PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR OPEN DARNIUS
|
|
- Handoko Sutedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR OPEN DARNIUS Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara 1. PENDAHULUAN Pengambilan keputusan merupakan pemilihan diantara beberapa alternatif pemecahan masalah. Pada hakikatnya keputusan diambil jika pimpinan menghadapi masalah atau untuk mencegah timbulnya masalah dalam organisasi yang bergerak baik dalam bidang sosial maupun komersial. Ada dua kemungkinan sifat tujuan dari pengambilan keputusan. Pertama adalah tujuan pengambilan keputusan yang bersifat tunggal dalam arti bahwa sekali diputuskan tidak akan ada kaitannya dengan masalah lain. kedua adalah tujuan pengambilan keputusan dapat bersifat ganda dalam arti bahwa satu keputusan yang diambil sekaligus memecahkan dua masalah atau lebih yang sifatnya kontradiktif ataupun nonkontradiktif. Dalam setiap pengambilan keputusan para pengambil keputusan akan selalu berhadapan dengan lingkungan, dimana salah satu karakteristiknya yang paling menyulitkan dalam proses pengambilan keputusan adalah ketidakpastian (Uncertainty), ini adalah salah satu sifat dimana tidak akan dapat diketahui dengan pasti apa yang akan terjadi di masa yang datang. Selain sifat ketidakpastian ini lingkungan juga bersifat kompleks, dimana begitu banyak faktor yang berinteraksi dalam berbagai cara sehingga sering tidak diketahui lagi bagaimana interaksi tersebut berlangsung. Dalam tulisan ini akan dibahas bagaimana penerapan teori peluang (teori yang mempelajari ketidak pastian) dalam mengambil suatu keputusan. Hal ini akan dibahas dalam suatu kasus (masalah) grosir. 2. LANDASAN TEORI 2.1. Teori Keputusan Pengambilan keputusan merupakan suatu proses dari pembatasan dan perumusan masalah, membuat beberapa alternatif pemecahan beserta konsekuensi masing-masing alternatif, dan memilih salah satu alternatif pemecahan terbaik untuk selanjutnya melaksanakan keputusan tersebut Faktor-Faktor Pengambilan Keputusan Pengambilan keputusan dipengaruhi oleh beberapa faktor antara lain: 1. Faktor keadaan intern organisasi 2. Faktor tersedianya informasi yang diperlukan 3. Faktor keadaan ekstern organisasi 4. Faktor kepribadian dan kecakapan pengambil keputusan 2.3. Model Keputusan Ada beberapa elemen dan konsep yang biasanya digunakan pada semua model keputusan, hampir semua model apakah itu kompleks dan sederhana, dapat diformulasikan dengan menggunakan suatu struktur standard dan dipecahkan dengan penggunaan prosedur umum. Dalam tulisan ini digunakan model probabilistik dalam kondisi ketidakpastian yakni memakai Teori Peluang dan expektasi (harapan) Digitized by USU digital library 1
2 2.4. Pengertian Peluang Secara umum peluang terjadinya suatu kejadian A dapat dinyatakan sebagai frekwensi relatif, yaitu perbandingan antara banyaknya cara kejadian A dapat terjadi dengan banyaknya semua cara (kejadian) dapat terjadi dalam suatu keadaan tertentu (percobaan). Secara matematis hal ini dapat dirumuskan dengan: n (A) P(A) = n (Ω) Sebagai contoh untuk memudahkan pengertian rumusan peluang di atas, jika sebuah dadu yang setimbang digulirkan, dan A adalah kejadian mata dadu ganjil yang muncul, maka peluang A, P(A), adalah 1 / 2. Hal ini dapat ditunjukkan dengan mendaftarkan semua mata dadu (outcome) yang mungkin terijdi dalam percobaan tersebut yaitu Ω={1,2,3,4,S,5}. Himpunan ini sering disebut dengan ruang sampel (sample space), dimana secara himpunan dapat dituliskan n(ω) = 6. Sedangkan kejadian A dikatakan terjadi bilamana mata dadu yang muncul adalah 1, 3, atau 5. Hal ini dapat dinyatakan dalam himpunan, A ={1,3,5}, artinya n(a)=3. Sehingga menurut persamaan (1) di alas P(A)=3/6=1/ Ekpektasi (Expectation) adalah suatu nilai harapan terhadap suatu peubah (kejadian) tertentu yang diperhitungkan berdasarkan semua kemungkinan (peluang) yang