PENGAMBILAN KEPUTUSAN DALAM KONDISI KETIDAKPASTIAN UNTUK MENENTUKAN BIDANG YANG AKAN DIKEMBANGKAN DENGAN MENGGUNAKAN ANALISIS BAYES
|
|
- Devi Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 PENGAMBILAN KEPUTUSAN DALAM KONDISI KETIDAKPASTIAN UNTUK MENENTUKAN BIDANG YANG AKAN DIKEMBANGKAN DENGAN MENGGUNAKAN ANALISIS BAYES Ayu Pertiwi 1, Susiswo 2, Trianingsih Eni Lestari 3 Universitas Negeri Malang Pertiwi_cute17@yahoo.com Abstrak Pengambilan keputusan terletak dalam perumusan berbagai alternatif tindakan sesuai dengan pemilihan alternatif yang tepat. Teorema Bayes digunakan pada proses pengambilan keputusan yang tidak terlepas dari teori peluang. Teorema Bayes dikenal sebagai rumus dasar untuk peluang bersyarat yang tidak bebas. Salah satu syarat agar teorema bayes bisa digunakan untuk pengambilan keputusan adalah peluang prior diketahui dan posterior dihitung. Pengambilan keputusan ini diterapkan pada usaha bidang berdagangan pakaian yaitu Pertiwi s Fashion. Dengan menggunakan teorema Bayes pengembangan produk pada pertiwi s fashion adalah produk aksesoris dengan nilai harapan maksimum sebesar 11,09. Kata kunci: pengambilan keputusan, teorema Bayes, pertiwi s fashion. Abstrac Decision-making lies in the formulation of various alternative actions in accordance with the selection of an appropriate alternative. Bayes Theorem is used in the decision-making process that is inseparable from opportunity theory. Bayes theorem is known as the basic formula for the conditional probability is not free. One of the conditions that Bayes theorem can be used for decision-making is known prior and posterior odds calculated. Decision making is applied to the field of business, namely clothing berdagangan Earth's Fashion. By using Bayes theorem on product development motherland's fashion accessories is a product with a maximum expected value of Keywords: decision making, Bayes theorem, pertiwi s fashion. Mengambil atau membuat keputusan adalah kondisi dalam pilihan, biasanya dalam membuat keputusan akan banyak berbagai alternatif tetapi pembuat keputusan harus memilih salah satu alternatif dari sekian banyak alternatif karena dalam membuat atau mengambil keputusan itu berkaitan dengan menentukan keputusan mana, dari sekelompok alternatif yang mungkin dan yang optimal untuk suatu kondisi tertentu. Dalam proses membuat keputusan salah satu komponen yang penting adalah mengumpulkan banyak informasi. Penerapan pengambilan keputusan ini bisa melalui bidang usaha atau yang lainnya. Bidang usaha tersebut misalnya usaha butik seperti pada pertiwi s fashion ini. Pertiwi s Fashion adalah usaha yang bergerak dalam bidang fashion. Barang yang diproduksi oleh pertiwi s fashion adalah pakaian wanita, kerudung, dan aksesoris. 1. Ayu Pertiwi adalah mahasiswa jurusan Matematika FMIPA Universitas Negeri Malang 2. Susiswo adalah dosen jurusan Matematika FMIPA Universitas Negeri Malang 3. Trianingsih Eni Lestari dosen jurusan Matematika FMIPA Universitas Negeri Malang
2 2 Rencananya usaha ini akan dikembangkan dengan menaikkan jumlah produksi, tetapi kendala yang dihadapi dalam usaha ini adalah keterbatasan modal. Pertiwi s Fashion hanya bisa mengembangkan atau menaikkan jumlah produksi pada salah satu jenis produknya. Dari penjelasan di atas perlu dilakukan pengambilan keputusan manajemen untuk memilih bidang yang akan dikembangkan. Pengambilan keputusan harus memperhatikan fakta-fakta dari sekitar yang ada untuk menentukan tindakan alternatif. Dalam hal ini aplikasi teori keputusan statistik akan diperlukan. Salah satu cara untuk menentukan keputusan secara statstik adalah dengan menggunakan teorema Bayes, karena teorema Bayes digunakan untuk menghitung probabilitas mengenai sebab-sebab terjadinya suatu peristiwa berdasarkan pengaruh yang dapat diperoleh sebagai hasil observasi, yaitu dalam rangka pemecahan masalah dalam pengambilan keputusan yang mengandung ketidakpastian. Pada data penjualan ini mengikuti sebaran normal. Data yang mengikuti sebaran tergantung pada dua parameter yaitu rata-rata dan simpangan baku. Misal sampel acak berukuran n, dengan dan, maka Misal dan (1) sampel acak berukuran n maka dan (2) Dengan: s = Simpangan baku = Nilai data ke-i = Rata-rata n = Banyaknya data Menurut Levin dkk, 2002 (dalam Hazhiah dkk, 2012) Syarat-syarat Teorema Bayes bisa digunakan untuk menentukan pengambilan keputusan, yaitu: 1. Berada pada kondisi ketidakpastian (adanya alternatif tindakan) 2. Peluang prior diketahui dan peluang posterior dapat ditentukan 3. Peluangnya mempunyai nilai antara nol dan satu Prior merupakan bentuk distribusi frequency yang merupakan representasi objektif pada suatu parameter yang lebih rasional untuk dipercayai, atau prior merupakan suatu representasi subjektifitas seseorang dalam memandang sebuah parameter menurut penilaiannya sendiri. Untuk mendapatkan keputusan dengan teorema bayes dalam menentukan nilai peluang posterior, dengan fungsi untuk sebaran normal: Berdasarkan hukum bayes diperoleh besarnya peluang posterior ke-j sebagai berikut:
