Penggunaan Statistik Tataan untuk Menentukan Median Contoh Acak dari Distribusi Eksponensial

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penggunaan Statistik Tataan untuk Menentukan Median Contoh Acak dari Distribusi Eksponensial"

Transkripsi

1 Jurnal Penelitian Sains Volume 3 Nomer A) 3 Penggunaan Statistik Tataan untuk Menentukan Median Contoh Acak dari Distribusi Eksponensial Herlina Hanum Yuli Andriani dan Retno Jurusan Matematika FMIPA Universitas Sriwijaya Sumatera Selatan Indonesia Intisari: Statistik Tataan merupakan statistik dengan prinsip pengurutan suatu sampel acak dari sebaran bertipe diskrit atau kontinu yang positif Misalkan X X X n suatu sampel acak maka Y i adalah statistik tataan ke-i dari sampel acak tersebut dengan i = n di mana Y < Y < < Y n Pada penelitian ini prinsip Statistik Tataan digunakan pada penentuan nilai median dari suatu distribusi Eksponensial dengan parameter yang memiliki bentuk fungsi kepadatan peluang fx) = e x/ untuk < x < dan sama dengan untuk lainnya Median merupakan nilai tengah dari sekelompok objek Median dari peubah acak berdistribusi Eksponensial yang diperoleh adalah m = ln )! 4 x 3)/ ) /n+) ) )!n + ) untuk n ganjil dan m = ln n + n) x n )! n )! ) /n+) 6 untuk n genap Abstract: Order statistics is statistics with principle is ordering a random sample of the positive discrete or continous distribution Let X X X n denote a random sample so Y i is called the i th order statistics of that random sample with i = n and Y < Y < < Y n In the research principle of order statistics is used in determining the median of a random samples of an Exponential distribution with parameter which has probability density function fx) = e x/ for < x < and = for otherwise Median is central value of the random sample of An Exponential Distribution is found as: for odd n and for even n m = ln m = ln )! 4 x 3)/ ) /n+) ) )!n + ) n + n) x n )! n )! ) /n+) 6 Mei PENDAHULUAN latar Belakang P enyelidikan segugus data kuantitatif akan sangat membantu bila didefinisikan ukuran-ukuran numerik yang menjelaskan ciri-ciri data Ukuran yang penting adalah ukuran pemusatan dan ukuran penyebaran Ukuran pemusatan menunjukkan pusat penyebaran nilai-nilai data Salah satu ukuran pemusatan yang banyak digunakan adalah median Median merupakan nilai tengah dari segugus data yang telah diurutkan dari yang terkecil sampai terbesar atau sebaliknya Nilai median dalam suatu pengamatan yang berupa segugus data dalam bilangan riil dapat dengan mudah ditentukan karena nilai-nilai tersebut mudah untuk diurutkan Sebaliknya jika diberikan suatu sampel acak X X X n yang non numerik pengurutan nilai tidak dapat dilakukan Akibatnya penentuan letak median dari sampel acak tersebut tidak dapat langsung ditentukan Dalam teori statistika dikenal statistik tataan order statistics) yaitu urutan nilai peubah acak dari yang terkecil ke terbesar Dengan statistik tataan tersebut sebaran dari median dapat ditentukan Selanjutnya nilai median dapat dicari dengan menggunakan defic FMIPA Universitas Sriwijaya 3-5