akan terjadi terhadap peubah tersebut. Secara matematis jika X menyatakan suatu peubah acak yang mempunyai peluang p(x), maka ekspektasi X (yang dinotasikan dengan E(X)) didefinisikan sebagai berikut: E(X) = Σ xp(x), jika X peubah acak diskrit, dan xєx E(X) = xp(x)dx jika X peubah acak kontinu. xєx 3. SUATU CONTOH KASUS: MASALAH GROSIR Salah satu permasalahan yang sering dihadapi grosir adalah bagaimana menentukan tingkat persediaan (stock) barang agar permintaan konsumen terpenuhi dan biaya gudang (tempat penyimpanan barang) tersebut tidak terlalu mahal. Hal ini selalu menjadi tujuan karena ketidakmampuan memberikan solusi yang optimal akan menghasilkan dua jenis kerugian dalam usaha grosir. Sebagai contoh khusus, diambil masalah grosir buah yang menjual buah strawbarry. Buah ini mempunyai masa (waktu) jual yang terbatas, dalam arti jika tidak terjual pada hari pengiriman, maka tidak akan laku dijual pada hari berikutnya. Jika diandaikan harga pengambilan satu keranjang strawberry adalah $20, dan grosir akan menjualnya dengan harga $50 satu keranjang. Berapa keranjangkah persediaan yang perlu diambil setiap hari oleh grosir agar mendapat resiko kerugian minimum, atau agar mendapat keuntungan maximum? Hal ini dapat diselesaikan dengan konsep peluang jika informasi tentang jumlah data penjualan beberapa hari yang lalu ada dicatat. Untuk membahas kasus ini selanjutnya diandaikan data penjualan selama 100 hari yang lalu tercatat sebagai berikut: 2004 Digitized by USU digital library 2
3 Tabel1. Data Penjualan Strawbary terjual Hari Penjualan (Dalam Satuan Keranjang) ANALISIS KEPUTUSAN Analisis keputusan yang dimaksud disini adalah suatu rangkaian proses dalam membahas permasalahan yang dikemukakan di atas. Hal ini dapat dilakukan dengan memperkenalkan konsep jenis kerugian yang ditimbulkan, pemakaian konsep peluang, dan perhitungan ekspektasi kerugian Pendefinisian Jenis Bila dalam membahas permasalahan di atas kita fokuskan terhadap minimisasi kerugian maka perlu didefinisikan dua jenis kerugian yang akan ditimbulkan dalam kasus tersebut. Jenis kerugian yang pertama dikenal dengan obsolescence looses. Jenis kerugian ini disebabkan oleh persediaan yang terlalu banyak sehingga harus dibuang pada hari berikutnya, (jenis ini hampir sama dengan biaya gudang akibat terlalu lama penyimpanan). Misalnya dari kasus tersebut di atas, jika jumlah strawberry yang disediakan oleh grosir adalah 12 keranjang namun permintaan pada hari itu hanya 10 keranjang, maka grosir akan mengalami kerugian sebesar $40 (yaitu dari harga pembelian 2 keranjang strawberry yang tidak terjual). Jenis kerugian yang kedua adalah opportunity looses. Jenis kerugian ini disebabkan oleh kurangnya persediaan sehingga ada pembeli yang tidak terlayani. Dengan kata lain, kerugian ini timbul akibat keuntungan yang seharusnya diperoleh tetapi tidak jadi diperoleh karena kekurangan stock. Misalnya dari kasus di atas, jika jumlah strawberry yang disediakan oleh grosir adalah 10 keranjang sedangkan permintaan pada hari itu mencapai 12 keranjang, maka grosir akan mengalami kerugian sebesar $60 (yaitu keuntungan yang tidak diterima dari hasil penjualan 2 keranjang strawberry bila stock ada). Tabel 2. Tabel Bersyarat Persediaan yang Dilakukan(X) Yang diminta (X) $0 $20 $40 $ Adopsi Konsep Peluang Konsep peluang yang sudah didefinisikan sebelumnya dapat diadopsi untuk data persoalan tersebut di atas. Jika tujuan grosir adalah untuk menentukan persediaan jumlah strawberry dalam satuan keranjang pada hari tersebut, dimisalkan dengan X, maka berdasarkan data di atas X adalah peubah acak diskrit yang dapat mengambil nilai 1O, 11, 12, dan 13. Dan distribusi Peluang X (jumlah keranjang strawberry) dapat dinyatakan sebagai berikut: 2004 Digitized by USU digital library 3
