PROSIDING ISBN: Uji Kecocokan Chi-Kuadrat Untuk Distribusi Poisson. Pada Data Asuransi

Ukuran: px
Mulai penontonan dengan halaman:

Download "PROSIDING ISBN: Uji Kecocokan Chi-Kuadrat Untuk Distribusi Poisson. Pada Data Asuransi"

Transkripsi

1 PROSIDING ISBN: Uji Kecocoan Chi-Kuadrat Untu Distribusi Poisson Pada Data Asuransi S-14 Lisnur Wachidah e-ail: Abstra Untu eerluan analisis secara araetri ada suatu asusi yang harus dienuhi, yaitu aaah engiuti distribusi tertentu atauah tida. Dala ehiduan sehari-hari variabel yang engiuti distribusi Poisson adalah variabel yang enggabaran eristiwa-eristiwa yang jarang terjadi atau eluang terjadinya suatu eristiwa sangat ecil (Sudjana, 199). Pada saat ini, asyaraat engguna endaraan roda dua sangat sediit yang engasuransian endaraannya dibandingan dengan eili endaraan roda eat. Dengan adanya fenoena deiian aa dari data Klai Peegang Polis engenai freuensi lai eegang olis ingin dietahui aaah engiuti distribusi Poisson atauah tida. Pada aalah ini data yang digunaan adalah data seunder untu ulai olis dari tanggal 1 Januari 6 saai dengan tanggal 31 Deseber 6 (Naradi, 8). Setelah dianalisis enggunaan uji ecocoan χ (chi-uadrat), hasil engujian adalah signifian artinya data Klai Peegang Polis untu tanggal ulai olis dari tanggal 1 Januari 6 saai dengan tanggal 31 Deseber 6 adalah tida engiuti distribusi Poisson. Kata unci: distribusi χ, distribusi Poisson 1. Pendahuluan Definisi asuransi adalah suatu erjanjian dari seorang enanggung engiatan diri ada tertanggung dengan eneria suatu rei untu enggantian suatu enggantian eadanya arena suatu erugian, erusaan atau ehilangan, atau suatu eristiwa yang tida diharaan, yang ungin aan dideritanya arena suatu Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 653

2 PROSIDING ISBN: eristiwa yang tida tentu, isal ecelaaan, ehilangan harta benda dan eatian (Robert,E.L., 1951). Asuransi adalah usaha yang enjain eselaatan sejulah eayaan dari suatu ejadian yang tida terduga, yang enyebaban hilangnya eayaan, diana eayaan tersebut tida hanya berua ateri tetai daat juga hal-hal yang wajib dihargai. Dari eiiran bahwa hidu enuh dengan etidaastian, aa asuransi enjadi enting, arena usibah yang aan terjadi tida daat diredisi aan unculnya arena tida daat diraalan (Siddiq, Muhaad, N., 1987). Dala ehiduan sehari-hari tana disadari bahwa ita hidu tana etidaastian. Dengan adanya etidaeastian tersebut aa ada beberaa orang yang endaftaran dirinya untu iut asuransi, sebab orang tersebut tida ingin engalai erugian. Asuransi ada dua jenis, yaitu asuransi jiwa atau life insurance dan asuransi erugian atau casualty insurance. Asuransi jiwa adalah eruaan suatu bentu erja saa antara orang-orang yang enghindaran atau inial engurangi risio yang diaibatan oleh eatian. Sedangan asuransi erugian enutu ertanggungan untu erugian arena erusaan atau eusnahan harta benda yang diertanggungan arena sebab-sebab atau ejadian yang diertanggungan. Dala asuransi erugian enanggung eneria rei dari tertanggung dan aabila terjadi erusaan atau eusnahan harta benda yang diertanggungan aa enggantian erugian aan dibayaran eada tertanggung, isal adalah asuransi endaraan berotor. Salah satu variabel yang dijadian dasar dala erhitungan rei adalah sejarah lai individu eegang olis dala hal ini freuensi lainya. Peegang olis yang eunyai sejarah lai yang banya aan ebayar rei yang lebih besar dibandingan dengan eegang olis yang eunyai sejarah tana lai (Leaire.J.,1995). Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 654