2 Herlina dkk/penggunaan Statistik Jurnal Penelitian Sains 3 A) 3 nisi bahwa nilai peluang peubah acak dengan batas atas median adalah / Oleh karena itu dalam penelitian ini diangkat permasalahan bagaimana menentukan median dari sampel acak yang non numerik jika diketahui fungsi kepekatan peluang peubah acak asal sampel acak tersebut Penelitian ini diterapkan pada peubah acak Eksponensial karena memiliki terapan yang sangat luas Pada contoh soal digunakan nilai parameter = Tujuan dan Manfaat Tujuan penelitian ini adalah untuk mendapatkan nilai median dari contoh acak dari distribusi Eksponensial Manfaat yang bisa didapat dari penelitian ini antara lain dapat memahami kaitan penggunaan statistik tataan dalam menentukan nilai median serta dapat mengetahui nilai median dari suatu peubah acak yang memiliki distribusi Eksponensial TINJAUAN PUSTAKA Distribusi Eksponensial Suatu peubah acak kontinu X berdistribusi Eksponensial dengan parameter skala > memiliki bentuk fungsi kepadatan peluang: { fx) = e x/ untuk < x < untuk lainnya Untuk peubah acak kontinu X yang menyebar menurut distribusi Eksponensial dengan parameter jika dan hanya jika P X > a + t Xa = P [X > t] untuk semua a > dan t > [] Median Bila X X X n menyatakan sampel acak berukuran n diurutkan membesar menurut besar nilainya maka median sampel ditentukan sebagai statistik X = X n+ genap [] bila n ganjil X = X n/+x n/)+ bila n Menurut Waxmann [3] median adalah rerata posisi karena median adalah nilai bilangan ditengah dari sekolompok objek Nilainya ditemukan dengan menyusun bilangan dalam suatu urutan baik menaik maupun menurun lalu menentukan subjek mana yang ada ditengah 3 Statistik Tataan Misalkan X X X n sampel acak dari sebaran bertipe kontinu dengan fx) positif pada a < x < b Misalkan Y adalah sampel acak terkecil dari X i Y sampel acak terkecil kedua dari X i dan seterusnya sampai Y n sampel acak terbesar dari X i Jadi Y < Y < < Y n mewakili X X X n jika diurutkan dari yang terkecil hingga terbesar Secara spesifik dinyatakan bahwa Y i i = n adalah statistik tataan ke-i dari sampel acak X X X n Sebagai sampel acak dari peubah acak yang memiliki fungsi kepadatan peluang fx) = X X X n masing-masing adalah peubah acak yang memiliki sebaran seperti X dan bersifat bebas stokastik identik Dari sifat tersebut dan banyaknya kemungkinan urutan X X X n fungsi kepadatan peluang bersama Y < Y < < Y n adalah fy )fy ) fy n ) gy y y n ) = dengan a < y < y n < b untuk selainnya Dengan melakukan pengintegralan terhadap peubah acak Y i yang lain fungsi kepadatan marginal Y j j n didapat j )!n j)! [fy j)] j [ F y j )] n j fy j ) g j y j ) = untuk a < y j < b untuk selainnya dengan fy j ) adalah fungsi kepadatan peluang X pada X = y j sementara F y j ) adalah fungsi sebaran X pada X = y j Sementara fungsi kepadatan peluang bersama dari statistik tataan Y i dan Y j i < j n adalah g ij y i y j ) = untuk a < y i < y j < b [4] 3 METODOLOGI i )!j i )!n j)! [F y i )] i [F y j )] j i [ F y j )] n j fy i )fy j ) Pada penentuan nilai median langkah-langkah yang harus dilakukan adalah sebagai berikut : Diberikan sampel acak X X X n dari peubah acak X dalam bentuk fungsi kepadatan peluang suatu distribusi Eksponensial Untuk median dengan n ganjil diketahui rumus yaitu X k = X n+ maka langkah selanjutnya adalah menentukan fungsi kepadatan peluang median tersebut yaitu g k y k ) dengan k = n+ sedangkan untuk median dengan n genap diketahui rumus yaitu X = X n/+x n/)+ sehingga perlu dilakukan transformasi peubah acak Y n/ dan Y n/)+ ke peubah acak Z didapat hz Z ) dan selanjutnya ditentukan fungsi kepadatan peluang median untuk n genap 3-6