4 Tabel 3. Distribusi Peluang X Hari Penjualan (f) Strawbary terjual Dalam Satuan Keranjang (X) Frekwensi Relatif (fr) P(X=x) 4.3. Perhitungan Mengingat tujuan utama dari analisis ini adalah untuk menentukan jumlah stock strawberry agar resiko (kerugian) minimum, maka analisis dilakukan dengan memperhitungkan ekspektasi kerugian. Analisis perhitungan ekspektasi ini akan disajikan dalam tabel, dengan memperhitungkan semua kemungkinan yang dapat terjadi, dimulai dari tabel ekspektasi kerugian bila persediaan 10 keranjang sampai dengan tabel ekspaktasi kerugian bila persediaan 13 keranjang. Tabel4. kerugian dari Persediaan 10 Keranjang 10 $ $ $52.50 Kolom kerugian bersyarat pada Tabel 4 di alas diambil, dari tabel 2 untuk kasus persediaan 10 keranjang. Kolom ke empat dari Tabel 4 menyatakan bahwa jika 10 keranjang disediakan setiap hari selama masa yang panjang (long period), maka kerugian secara rata-rata (ekspektasi kerugian) adalah $ Tentu tidak ada jaminan bahwa jika besok diambil persediaan 10 keranjang maka sudah pasti akan rugi % Dengan cara yang sama tabel 5, 6, dan 7 dapat dibentuk dan diinterpretasikan. Tabel 5. Dari Persediaan 11 Keranjang 10 $ $ $ Digitized by USU digital library 4
5 Tabel 6. Tabel 7. Dari Persediaan 12 Keranjang 10 $ $ $17.50 Dari Persediaan 13 Keranjang 10 $ $ $52.50 Hasil analisis ekspektasi kerugian yang disajikan dalam tabel 4 sampai dengan 7 dapat digunakan untuk mengambit keputusan. Dapat dilihat bahwa minimum kerugian yang terjadi adalah $ Hal ini terjadi pada tingkat persediaan 12 keranjang Strawberry. Ini berarti grosir lebih baik menyediakan 12 keranjang setiap harinya, untuk kasus tersebut di atas. Seandainya untuk membahas permasalahan di atas dilakukan anatisis dengan mempertimbangkan keuntungan yang maksimum, maka hasilnya tidak akan berbeda yaitu dengan jumlah persediaan 12 keranjang perharinya. 5. KESIMPULAN Pemakaian Teori Peluang untuk membahas persoalan ketidakpastian dapat dilakukan bilamana dimiliki suatu informasi yang dapat dimodifikasi menjadi frekwensi relatif. Contoh kasus masalah grosir buah tetah menunjukkan bagaimana penggunaan konsep teori peluang dan ekspektasi digunakan untuk mengambii keputusan. Dan perhitungan dapat diperoleh bahwa nilai minimum kerugian adalah $17.50, dengan jumlah persediaan perharinya 12 keranjang Digitized by USU digital library 5
6 DAFTAR BACAAN Amudi Pasaribu Pengantar Statistik. Medan: Imballo. Andi Hakim dan Bariz Metode Statistik. Jakarta: Gramedia. Anto Dayan Pengantar Metode Statistik Deskriptif. Jakarta: LP3ES. J. Supranto Statistik, Teori & Aplikasi, jilid I, Jakarta: Erlangga Statistik Dan Sistim Informasi. Jakarta: Erlangga Richard I., Levin., David S., Rubin Statistics for Management. New Jersey: Prentice Hall 2004 Digitized by USU digital library 6
PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR
PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR DRS. OPEN DARNIUS, M.SC Fakultas Matematika dan Ilmu Pengetahuan Alam Jurusan Matematika Universitas Sumatera Utara Pendahuluan
Lebih terperinciAPLIKASI PELUANG DISKRIT DALAM PENGAMBILAN KEPUTUSAN PERMASALAH GROSIR
APLIKASI PELUANG DISKRIT DALAM PENGAMBILAN KEPUTUSAN PERMASALAH GROSIR Mochamad Reza Akbar NIM : 13507131 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung
Lebih terperinciMODEL PENGAMBILAN KEPUTUSAN
MODEL PENGAMBILAN KEPUTUSAN 2.1 Pengertian Model Pegambilan Keputusan Model adalah percontohan yang mengandung unsure yang bersifat penyederhanaan untuk dapat ditiru (jika perlu). Pengambilan keputusan
Lebih terperinciBab 3 Pengantar teori Peluang
Bab 3 Pengantar teori Peluang Istilah peluang atau kemungkinan, sering kali diucapkan atau didengar. Sebagai contoh ketika manajer dari sebuah klub sepak bola ditanya wartawan tentang hasil pertandingan
Lebih terperinciBAB 8 DISTRIBUSI PELUANG DISKRIT
BAB 8 DISTRIBUSI PELUANG DISKRIT A. Peluang Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kode / SKS Program Studi Fakultas : Statistika Dasar : IT012244 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pendahuluan konsep statistika dan notasi penjumlahan 1.1. Konsep statistika
Lebih terperinciEkspektasi Satu Peubah Acak Diskrit
Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG Garis Besar Pembahasan Sub Pokok Pembahasan
Lebih terperinciMATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (SI) KODE / SKS: KD / 3 SKS
Minggu Pokok Bahasan ke dan TIU 1. 1.Distribusi sampling Memberi penjelasan tentang populasi, sampel, tehnik pengambilan sampel., serta distribusi sampling ratarata Sub Pokok Bahasan dan Sasaran Belajar
Lebih terperinciProgram Studi Teknik Mesin S1
SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE / SKS : IT042238 / 2 SKS Program Studi Teknik Mesin S1 Pokok Bahasan Pertemuan dan TIU 1 Pendahuluan memahami tentang konsep statistik
Lebih terperinciSIMULASI PROGRAM ANTRIAN BANK
TEKNIK SIMULASI SIMULASI PROGRAM ANTRIAN BANK Nama : Heni Indrawati NPM : 10 411 130 Kelas : C Jurusan : Teknik Informatika S 1 FAKULTAS ILMU KOMPUTER DAN MANAJEMEN UNIVERSITAS SAINS DAN TEKNOLOGI JAYAPURA
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks
Minggu Pokok Bahasan ke dan TIU 1 1Pendahuluan tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika statistika Mahasiswa dapat menjelaskan kegunaan
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciBAB 2 PROGRAM STOKASTIK
BAB 2 PROGRAM STOKASTIK 2.1 Pengertian Program Stokastik Banyak persoalan keputusan yang dapat dimodelkan dengan menggunakan program stokastik dengan tujuan menentukan nilai maksimum atau minimum. Tujuan
Lebih terperinciBAB 1 PENDAHULUAN. Persoalan keputusan sering diformulasikan sebagai. persoalan optimisasi, jadi dalam berbagai situasi, pengambil keputusan ingin
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dunia saat ini dilanda oleh adanya kondisi ketidakpastian yang tinggi, namun pengambil keputusan tetap harus menentukan keputusan walau dalam kondisi yang demikian.
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS
Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika
Lebih terperinciMaximize or Minimize Z = f (x,y) Subject to: g (x,y) = c
Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Mata Kuliah : RISET OPERASI (RO) Kode / SKS
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Statistika 2 / Probabilitas Terapan : IT012249 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1. Distribusi sampling populasi, sampel, tehnik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Teori Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam himpunan A, yang sering ditulis dengan memiliki dua kemungkinan, yaitu: 1 Nol (0), yang berarti
Lebih terperinciHANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak
HANDOUT PERKULIAHAN Pertemuan Ke : 3 Pokok Bahasan : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak URAIAN POKOK PERKULIAHAN A. Peubah Acak Definisi 1 : Peubah Acak Misalkan E adalah suatu
Lebih terperinciGARIS BESAR PROGRAM PENGAJARAN (GBPP)
GARIS BESAR PROGRAM PENGAJARAN (GBPP) Nama Mata Kuliah : STATISTIKA-1*/** / 2015 Kode Mata Kuliah/SKS : IT-022250/2 SKS (AKUNTANSI) Deskripsi singkat : Mata Kuliah Keilmuan dan Ketrampilan (MKKK) Statistika-1
Lebih terperinciDISTRIBUSI SATU PEUBAH ACAK
0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak
Lebih terperinciStudi Perbandingan Ekpektasi Biaya Total Antara Kasus Bakcorder dan Lost Sales pada Model Persediaan Probabilistik
J. Math. and Its Appl. ISSN: 1829-65X Vol. 3, No. 2, Nov 26, 19 117 Studi Perbandingan Ekpektasi iaya Total Antara Kasus akcorder dan Lost Sales pada Model Persediaan Probabilistik Valeriana Lukitosari
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (IA) KODE / SKS : KD / 3 SKS
1 1. Distribusi Sampling TIU : Memberi penjelasan tentang populasi, sampel, teknik pengambilan sampel, serta distribusi sampling rata-rata 2 1.2. Distribusi Sampling Rata-rata 1.1. Konsep Dasar Sampling
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciHidup penuh dengan ketidakpastian
BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciHARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
HARAPAN MATEMATIK Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 Pendahuluan Rata-rata perubah acak X atau rata-rata distribusi peluang X ditulis x atau. Dalam statistik rata-rata ini disebut harapan matematik
Lebih terperinciDISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar
DISTRIBUSI DISKRIT Uniform (seragam) Bernoulli Binomial Poisson Beberapa distribusi lainnya : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 081 Statistika Dasar Utriweni Mukhaiyar 5 Maret
Lebih terperinciMANAJEMEN PERSEDIAAN. ERLINA, SE. Fakultas Ekonomi Program Studi Akuntansi Universitas Sumatera Utara
MANAJEMEN PERSEDIAAN ERLINA, SE. Fakultas Ekonomi Program Studi Akuntansi Universitas Sumatera Utara A. Pendahuluan Manajemen persediaan merupakan hal yang mendasar dalam penetapan keunggulan kompetatif
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS Uniform U (seragam) MultinomialM l i i l Bernoulli Hipergeometrik Binomial Geometrik Poisson Binomial Negatif MA 2081 Statistika Dasar Utriweni Mukhaiyar 27 September 2012 2 Distribusi
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS
Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika
Lebih terperinciCNH3E3 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 terperinciFUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R
FUNGSI PELUANG GABUNGAN M A 4 0 8 5 P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R ILUSTRASI Suatu perusahaan properti memiliki banyak gedung/bangunan yang
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur
Lebih terperinciKonsep Peluang. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Konsep Peluang Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 THE ROLE OF PROBABILITY IN STATISTICS Probability and statistics are related in an important way. Probability is used as a tool; it allows
Lebih terperinciLearning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014
13 Maret 2014 Learning Outcome Mahasiswa dapat memahami dan menentukan peubah acak dari suatu kejadian Mahasiswa dapat memahami fungsi sebaran Mahasiswa dapat mengerti dan menentukan peubah acak diskret
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB LANDASAN TEORI Efisiensi Menurut Vincent Gaspersz (998, hal 4), efisiensi adalah ukuran yang menunjukan bagaimana baiknya sumber daya digunakan dalam proses produksi untuk menghasilkan output Efisiensi
Lebih terperinciPROYEKSI ORTHOGONAL PADA RUANG HILBERT. ROSMAN SIREGAR Fakultas Matematika Dan Ilmu Pengetahuan Jurusan Matematika Universitas Sumatera Utara
PROYEKSI ORTHOGONAL PADA RUANG HILBERT ROSMAN SIREGAR Fakultas Matematika Dan Ilmu Pengetahuan Jurusan Matematika Universitas Sumatera Utara Pendahuluan Pada umumnya suatu teorema mempunyai ruang lingkup
Lebih terperinciPeluang. Jadi, Ruang Sampel sebanyak {6}. Pada Dadu, ada 1, 2, 3, 4, 5, 6. Pada Kartu Remi, ada : Jadi, Ruang Sampel sebanyak {52}.
Peluang A. Populasi dan Sampel Populasi adalah himpunan semua obyek yang diteliti. Sampel adalah himpunan bagian dari populasi. Contoh: Dalam rangka menentukan tingkat kecerdasan rata-rata siswa SMP di
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciANALISIS PEMECAHAN MASALAH DAN PENGAMBILAN KEPUTUSAN. I S K A N D A R I N I Fakultas Pertanian Jurusan Sosial Ekonomi Universitas Sumatera Utara
ANALISIS PEMECAHAN MASALAH DAN PENGAMBILAN KEPUTUSAN I S K A N D A R I N I Fakultas Pertanian Jurusan Sosial Ekonomi Universitas Sumatera Utara A. Kerangka Analisis Strategis Kegiatan yang paling penting
Lebih terperinciGroebner, Mark, (2009). Business Statistics: A Decision- Making Approach, 7e 2008 Prentice-Hall, Inc.
STATISTIK BISNIS BUKU ACUAN: Groebner, Mark, (2009). Business Statistics: A Decision- Making Approach, 7e 2008 Prentice-Hall, Inc. Aczel dan Sounderpandian. (2002). Complete Business Statistics. Edisi
Lebih terperinciPENGAPLIKASIAN SISTEM INFORMASI MANAJEMEN DENGAN SISTEM INFORMASI DALAM PEROSES PENGAMBILAN KEPUTUSAN FAIGIZIDUHU BU ULOLO
PENGAPLIKASIAN SISTEM INFORMASI MANAJEMEN DENGAN SISTEM INFORMASI DALAM PEROSES PENGAMBILAN KEPUTUSAN FAIGIZIDUHU BU ULOLO Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara BAB I
Lebih terperinciBAB II LANDASAN TEORI
7 BAB II LANDASAN EORI 2.. Dasar Dasar Peluang Program stokastik adalah salah satu cabang matematika yang berhubungan dengan keputusan optimal dalam keadaan tidak pasti yang dinyatakan dengan distribusi
Lebih terperinciEkspektasi Satu Peubah Acak Kontinu
Chandra Novtiar 0857948015 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG Garis Besar Pembahasan Sub Pokok Pembahasan
Lebih terperinciPENJABARAN MATA KULIAH (COURSE OUTLINE)
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-05/RO Versi : 1 Tanggal Revisi : 25 Juli 2011 Revisi : 1 Tanggal Berlaku : 1 September 2011 PENJABARAN MATA KULIAH (COURSE OUTLINE) A. IDENTITAS MATA KULIAH Nama
Lebih terperinciKeputusan MODUL OLEH
Modul 5. Penanganan Ketidakpastian dan Diagram Keputusan ANALISAA SISTEM DAN PENGAMBILAN KEPUTUSAN MODUL V: PENANGANAN KETIDAKPASTIAN DAN DIAGRAM KEPUTUSAN OLEH : Prof. Dr. Ir. Marimin, M.Sc DEPARTEMEN
Lebih terperinciPertemuan 6 TEORI PENGAMBILAN KEPUTUSAN
Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Objektif: 1. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan dalam kepastian 2. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan
Lebih terperinciBAB 9 DISTRIBUSI PELUANG KONTINU
BAB 9 DISTRIBUSI PELUANG KONTINU A. Pengertian Distribusi Peluang Kontinu Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada skala kontinu. Ruang sampel kontinu adalah
Lebih terperinciStatistik TEORI PROBABILITAS PERMUTASI DAN KOMBINASI. Yusnina, M.Stat. Pembuka. Modul ke: Daftar Pustaka. Akhiri Presentasi.
Modul ke: Fakultas Teknik Statistik TEORI PROBABILITAS PERMUTASI DAN KOMBINASI Yusnina, M.Stat Program Studi Teknik Mesin www.mercubuana.ac.id Pembuka Daftar Pustaka Akhiri Presentasi Pendahuluan Suatu
Lebih terperinciBAB IV MODEL HIDDEN MARKOV
BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen
Lebih terperinciKAJIAN ESTIMASI PARAMETER BERDISTRIBUSI GAMMA DENGAN MOMENTS METHOD
KAJIAN ESTIMASI PARAMETER BERDISTRIBUSI GAMMA DENGAN MOMENTS METHOD DAN MAXIMUM LIKELIHOOD ESTIMATOR; SUATU TERAPAN DATA PARUH WAKTU DAN DATA SIMULASI SEBAGAI PERBANDINGAN SKRIPSI REHDAMENTA S TARIGAN
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF & PRAKTIKUM (AKN) KODE / SKS: KD / 3 SKS
Minggu Pokok Bahasan ke dan TIU 1 1. Penahuluan konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika Mahasiswa
Lebih terperinciProbabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata
dan Statistika dan Fungsi Peluang Adam Hendra Brata acak adalah sebuah fungsi yang memetakan hasil kejadian yang ada di alam (seperti : buka dan tutup; terang, redup dan gelap; merah, kuning dan hijau;
Lebih terperinciMAKALAH PELUANG OLEH :
MAKALAH PELUANG OLEH : Nama Kelompok 1. Asri Sihotang NIM.41031110 2. Astika Laras Hutagaol NIM.4103111012 3. Bethesda Butarbutar NIM.4103111013 4. Sefta A P Hutauruk NIM.4103111072 JURUSAN MATEMATIKA
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciHUKUM 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 terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan IV Konsep Peluang Septian Rahardiantoro - STK IPB 1 Populasi Pengambilan contoh dari populasi untuk pendugaan parameter Contoh1 Parameter μ Statistik x Setara
Lebih terperinciStatistika Farmasi
Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu
Lebih terperinciRESIKO AUDIT M. UTAMA NASUTION. Program Studi Akuntansi Fakultas Ekonomi Universitas Sumatera Utara
RESIKO AUDIT M. UTAMA NASUTION Program Studi Akuntansi Fakultas Ekonomi Universitas Sumatera Utara A. PENDAHULUAN Resiko pemeriksaan (Audit Risk) telah lama diakui adanya dan diterima sebagai suatu hal
Lebih terperinciDistribusi Peubah Acak
Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG 4 April 2017 Garis Besar Pembahasan FUNGSI
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciP E L U A N G. B. Peluang Kejadian Majemuk. Materi W12b. 1. Kejadian Majemuk saling Lepas 2. Kejadian Majemuk saling Bebas. Kelas X, Semester 2
Materi W12b P E L U A N G Kelas X, Semester 2 B. Peluang Kejadian Majemuk 1. Kejadian Majemuk saling Lepas 2. Kejadian Majemuk saling Bebas www.yudarwi.com B. Peluang Kejadian Majemuk Kejadian majemuk
Lebih terperinciMODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK
MODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK Chairunisah Abstrak Problema transportasi dan logistik dikarakteristikkan dengan proses informasi yang sangat dinamis, seperti : pesanan konsumen
Lebih terperinciMATERI STATISTIK II. Genrawan Hoendarto
MATERI STATISTIK II Teori Probabilitas Variabel Acak dan Nilai Harapan Distribusi Teoritis Distribusi Sampling Pengujian Hipotesis Regresi dan Korelasi Linear Sederhana Statistik Nonparametrik Daftar Pustaka
Lebih terperinciPEUBAH ACAK DAN SEBARANNYA
LOGO STATISTIKA MATEMATIKA I PEUBAH ACAK DAN SEBARANNYA Hazmira Yozza Izzati Rami HG Jurusan Matematika FMIPA Universitas Andalas Percobaan : Pelemparan dua mata uang AA AG GA GG S X Definisi 2.1. Peubah
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciPENGENALAN STATISTIKA
PENGENALAN STATISTIKA 1 Tujuan Instruksional Khusus Pokok Bahasan Sub Pokok Bahasan Waktu Sumber Membekali mahasiswa agar lebih paham dan menguasai teori terkait: data dan cara pengumpulan data serta manfaat
Lebih terperinciPERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN
PERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Objektif: 1. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan dalam kepastian 2. Mahasiswa dapat mencari
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak masalah nyata yang dapat dibawa ke model program linear. Metode penyelesaian program linear telah digunakan para ahli untuk menyelesaikan masalah di
Lebih terperinciDISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30
DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat
Lebih terperinciSILABUS RANCANGAN PEMBELAJARAN SATU SEMESTER SEMESTER GENAP PERIODE : JANUARI JUNI 2017
SILABUS RANCANGAN PEMBELAJARAN SATU SEMESTER SEMESTER GENAP 2016 2017 PERIODE : JANUARI JUNI 2017 Kelompok Mata Kuliah Nama / Kode Mata Kuliah Bobot Mata Kuliah Program Studi Semester Dosen Pembina : MKK
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciPeluang dan Kejadian (Event) Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Peluang dan Kejadian (Event) Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Kejadian (event) Kejadian adalah himpunan bagian (subset) dari
Lebih terperinciSistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Sistem Pengendalian Persediaan Dengan Permintaan Dan Pasokan Tidak Pasti (Studi Kasus Pada PT.XYZ) Ayu Tri Septadianti, Drs. I Gusti Ngurah Rai Usadha,
Lebih terperinciANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM
Saintia Matematika Vol., No. 2 (2), pp. 9 9. ANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM Hasoloan M Nababan, Open Darnius Sembiring, Ujian Sinulingga
Lebih terperinciPRAKTIKUM STATISTIKA INDUSTRI 2013 MODUL IV PENGUJIAN HIPOTESIS
PRAKTIKUM STATISTIKA INUSTRI 3 PENGUJIAN HIPOTESIS A. TUJUAN PRAKTIKUM Melalui praktikum Modul IV ini diharapakan praktikan dapat:. Melakukan pengujian hipotesis secara statistik dengan prosedur yang benar..
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak
STK511 Analisis Statistika Pertemuan 3 Sebaran Peluang Peubah Acak Beberapa Konsep Dasar Percobaan statistika: kegiatan yang hasil akhir keluarannya tidak diketahui di awal, tetapi kemungkinan-kemungkinannya
Lebih terperinciPENERAPAN TEORI KOMBINATORIAL, PELUANG DISKRIT, DAN POHON KEPUTUSAN DALAM PERMAINAN YAHTZEE
PENERAPAN TEORI KOMBINATORIAL, PELUANG DISKRIT, DAN POHON KEPUTUSAN DALAM PERMAINAN YAHTZEE Gifari Kautsar 13512020 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAK5161 Matematika Keuangan Aktuaria
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika
Lebih terperinciSTATISTIKA LINGKUNGAN
STATISTIKA LINGKUNGAN TEORI PROBABILITAS Probabilitas -pendahuluan Statistika deskriptif : menggambarkan data Statistik inferensi kesimpulan valid dan perkiraan akurat ttg populasi dengan mengobservasi
Lebih terperinciPenelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciPeubah Acak (Lanjutan)
Learning Outcomes 13 April 2014 Learning Outcomes Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat
Lebih terperinciULASAN MENENTUKAN RANGE DALAM MATERI STATISTIKA di SMA KELAS XI (Oleh Theresia Widyantini)
ULASAN MENENTUKAN RANGE DALAM MATERI STATISTIKA di SMA KELAS XI (Oleh Theresia Widyantini) 1. Pendahuluan Salah satu kompetensi dasar dalam mata pelajaran matematika SMA untuk kelas XI terkait aspek satistika
Lebih terperinciSetelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika
2 N i 1 x i N 2 Z X Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika sederhana s 2 n i 1 x i x n 1 2 No.
Lebih terperinciKonsep Dasar Peluang
Konsep Dasar Peluang Pendahuluan Prediksi kejadian sangat diperlukan dan diminati dalam berbagai bidang kehidupan. Seperti peramalan cuaca, penelitian ilmiah, permainan, bisnis, dll. Ruang contoh : Himpunan
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang, ditengah berkembangnya dunia industri tentunya terdapat berbagai permasalahan dalam bidang-bidang keindustrian. Permasalahan-permasalahan yang biasa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep teori permainan pada permainan berstrategi murni dan campuran dari dua pemain yang akan digunakan sebagai landasan berpikir dalam melakukan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan berkembangnya teknologi yang semakin canggih banyak sekali perusahaan yang bergerak di bidang jasa maupun manufaktur yang menyebabkan persaingan yang
Lebih terperinciPerencanaan Inventori Bahan Baku SPM Dengan Model P Back Order
Perencanaan Inventori Bahan Baku SPM Dengan Model P Back Order Edi Junaedi 1, Lely Herlina 2, Evi Febianti 3 1, 2, 3 Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa edi_junaedist@yahoo.com 1,
Lebih terperinciPertemuan 1 KONSEP DASAR PROBABILITAS
Pertemuan 1 KONSEP DASAR PROBABILITAS Pengantar Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan pasti, terutama kejadian yang akan datang. Meskipun kejadian-kejadian tersebut tidak
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciGAMBARAN KETENAGAKERJAAN PROPINSI JAMBI. IR. SINAR INDRA KESUMA Fakultas Pertanian Jurusan Sosial Ekonomi Universitas sumatera Utara I.
GAMBARAN KETENAGAKERJAAN PROPINSI JAMBI IR. SINAR INDRA KESUMA Fakultas Pertanian Jurusan Sosial Ekonomi Universitas sumatera Utara I. PENDAHULUAN Sumber daya manusia atau human resources mengandung dua
Lebih terperincioleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS
Dasar Statistik untuk Pemodelan dan Simulasi oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS . Probabilitas Probabilitas=Peluang, bisa diartikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinci