BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)
|
|
- Harjanti Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas Matematia da Ilmu Pegetahua Alam, Uiversitas Hasauddi (UNHAS), Jl. Peritis Kemerdeaa Km. 0 Maassar 9045, Idoesia ABSTRAK Baga edali multivariat diguaa utu mematau peubah secara bersamasama pada suatu proses. Adapu yag diedalia adalah vetor mea da matris variasi ovariasi. Baga edali G merupaa salah satu baga edali multivariate yag diperoleh melalui statisti G dega megguaa dua tasira matris variasi ovariasi yaitu matris variasi ovariasi full data set da matris variasi ovariasi Mea Squared Successive Differeces (MSSD). Distribusi Statisti G diperoleh melalui uji riteria rasio lielihood pada matris variasi ovariasi. Hasilya dapat diapliasia utu membetu baga edali utu pegedalia proses variabilitas data multivariate, selajutya sebagai studi asus diterapa utu data cuaca di ota Maassar pada tahu 003 sampai tahu 0. Kata Kuci : Baga edali multivariat, baga edali G, distribusi Wishart, matris variasi ovariasi, riteria rasio lielihood.. PENDAHULUAN Keputusa osume utu memilih suatu produ adalah ualitas. Hal ii meyebaba berbagai idustri meomor satua ualitas sebagai fator uci eberhasila bisis. Utu mejaga ualitas produsi maa diperlua moitorig proses secara statisti yag telah baya dieal dega Statistical Proses Cotrol (SPC). Meurut Chia-Lig da Jyh-Je (00), Statistical Proses Cotrol (SPC) merupaa metodologi medasar yag terdiri dari beberapa tei yag telah terbuti bergua dalam ualitas da produtivitas perbaia produ da proses. Statistical Process Cotrol (SPC) yag baya dieal adalah baga edali yag memberia tampila berbetu grafi atau baga dari suatu proses produsi sehigga dapat dietahui apaah proses tersebut dalam eadaa terotrol atau tida. Saat ii telah diembaga beberapa peyajia baga yag meeliti tetag matris variasi ovariasi yaitu Baga edali G yag dipereala oleh Leviso et al. (00) yag memasua perbedaa uadrat rata-rata secara berturut-turut (Mea Squared successive difereces) serta upaya utu meigata epeaa dari baga edali T pada sesitivitas peguura dispersi (Sidelar, 007). Pada paper ii aa diteliti perbadiga atara baga edali T dega baga edali G. Hasilya dapat diterapa pada studi asus data cuaca di ota Maassar pada tahu 003 sampai tahu 0.
2 . Baga Kedali Hotellig T. Data Subelompo Misala dua arateristi ualitas x da x berdistribusi ormal bivariat. μ da μ diotasia sebagai mea da σ da σ sebagai stadar deviasi dari x da x. Kovariasi atara x da x diotasia dega σ. Diasumsia σ, σ da σ dietahui, jia x da x adalah rata-rata sampel dari edua arateristi ualitas dihitug dari sampel, maa statistiya adalah X 0 = σ σ σ [σ x μ + σ x μ σ x μ x μ ] berdistribusi chi-square dega derajat bebas, yag berarti persamaa ii dapat diguaa utu p =. Motgomery (009), diasumsia bahwa distribusi peluag bersama dari arateristi ualitas p adalah distribusi ormal p-variat. Prosedur diharusa meghitug mea sampel utu masig-masig arateristi ualitas p dari sampel yag beruura. Adapu himpua dari mea