3 3 Dengan adalah peluang prior dan x adalah nilai rata-rata sampel dari seluruh populasi. Proses pengambilan keputusan dengan menggunakan kriteria harga harapan sering disebut sebagai prosedur keputusan Bayes. Prosedur keputusan bayes yang diterapkan dalam pertiwi s fashion bertujuan untuk mengetahui hasil harga harapan dan peluang posterior setelah diiterasi untuk setiap produk pertiwi s fashion dan hasil keputusan untuk merencanakan pengembangan bidang pada salah satu produk pertiwi s fashion dari penelitian yang dilakukan. METODE Pendekatan yang digunakan dalam penelitian ini adalah penelitian kuantitatif. Peneliti mengumpulkan data dengan cara terjun langsung ke lapangan dengan menjual produk pertiwi s fashion. Penelitian ini dilakukan dengan mengambil data keuntungan dari penjualan produk pertiwi s fashion setiap minggunya. Data tersebut akan dianalisa dengan menggunakan teorema bayes. Dari proses itulah peneliti bisa mengetahui keputusan mana yang akan diambil. Adapun populasi dalam penelitian ini adalah data penjualan yang diperoleh dari penjualan produk pertiwi s fashion diantaranya bros, kerudung, dan baju. Sampel adalah bagian kecil dari suatu populasi. Pengambilan sampel penelitian ini diambil dari data penjualan produk pertiwi s fashion selama tiga bulan. Peneliti hanya bisa menggunakan data hanya selama tiga bulan karena tempat studi kasus skripsi ini berdiri bulan september tahun Analisis data pada penelitian ini adalah melakukan identifikasi dimana peneliti mengumpulkan data primer tentang data penjualan aksesoris, kerudung, dan baju. Selanjutnya melakukan uji distribusi pada data penjualan, menghitung rata-rata, dan menghitung simpangan baku pada setiap alternatif. Kemudian Menentukan nilai distribusi prior dan nilai tingkat penjualan pada kondisi atau keadaan yang mungkin terjadi. Setelah itu menentukan peluang prior, peluang posterior, dan menghitung harga atau nilai harapan dengan Teorema Bayes dari data yang ada. pilihan alternatif yang diambil untuk nilai harapan yang maksimum. HASIL DAN PEMBAHASAN Data berikut adalah nilai jual produk pertiwi s fashion selama tiga bulan seperti pada Tabel 1.
4 StDev Percent 4 Tabel.1 Nilai jual produk Jenis Produk Minggu Ke September Oktober November Aksesoris Kerudung Pakaian Dalam melakukan analisis keputusan dengan menggunakan teorema Bayes, sebaiknya data harus berdistribusi normal. Untuk itu data di atas akan diuji distribusi apakah data tersebut berdistribusi normal atau tidak berdistribusi normal. uji normalitas Normal Mean StDev N 31 AD 1,811 P-Value <0, data penjualan Gambar.1 Plot Uji Kenormalan Data Pada grafik di atas diperoleh p-value < 0,05 sehingga data tidak berdistribusi normal. Oleh karena itu data tersebut akan ditransformasi Box- Cox. Berikut adalah hasil transformasi data: Setelah diperoleh hasil tranformasi Box-Cox, dapat dilihat pada grafik transformasi Box-Cox berikut : Box-Cox Plot of data penjualan Lower CL Upper CL Lambda (using 95,0% confidence) Estimate -0, Lower CL -0,67 Upper CL 0, Rounded Value 0, Limit Lambda Gambar 2 Transformasi Box-Cox