3 PROSIDING ISBN: Aabila variabel freuensi lai yang dijadian dasar untu enghitung rei asuransi dari ara eegang olis, aa rosedur ertaa yang harus dilauan adalah engidentifiasi odel atau distribusi dari freuensi lai tersebut. Diarenaan freuensi lai diduga adalah terasu eada distribusi oisson, aa ingin diuji aaah data freuensi lai dari asuransi adalah engiuti distribusi oisson atauah tida.. Tinjauan Pustaa.1 Distribusi Poisson Pandanglah distribusi Binoial (N,) diana N ercobaan banya seali dan nilai eunginan untu suses ecil seali, aa distribusi yang terbentu adalah distribusi oisson. Dala ehiduan sehari-hari variabel yang engiuti distribusi oisson adalah variabel yang enggabaran eristiwa-eristiwa yang jarang terjadi, isal dala asuransi adalah jarang seseorang yang engasuransian endaraan roda duanya eada erusahaan asuransi. Definisi : Aabila X eruaan sebuah variabel disrit yang engiuti distribusi eluang (Walole,R.E.,1986) : λ e λ X = ) = ; =, 1,,...! Maa X disebut variabel yang engiuti distribusi oisson. Rata-rata untu distribusi oisson adalah µ = λ = n Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 655

4 PROSIDING ISBN: Uji Kecocoan Untu enguji ecocoan distribusi oisson untu data freuensi lai ada asuransi daat enggunaan statisti uji chi-uadrat, dengan eruusan hiotesis secara uu adalah sebagai beriut : H : = ; Terdaat ecocoan antara eluang freuensi lai dengan distribusi oisson. H : ; Tida terdaat ecocoan antara eluang freuensi lai dengan distribusi oisson. Dala hal ini : adalah eluang engaatan (freuensi lai) untu ategori. adalah distribusi eluang oisson. Statisti uji yang digunaan adalah : ( n n ) χ = n = Dala hal ini : n adalah banyanya eegang olis yang elauan lai adalah asiu banyanya lai dala data engaatan. Statisti uji di atas adalah berdistribusi ebebasan) adalah -r. χ (chi-uadrat) dengan υ(derajat Kriteria uji untu ersoalan di atas adalah : Tola hiotesis H jia nilai statisti uji χ χ ( α ; r) Dala hal ini : Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 656

5 PROSIDING ISBN: α adalah eruaa taraf nyata atau taraf signifian r adalah banyanya araeter yang ditasir χ ( α ; r) dieroleh dari tabel distribusi chi-uadrat. 3. Metode Prosedur untu engujian uji ecocoan distribusi oisson adalah sebagai beriut: a. Peruusan hiotesis b. Data yang dieroleh disusun dala tabel distribusi freuensi lai c. Menghitung nilai rata-rata dan varians dari data tabel freuensi lai. Forula atau ruus untu rata-rata adalah :. n = x = n Dala hal ini n = n = Forula atau ruus untu varians adalah : s n = n n n( n 1) = = Dengan enggunaan etode enasiran oen, araeter distribusi oisson λˆ ditasir dengan x. d. Menghitung eluang untu setia freuensi lai Forula atau ruus untu eluang setia freuensi lai adalah : Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 657

6 PROSIDING ISBN: X λ e λ = ) =! e. Menghitung nilai n (nilai haraan) untu setia, yaitu eralian antara dengan banyanya eegang olis. f. Menghitung statisti uji chi-uadrat. g. Menentuan riteria uji, yaitu aaah hiotesis H ditola atau diteria dengan taraf nyata yang telah ditentuan. h. Kesiulan. 4. Contoh Peneraan Data yang digunaan enulis untu data asuransi adalah enggunaan data seunder (Naradi;8) yaitu data tentang lai eegang olis asuransi roda dua PT Asuransi Uu dari tanggal 1 Januari 6 saai dengan tanggal 31 Deseber 6 yang disajian ada Tabel 1. Tabel 1. Data Klai Peegang Polis Roda Dua PT Asuransi Uu No. Polis Naa Tertanggung Tgl. Kejadian Tgl. Mulai Tgl. Ahir Budi 7/9/6 1/3/6 3/1/7 651 Luan 1/5/6 4/1/6 4/1/7 651 Luan 6/3/6 4/1/6 4/1/7 651 Luan 5/7/6 4/1/6 4/1/7 Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 658