3 Herlina dkk/penggunaan Statistik Jurnal Penelitian Sains 3 A) 3 3 Menentukan nilai median dengan mengintegralkan fungsi kepadatan peluang median baik untuk n ganjil maupun n genap dengan batas atas m dan batas bawah berdasarkan batas bawah distribusi Eksponensial) dengan menyamakan pengertian peluang yaitu P X < m) = 4 HASIL DAN PEMBAHASAN Diberikan sampel acak X X X n yang berdistribusi Eksponensial dengan parameter dalam bentuk fungsi kepadatan peluang yaitu : fx) = e x = lainnya < x < Fungsi Sebaran dari sampel acak X X X n yang berdistribusi Eksponensial berbentuk fx) = x e x = lainnya dx = e x < x < ) 4 Penentuan Nilai Median dengan n ganjil Suatu median dengan jumlah n ganjil didefinisikan M = Y n+)/ di mana Y n adalah sampel acak tertinggi dari suatu sampel acak X X X n maka fungsi kepadatan peluang median dari distribusi Eksponensial dengan jumlah n ganjil diperoleh sebagai fungsi kepadatan peluang Statistik Tataan ke-k g k y k )) dengan k = n + )/ yaitu g k y k ) = ) )! )! e y k e y k ) Dari fungsi kepadatan peluang median tersebut dapat ditentukan nilai mediannya yaitu dengan mengintegralkan fungsi kepadatan peluang median terhadap Y k dengan batas bawah berdasarkan batas bawah distribusi Eksponensial) dan batas atas m serta dengan menyamakan pengertian peluang yaitu P X < m) = / = median = m )! )! e y k ) e y k ) dy k ) Berdasarkan pers) dapat dimisalkan u = e y k/ du = e y k/ dy k dan ) du = e y k/ dy k sehingga = )! )! m u du Akhirnya didapat nilai median contoh acak berdistribusi Eksponensial untuk jumlah n ganjil m = ln )! 4 n 3)/ )!n + ) ) n+ 4 Penentuan Nilai Median dengan n genap dari Peubah Acak Berdistribusi Eksponensial 3) Diambil Y sebagai sampel acak terkecil Y sebagai sampel acak terkecil kedua dan seterusnya hingga Y n sebagai sampel acak terbesar sehingga Y < Y < < Y n dari sampel acak X X X n yang diberikan maka median dengan jumlah n genap didefinisikan sebagai M = Y n/ + Y n/)+ )/ Selanjutnya ditentukan fungsi kepadatan peluang bersama statistik tataan gy n/ + Y n/)+ ) untuk suatu distribusi Eksponensial Fungsi kepadatan peluang bersama statistik tataan ke-y n/ dan ke-y n/)+ untuk suatu distribusi Eksponensial diberikan oleh y n + +y n gy n/ + Y n/)+ ) = n )! n )!e ) e y n/ n ) e y n/)+ n 4) untuk < y n/ < y n/)+ < dan sama dengan untuk lainnya Penentuan fungsi kepadatan peluang median dari fungsi kepadatan peluang bersama pada pers4) tidak dapat langsung diselesaikan Berdasarkan definisinya bahwa M = Y n/ + Y n/)+ )/ yang merupakan fungsi linier dari statistik tataan ke-n/) + dan ken/ maka perlu dilakukan transformasi dari peubah acak M ke peubah acak Z dengan mengambil Z = Y n/ + Y n/)+ )/ dan Z = Y n/ sehingga didapat Y n/)+ = Z Z dan Y n/ = Z Selanjutnya dengan mendifferensialkan peubah Y n/)+ dan Y n/ masing-masing terhadap Z dan Z diperoleh nilai Jacobian J = δy n/)+ δz δy n/)+ δz δy n/ δz δy n/ δz = = Dengan mengalikan nilai mutlak Jacobian terhadap fungsi kepadatan peluang statistik tataan 3-7

4 Herlina dkk/penggunaan Statistik Jurnal Penelitian Sains 3 A) 3 gy n/ + Y n/)+ ) diperoleh fungsi kepadatan peluang bersama Z dan Z yaitu hz Z ) = n )! n )!e ) e Z n Z e Z Z ) n untuk < Z < Z < dan sama dengan untuk lainnya Akhirnya fungsi kepadatan peluang median dapat diperoleh dengan mengintegralkan hz Z ) terhadap Z yaitu: hz ) = n )! n )! e Z/ 5) Z ) e Z n ) e Z Z n dz Dengan pemisalan u = e Z/ diperoleh fungsi kepadatan peluang median dengan n genap dari peubah acak berdistribusi Eksponensial sebagai berikut hz ) = 4 n n+ n )! n )! e nz/ e Z ) n untuk < Z < dan sama dengan untuk yang lainnya Selanjutnya dari fungsi kepadatan peluang median dapat ditentukan mediannya yaitu dengan mengintegralkan fungsi kepadatan peluang median dengan n genap yang telah diperoleh terhadap Z dengan batas bawah berdasarkan batas bawah distribusi Eksponensial) dan batas atas m serta dengan menyamakan pengertian peluang yaitu P X < m) = / diperoleh dengan pemisalan u = e Z/ ) = 4 n n n )! n )! n + ) u n+ m 6) Berdasarkan penguraian statistik tataan terhadap suatu peubah acak berdistribusi Eksponensial tersebut diperoleh suatu nilai median untuk jumlah n genap yaitu m = ln n + n) x n )! n )! ) /n+) ) 7) 6 43 Contoh Penggunaan Rumus Median Contoh Diberikan X X X 7 suatu sampel acak berukuran n = 7 dari suatu distribusi Eksponensial dengan parameter = Tentukan nilai mediannya! Penyelesaian: Karena n = 7 ganjil maka dari pers3) diperoleh nilai mediannya m = ln 7694) = 54 Contoh Diberikan X X X 8 suatu sampel acak berukuran n = 8 dari suatu distribusi Eksponensial dengan parameter = Tentukan nilai mediannya? Penyelesaian: Karena n = 8 genap maka dari pers7) diperoleh nilai mediannya m = ln 475) = 39 5 SIMPULAN DAN SARAN 5 Simpulan Berdasarkan uraian pada bagian pembahasan dapat disimpulkan bahwa: Statistik Tataan untuk peubah digunakan pada penentuan nilai median dengan n ganjil sedangkan Statistik Tataan untuk peubah digunakan pada penentuan nilai median dengan n genap Suatu fungsi kepadatan peluang median untuk peubah acak berdistribusi Eksponensial tergantung dari fungsi kepadatan peluang dan fungsi distribusi Eksponensial itu sendiri dengan faktor pengali tergantung dari jumlah n pada suatu nilai tertentu 3 Nilai Median untuk n ganjil dapat ditentukan melalui rumus ) /n+) ) )! )!n + ) m = ln 4 x 3)/ Sementara untuk n genap digunakan rumus m = ln 5 Saran n + n) x n )! n )! ) /n+) ) 6 Untuk pengembangan lebih lanjut disarankan untuk membahas tentang: Penentuan median suatu peubah acak dengan distribusi yang berbeda Keterkaitan median dengan dan n dari suatu distribusi Eksponensial 3-8

5 Herlina dkk/penggunaan Statistik Jurnal Penelitian Sains 3 A) 3 DAFTAR PUSTAKA [] Nugroho S 8 Bab Peubah Acak wwwgeocitiescom/mhsmatmipaunib/ StatistikaMatematikaPdf diakses pada tanggal 6 september 8; Bab 4 Sebaran Fungsi Peubah Acak wwwgeocitiescom/dosmatmipaunib/ StatistikaMatematika4pdf diakses pada tanggal 6 september 8 [] Suryadi C 3 Beberapa Distribusi Peluang Kontinu II file/cn%if5%beberapa% Distribusi%Peluang%Kontinu%II%pdf diakses pada tanggal 6 september 8 [3] Waxmann P 993 Businiss Mathematics and Statistics 3rd edition Prentice Hall Victoria [4] Hogg RV and AT Craig 995 Introduction to Mathematical Statistics 5th edition Prentie Hall New Jersey 3-9

Penentuan Momen ke-5 dari Distribusi Gamma

Penentuan Momen ke-5 dari Distribusi Gamma Jurnal Penelitian Sains Volume 6 Nomor (A) April 0 Penentuan Momen ke-5 dari Distribusi Gamma Robinson Sitepu, Putra B.J. Bangun, dan Heriyanto Jurusan Matematika Fakultas MIPA Universitas Sriwijaya, Indonesia

Lebih terperinci

STATISTIKA UNIPA SURABAYA

STATISTIKA UNIPA SURABAYA MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi

Lebih terperinci

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA Jurnal Matematika UNAND Vol. No. 4 Hal. 9 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA MARNISYAH ANAS Program Studi Magister Matematika, Fakultas

Lebih terperinci

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat

Lebih terperinci

PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL

PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.

Lebih terperinci

Dasar-dasar Statistika Pemodelan Sistem

Dasar-dasar Statistika Pemodelan Sistem Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016

Lebih terperinci

Ukuran Statistik Bagi Data

Ukuran Statistik Bagi Data Ukuran Statistik Bagi Data Ahmad Zakaria, Ph.D. September 19, 2013 1 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter 2 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematik(a) Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal

Lebih terperinci

PEMBANGKIT RANDOM VARIATE

PEMBANGKIT RANDOM VARIATE PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK 0 BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK Dalam hal ini akan dibahas beberapa teknik yang digunakan dalam menentukan distribusi dari fungsi peubah acak, yaitu teknik fungsi distribusi, teknik transformasi

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK

Lebih terperinci

PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU

PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU tnp PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU Mida Yanti 1 Nur Salam 1 Dewi Anggraini 1 Abstract: Poisson process is a special event

Lebih terperinci

Joint Distribution Function

Joint Distribution Function DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT TI2131 TEORI PROBABILITAS MINGGU KE-6 1 Joint Distribution Function Distribusi peluang gabungan dari dua variabel random X dan Y merupakan distribusi peluang

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi

Mata Kuliah Pemodelan & Simulasi Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan

Lebih terperinci

Transformasi Dua atau Lebih Peubah Acak. Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016

Transformasi Dua atau Lebih Peubah Acak. Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 Transormasi Dua atau Lebih Peubah Acak Dr. Kusman Sadik M.Si Departemen Statistika IPB 06 Transormasi Dua atau Lebih Peubah Acak Misalkan diketahui kp bersama bagi p.a. X dan X adalah X X x ). Jika kemudian

Lebih terperinci

MA3081 STATISTIKA MATEMATIKA We love Statistics

MA3081 STATISTIKA MATEMATIKA We love Statistics Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak

Lebih terperinci

PEUBAH ACAK DAN DISTRIBUSINYA

PEUBAH ACAK DAN DISTRIBUSINYA PEUBAH ACAK DAN DISTRIBUSINYA MA3181 Teori Peluang 8 September 2014 Utriweni Mukhaiyar 1 Pemetaan (Fungsi) O Suatu pemetaan / fungsi O Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 2 Peubah

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 4 BAB II LANDASAN TEORI Teori yang ditulis dalam bab ini merupakan beberapa landasan yang digunakan untuk menganalisis sebaran besarnya klaim yang berekor kurus (thin tailed) dan yang berekor gemuk (fat

Lebih terperinci

Sampling dengan Simulasi Komputer

Sampling dengan Simulasi Komputer Modul Sampling dengan Simulasi Komputer PENDAHULUAN Sutawanir Darwis M etode statistika merupakan alat untuk menyelesaikan masalah apabila solusi analitik tidak mungkin diperoleh. Dengan metode statistika

Lebih terperinci

II. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2

II. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2 5 II. LANDASAN TEORI Dalam proses penelitian penduga parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut ini akan dijelaskan beberapa konsep

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN

Lebih terperinci

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya

Lebih terperinci

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam II. LANDASAN TEORI Pada bab ini akan diberikan konsep dasar yang akan digunakan dalam pembahasan hasil penelitian ini, antara lain : 2.1 Fungsi Gamma Fungsi gamma merupakan suatu fungsi khusus. Fungsi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana

Lebih terperinci

Peubah Acak dan Distribusi Kontinu

Peubah Acak dan Distribusi Kontinu BAB 1 Peubah Acak dan Distribusi Kontinu 1.1 Fungsi distribusi Definisi: Misalkan X peubah acak. Fungsi distribusi (kumulatif) dari X adalah F X (x) = P (X x) Contoh: 1. Misalkan X Bin(3, 0.5), maka fungsi

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik A. Jadwal kuliah:

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

HUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM.

HUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. HUKUM ITERASI LOGARITMA TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. 00290 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

Fungsi Peluang Gabungan

Fungsi Peluang Gabungan Fungsi Peluang Gabungan MA3181 Teori Peluang 15 September 2014 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ingin diasuransikan dengan kategori-kategori yang

Lebih terperinci

DASAR-DASAR TEORI PELUANG

DASAR-DASAR TEORI PELUANG DASAR-DASAR TEORI PELUANG Herry P. Suryawan 1 Ruang Peluang Definisi 1.1 Diberikan himpunan tak kosong Ω. Aljabar-σ (σ-algebra pada Ω adalah koleksi subhimpunan A dari Ω dengan sifat (i, Ω A (ii jika A

Lebih terperinci

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Peubah Acak 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Definisi Peubah Acak Peubah acak adalah peubah yang mengkarakterisasikan setiap elemen dalam ruang sampel dengan suatu bilangan real.

Lebih terperinci

A. Distribusi Gabungan

A. Distribusi Gabungan HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua

Lebih terperinci

Oleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si

Oleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh

Lebih terperinci

Hukum Iterasi Logaritma

Hukum Iterasi Logaritma Hukum Iterasi Logaritma Sorta Purnawanti 1, Helma 2, Dodi Vionanda 3 1 Mathematics Department State University of Pag, Indonesia 2,3 Lecturers of Mathematics Department State University of Pag, Indonesia

Lebih terperinci

SATUAN ACARA PERKULIAHAN

SATUAN ACARA PERKULIAHAN SATUAN ACARA PERKULIAHAN Topik/ Pokok Bahasan 1 : Penjelasan silabus dan prosedur Kompetensi : Mahasiswa memiliki pengetahuan konseptual tentang silabus dan prosedur 1 Pengantar mengenai silabus dan prosedur

Lebih terperinci

A. Distribusi Gabungan

A. Distribusi Gabungan HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan

Lebih terperinci

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan. II. TINJAUAN PUSTAKA Distribusi generalized,,, adalah salah satu distribusi probabilitas kontinu. Distribusi ini pertama kali diperkenalkan McDonald dan Newey 988 untuk mengestimasi parameter regresi.

Lebih terperinci

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1

Lebih terperinci

MA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp

MA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp MA3081 STATISTIKA MATEMATIK(A) Bab 2: We love Statistics Pengantar Parameter adalah... ...suatu karakteristik dari populasi. Statistik adalah... ...suatu karakteristik dari sampel. Statistik adalah fungsi

Lebih terperinci

STATISTIK PERTEMUAN VI

STATISTIK PERTEMUAN VI STATISTIK PERTEMUAN VI 1. TEORI PENDUKUNG 1.1 Pendahuluan 1. Variabel acak 1.3 Distribusi variabel acak diskrit 1.4 Distribusi variabel acak kontinu 1.5 Distribusi multivariat 1.1 Pendahuluan Definisi

Lebih terperinci

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk 5 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan beberapa tinjauan pustaka yang digunakan penulis pada penelitian ini, antara lain : 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi

Lebih terperinci

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

PENENTUAN BESARNYA ANUITAS HIDUP DENGAN MENGGUNAKAN NILAI ASUMSI PADA DISTRIBUSI SISA USIA

PENENTUAN BESARNYA ANUITAS HIDUP DENGAN MENGGUNAKAN NILAI ASUMSI PADA DISTRIBUSI SISA USIA PENENTUAN BESARNYA ANUITAS HIDUP DENGAN MENGGUNAKAN NILAI ASUMSI PADA DISTRIBUSI SISA USIA Farah Kristiani (farah@home.unpar.ac.id) Jurusan Matematika FTIS Universitas Katolik Parahyangan ABSTRACT There

Lebih terperinci

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40% 0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Statistika Matematik 1 Kode Mata Kuliah : MT 404 Jumlah SKS : 3 Semester : 6 Kelompok Mata Kuliah : Mata Kuliah Keahlian (MKK) Program Studi Jurusan/Program

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi

Lebih terperinci

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi Bab 5 Peubah Acak Kontinu 5.1 Pendahuluan Definisi 5.1. Peubah acak adalah suatu fungsi dari ruang contoh S ke R (himpunan bilangan nyata) Peubah acak X bersifat diskret jika F (x) adalah fungsi tangga.

Lebih terperinci

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan

Lebih terperinci

APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP.

APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP. APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP Abstraks Diberikan populasi dengan densitas dengan parameter,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan

Lebih terperinci

Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014

Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014 Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014 Waktu : (Selasa, jam 10.00 11.40, D3D) dan (Kamis, jam 14.00 16.40, D3D) Dosen Pengasuh : Ridha Ferdhiana, M.Sc dan Dr. Muhammad Subianto,

Lebih terperinci

II. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah

II. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah II. LANDASAN TEORI Peubah acak X(s) merupakan sebuah fungsi X yang menetapkan setiap anggota sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah peubah acak diskrit, yaitu banyaknya

Lebih terperinci

BAB III VARIABEL ACAK DAN DISTRIBUSI PROBABILITAS

BAB III VARIABEL ACAK DAN DISTRIBUSI PROBABILITAS BAB III VARIABEL ACAK DAN DISTRIBUSI ROBABILITAS.. Konsep variabel acak (random variable) Sebuah variabel y adalah variabel acak jika nilai-nilai yang dimiliki oleh y adalah suatu kemungkinan atau peristiwa

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan

ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan Jurnal Matematika Murni dan Terapan εpsilon Vol. 07, No.01, 201, Hal. 45 52 ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK Rizqi Elmuna Hidayah 1, Nur Salam 2 dan Dewi Sri Susanti 1,2, Program Studi

Lebih terperinci

STATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling

STATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA DISTRIBUSI SAMPLING PENGANTAR Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui

Lebih terperinci

MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES

MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES Hartayuni Saini 1 1 Jurusan Matematika, FMIPA-UNTAD. e-mail: yunh3_chendist@yahoo.co.id Abstrak Untuk menaksir nilai µ dari N(µ, ) umumnya digunakan

Lebih terperinci

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan: II. TINJAUAN PUSTAKA Dalam tinjauan pustaka penelitian Karakteristik Penduga Parameter Distribusi Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan beberapa definisi dan teorema yang

Lebih terperinci

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat

Lebih terperinci

LANDASAN TEORI. penelitian mengenai pendekatan distribusi GE ke distribusi GLL(,,

LANDASAN TEORI. penelitian mengenai pendekatan distribusi GE ke distribusi GLL(,, 4 II. LANDASAN TEORI Pada bab ini akan dijelaskan beberapa definisi yang berhubungan dengan penelitian mengenai pendekatan distribusi GE ke distribusi GLL melalui distribusi eksponensial dengan menyamakan

Lebih terperinci

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut

Lebih terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014 STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu

Lebih terperinci

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK DARI DISTRIBUSI CAUCHY

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK DARI DISTRIBUSI CAUCHY Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 94 11 ISSN : 233 291 c Jurusan Matematika FMIPA UNAND SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK DARI DISTRIBUSI CAUCHY NAZHMAL HUDA Program Studi Magister Matematika,

Lebih terperinci

ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI

ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI 0 ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI JULHAIDI 09083045 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN

Lebih terperinci

UKURAN PEMUSATAN : MEAN, MEDIAN, MODUS

UKURAN PEMUSATAN : MEAN, MEDIAN, MODUS UKURAN PEMUSATAN : MEAN, MEDIAN, MODUS PERTEMUAN IV EvanRamdan DATA BERKELOMPOK Data berkelompok adalah data yang telah dikelompokan ke dalam kelaskelas dan disajikan dalam tabel frekuensi UKURAN PEMUSATAN

Lebih terperinci

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan

Lebih terperinci

ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP

ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI

Lebih terperinci

PERBANDINGAN SOLUSI SISTEM PERSAMAAN NONLINEAR MENGGUNAKAN METODE NEWTON- RAPHSON DAN METODE JACOBIAN

PERBANDINGAN SOLUSI SISTEM PERSAMAAN NONLINEAR MENGGUNAKAN METODE NEWTON- RAPHSON DAN METODE JACOBIAN E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 11-17 ISSN: 2303-1751 PERBANDINGAN SOLUSI SISTEM PERSAMAAN NONLINEAR MENGGUNAKAN METODE NEWTON- RAPHSON DAN METODE JACOBIAN NANDA NINGTYAS RAMADHANI UTAMI 1,

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari distribusi generalized lambda

Lebih terperinci

PENGARUH PERUBAHAN NILAI PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDE 3

PENGARUH PERUBAHAN NILAI PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDE 3 PENGARUH PERUBAHAN NILAI PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDE 3 Tornados P. Silaban 1, Faiz Ahyaningsih 2 1) FMIPA, UNIMED, Medan, Indonesia email: tornados.p_silaban@yahoo.com 2)

Lebih terperinci

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan

Lebih terperinci

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya

Lebih terperinci

Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya

Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,

Lebih terperinci

Pertemuan Kesatu. Matematika III. Oleh Mohammad Edy Nurtamam, S.Pd., M.Si. Page 1.

Pertemuan Kesatu. Matematika III. Oleh Mohammad Edy Nurtamam, S.Pd., M.Si. Page 1. Pertemuan Kesatu Matematika III Oleh Mohammad Edy Nurtamam, S.Pd., M.Si Page 1 Materi 1. Persamaan Diferensial Orde I Pengenalan bentuk dasar Pers. Diff. Orde I. Definisi Derajat,Orde. Konsep Pemisahan

Lebih terperinci

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah MA3181 Teori Peluang - Khreshna Syuhada Bab 8 1 Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah Ilustrasi 8.1 Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter

Lebih terperinci

III PEMBAHASAN. dengan kendala. Solusi dari permasalahan di atas diberikan oleh Teorema 1 berikut. Teorema 1 R = R (X) didefinisikan oleh

III PEMBAHASAN. dengan kendala. Solusi dari permasalahan di atas diberikan oleh Teorema 1 berikut. Teorema 1 R = R (X) didefinisikan oleh 4 III PEMBAHASAN 3.1. Meminimumkan Peluang Keangkrutan (Ruin Proaility) Keijakan suatu perusahaan asuransi dalam memilih kontrak reasuransi sangatlah penting, salah satu pendekatan rasional untuk memilih

Lebih terperinci

Ukuran Statistik Bagi Data

Ukuran Statistik Bagi Data Ukuran Statistik Bagi Data 1.1 Parameter dan Statistik Dalam statistika dikenal istilah populasi. Populasi merupakan kumpulan objek yang merupakan objek pengamatan kita. Deskripsi dari populasi tersebut

Lebih terperinci

MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN

MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN Jurnal Matematika UNAND Vol. VI No. 1 Hal. 128 133 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE

Lebih terperinci

DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA

DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika

Lebih terperinci

Pertemuan 1 dan 2 KONSEP DASAR PERSAMAAN DIFERENSIAL

Pertemuan 1 dan 2 KONSEP DASAR PERSAMAAN DIFERENSIAL Pertemuan 1 dan 2 KONSEP DASAR PERSAMAAN DIFERENSIAL A. PENGERTIAN PERSAMAAN DIFERENSIAL Dalam pelajaran kalkulus, kita telah berkenalan dan mengkaji berbagai macam metode untuk mendiferensialkan suatu

Lebih terperinci

STK 203 TEORI STATISTIKA I

STK 203 TEORI STATISTIKA I STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak

Lebih terperinci

Sampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.

Sampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan

Lebih terperinci

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas

Lebih terperinci

PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT

PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG Agustinus Simanjuntak Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya Pekanbaru

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil

Lebih terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013 3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:

Lebih terperinci

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel

Lebih terperinci

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak Peubah Acak Peubah Acak Diskrit dan Distribusi Peluang Peubah Acak (Random Variable): Sebuah keluaran numerik yang merupakan hasil dari percobaan (eksperimen) Untuk setiap anggota dari ruang sampel percobaan,

Lebih terperinci

Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan

Lebih terperinci

POISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS

POISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS POISSON PROSES NON-HOMOGEN Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS ABSTRAK. Proses Poisson merupakan proses stokastik sederhana dan dapat digunakan

Lebih terperinci

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 139 146 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan

Lebih terperinci