5 Percent 5 Interval kepercayaan 95% meliputi semua nilai lambda yang memiliki standar deviasi kurang dari atau sama dengan garis horizontal. Oleh karena itu, setiap nilai lambda yang memiliki standar deviasi dekat dengan garis putus-putus juga nilai yang mungkin digunakan untuk transformasi. Dalam transformasi ini, korespondensinya ke selang - 0,07sampai 0,29, dari data yang ditransformasi telah didapatkan rata-rata 9,36 dan simpangan baku 3,81. Langkah selanjutnya adalah menguji kenormalan data yang telah ditransformasi. Berikut adalah Gambar 3 hasil uji normalitas setelah data ditransformasi. Probability Plot of transformasi Normal Mean 10,87 StDev 0,6504 N 31 AD 0,168 P-Value 0, ,0 9,5 10,0 10,5 11,0 transformasi 11,5 12,0 12,5 Gambar 3 Uji Normalitas setelah Ditransformasi Box-Cox. Pada Gambar 3 terlihat bahwa nilai p-value 0,929, hal ini menunjukkan bahwa data yang telah ditransformasi berdistribusi normal karena nilai p-value lebih dari 0,05. Setelah data berdistribusi normal, langkah selanjutnya adalah menentukan nilai tingkat penjualan. 1. Tingkat penjualan produk pada saat terjadi penurunan dari nilai ratarata yang ditargetkan (kondisi memburuk), diasumsikan sebagai ratarata simpangan baku = 9,36 3,81=5, Tingkat penjualan produk pada saat terjadi pada nilai rata-rata stabil diasumsikan rata-rata penjualan produk adalah 9, Tingkat penjualan produk pada saat terjadi peningkatan dari nilai rataraa yang ditargetkan (kondisi membaik), diasumsikan sebagai rata-rata + simpangan baku = 9,36 + 5,55=13,16. perhitungan untuk alternatif tindakan pada ketiga produk analog dengan perhitungan seperti yang di atas. Berikut perhitungan untuk produk aksesoris: 1. Rata-rata penjualan produk Aksesoris = 11,08 2. Simpangan baku = 0,74 3. Menentukan nilai tingkat penjualan produk pada kondisi yang mungkin terjadi, hanya untuk produk aksesoris. a. Tingkat penjualan produk aksesoris saat terjadi (kondisi memburuk), diasumsikan sebagai rata-rata simpangan baku = 11,08 0,74 = 10,34 b. Tingkat penjualan produk aksesoris pada saat stabil diasumsikan sebagai rata-rata penjualan produk aksesoris adalah 11,08.
6 6 c. Tingkat penjualan produk aksesoris saat terjadi peningkatan (kondisi membaik), diasumsikan sebagai rata-rata + simpangan baku = 11,08 + 0,74 = 10,34. Perhitungan untuk produk akseoris ini juga diterapkan pada perhitungan pakaian dan kerudung. Dari hasil nilai tingkat penjualan semua produk dan dari Tabel 1 bisa diasumsikan peluang prior untuk masing-masing kondisi adalah sebagai berikut: 1. Tingkat penjualan produk dengan nilai dibawah 0 sampai 5,50 artinya terjadi penurunan penjualan produk (menurun) sebesar 14% 2. Tingkat penjualan produk dengan nilai dibawah sampai ,60 artinya tingkat penjualan produk berada pada rata-rata terget (stabil) atau sebesar 86%. 3. Tingkat penjualan produk dengan nilai dibawah ,60 sampai artinya terjadi peningkatan penjualan produk (membaik) sebesar 0% Setelah diperoleh peluang dan nilai tingkat penjualan pada masingmasing produk, maka langkah selanjutnya adalah mencari harga harapan, cara perhitungan harga harapan adalah sebagai berikut: 1. Harga Harapan untuk Produk Aksesoris 2. Harga Harapan untuk Produk Kerudung 3. Harga Harapan untuk Produk Pakaian Tabel 2 Payoff untuk Kriteria Harga Harapan Aksesoris 10,34 11,08 10,34 10,98 Kerudung 1,78 6,82 1,78 6,12 Pakaian 6,95 10,17 13,40 9,72 0,14 0,86 0,00 Dari Tabel 2 di atas diperoleh nilai harga harapan dan peluang serta nilai pada saat keadaan meningkat, stabil, dan menurun. Dengan menggunakan teoema Bayes, Harga harapan yang optimal dapat dilakukan dengan mencari posterior secara iterasi sampai diperoleh nilai peluang posterior. Pilihan alternatif yang diambil adalah nilai harga harapan maksimum. Berikut adalah perhitungan iterasi I sampai dengan iterasi VI. Iterasi I Besarnya peluang posterior aksesoris adalah
7 7 Besarnya peluang posterior kerudung adalah Besarnya peluang posterior pakaian adalah Setelah peluang posterior diperoleh, maka data pada Tabel 2 dibentuk menjadi Tabel 3 dan dicari harga harapan untuk masing-masing alternatif tindakan. Tabel 3 Hasil Analisis iterasi I dengan Teorema Bayes Aksesoris 10,34 11,08 10,34 10,98 Kerudung 1,78 6,82 1,78 6,12 Pakaian 6,95 10,17 13,40 9,72 0,08 0,91 0,00 Dari Tabel 3 diperoleh batas saat kondisi menurun untuk semua produk sebesar 5,50, nilai saat kondisi stabil sebesar 9,36 dan nilai batas saat kondisi meningkat sebesar 13,36. Sedangakan untuk produk Aksesoris diperoleh batas saat kondisi menurun sebesar 10,34. Nilai saat kondisi stabil sebesar 11,08 dan nilai batas saat kondisi meningkat sebesar 10,98. Produk Kerudung diperoleh batas saat kondisi menurun sebesar 1,78. Nilai saat kondisi stabil sebesar 11,08 dan nilai batas saat kondisi meningkat sebesar 10,34. Produk Pakaian diperoleh batas saat kondisi menurun sebesar 6,95. Nilai saat kondisi stabil sebesar 10,17 dan nilai batas saat kondisi meningkat sebesar 9,72. Dari Tabel 2 juga diperoleh peluang posterior untuk masing-masing kondisi dan harga harapan pada