7 PROSIDING ISBN: Sandy 4/4/6 4/1/6 4/1/ Olivia 1/1/6 9/1/6 9/1/ Irvan 1/5/6 1//6 1//7 Suber : Naradi; 8 Untu enguji aaah data freuensi lai engiuti distribusi oisson atauah tida, aa langah-langah yang harus dilauan adalah : a. Peruusan hiotesis H : = ; freuensi lai eegang olis berasal dari distribusi oisson H : ; freuensi lai eegang olis buan berasal dari distribusi oisson b. Data dari Tabel 1. disusun e dala tabel distribusi freuensi lai (Tabel.) Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 659

8 PROSIDING ISBN: Tabel. Distribusi Freuensi Klai Peegang Polis Freuensi Klai () Julah Peegang Polis Yang Melauan Klai Sebanya (n) >5 Julah 698 Suber : Hasil erhitungan enulis Dari Tabel daat dilihat ternyata : o o Ada 489 eegang olis yang tida elauan lai selaa satu tahun asa asuransinya. Ada 131 eegang olis yang elauan lai sebanya 1 ali lai selaa satu tahun asa asuransinya. Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 66

9 PROSIDING ISBN: o o o o Ada 58 eegang olis yang elauan lai sebanya ali lai selaa satu tahun asa asuransinya. Ada 13 eegang olis yang elauan lai sebanya ali lai selaa satu tahun asa asuransinya. Ada 6 eegang olis yang elauan lai sebanya 4 ali lai selaa satu tahun asa asuransinya. Ada 1 eegang olis yang elauan lai sebanya 5 ali lai selaa satu tahun asa asuransinya. c. Langah selanjutnya data dari Tabel dihitung nilai rata-rata dan varians. Nilai rata-rata dieroleh :. n = x = n (489) + 1(131) + (58) + 3(13) + 4(6) + 5(1) x = 698 x =,4513 Nilai varians adalah : s n = n n n( n 1) = = s 698(61) = 698(697) ( 315) s =,6583 d. Menghitung eluang untu setia freuensi lai Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 661

10 PROSIDING ISBN: Untu = X λ e λ = ) =! X e = ) =,4513,4513! X = ) =,6368 Dengan cara yang saa aa aan dieroleh : Untu = 1 1 X = 1) =,874 Untu = X = ) =,648 Untu = 3 3 X = 3) = 9,7555x1 3 Untu = 4 4 X = 4) = 1,7 x1 4 Untu = 5 5 X = 5) = 9,9346 x1 5 e. Setelah nilai dieroleh, langah selanjutnya enghitung nilai haraan untu setia freuensi lai (n ). Untu = n = 698 x,6368 Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 66

11 PROSIDING ISBN: n = 444,4864 Untu = 1 n 1 = 698 x,874 n 1 =,65 Untu = n = 698 x,648 n = 45,34 Untu = 3 n 3 = 698 x 9,7555x1-3 n 3 = 6,893 Untu = 4 n 4 = 698 x 1,7x1-4 n 4 =,768 Untu = 5 n 5 = 698 x 9,9346x1-5 n 5 =,69 Dari hasil erhitungan di atas, daat disajian e dala tabel antara Data Pengaatan dengan Nilai Haraan Untu Setia Freuensi Klai (Tabel 3). Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 663

12 PROSIDING ISBN: Tabel 3 Data Pengaatan Dan Nilai Haraan Untu Setia Freuensi Klai n n , , , ,8 4 6,8 5 1,1 >5. Julah Suber : Hasil Perhitungan f. Langah selanjutnya adalah enghitung nilai statisti uji chi-uadrat. Perhitungan statisti uji dengan enggunaan ruus : χ ( n ) = = n n Maa dieroleh nilai statisti uji adalah : Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 664

