibull dan beberapa istilah
Lebih terperinciIII PEMBAHASAN. μ v. r 3. μ h μ h r 4 r 5
III PEMBAHASAN 3.1 Perumusan Model Model yang akan dibahas dalam karya ilmiah ini adalah model SIDRS (Susceptible Infected Dormant Removed Susceptible) dari penularan penyakit malaria dalam suatu populasi.
Lebih terperinciPengantar Proses Stokastik
Bab 3: Rantai Markov Diskrit Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Rantai Markov Rantai Markov Rantai Markov Misalkan sebuah proses stokastik {X t } dengan t = 0, 1, 2,....
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 \ BAB I PENDAHULUAN 1.1 Latar Belakang Informasi-informasi faktual yang diperoleh berdasarkan hasil observasi maupun penelitian sangatlah beragam. Informasi yang dirangkum sedemikian rupa disebut dengan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciMODUL PEMBELAJARAN ANALISIS VARIABEL KOMPLEKS 2/22/2012 IKIP BUDI UTOMO MALANG ALFIANI ATHMA PUTRI ROSYADI
MODUL PEMBELAJARAN ANALISIS VARIABEL KOMPLEKS 2/22/2012 IKIP BUDI UTOMO MALANG ALFIANI ATHMA PUTRI ROSYADI IDENTITAS MAHASISWA NAMA NPM KELOMPOK : : : DAFTAR ISI Kata Pengantar Daftar Isi BAB I Bilangan
Lebih terperinciBAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari-hari, adanya ketidakmampuan manusia untuk mengetahui fenomena yang akan terjadi pada periode mendatang akan mengakibatkan kurang tepatnya
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciGambar 1.1. Variasi pada jengger ayam
Uraian Materi Variasi Genetik Terdapat variasi di antara individu-individu di dalam suatu populasi. Hal tersebut menunjukkan adanya perubahan genetis. Mutasi dapat meningkatkan frekuensi alel pada individu
Lebih terperinciANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 163-172 ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA Auliah Arfani, Nilamsari Kusumastuti, Shantika
Lebih terperinciModul 13. PENELITIAN OPERASIONAL TEORI ANTRIAN. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
Modul 13. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2007 1. PENGANTAR Antri adalah kejadian yang biasa dalam kehidupan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang masalah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Dalam pertandingan sepakbola, terutama dalam babak final, dukungan terhadap tim-tim yang diprediksi akan menang dalam suatu pertandingan seringkali dijadikan
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri: 1984). Usaha untuk melihat situasi pada masa yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan.
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dibahas mengenai dasar teori untuk menganalisis simulasi kestabilan model predator-prey tipe Holling II dengan faktor pemanenan. 2.1 Persamaan Diferensial Biasa
Lebih terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
Lebih terperinci