masing-masing produk. Pada saat kondisi menurun diperoleh peluang sebesar 0,14. Sedangkan untuk kondisi stabil peluang posteriornya adalah 0,86, dan untuk kondisi meningkat diperoleh peluang posteriornya sebesar 0,00. Harga harapan untuk produk aksesoris, kerudung, dan Pakaian berturut-turut adalah 10,98, 6,12, dan 9,72. Iterasi II Karena belum mendekati satu, maka akan dilakukan iterasi lagi. Pada iterasi II dilakukan perhitungan yang sama dengan cara pada iterasi I. Hasil perhitungan pada iterasi II disajikan pada Tabel 4. Tabel 4 Hasil iterasi II Analisis dengan Teorema Bayes Aksesoris 10,34 11,08 10,34 11,36 Kerudung 1,78 6,82 1,78 6,57 Pakaian 6,95 10,17 13,40 10,01 0,05 0,95 0,00 Iterasi III Tabel 5 Hasil iterasi III Analisis dengan Teorema Bayes Aksesoris 10,34 11,08 10,34 11,06 Kerudung 1,78 6,82 1,78 6,67 Pakaian 6,95 10,17 13,40 10,07 0,03 0,95 0,00 Iterasi IV Tabel 6 Hasil iterasi IV Analisis dengan Teorema Bayes
8 8 Aksesoris 10,34 11,08 10,34 11,06 Kerudung 1,78 6,82 1,78 6,67 Pakaian 6,95 10,17 13,40 10,07 0,03 0,97 0,00 Iterasi V Tabel 7 Hasil iterasi V Analisis dengan Teorema Bayes Aksesoris 10,34 11,08 10,34 11,07 Kerudung 1,78 6,82 1,78 6,72 Pakaian 6,95 10,17 13,40 10,26 0,02 0,98 0,00 Iterasi VI Tabel 8 Hasil iterasi VI Analisis dengan Teorema Bayes Aksesoris 10,34 11,08 10,34 11,09 Kerudung 1,78 6,82 1,78 6,77 Pakaian 6,95 10,17 13,40 10,26 0,01 0,99 0,00 Dengan menggunakan teorema Bayes, penulis bisa menentukan peluang posterior dari masing-masing alternatif. Nilai harga harapan yang optimal dilakukan dengan mencari posterior secara iterasi sampai iterasi VI. Untuk produk aksesoris diperoleh harga harapan 11,09. Untuk produk kerudung diperoleh harga harapan 6,77. Untuk pakaian diperoleh harga harapan Rp. 10,26. Pilihan alternatif yang diambil untuk nilai HH maksimum yaitu Rp. 11,09. Perhitungan yang dilakukan secara iterasi berhenti karena salah satu nilai peluang posterior sudah mendekati satu yaitu 0,99. Keputusan yang diperoleh berdasarkan teorema Bayes dalam merencanakan pengembangan produk Pertiwi s Fashion dengan tiga produk adalah mengembangkan produk aksesoris. Berdasarkan pembahasan mengenai penentuan produk yang akan dikembangkan dengan menggunakan analisis Bayes dengan enam kali iterasi maka dapat diambil kesimpulan sebagai berikut: 1. Diperoleh peluang posterior dan harga harapan untuk masing-masing produk. Untuk produk aksesoris diperoleh harga harapan 11,09 ini berarti bahwa nilai moneter yang diperkirakan dari keputusan aksesoris adalah 11,09. Untuk produk kerudung diperoleh harga harapan 6,77, ini berarti bahwa nilai harapan yang diperkirakan dari keputusan kerudung adalah 6,77. Untuk pakaian diperoleh harga harapan 10,26 ini berarti bahwa nilai harapan yang diperkirakan dari keputusan pakaian adalah 10, Keputusan yang diperoleh berdasarkan teorema Bayes dalam merencanakan pengembangan produk Pertiwi s Fashion dengan tiga produk adalah mengembangkan produk aksesoris dengan harapan
9 9 maksimum sebesar 11,09 dengan besarnya peluang posterior kedua adalah 0,99 jika peluang posterior tersebut mendekati satu. Dalam penulisan skripsi tentang teori keputusan, penulis hanya melakukan analisis bayes. Bagi pembaca yang berminat tentang teori keputusan khususnya tentang teori keputusan dengan menggunakan analisis bayes, penulis menyarankan untuk membahas mengenai teori keputusan dengan menggunakan analisis bayes dengan menggunakan distribusi lain dengan aplikasi di berbagai bidang dan membahas teori keputusan dengan Kriteria Hurwicz. DAFTAR RUJUKAN Berger O James Statistical Decision Theory and Bayesian Analysis.Penerbit Spinger-Verlag. New York. Frances Bacon. Alat untuk Analisis Keputusan. (Online). id&u= home.ubalt.edu/ntsbarsh/opre640a/partix.htm, di akses tanggal 20 Maret Gelman Andrew, Carlin B John, Stren S Hal, Rubin B Donald Bayesian Data Analysis.St Edmundbury Press.Britain. Indria Tsani Hazhiah, Sugito, Rita Rahmawati. Estimasi Parameter Distribusi Weibull Dua Parameter Menggunakan Metode Bayes. (Online). diakses tanggal 12 Maret Lind A Dauglas, Marchal G William, Wathen A Samuel Statistical Techniques inn Bussines and Economic.Penerbit Salemba Empat.Jakarta. Montgomery C Dauglas.Pengendalian Kualitas Statistik.Penerbit Gadjah Mada University Press. Yogyakarta. Nani Sujhaniati Br Purba. Peranan Teorema Bayes Dalam Pengambilan Keputusan. (Online). diakses 11 Maret 2013.