13 PROSIDING ISBN: ( ,5) χ = 444,5 (131,6) +,6 (58 45,) + 45, ( 7,7) + 7,7 χ = 4, , , ,6481 χ = 51,9713 g. Dengan enggunaan taraf nyata 5 %, dari tabel chi-uadrat dieroleh nilai χ,95: = 5,99 Sehingga nilai statisti uji > dari nilai chi-uadrat tabel, aa hiotesis H ditola. 5. Kesiulan Dari hasil erhitungan ternyata hiotesis Ho ditola, aa daat disiulan bahwa dengan enggunaan taraf nyata 5 % ternyata data freuensi lai tida engiuti distribusi oisson. Daftar Pustaa Leaire, J., Bonus Malus Syste in Autoobile Insurance, Kluwer Acadeic Publishers, Boston/London. Naradi, 8. Pengujian Kecocoan Distribusi Poisson-Inverse Gaussian Untu Data Freuensi Klai Perusahaan asuransi Uu, Srisi, Unsiba, 8. Robert, E.L., Life Insurance Matheatics, John Wiley & Sons, Inc., New Yor. Siddiq, Muhaad N., Asuransi Di Dala Isla, Pustaa, Bandung. Sujana, 199, Metoda Statistia, Edisi 5, Tarsito, Bandung. Walole, R.E., Ilu Peluang Untu Insinyur dan Iluwan, ITB, Bandung. Seinar Nasional Mateatia dan Pendidian Mateatia Jurusan Pendidian Mateatia FMIPA UNY, 5 Deseber 9 665

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode

Lebih terperinci

Research Consortium OPPINET, Institut Teknologi Bandung

Research Consortium OPPINET, Institut Teknologi Bandung IATMI 006-TS-9 PROSIDING, Siosiu Nasional & Kongres IX Ikatan Ahli Teknik Perinyakan Indonesia (IATMI) 006 Hotel The Ritz Carlton Jakarta, 5-7 Noveber 006 APLIKASI NILAI EFISIENSI ALIRAN DAN METODE SEQUENTIAL

Lebih terperinci

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data 2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti

Lebih terperinci

PENENTUAN BESAR CADANGAN PADA ASURANSI JIWA BERSAMA DWIGUNA DENGAN MENGGUNAKAN METODE ILLINOIS

PENENTUAN BESAR CADANGAN PADA ASURANSI JIWA BERSAMA DWIGUNA DENGAN MENGGUNAKAN METODE ILLINOIS Jurnal Mateatika UNAND Vol. 5 No. 3 Hal. 85 91 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND PENENTUAN BESAR CADANGAN PADA ASURANSI JIWA BERSAMA DWIGUNA DENGAN MENGGUNAKAN METODE ILLINOIS FERDY NOVRI

Lebih terperinci

Diajukan Sebagai Salah Satu Syarat Guna Mengikuti Ujian Skripsi untuk Memperoleh Gelar Strata Satu pada Jurusan Matematika. Oleh

Diajukan Sebagai Salah Satu Syarat Guna Mengikuti Ujian Skripsi untuk Memperoleh Gelar Strata Satu pada Jurusan Matematika. Oleh SKRISI ENERAAN TEOREMA KARAKTERISASI ADA DISTRIBUSI OISSON DALAM MENENTUKAN ELUANG MEMENANGKAN SUATU ERMAINAN Diajuan Sebagai Salah Satu Sarat Guna Mengiuti Ujian Srisi untu Meeroleh Gelar Strata Satu

Lebih terperinci

Ukuran Pemusatan Data

Ukuran Pemusatan Data Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

3.1 TEOREMA DASAR ARITMATIKA

3.1 TEOREMA DASAR ARITMATIKA 3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si

BEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

BAB II RESPONS STRUKTUR TERHADAP PEMBEBANAN DINAMIK

BAB II RESPONS STRUKTUR TERHADAP PEMBEBANAN DINAMIK Laporan Tugas Ahir Peodelan Nueri Respons Benturan Tiga Strutur Aibat Gepa BAB II RESPONS STRUKTUR TERHADAP PEMBEBANAN DINAMIK. UMUM Gepa bui adalah suatu geraan tiba tiba atau suatu rentetan geraan tiba

Lebih terperinci

KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA

KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA Jurnal Mateatika UNAND Vol. 3 No. 4 Hal. 160 167 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA

Lebih terperinci

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure 8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher

Lebih terperinci

IMPLEMENTASI ALGORITMA GENETIKA DENGAN MAGNIFIED GRADIENT FUNCTION DAN DETERMINISTIC WEIGHT MODIFICATION DALAM MULITLAYER NEURAL NETWORK

IMPLEMENTASI ALGORITMA GENETIKA DENGAN MAGNIFIED GRADIENT FUNCTION DAN DETERMINISTIC WEIGHT MODIFICATION DALAM MULITLAYER NEURAL NETWORK IMLEMETAI ALGORITMA GEETIA DEGA MAGIFIED GRADIET FUCTIO DA DETERMIITIC WEIGT MODIFICATIO DALAM MULITLAYER EURAL ETWOR endry etiawan, Rully oelaian rogra ascasarjana, Jurusan Teni Inforatia, Faultas Tenologi

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA . Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing . DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

BAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia

BAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional

Lebih terperinci

BAB 3 RUANG BERNORM-2

BAB 3 RUANG BERNORM-2 BAB RUANG BERNORM-. Norm- dan Ruang ` De nisi. Misalan V ruang vetor atas R berdimensi d (dalam hal ini d boleh ta hingga). Sebuah fungsi ; V V! R yang memenuhi sifat-sifat beriut;. x; y 0 ia dan hanya

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

BAB I PENDAHULUAN. daya nasional yang memberikan kesempatan bagi peningkatan demokrasi, dan

BAB I PENDAHULUAN. daya nasional yang memberikan kesempatan bagi peningkatan demokrasi, dan BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan daerah sebagai bagian yang integral dari pebangunan nasional dilaksanakan berdasakan prinsip otonoi daerah dan pengaturan suber daya nasional yang

Lebih terperinci

BAB I BUNGA TUNGGAL DAN DISKONTO TUNGGAL. Terminologi: modal, suku bunga, bunga, dan jangka waktu.

BAB I BUNGA TUNGGAL DAN DISKONTO TUNGGAL. Terminologi: modal, suku bunga, bunga, dan jangka waktu. BAB I BUNGA TUNGGAL DAN DISKONTO TUNGGAL Terminologi: modal, suu bunga, bunga, dan janga watu. Modal adalah sejumlah uang yang disiman atau ditabung atau diinjam ada (dari) suatu Ban atau badan lain. Suu-bunga

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

Lebih terperinci

APLIKASI H- KONTROL PADA SISTEM MASSA PEGAS. Kasbawati 1)

APLIKASI H- KONTROL PADA SISTEM MASSA PEGAS. Kasbawati 1) Paradiga, Vol. 4 No. Agustus hl. 3 APLIKASI H- KONTROL PADA SISTEM MASSA PEGAS Kasawati ) ) Jurusan Mateatia MIPA Universitas Hasanuddin, Maassar 945 E-ail: asawati@gail.co ABSTRAK Pada enelitian ini aan

Lebih terperinci

ANALISA DESAIN KONEKSI KAPASITOR KOMPENSASI ARUS PADA PENGETESAN LOAD LOSSES TRANSFORMATOR

ANALISA DESAIN KONEKSI KAPASITOR KOMPENSASI ARUS PADA PENGETESAN LOAD LOSSES TRANSFORMATOR ANASA DESAN KONEKS KAPASTOR KOMPENSAS ARUS PADA PENGETESAN OAD OSSES TRANSFORMATOR Abdul Hafidh Hajar Jurusan Teni Eletro FT, nstitut Tenologi Sepuluh Nopeber Kapus TS, Keputih-Suolilo, Surabaya-60, Eail:

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

Analisa Mode Getar Membran Melingkar The Analysis Of Circular Membrane Vibration Modes

Analisa Mode Getar Membran Melingkar The Analysis Of Circular Membrane Vibration Modes Analisa Mode Getar Mebran Melingar The Analysis Of Cirular Mebrane Vibration Modes Herfien Rediansyah, Agus Purwanto dan Suarna Pusat Studi Getaran dan Bunyi, Jurdi Fisia, FMIPA, UNY ABSTRAK Penelitian

Lebih terperinci

einstein cs Fisika Soal

einstein cs Fisika Soal [OSN-Kabupaten 2008] 1. Sebuah elevator nai e atas dengan percepatan a e. Saat etinggian elevator terhadap tanah adalah h dan ecepatannya adalah v e (anggap t = 0), sebuah bola dilepar vertial e atas dengan

Lebih terperinci

Penentuan Lokasi dan Alokasi Produk untuk Sub-Distributor dan Outlet pada PT. Sinar Niaga Sejahtera Distributor Wilayah Surakarta

Penentuan Lokasi dan Alokasi Produk untuk Sub-Distributor dan Outlet pada PT. Sinar Niaga Sejahtera Distributor Wilayah Surakarta Perfora (2010) Vol. 9, No.2: 53-58 Penentuan Loasi dan Aloasi Produ untu Sub-Distributor dan Outlet ada PT. Sinar Niaga Seahtera Distributor Wilayah Suraarta Fahrina Faha 1, Yuniaristanto dan Aditya Pradana

Lebih terperinci

D. GAYA PEGAS. F pegas = - k x

D. GAYA PEGAS. F pegas = - k x D. GY EGS ESISIS. Elastisitas adalah : ecenderungan pada suatu benda untu berubah dala bentu bai panjang, lebar aupun tingginya, tetapi assanya tetap. Hal itu disebaban oleh gayagaya yang enean enarinya,

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaan Perembanan dunia perbanan yan disertai denan meninatnya omplesitas ativitas perbanan semain memperteas pentinnya tata elola perusahaan yan sehat (ood corporate overnance)

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEJADIAN KARIES GIGI PADA ANAK USIA SEKOLAH DASAR 7-12 TAHUN DI KELURAHAN KENJERAN SURABAYA

FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEJADIAN KARIES GIGI PADA ANAK USIA SEKOLAH DASAR 7-12 TAHUN DI KELURAHAN KENJERAN SURABAYA 1 FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEJADIAN KARIES GIGI PADA ANAK USIA SEKOLAH DASAR 7-12 TAHUN DI KELURAHAN KENJERAN SURABAYA 1 Izzah Qomarul Haq S, 2 Destri Susilaningrum dan 3 M. Sjahid Abar Jurusan

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK

Lebih terperinci

Sistem Linear Max-Plus Interval Waktu Invariant

Sistem Linear Max-Plus Interval Waktu Invariant Siste Linear Max-Plus Interval Waktu Invariant A 11 M. Andy udhito Progra Studi Pendidikan Mateatika FKIP Universitas Sanata Dhara Paingan Maguwoharjo Yogyakarta eail: arudhito@yahoo.co.id Abstrak elah

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN

Jurnal EKSPONENSIAL Volume 3, Nomor 2, Nopember 2012 ISSN Jurnal EKSPONENSIAL Volume 3 Nomor Noember ISSN 85-789 Pemodelan Fator-fator yang Memengaruhi Pemberian Air Susu Ibu Di Wilayah Kera Pusat Kesehatan Masyaraat Wonoreo Kota Samarinda Menggunaan Regresi

Lebih terperinci

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu

Lebih terperinci

Bab III. Dasar Teori

Bab III. Dasar Teori Bab III Dasar Teori Pada dasarnya, engujian yang dilakukan untuk engetahui koefisien refleksi dan transisi odel eecah gelobang struktur akresi ineral, adalah suatu uaya untuk ereroduksi suatu keadaan laangan