arateristi ualitas ditujua dega vetor p x beriut ii x = uji statisti utu baga edali T adalah T = x x S (x x) Yaitu dega meggati μ mejadi x da Σ mejadi S, dimaa mea da variasi dihitug dari masig-masig sampel megguaa x x x p x i = s i = x ij x ij x j T dimaa i =,,, p j =,,, =,,, q Motgomery(009), batas otrol utu baga edali T terbagi atas fase yaitu Pada fase, batas edali T adalah p q ( ) UCL = q q p + F α,p,q q p+ LCL = 0 Pada fase, etia baga diguaa utu moitorig produsi edepaya p q + ( ) UCL = q q p + F α,p,q q p+ LCL = 0
3 . Pegamata Idividual Statisti T Hotellig diberia pada persamaa beriut ii T = x x S (x x) pada fase, batas edali utu statisti tersebut adalah p q + ( ) UCL = q F qp α,p,q p LCL = 0 Persoala yag sigifia dalam eadaa pegamata idividual adalah megestimasi matris variasi ovariasi Σ. Satu dari estimator yag biasa diguaa diperoleh dari peyatua yag sederhaa dari semua pegamata q m S = x q i x x i x T i= Estimator edua megguaa diffrece betwee successive pairs pada pegamata: v i = x i x i utu i =, 3,, m vetor dari matris V adalah v v V = 3 v m sehigga S = V V m Kemudia badiga matris variasi ovariasi S da S. Selidii Outof-cotrol dari masig-masig matris variasi ovariasi dega megguaa X p yag maa merupaa distribusi asimtoti dari statisti T (Motgomery, 009). 3. Baga Kedali G Misala X, X, X 3,, X adalah vetor aca multivariat berdimesi p, sehigga vetor aca e-j adalah: X j X X j = j j =,,,. (3.) X pj dimaa p adalah jumlah arateristi ualitas da adalah jumlah sampel,sehigga tasira dari vetor mea adalah X X E μ = X = (3.) X p dimaa X i = X ij dega i =,,., p. Tasira dari matris ovariasi dihitug dari data set legap atau dari Mea Square Successive Differece (MSSD): 3
4 da E Σ = S = E Σ = S = ( ) (x j x j )(x j x j ) T (3.3) j = (x j x j )(x j x j ) T (3.4) dimaa S adalah Metode data set legap da S adalah Metode Mea Square Successive Differece (MSSD). Proses diataa stabil jia edua metode tersebut (S da S ) seharusya medeati sama (Leviso, 00). Teorema Misala X adalah sampel aca X, X,..., X yag berdistribusi ormal multivariat N p (μ, Σ), maa vetor mea sampel X ~ N p (μ, Σ ). Teorema Misala X adalah vetor mea dari sampel aca X, X,..., X dari populasi dega vetor mea μ da matris variasi ovariasi populasi Σ, maa utu berdistribusi (X μ) medeati N p (0, Σ) (Recher, 00). Teorema 3 Misala X, X,..., X adalah peubah aca yag salig bebas, ideti da berdistribusi N p (μ, Σ). Jia A = X j μ X j μ T ~ W, σ, utu p = maa W, σ = σ X (3.5) Teorema 4 Jia X, X,..., X salig bebas da berdistribusi N p (μ, Σ) da p da misala S adalah maris variasi ovariasi dari sampel aca, maa S = dega X da S salig bebas. 3. Rata-rata Matris Variasi Kovariasi S X j X X j X T ~W p, Σ (3.6) Misala sampel aca X j, X j,..., X pj ~N p (μ, Σ) dega p variabel da sampel, dihitug dega matris variasi ovariasi sampel Full Data Set (S ) da MSSD (S ). Berdasara Teorema.4, S berdistribusi Wishart sehigga S = S = X j X X j X T X j X X j X T ~W p (, Σ) atau S ~W p, Σ 4
5 dega X da S salig bebas. Dega megguaa metode mome ormal multivariat dapat dibutia bahwa Z = X i X j ~N p (0, Σ), utu i j. Oleh area itu matris variasi ovariasi MSSD dapat diataa berdistribusi wishart atau S = X j X X j X T ~W p (, Σ) S ~W p (, Σ) Karea ( )S adalah estimator ta bias dari ( )Σ da ( )S adalah estimator ta bias dari ( )Σ, maa dapat digabuga utu memperoleh estimator ta bias dari matris variasi ovariasi populasi Σ sebagai beriut: S = S + S (3..) + area E S = Σ memeuhi syarat estimator ta bias yaitu E θ = θ, maa S merupaa estimator ta bias dari Σ 3. Distribusi dari Statisti G Statisti G diguaa utu membadiga dua matris variasi ovariasi Full Data Set da MSSD. Masig-masig adalah S da S dega derajat bebas ( ) da ( ). Hipotesis yag diguaa adalah H 0 : Σ = Σ = = Σ H : Σ i Σ j ; i j Statisti yag diguaa utu meguji hipotesis tersebut didefiisia sebagai beriut: G = m (l M) (3..) dimaa da dega M adalah m = i= v i l M = i= v i i= v i p 3p 6 p + l S i= v i i= v i (3..) l S i (3..3) S M = S v S v S v (3..4) utu i = hipotesis yag aa diuji adalah H 0 : Σ = Σ = I H : Σ Σ I Sehigga statisti G mejadi G = m l M (3..5) G = ( ) + p 3p + 6 p + + l S ( ) l S + ( ) l S 5
6 Selajutya aa ditujua bahwa statisti G berdistribusi Chi-square. Buti: riteria rasio lielihood utu M pada persamaa (3..4) adalah M = L μ, μ, Σ, Σ L μ, μ, Σ, Σ (3..6) S M = S S selajutya M dapat juga diyataa dalam betu sebagai beriut: M = max μ L μ, I max μ,σ L μ, Σ dimaa = e A = p A e tr A X j X X j X T. (3..7) Utu megetahui distribusi dari M aa diguaa fugsi arateristi. Misala fugsi arateristi dari g = l M adalah φ t, maa φ t = Ε e itg (3..8) it( l M ) = Ε e l M it = Ε e mome e-h dari M adalah Ε M h = e sehigga utu h = it adalah i p t = Ε M ph Σ h Γ p Σ it Ε M it = e I itσ. it etia H 0 bear, maa Σ = I, da it + h + j I + hσ +h Γ p p Γ Γ + j it + j Ε M it = e i p t Γ + j it it p it. Γ + j fugsi arateristi ii adalah peralia dari variabel p. Misalya p = φ j t = e it it Γ + j it it Γ (3..9) + j sehigga g = l M didistribusia sebagai p-variate bebas, fugsi arateristi e-j yaitu pada persamaa (4.3). Dega megguaa Pedeata Stirlig utu fugsi gamma Γ = π e (3..0) sehigga p 6
7 φ j t ~ it j it(j ) + j it j j it + j it Karea pada bilaga euler lim e jia dialia maa hasilya sama dega, sehigga tersisa φ j t it j yag merupaa fugsi arateristi dari χ j (distribusi χ dega p derajat ebebasa j). Sehigga g = l M berdistribusi asimtoti area χ j, yag merupaa χ dega derajat ebebasa j = p p +. jadi g = l M ~χ p p +. jia terdapat ostata Y yag semai besar maa fugsi epadata peluag dari Chi-square aa tetap berdistribusi Chi-square amu ilaiya semai ecil. Oleh area itu, jia g = l M ~χ p p + da m merupaa ostata, maa statisti G mejadi G = m l M ~χ p p+. p p+ Jia ilai G melebihi aga ritis dari Chi-Square dega derajat bebas pada level sigifiasi yag telah dipilih, diasumsia berasal dari populasi dega matris ovariasi yag berbeda. Iilah statisti G yag selajutya aa diguaa utu meetua baga edaliya. p = e da lim = 4. Studi Kasus Pada Data cuaca di ota Maassar pada tahu 003 sampai tahu 0 Pada studi asus ii diguaa data Temperatur Udara (X ), Peyiara matahari (X ), Kelembaba udara (X 3 ) da Kecepata agi (X 4 ) Kota Maassar Pada Tahu 003 sampai dega 0, diperoleh masig-masig subelompo q, dimaa q meujua tahu yag didefiisia dega =,,, q. Dega arateristi ualitas p = 4 yaitu Temperatur udara (celcius), Peyiara matahari (perse), Kelembaba udara (perse) da Kecepata agi (ot) yag disimbola dega X, X, X 3 da X 4. Tabel Nilai G utu Data Cuaca Kota Maassar Tahu 003 Sampai dega Tahu 0 Tahu l S l S l S m l M G 003,369, ,854 0, ,777 5,97 004,369 7,5643 0,9844 0,8685 0, ,9 005,369 5, ,8906 0,8685 7,4007 3, ,369 7, ,9809 0,8685, ,95 007,369 6, ,938 0,8685,4665 9,5 008,369 9,40733, , , , ,369 7, ,9688 0,8685 3,8988 0,755 00,369 6, , , , ,39 0,369 7,5855 0,9347 0,8685 8,7359 5,870 0,369 4, ,8967 0, , ,49 7
8 Jadi, utu p = 4 da α = 0,05 batas otrol atas χ p p + bawah χ p p + ; α adalah UCL = χ 0;0,05 LCL = χ 0;0,975 = 0,48 = 3,5 ; α da batas otrol sehigga baga edaliya adalah sebagai beriut Gambar. Baga edali G utu data Temperatur Udara (X ), Peyiara matahari (X ), Kelembaba udara (X 3 ) da Kecepata agi (X 4 ) Kota Maassar Pada Tahu 003 sampai dega UCL = 0,48 CL = 9,34 LCL = 3,5 G 0 Berdasara baga edali di atas terdapat 5 data dari 0 data yag berada di luar batas edali. Hal ii dapat disebaba area ilai matris variasi ovariasi dari setiap tahu cuup besar, sehigga utu asus ii statistic G tida coco diguaa. Selajutya dega data yag sama aa diguaa statisti T Hotellig utu megedalia proses variabilitas data multivariate. Batas edali utu baga edali T utu =, p = 4, da q = 0 adalah UCL = p q ( ) q q p + F α,p,q q p+ LCL = 0 da statisti yag diguaa utu p > adalah T = x x S (x x) dimaa S = X j X j X j X T j sehigga ilai T dapat dilihat pada tabel dibawah ii 8
9 Tabel Nilai T utu Data Cuaca Kota Maassar Tahu 003 Sampai dega Tahu 0 Tahu X X X 3 X 4 X X X X X 3 X X 4 X T 003 7,558 69,47 85,47 5,000-0,43,567 5,333 -,45 335, ,475 75,333 8,667 5,667-0,7 8,483,583-0,758 3, ,808 7,667 77,750 3,667 0,07 5,87 -,333 -,758, ,775 73,667 78,667 4,97 0,073 6,87 -,47 -,508 4, ,708 64,500 78,47 5,97 0,007 -,350 -,667-0,508 34, ,550 46,583 8,583 4,333-0,5-0,67,500 -,09 3, ,883 70,583 77,67 6,97 0,8 3,733 -,97 0,49 6, ,867 57,97 8,97 7,833 0,65-8,933,833,408 3, ,67 67,833 80,083 30,333-0,085 0,983 0,000 3,908 6, ,775 70,000 78,67 9,667 0,073 3,50 -,97 3,4 70,9 X 7,70 66,850 80,083 6,45 Batas edali utu Baga edali Hotellig T adalah sebagai beriut UCL = p q ( ) q q p + F α,p,q q p+ UCL = 50,763 Sehigga baga edali Hotellig T utu data cuaca tahu 003 sampai dega tahu 0 adalah sebagai beriut : Gambar Baga edali T fase I utu data Temperatur Udara (X ), Peyiara matahari (X ), Kelembaba udara (X 3 ) da Kecepata agi (X 4 ) Kota Maassar Pada Tahu 003 sampai dega Tahu UCL CL LCL T 9
10 Dari baga edali di atas terdapat data 0 data yag berada di luar batas edali. Hal ii meujua 80% data berada dalam batas edali. Dega adaya perbedaa hasil dari data yag berada di luar batas edali, berarti terdapat perbedaa eefetifa di atara statistic G da T hotellig, 5. Kesimpula Statisti G berdistribusi Chi-square dega derajat bebas p(p+). Jia dibadiga dega baga edali Hotellig T dega data yag sama, pada baga edali G medetesi Out-of-cotrol sebaya 6 data, sedaga pada baga edali Hotellig T haya medetesi Out-of-cotrol sebaya data. Jadi terdapat perbedaa hasil pegolaha data. Utu megetahui ierja baga edali yag bai diguaa, sebaiya pada peulisa selajutya membadiga baga edali G da baga edali Hotellig T melalui Average Ru Leght (ARL). DAFTAR PUSTAKA [] Aderso, T.W A Itroductio Multivariate Statistical Aalysis. Third Editio. Page: 5 8. Stadford Uiversity. [] Bersimis, etc Multivariate Statistical Process Cotrol Chart: A Overview. Uiversity of Piraeus ad Athes Uiversity of Ecoomic ad Busiess. [3] Giri, Naraya C Multivariate Statistical Aalysis th Editio. Caada : Uiversity Of Motreal. [4] Husei, M. Ahmi. 03. Baga Kedali R utu Pegedalia Variabel Proses Multivariat. Maassar : Uiversitas Hasauddi. [5] Hogg, Robert V. ad Craig, Alle T Itroductio To Mathematical Statistics 5th Editio. Uiversity Of Lowa. [6] Leviso, William A. etc. 00. Variatio Charts For Multivariate. Joural Of Statistic. [7] Motgomery, Douglas C Itroductio To Statistical Quality Cotrol 6th Editio. Arizoa State Uiversity. [8] Muri, Nadai Baga Kedali Multivariat Dega Metode Deomposisi MYT Dalam Pegedalia Mutu Statisti Multivariat. Jaarta : Uiversitas Idoesia. [9] Nydic, Steve W. 0. The Wishart ad Iverse Wishart Distributio. Joural Of Statistic. [0] Rahmawati, Yuli. da Mashuri. 0. Perbadiga Kierja Diagram Kotrol Multivariat Utu Variabilitas Berdasara Matris Kovariasi da Matris Korelasi. Surabaya : Istitut Teologi Sepuluh November. [] Recher, Alvi C. 00. Methods Of Multivariate Aalysis th. Caada : Brigham Youg Uiversity. [] Seber, G.AF., 984. Multivariate Observatios. New Zelad : Uiversity of auclad. [3] Sidelar, Mar F Multivariate Statistical Proses Cotrol For Correlatio Matrices. Pittsburgh : Uiversity of Pittsburgh.Ye, Chia-Lig. Da Horg Shiau, Jyih-Je. 00. Multivariate Cotrol Chart For Detectig Icreases I Process Dispersio. Natural Chiao Tug Uiversity. 0
Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier
Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperinciTEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS
Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia
Lebih terperinciBAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,
BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi
Lebih terperinciPerluasan Uji Kruskal Wallis untuk Data Multivariat
Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia
Lebih terperinciGambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciSTUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas
Lebih terperinciPEMBUKTIAN SIFAT RUANG BANACH PADA D(K)
JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinciMASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI
Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa
Lebih terperinciMASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?
Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciRepresentasi sinyal dalam impuls
Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha
Lebih terperinciBAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi
BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag
Lebih terperinciPEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)
PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar
Lebih terperinciMACAM-MACAM TEKNIK MEMBILANG
0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA
Lebih terperinciBARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciMODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng
MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag
Lebih terperinciUNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI
UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA
Lebih terperinciAproksimasi Terbaik dalam Ruang Metrik Konveks
Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh
Lebih terperinciMAKALAH TEOREMA BINOMIAL
MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)
Lebih terperinciSIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA
SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua
Lebih terperinciKeywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-
Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT
Lebih terperinciTEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE
Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,
Lebih terperinciKonvolusi pada Distribusi dengan Support Kompak
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia
Lebih terperinciMengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif
Megaji Perbedaa Diagoalisasi Matris Atas Field da Matris Atas Rig Komutatif Teorema : Jia A adalah matris x maa eryataa eryataa beriut eivale satu sama lai : a A daat didiagoalisasi b A memuyai vetor eige
Lebih terperinciSinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit
Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit
Lebih terperinciJurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal
Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie
Lebih terperinciUNTUK PENGENDALIAN VARIABEL PROSES MULTIVARIAT
BAGAN KENDALI UNTUK PENGENDALIAN VARIABEL PROSES MULTIVARIAT (Studi Kasus pada data Nilai Tukar Mata Uang Rupiah terhadap Mata Uang Asing Dollar Amerika Serikat, Euro dan Real UEA mulai pada tanggal 3
Lebih terperinciFUNCTIONALLY SMALL RIEMANN SUMS (FSRS) DAN ESSENTIALLY SMALL RIEMANN SUMS (ESRS) FUNGSI TERINTEGRAL HENSTOCKn. p )
βeta -ISSN: 85-5893 e-issn: 54-458 Vol. 3 No. (Noember), Hal. 79-89 βeta DOI: htt://dx.doi.org/.44/betajtm.v9i.7 FUNCTIONALLY SMALL RIMANN SUMS (FSRS) DAN SSNTIALLY SMALL RIMANN SUMS (SRS) FUNGSI TRINTGRAL
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciBAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,
Lebih terperinciPERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR
Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBab 16 Integral di Ruang-n
Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat
Lebih terperinciGerak Brown Fraksional dan Sifat-sifatnya
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas
Lebih terperinciBAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
Lebih terperinciMetode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu
Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5
Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.
Lebih terperinciAnova (analysis of varian)
ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil
Lebih terperinciBAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan
BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu
Lebih terperinciKORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING
Kode Maalah M- KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING SEM Oleh : Nur Rusliah Prof. Dr. Dra. Susati Liuwih, M.Stat Dra. Kartia Fitriasari, M.Si. ABSTRAK Structural Equatio
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinciBAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...
Lebih terperinci1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi
Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap
Lebih terperinciPENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI
PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI Diajua Utu Memeuhi Sebagia Persyarata Mecapai Derajat Sarjaa S-1 OLEH: RISKA JULIANI F1A1 11 031 PROGRAM
Lebih terperinciDistribusi Sampel & Statistitik Terurut
Distribusi Sampel & Statistitik Terurut Sampel Acak, Rataa sampel, X-bar, Variasi sampel, S, Teorema Limit Pusat, Distribusi t,, F Statistik Terurut MA 3181 Teori Peluag 11 November 014 Utriwei Mukhaiyar
Lebih terperinciUNIVERSITAS INDONESIA MAX CHART: CHART GABUNGAN X DAN S SKRIPSI RIFZA PUTRA KURNIAWAN
UNIVERSITAS INDONESIA MAX CHART: CHART GABUNGAN X DAN S SKRIPSI RIFZA PUTRA KURNIAWAN 060608930 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK DESEMBER 00 Max chart..., Rifza
Lebih terperinciPENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA
PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA
Lebih terperinciBAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA
BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,
Lebih terperinciPENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )
(Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciPeluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes
eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciMENGUJI KEMAKNAAN SAMPEL TUNGGAL
MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi
Lebih terperinciPENERAPAN PETA KENDALI STANDAR DEVIASI PADA PROSES ARIMA Nadila 1, Erna Tri Herdiani 2, Nasrah Sirajang 3.
PENERAPAN PETA KENDALI STANDAR DEVIASI PADA PROSES ARIMA Nadila 1, Era Tri Herdiai, Nasrah Sirajag 3 1 Mahasiswa Program Studi Statistika FMIPA Uiversitas Hasauddi,3 Dose Program Studi Statistika FMIPA
Lebih terperinciUNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI
UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI 35475 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL
PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia
Lebih terperinciBAB 6 NOTASI SIGMA, BARISAN DAN DERET
BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat
Lebih terperinciGRAFIKA
6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara
Lebih terperinciSIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL
SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)
I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa
Lebih terperinciSIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT
Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI
Lebih terperinciTINJAUAN PUSTAKA Statistical Proses Control Control Chart
TINJAUAN PUTAKA tatistical Proses Cotrol tatistical Proses Cotrol adalah salah satu cabag ilu statistia yag eelajari tetag eeraa tei statistia utu eguur da egaalisis variasi yag terjadi selaa roses rodusi
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciStatistika Matematika. Soal dan Pembahasan. M. Samy Baladram
Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T
Lebih terperinciPROSIDING ISSN:
PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPemodelan pada Regresi Linier Berganda dengan Variabel Prediktor Stokastik
Jural Matematika, Statistika & Komputasi Vol. 8 No. Juli 0 Pemodela pada Regresi Liier Bergada dega Variabel Prediktor Stokastik Prodi Statistika, Jurusa Matematika, Uivesitas Hasauddi, Sulfiyati, Jaya
Lebih terperinciANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI
ANALIA PENGARUH PANJANG BELT CONVEYOR TERHAAP FREKUENI REPAIR EBELUM AN EUAH MENGGUNAKAN LOCKING BOLT PAA AMBUNGAN COL PLICING ABTRAKI Ach. Hadi Widodo¹,Priyagug Hartoo²,uatmio³ ¹Mahasiswa Tei Mesi,Uiversitas
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciBab 6: Analisa Spektrum
BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
Lebih terperinciHazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand
TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciJurusan Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan Universitas Bung Hatta
PENERAPAN MODEL COOPERATIVE LEARNING TIPE THINK PAIR SQUARE UNTUK MENINGKATKAN KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP PERTIWI 1 PADANG Cherly Mardelfi 1, Lutfia Almash 2, Yusri Wahyui
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciMODEL DISTRIBUSI BAHAN AJAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA
MODEL DISTRIBUSI BAHAN AAR UNIVERSITAS TERBUKA DAN IMPLEMENTASINYA Sitta Alief Farihati (sitta@mail.ut.ac.id) Uiversitas Terbua Amril Ama I. N. Kutha Ardaa Pascasarjaa Istitut Pertaia Bogor ABSTRACT Uiversitas
Lebih terperinci1.1 METODE PENGEMBANGAN PENDEKATAN RATA- RATA SAMPEL UNTUK PROGRAM STOKASTIK DUA TAHAP. Faridawaty Marpaung. Abstrak
METODE PEGEMBAGA PEDEKATA RATA- RATA SAMPEL UTUK PROGRAM STOKASTIK DUA TAHAP Faridawaty Marpaug Abstra Peelitia ii megemuaa metode pegembaga pedeata rata rata sampel utu program stoasti dua tahap. Metodologi
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciUJI STATISTIK PENGARUH PERLAKUAN PERMUKAAN TERHADAP UMUR FATIK DENGAN DATA TERBATAS
Uji Statisti Pegaruh Perlaua Permuaa terhadap dega Data Terbatas (Agus Suhartoo) Areditasi LIPI omor : 536/D/007 Taggal 6 Jui 007 UJI STATISTIK PEGARUH PERLAKUA PERMUKAA TERHADAP UMUR FATIK DEGA DATA TERBATAS
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciBagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri
Vol. 10, No. 1, 26-34, Juli 2013 Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri Andi Fitri Ayu 1, Erna Tri Herdiani 1, M. Saleh AF 1, Anisa 1, Nasrah Sirajang 1 Abstrak
Lebih terperinciHUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN
Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI
Lebih terperinciPEMODELAN LAMA PEMBERIAN ASI EKSKLUSIF PADA RUMAH TANGGA MISKIN DENGAN METODE REGRESI POHON DI PROVINSI SULAWESI TENGAH
PEMODELAN LAMA PEMBERIAN ASI EKSKLUSIF PADA RUMAH TANGGA MISKIN DENGAN METODE REGRESI POHON DI PROVINSI SULAWESI TENGAH Yermia Firma Setiawirawa da Dr. Bambag Widjaaro Oto, S.Si, M.Si Mahasiswa Jurusa
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan
BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciYang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :
PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,
Lebih terperinciPENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p
PENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p Sekar Sukma Asmara 1, Adi Setiawa 2, Tudjug Mahatma 3 1 Mahasiswa Program Studi Matematika Fakultas Sais da Matematika Uiversitas
Lebih terperinciMata Kuliah: Statistik Inferensial
PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)
Lebih terperinci