10 'I A*ikel ole,h Ayu Fertiwi hi Telah diporiksa pda terygal 21 Mei 2013 Po,mbhbing I d Drs. Srgiswq IU.Si. NrP 196t$ t Fe,mffiineil 91 ' TrtroirySEnil@L S.' M.Si. NIP 19$i0l0l Ayn Fertirni!{fiil i*h}3lzd.iytf&
KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Propinsi Jawa Timur Tahun 2008 Jawa Timur adalah provinsi yang terdiri dari 29 kabupaten dan 9 kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi
Lebih terperinciUniversitas Sumatera Utara
PERSETUJUAN Judul : PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE BAYES PADA EKSPEKTASI FUNGSI UTILITAS Kategori : SKRIPSI Nama : SELVIRA LESTARI SIREGAR Nomor Induk Mahasiswa : 090803070 Program Studi : SARJANA
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciTINJAUAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN RESIKO SKRIPSI AMIR IRIANTO SINAGA
TINJAUAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN RESIKO SKRIPSI AMIR IRIANTO SINAGA 080823009 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2010
Lebih terperinciPERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS
E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani 1, I Gusti
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciAPLIKASI PENGAMBILAN KEPUTUSAN PADA PERENCANAAN PRODUKSI BERDASARKAN TEOREMA BAYES
Media Informatika, Vol. 6, No. 1, Juni 008, 5-8 ISSN: 0854-474 APLIKASI PENGAMBILAN KEPUTUSAN PADA PERENCANAAN PRODUKSI BERDASARKAN TEOREMA BAYES Sugandi Yahdin 1, Syamsuriadi, Yenni Eka Rinni 1 Dosen
Lebih terperinciPERANAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN SKRIPSI NANI SUJHANIATI BR PURBA
PERANAN TEOREMA BAYES DALAM PENGAMBILAN KEPUTUSAN SKRIPSI NANI SUJHANIATI BR PURBA 060823035 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2008 PERANAN
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciProsiding ISBN :
Penggunaan Metode Bayesian Subyektif dalam Pengkonstruksian Grafik Pengendali-c Sekar Sukma Asmara a, Adi Setiawan b, Tundjung Mahatma c a Mahasiswa Program Studi Matematika Fakultas Sains Matematika Universitas
Lebih terperinciPENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA
PENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA 09083005 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia dilahirkan ke dunia dengan tujuan menjalankan kehidupannya sesuai dengan kodratnya yakni tumbuh dan berkembang. Untuk tumbuh dan berkembang, berarti setiap
Lebih terperinciBAB III. PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI. Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi
BAB III PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi variasi yang terjadi dalam suatu proses. Sementara itu,
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciTeori Pengambilan Keputusan
Teori Pengambilan Keputusan Iman Murtono Soenhadji Jurusan Manajemen Fakultas Ekonomi Iman Murtono Soenhadji 1 Bab 1: Pendahuluan Pengertian Pengambilan Keputusan dikemukakan oleh, Ralp C. Davis; Mary
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS Oleh: Dian Mareta Windayani 1206 100 055 Desen pembimbing: Dra. Laksmi Prita, M.Si Abstrak
Lebih terperinciPENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT
PENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT Nama Mahasiswa : Enjela Puspadewi NRP : 1207 100 026 Jurusan : Matematika FMIPA Dosen Pembimbing : Dra. Laksmi
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciDeteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Dwiningrum Prihastiwi, Dadang Juandi, Nar Herrhyanto
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciS - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP
S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP Janse Oktaviana Fallo 1, Adi Setiawan 2, Bambang Susanto 3 1,2,3 Program Studi Matematika
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciII. TINJAUAN PUSTAKA. Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan
II. TINJAUAN PUSTAKA 2.1 Analisis Ragam Klasifikasi Satu Arah Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan sebuah teknik yang disebut analisis ragam. Analisis ragam adalah
Lebih terperinciESTIMASI BAYES UNTUK PARAMETER PARETO DENGAN MENGGUNAKAN FUNGSI LIKELIHOOD
ESTIMASI BAYES UNTUK PARAMETER PARETO DENGAN MENGGUNAKAN FUNGSI LIKELIHOOD TESIS Oleh JEMONO 117021005/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013 ESTIMASI BAYES
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. Sample pada penelitian ini diambil dengan metode purpose sampling (sampel sengaja
BAB IV ANALISIS DATA DAN PEMBAHASAN Penelitian ini menggunakan sample perusahaan keluarga dan perusahaan non keluarga yang terdaftar di Bursa Efek Indonesia (BEI) sejak tahun 2012 hingga tahun 2014. Sample
Lebih terperinciPENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE BAYES PADA EKSPEKTASI FUNGSI UTILITAS. Selvira Lestari Siregar, Suwarno Ariswoyo, Pasukat Sembiring
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 47 54. PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE BAYES PADA EKSPEKTASI FUNGSI UTILITAS, Selvira Lestari Siregar, Suwarno Ariswoyo, Pasukat Sembiring
Lebih terperinciANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH
Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 53 60 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciPada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.
BAB IV ANALISA DATA 3 BAB 4 ANALISA DATA 4.1 Pendahuluan Dalam suatu proses produksi di industri, data yang akan diolah tidak begitu saja bisa didapatkan. Ada suatu proses sehingga data tersebut bisa didapatkan,
Lebih terperinciPERHITUNGAN VALUE AT RISK PORTOFOLIO SAHAM MENGGUNAKAN METODE SIMULASI MONTE CARLO
PERHITUNGAN VALUE AT RISK PORTOFOLIO SAHAM MENGGUNAKAN METODE SIMULASI MONTE CARLO Adilla Chandra 1*, Johannes Kho 2, Musraini M 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika Fakultas
Lebih terperinciPEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH
PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan
Lebih terperinciINTERVAL KEPERCAYAAN
INTERVAL KEPERCAYAAN Untuk menaksir interval taksiran parameter dengan koefisien kepercayaan, maka sebuah sampel acak diambil, lalu hitung nilai nilai statistik yang diperlukan. Perumusan dalam bentuk
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciPENGAMBILAN KEPUTUSAN RISIKO MENGGUNAKAN METODE BAYES DAN FUNGSI UTILITAS SKRIPSI BINARA TUA JOSEN SIMANJUNTAK
PENGAMBILAN KEPUTUSAN RISIKO MENGGUNAKAN METODE BAYES DAN FUNGSI UTILITAS SKRIPSI BINARA TUA JOSEN SIMANJUNTAK 090823061 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciDISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi
DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak
Lebih terperinciANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE II (KONSUMEN) DALAM KERJASAMA RANTAI PASOK. Nama Mahasiswa : Afriani Sulastinah NRP :
ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE II (KONSUMEN) DALAM KERJASAMA RANTAI PASOK Nama Mahasiswa : Afriani Sulastinah NRP : 1206 100 030 Jurusan : Matematika Dosen Pembimbing : Dra. Laksmi Prita
Lebih terperinciUJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR
PYTHAGORAS, 6(2): 161-166 Oktober 2017 ISSN Cetak: 2301-5314 UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR Hermansah
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. merupakan mesin paling kritis dalam industri pengolahan minyak sawit. Pabrik
BAB 4 HASIL DAN PEMBAHASAN 4.1.Pengumpulan Data Kerusakan Mesin Dalam penelitian ini, penulis meneliti kerusakan pada mesin kempa yang merupakan mesin paling kritis dalam industri pengolahan minyak sawit.
Lebih terperinciSIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI. Abstract
ISBN: 978-602-71798-1-3 SIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI Widiarti 1), Ayu Maidiyanti 2), Warsono 3) 1 FMIPA Universitas Lampung widiarti08@gmail.com
Lebih terperinciPENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF. Adi Setiawan
PENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl Diponegoro 5-6 Salatiga
Lebih terperinciPERBANDINGAN PETA KENDALI ATRIBUT DALAM PENGENDALIAN KUALITAS PRODUK DI PT ARIKA KHARISMA AGUNG. Muhlis M. Asri, Annisa, Muh.
PERBANDINGAN PETA KENDALI ATRIBUT DALAM PENGENDALIAN KUALITAS PRODUK DI PT ARIKA KHARISMA AGUNG Muhlis M. Asri, Annisa, Muh. Saleh AF Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) Didin Astriani P 1, Jadi Suprijadi 2, Zulhanif 3 Program Pendidikan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN Pada bab ini akan diberikan pendahuluan sebelum menginjak pembahasan pokok. Pendahuluan ini meliputi latar belakang masalah, rumusan masalah, tujuan dan manfaat penelitian, tinjauan pustaka,
Lebih terperinciAnalisis Survival Parametrik Pada Data Tracer Study Universitas Sriwijaya
Analisis Survival Parametrik Pada Data Tracer Study Universitas Sriwijaya Alfensi Faruk Jurusan Matematika, Fakultas MIPA, Universitas Sriwijaya e-mail: alfensifaruk@unsri.ac.id Abstract: In this study,
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya
Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Semakin banyak dan beragamnya industri saat ini, menyebabkan semakin ketat persaingan antara perusahaan industri satu dengan yang lainnya, baik dari
Lebih terperinciPERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA
PERAMALAN NILAI EKSPOR DAN NILAI IMPOR INDONESIA KE JEPANG MENGGUNAKAN MODEL VARIMA, Universitas Negeri Malang E-mail: desyulvia@gmail.com Abstrak: Penulisan skripsi ini bertujuan untuk mempelajari Model
Lebih terperinciPENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR
PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : - Algoritma Naïve Bayes Classifier
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : Tabel 2.1 Penelitian sebelumnya Parameter Penulis Objek Metode Hasil
Lebih terperinciESTIMATOR BAYES DAN MAKSIMUM LIKELIHOOD UNTUK DATA BERDISTRIBUSI WEIBULL SKRIPSI SUMI SRIARDINA YUSARA
ESTIMATOR BAYES DAN MAKSIMUM LIKELIHOOD UNTUK DATA BERDISTRIBUSI WEIBULL SKRIPSI SUMI SRIARDINA YUSARA 100823018 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciPERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made
Lebih terperinciPEMBANGKIT 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 terperinciKata Kunci: Bagan kendali nonparametrik, estimasi fungsi kepekatan kernel
Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 1 10 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND BAGAN KENDALI NONPARAMETRIK DENGAN ESTIMASI FUNGSI KEPEKATAN KERNEL (STUDI KASUS: INDEKS PRESTASI MAHASISWA
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
67 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Subjek Penelitian Penelitian ini dilaksanakan di SMP Negeri 2 Tuntang, Kecamatan Tuntang Kabupaten Semarang yang beralamat
Lebih terperinciLAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL
LAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL Disusun oleh: Bekti Wulan Sari 11/318052/PN/12374 LABORATORIUM TEKNOLOGI IKAN JURUSAN PERIKANAN FAKULTAS PERTANIAN UNIVERSITAS
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
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 terperinciPENAKSIRAN NILAI PARAMETER POPULASI
PENAKSIRAN NILAI PARAMETER POPULASI Setelah mengikuti perkuliahan minggu I, mahasiswa BOPR 5204 diharapkan mampu untuk (1) Menjelaskan penaksiran titik dan interval parameter populasi (2) Mengetahui jenis
Lebih terperinciPENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN
PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN A. Rofiqi Maulana; Suci Astutik Universitas Brawijaya; arofiqimaulana@gmail.com ABSTRAK. Filariasis (Penyakit Kaki Gajah) adalah penyakit
Lebih terperinciINFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MATA KULIAH: STATISTIK INFERENSIAL DAN LAB (UPM) PROGRAM STUDI S1 MANAJEMEN 2015 bekman4s@yahoo.com 1 dari 8 Nama Mata Kuliah : Statistik Inferensial dan Lab (UPM) Kode
Lebih terperinciMETODE PENGAMBILAN KEPUTUSAN DENGAN TEOREMA BAYES SKRIPSI RICHARDO TOBER SIHOMBING
METODE PENGAMBILAN KEPUTUSAN DENGAN TEOREMA BAYES SKRIPSI RICHARDO TOBER SIHOMBING 080823012 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2010 METODE
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM)
ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) oleh MIKA ASRINI M0108094 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciPenduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER
Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciANALISIS TAHAN HIDUP PENDERITA DEMAM BERDARAH DENGUE
ANALISIS TAHAN HIDUP PENDERITA DEMAM BERDARAH DENGUE (DBD) DI KABUPATEN KARANGANYAR DENGAN PENDEKATAN BAYESIAN Titian Peramu Cahyani, Sri Subanti dan Purnami Widyaningsih Jurusan Matematika Fakultas Matematika
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciSEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND
MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND Ridayati Ircham Jurusan Teknik Sipil STTNAS Jalan Babarsari Caturtunggal Depok Sleman e-mail: ridayati@gmail.com ABSTRAK Tulisan ini membahas tentang
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciDlri Fiuia $trbi# Nn/l. N
4di ". ; :W -":Es-..3rys\ il., F. ii) I _-- ::...-.ij.jr,-i:lii:{aid{*;f,!.:rtq {'!%EEryryrynr:rirjt'i',r\14:Er:i{Y.ii.. :1 t:irrri,' -.,::ffi.t I A*ikel sleh Dwi Fiuia Subiakti ini Telah diperiksa dan
Lebih terperinciIMPLEMENTASI UJI RATA-RATA KECACATAN PRODUK ROKOK BERBASIS DISTRIBUSI POISSON (Studi Kasus PR.TRUBUS ALAMI TULUNGAGUNG)
IMPLEMENTASI UJI RATA-RATA KECACATAN PRODUK ROKOK BERBASIS DISTRIBUSI POISSON (Studi Kasus PR.TRUBUS ALAMI TULUNGAGUNG) Krisna Trenggalih, Hendro Permadi, dan I Nengah Parta Universitas Negeri Malang E-mail:
Lebih terperinciINFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI
INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada
Lebih terperinciOPTIMALISASI PORTOFOLIO OBLIGASI BANK DENGAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO MELALUI MODEL GAUSSIAN MIXTURE
OPTIMALISASI PORTOFOLIO OBLIGASI BANK DENGAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO MELALUI MODEL GAUSSIAN MIXTURE Oleh NURUL UTAMININGSIH M0108103 SKRIPSI Ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciESTIMASI 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 terperinciANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL
ANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL Makalah Untuk Memenuhi Tugas Mata Kuliah Pengendalian Kualitas Statistik Yang Dibina Oleh Bapak Hendro Permadi Nama Kelompok: Sudarsono (309312422762)
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPERAMALAN PENJUALAN MINUMAN COCA-COLA PADA PT. COCA-COLA BOTTLING INDONESIA DENGAN MENGGUNAKAN METODE DEKOMPOSISI CENSUS II SKRIPSI
21 PERAMALAN PENJUALAN MINUMAN COCA-COLA PADA PT. COCA-COLA BOTTLING INDONESIA DENGAN MENGGUNAKAN METODE DEKOMPOSISI CENSUS II SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Lebih terperinciANALISIS KUALITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS DUAL DI PT. FILTRONA INDONESIA
TUGAS AKHIR - ST 1325 ANALISIS KUALITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS DUAL DI PT. FILTRONA INDONESIA DWI PUSPITA RAHAYU NRP 1307 100 522 Dosen Pembimbing Drs. Slamet Mulyono, M.Sc. Ph.D
Lebih terperinciUSULAN PENGENDALIAN KUALITAS DENGAN ESTIMASI TINGKAT KEGAGALAN PROSES (DPMO)
USULAN PENGENDALIAN KUALITAS DENGAN ESTIMASI TINGKAT KEGAGALAN PROSES (DPMO) Budi Aribowo 1 ABSTRACT Article discusses an alternative quality control that has the same function with controlling map that
Lebih terperinciPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT Frangky Masipupu 1), Adi Setiawan ), Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ),3) Dosen Program Studi Matematika Program Studi dan Matematika
Lebih terperinciANALISIS USULAN PERBAIKAN KUALITAS PADA PROSES PERAKITAN PINTU MOBIL PADA PT. MERCEDES-BENZ INDONESIA DENGAN MENGGUNAKAN DMAIC
ANALISIS USULAN PERBAIKAN KUALITAS PADA PROSES PERAKITAN PINTU MOBIL PADA PT. MERCEDES-BENZ INDONESIA DENGAN MENGGUNAKAN DMAIC Nama Disusun Oleh: NPM : 36411388 Fakultas/Jurusan Pembimbing : Rizky Meiliatama
Lebih terperinciPENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E
PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI Oleh : Pramita Elfa Diana Santi JE 005 40 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA
PENDEKATAN MODEL EKONOMETRIKA UNTUK MEMPREDIKSI INDEKS SAHAM SYARIAH INDONESIA Nuri Wahyuningsih 1), Daryono Budi U. 2), R.A. Diva Zatadini 3) 1)2))3) Departemen Matematika FMIPA ITS Kampus ITS Keputih,
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari
BAB 5 HASIL DAN PEMBAHASAN 5. Plot Sebaran Normal Pada Gambar 5. dapat dilihat plot sebaran normal pertumbuhan Spheres dari pengguna lensa OPTRON ANTI-EMI SV. Probability Plot of spheres ANTI-EMI SV Normal
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinciLAMPIRAN 1. Struktur Organisasi PT. Soho
8 LAMPIRAN Struktur Organisasi PT. Soho 83 LAMPIRAN Perhitungan Jumlah Sampel Minimum Menurut Sritomo (995, p 84), untuk menetapkan jumlah observasi yang seharusnya dibuat (N ) maka disini harus diputuskan
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciMULTIVARIATE STATISTICAL PROCESS CONTROL DALAM PRODUKSI PULP PADA PT. TOBA PULP LESTARI SUMATERA UTARA SKRIPSI SEPRI PERMATA SARI
MULTIVARIATE STATISTICAL PROCESS CONTROL DALAM PRODUKSI PULP PADA PT. TOBA PULP LESTARI SUMATERA UTARA SKRIPSI SEPRI PERMATA SARI 120803007 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciMENAKSIR 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 terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciESTIMASI 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