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor

Lebih terperinci

Delay System II. Sistem Antrian M/M/m

Delay System II. Sistem Antrian M/M/m 03/2/202 Deay Syste II Siste Antrian M/M/ Kedatangan panggian : oisson arriva Service tie : exponentiay distributed Juah server : anjang antrian : ta terhingga Diagra transisi ondisi 0 2 + 2 3 = syste

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika

REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika ISBN : 978-979-17979-0-0 Prosiding Seminar Nasional Mahasiswa S3 Matematia REVITALISASI D A N SOSIALISASI DIRI UNTUK BERPERAN AKTIF DALAM PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

BAB II KONSEP DAN DEFINISI

BAB II KONSEP DAN DEFINISI 6 BAB II KONSEP DAN DEFINISI Pada bab ini aan dijelasan onsep dan definisi-definisi yang digunaan dalam metode pada penelitian ini. 2.1 DATA TRANSAKSI isalan = { 1, 2, 3,..., } adalah himpunan semua produ

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

Model Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan

Model Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

Impuls dan Momentum By. Aan S. Arcadie

Impuls dan Momentum By. Aan S. Arcadie Iuls dan Moentu y. Aan S. Arcadie A. Iuls (I ---- Ns) ada saat Anda enendang bola, gaya yang diberikan kaki aada bola teradi dala waktu yang sangat singkat. Gaya seerti ini disebut sebagai gaya iulsif.

Lebih terperinci

PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT

PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember

Lebih terperinci

BAB ELASTISITAS. Pertambahan panjang pegas

BAB ELASTISITAS. Pertambahan panjang pegas BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?

Lebih terperinci

BAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.

BAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin. BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH) Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/

Lebih terperinci

PROSIDING ISBN: PENGUJIAN HIPOTESIS RATA-RATA BERURUT MENGGUNAKAN STATISTIK CHI-KUADRAT RANK. (Pendekatan Non Parametrik) oleh

PROSIDING ISBN: PENGUJIAN HIPOTESIS RATA-RATA BERURUT MENGGUNAKAN STATISTIK CHI-KUADRAT RANK. (Pendekatan Non Parametrik) oleh POSIDING ISBN: 978-979-6353-3- S-3 PENGUJIAN HIPOTESIS ATA-ATA BEUUT MENGGUNAKAN STATISTIK CHI-KUADAT ANK (Pendeatan Non Parametri) oleh H. Berni Masun *) Statisti ui untu hiotesis, digunaan statisti ui

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi yang dijadikan tempat dalam penelitian ini adalah Tempat

BAB III METODE PENELITIAN. Lokasi yang dijadikan tempat dalam penelitian ini adalah Tempat BAB III METODE PENELITIAN 3.1 Loasi an Watu Penelitian 3.1.1 Loasi penelitian Loasi yang ijaian tempat alam penelitian ini aalah Tempat Pelelangan Ian (TPI) Kota Gorontalo. 3.1. Watu penelitian Penelitian

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.

Lebih terperinci

BAB III ANALISIS JALUR

BAB III ANALISIS JALUR BAB III ANALISIS JALUR. Pendahuluan Analisis Jalu adalah suatu eluasan dai model egesi yang digunaan untu menguji ecocoan dai matis oelasi tehada dua atau lebih model ausal yang sedang dibandingan dan

Lebih terperinci

MODEL PENENTUAN UKURAN LOT PRODUKSI DENGAN POLA PERMINTAAN BERFLUKTUASI

MODEL PENENTUAN UKURAN LOT PRODUKSI DENGAN POLA PERMINTAAN BERFLUKTUASI Jurnal Teni Industri, Vol. 11, No. 2, Deseber 2009, pp. 122-133 ISSN 1411-2485 MODEL PENENTUAN UKURAN LOT PRODUKSI DENGAN POLA PERMINTAAN BERFLUKTUASI Doci Saraswati 1, Andi Caravastia 2, Berawi P. Isandar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

BAB IV METODE BELAJAR HEBBIAN

BAB IV METODE BELAJAR HEBBIAN BAB IV MEODE BELAJAR HEBBIAN - Aturan Hebb meruaan salah satu huum embelajaran jaringan neural yang ertama. Diemuaan oleh Donald Hebb (949). Hebb lahir di Chester, Nova Scotia, ada ergantian abad. - Isinya

Lebih terperinci

SISTEM VERIFIKASI CITRA TANDATANGAN DENGAN METODE POLA BUSUR TERLOKALISASI

SISTEM VERIFIKASI CITRA TANDATANGAN DENGAN METODE POLA BUSUR TERLOKALISASI SISTEM VERIFIKASI CITRA TANDATANGAN DENGAN METODE POLA BUSUR TERLOKALISASI A.A. K. Oa Sudana Staf Jurusan Teni Eletro, Faultas Teni, Universitas Udayana ABSTRACT Signature is used as a proof of one s ratification.

Lebih terperinci

BAB I PENDAHULUAN. sumber untuk membiayai dirinya dan keluarganya, dan bagi tenaga kerja yang

BAB I PENDAHULUAN. sumber untuk membiayai dirinya dan keluarganya, dan bagi tenaga kerja yang BAB I PENDAHULUAN A. Latar Belakang Upah bagi para pekerja erupakan faktor penting karena erupakan suber untuk ebiayai dirinya dan keluarganya, dan bagi tenaga kerja yang berpendidikan upah erupakan hasil

Lebih terperinci

MENENTUKAN KRITERIA PRIMA BERDASARKAN KONGRUEN LUCAS. Nani Anugrah Putri S 1, Sri Gemawati 2 ABSTRACT

MENENTUKAN KRITERIA PRIMA BERDASARKAN KONGRUEN LUCAS. Nani Anugrah Putri S 1, Sri Gemawati 2 ABSTRACT MENENTUKAN KRITERIA PRIMA BERDASARKAN KONGRUEN LUCAS Nani Anugah Puti S Si Geawati 2 2 Poga Studi S Mateatia Juusan Mateatia Faultas Mateatia dan Ilu Pengetahuan Ala Univesitas Riau Kapus Bina Widya Peanbau

Lebih terperinci

4 Departemen Statistika FMIPA IPB

4 Departemen Statistika FMIPA IPB Suplemen Responsi Petemuan ANALISIS DATA KATEGORIK (STK351) 4 Depatemen Statistia FMIPA IPB Poo Bahasan Sub Poo Bahasan Refeensi Watu Ui Hipotesis Tiga Contoh atau Lebih Ui Fiedman (analisis agam dua-aah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.

Lebih terperinci

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009 KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

ANALISIS KELAYAKAN-PAKAI MINYAK PELUMAS SAE 10W-30 PADA SEPEDA MOTOR (4TAK) BERDASARKAN VISKOSITAS DENGAN METODE VISKOMETER BOLA JATUH

ANALISIS KELAYAKAN-PAKAI MINYAK PELUMAS SAE 10W-30 PADA SEPEDA MOTOR (4TAK) BERDASARKAN VISKOSITAS DENGAN METODE VISKOMETER BOLA JATUH ANALISIS KELAYAKAN-PAKAI MINYAK PELUMAS SAE 10W-0 PADA SEPEDA MOTOR (4TAK) BERDASARKAN VISKOSITAS DENGAN METODE VISKOMETER BOLA JATUH Ladrian Rohmi Abdi Syahdanni 1), Ir. Suhariyanto, MT ),Ir. Mahirul

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

MODEL REGRESI LOGISTIK ORDINAL IPM PROVINSI JAWA TENGAH PERIODE TAHUN 2007

MODEL REGRESI LOGISTIK ORDINAL IPM PROVINSI JAWA TENGAH PERIODE TAHUN 2007 Seminar Nasional Statistia IX Institut enologi Seuluh Noember, 07 November 009 MODEL REGRESI LOGISIK ORDINAL IPM PROVINSI JAWA ENGAH PERIODE AHUN 007 Citra Fatimah Nur Mahasiswa Jurusan Statistia, Institut

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL Afifah *), Indri Subeti **) *) Mahasiswa Abid Unisa **)Dosen Abid Unisa ABSTRAK

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci