4-1 Proses Bernoulli (1)

Ukuran: px
Mulai penontonan dengan halaman:

Download "4-1 Proses Bernoulli (1)"

Transkripsi

1 4 isribusi Variabel Radom iskri Proses Beroulli isribusi Biomial isribusi Geomerik isribusi Hiergeomerik Proses & isribusi Poisso Pedekaa uuk isribusi Biomial /7/4 TI-3 Teori Probabilias - I 4- Proses Beroulli Percobaa Beroulli adalah ercobaa yag memeuhi kodisi-kodisi beriku:. Sau ercobaa dega ercobaa yag lai ideede. Ariya, sebuah hasil idak memegaruhi mucul aau idak muculya hasil yag lai.. Seia ercobaa memberika dua hasil yag mugki, yaiu sukses* da gagal. Kedua hasil ersbu bersifa muually eclusive da ehausive. 3.Probabilias sukses, disimbolka dega, adalah ea aau kosa. Probabilias gagal, diyaaka dega q, adalah q -. * Isilah sukses da gagal adalah isilah saisik yag idak memiliki imlikasi osiif aau egaif. /7/4 TI-3 Teori Probabilias - I

2 Proses Beroulli Beberaa disribusi yag diladasi oleh roses Beroulli adalah : isribusi biomial, isribusi geomerik, da isribusi hiergeomerik. ermasuk kaegori ersebu adalah disribusi muliomial da egaif biomial. /7/4 TI-3 Teori Probabilias - I 3 isribusi Biomial Sebuah variabel radom,, meyaaka jumlah sukses dari ercobaa Beroulli dega adalah robabilias sukses uuk seia ercobaa, dikaaka megikui disribusi diskri robabilias biomial dega arameer jumlah sukses da robabilias sukses. Selajuya, variabel radom disebu variabel radom biomial. /7/4 TI-3 Teori Probabilias - I 4

3 isribusi Biomial Sebuah sisem roduksi meghasilka roduk dari dua mesi A da B dega keceaa yag sama. iambil 5 roduk dari laai roduksi da yaaka sebagai jumlah roduk yag dihasilka dari mesi A. Ada 5 3 urua yag mugki sebagai ouu dari mesi A da B sukses da gagal yag membeuk ruag samle ercobaa. iaara hasil ersebu, ada hasil yag memua ea roduk dari mesi A : AABBB ABABB ABBAB ABBBA BAABB BABAB BABBA BBAAB BBABA BBBAA Probabilias roduk dari mesi A dari 5 roduk yag diambil adalah q 3 / / 3 /3, robabilias dari hasil ersebu adalah : P * /3 /3.35 /3 Jumlah hasil dimaa dihasilka dari mesi A Probabilias bahwa sebuah hasil memiliki roduk dari mesi A /7/4 TI-3 Teori Probabilias - I 5 isribusi Biomial 3 P * /3 /3.35 Perhaika bahwa robabilias ersebu dihasilka dari: Secara umum:. Probabilias dari sukses dari ercobaa dega robabilias sukses da robabilias gagal q adalah: q - /3 Jumlah hasil dimaa dihasilka dari mesi A Probabilias bahwa sebuah hasil memiliki roduk dari mesi A. Jumlah urua dari ercobaa yag meghasilka ea sukses adalah jumlah iliha eleme dari oal eleme: C!!! /7/4 TI-3 Teori Probabilias - I 6

4 isribusi Biomial 4 isribusi robabilias biomial : P q!!! q dimaa : robabilias sukses sebuah ercobaa, q -, jumlah ercobaa, da jumlah sukses. Jumlah sukses 3 M Probabilias P! q!!! q!!! 3 q 3! 3!! q!! M! q!! 3. /7/4 TI-3 Teori Probabilias - I 7 isribusi Biomial isribusi robabilias kumulaif biomial da disribusi robabilias variabel radom biomial A, jumlah roduk yag dihasilka oleh mesi A.5 dalam 5 roduk yag diambil. a Fh Ph Peeua ilai robabilias dari robabilias kumulaif F P P i P F - F Cooh P 3 F 3 F /7/4 TI-3 Teori Probabilias - I 8 : all - i

5 isribusi Biomial 6 6% dari roduk yag dihasilka adalah semura. Sebuah samle radom sebayak 5 diambil. Beraa robabilias bahwa alig bayak ada iga roduk yag semura? F P P i all i F 3 P 3. /7/4 TI-3 Teori Probabilias - I 9 isribusi Biomial 7 - Ecel /7/4 TI-3 Teori Probabilias - I

6 isribusi Biomial 8 - Ecel jumlah roduk semura dari sebuah samle radom berjumlah 5 roduk isribusi Biomial 5,.6 P P < Probabiliy Produk semura # Produk semura 5 /7/4 TI-3 Teori Probabilias - I isribusi Biomial 9 Mea dari disribusibiomial: µ E Variasidari disribusibiomial: σ V q eviasisadar dari disribusibiomial: σ S q A adalah jumlah roduk dari mesi A dalam5 roduk : µ E H H σ V H H σ S H.5.77 H /7/4 TI-3 Teori Probabilias - I

7 isribusi Biomial..3.5 Biomial Probabiliy: 4. Biomial Probabiliy: 4.3 Biomial Probabiliy: P P P Biomial Probabiliy:. Biomial Probabiliy:.3 Biomial Probabiliy:.5 P P P Biomial Probabiliy:. Biomial Probabiliy:.3 Biomial Probabiliy:.5 P. P. P isribusi biomial cederug mejadi simeris dega meigkaya da.5. /7/4 TI-3 Teori Probabilias - I 3 isribusi Hiergeomerik isribusi biomial diguaka ada oulasi yag idak erbaas, sehigga roorsi sukses diasumsika dikeahui. isribusi robabilias hiergeomerik diguaka uuk meeuka robabilias kemucula sukses jika samlig dilakuka aa egembalia. Variabel radom hiergeomerik adalah jumlah sukses dalam iliha, aa egembalia, dari sebuah oulasi erbaas, dimaa diaaraya adalah sukses da - adalah gagal. /7/4 TI-3 Teori Probabilias - I 4

8 isribusi Hiergeomerik Peurua fugsi disribusi hiergeomerik diuruka dega meghiug kombiasi-kombiasi yag erjadi. Kombiasi yag daa dibeuk dari oulasi berukura uuk samel berukura adalah kombiasi C,. Jika sebuah variabel radom diskri meyaaka jumlah sukses, selajuya daa dihiug kombiasi dieroleh sukses dari sejumlah sukses dalam oulasi yag dikeahui yaiu C,, da demikia ula halya daa dicari - kombiasi gagal dari sisaya -, yaiu kombiasi C-,-. /7/4 TI-3 Teori Probabilias - I 5 isribusi Hiergeomerik 3 ega demikia: sukses C,. C-,- aau yag dieroleh dari oal kombiasi yag mugki C, aau /7/4 TI-3 Teori Probabilias - I 6

9 /7/4 TI-3 Teori Probabilias - I 7 isribusi Hiergeomerik 4 Sebuah variabel radom diskri meyaaka jumlah sukses dalam ercobaa beroulli da oal jumlah sukses dikeahui dari sebuah oulasi berukura, maka dikaaka megikui disribusi hiergeomerik dega fugsi kemugkia : isribusi kemugkia hiergeomerik serig ula disimbolka dega h;;;. oherwise,,mi,,, K /7/4 TI-3 Teori Probabilias - I 8 isribusi Hiergeomerik 4 Parameer emusaa da eyebara adalahsebagai beriku : E, mi / / jika besar maka / Uuk kasus dimaa <, maka eksekasi ersebu adalah E. Karea!!!, maka dieroleh E.

10 /7/4 TI-3 Teori Probabilias - I 9 isribusi Hiergeomerik 5 Trasformasika y-, maka beuk di aas berubah mejadi y y y E, karea y y da!!! maka dieroleh y y y E Karea ejumlaha ersebu meghasilka ilai sau sifa disribusi kemugkia, maka E. /7/4 TI-3 Teori Probabilias - I isribusi Hiergeomerik 6 aa dibukika bahwa E. Eksekasi erkalia da - adalah ] [ E E E. Karea E da E, maka ] [ E. Variasi µ σ E, hal ii berari ] [ µ µ σ + E aau ruas kaa mejadi +. ega egaura kembali dieroleh variasi disribusi kemugkia hiergeomerik adalah V σ uuk yag besar hasil ii medekai q.

11 isribusi Hiergeomerik 7 Cooh: Sebuah dealer oomoif meerima lo berukura dimaa haya 5 diaaraya yag medaa emeriksaa kelegkaa. 5 kedaraa diambil secara radom. ikeahui ada kedaraa dari lo berukura yag idak legka. Beraa kemugkia sekuragya ada kedaraa dari 5 kedaraa yag dieriksa eryaa idak legka? P P ! 8! 5!! 4! 4!. 556! 9 5! 5!! 8!!! 3! 5!.! 9 Sehigga, P + P ! 5! /7/4 TI-3 Teori Probabilias - I isribusi Hiergeomerik 4 jumlah kedaraa dalam samle berukura 5 yag eryaa idak legka isribusi Hiergeomerik,, 5 P P < Probabiliy Pemeriksaa kedaraa # kedaraa idak legka /7/4 TI-3 Teori Probabilias - I

12 isribusi Muliomial isribusi robabilias biomial diguaka uuk sejumlah sukses dari ercobaa yag ideede, dimaa seluruh hasil oucomes dikaegorika ke dalam dua kelomok sukses da gagal. isribusi robabilias muliomial diguaka uuk eeua robabilias hasil yag dikaegorika ke dalam lebih dari dua kelomok. Fugsi disribusi robabilias muliomial:! P...,,.., k!!... k! k k /7/4 TI-3 Teori Probabilias - I 3 isribusi Muliomial Berdasarka laora sebuah eeliia ahu 995, diaara roduk mikrorosesor eium geerasi erama dikeahui erdaa caca yag megakibaka kesalaha dalam oerasi arimaika. Seia mikrorosesor daa dikaegorika sebagai baik, rusak da caca daa diguaka dega kemugkia mucul kesalaha oerasi arimaika. ikeahui bahwa 7% mirkorosesor dikaegorika baik, 5% caca da 5% rusak. Jika sebuah samle radom berukura diambil, beraa robabilias diemuka 5 mikrorosesor baik, 3 caca da rusak?! P 5, 3, 5!!! /7/4 TI-3 Teori Probabilias - I 4

13 isribusi Geomerik Berkaia dega ercobaa Beroulli, dimaa erdaa ercobaa ideede yag memberika hasil dalam dua kelomok sukses da gagal, variabel radom geomeric megukur jumlah ercobaa samai dieroleh sukses yag erama kali. Fugsi disribusi robabilias P q geomerik: dimaa,,3,..., da q adalah arameer robabilias sukses da gagal. Raa- raa da variasi disribudirobabilias geomerik adalah: µ σ q /7/4 TI-3 Teori Probabilias - I 5 isribusi Geomerik Pada suau daerah, P-Cola meguasai agsa asar sebesar 33.% badigka dega agsa asar sebesar 4.9% oleh C-Cola. Seorag mahasiswa melakuka eeliia eag roduk cola baru da memerluka seseorag yag erbiasa memium P-Cola. Resode diambil secara radom dari emium cola. Beraa robabilias resode erama adalah emium P-cola, beraa robabilias ada resode kedua, keiga aau keema? P P P P Probabilias lulus maa kuliah eori robabilias adalah 95%, beraa robabilias ada lulus ahu ii, ahu dea da seerusya? /7/4 TI-3 Teori Probabilias - I 6

14 isribusi Biomial egaif Variabel radom biomial, meyaaka: Jumlah sukses dari ercobaa ideede Beroulli. adalah robabilias sukses ea uuk seia ercobaa Jika igi dikeahui: Pada ercobaa keberaa sejumlah sukses c daa dicaai dalam ercobaa Beroulli. /7/4 TI-3 Teori Probabilias - I 7 isribusi Biomial egaif Perimbagka sebuah roses iseksi uuk meemuka roduk caca kaegori sukses dega robabilias.. Baas sebuah eolaka sebuah lo adalah jika diemuka 4 buah caca. iemuka bahwa sebuah lo diolak seelah dilakuka iseksi ada roduk. Sebuah kemugkia adalah GGGGGG. ega eori mulilikasi, robabilias urua ersebu adalah Karea ercobaa ersebu ideede, aa memerhaika urua, robabilias dieroleh 4 caca dari ercobaa adalah /7/4 TI-3 Teori Probabilias - I 8

15 isribusi Biomial egaif Karea krieria eolaka adalah diemukaya 4 roduk caca, maka osisi ke- adalah asi roduk caca. Sehigga jumlah urua yag mugki adalah kombiasi 3 dari 9, 9. Probabilias dierluka ercobaa uuk meghasilka 4 sukses adalah: 9! !6! isribusi robabilias egaif biomial: c c c, dimaa c, c +, c +,... 3 /7/4 TI-3 Teori Probabilias - I 9 isribusi Biomial egaif 3 Perhaika disribusi kumulaif: r c c c c dimaa ruas kaa adalah: r r r c- r r yag daa dieroleh dari disribusi kumulaif biomial c B c ; r; /7/4 TI-3 Teori Probabilias - I 3

16 Proses & isribusi Poisso Percobaa beroulli meghasilka variabel radom yag berilai umerik, yaiu jumlah sukses yag erjadi. Jika egamaa dilakuka ada ada suau reag ierval waku, maka daa diamai bahwa variabel radom adalah erjadiya sukses selama waku ereu. Jika erhaia diujuka ada kejadia sukses yag mucul lahir ada suau reag yag kecil, maka erjadi sebuah roses kelahira birh aau arrival rocess aau dikeal sebagai roses Poisso Poisso rocess. /7/4 TI-3 Teori Probabilias - I 3 Proses & isribusi Poisso Sifa-sifa Proses Poisso: Jumlah sukses yag erjadi dalam suau selag waku aau daerah ereu idak diegaruhi ideede erhada kejadia ada selag waku aau daerah yag lai. Kemugkia erjadiya suau sukses uggal dalam ierval waku yag edek medekai ol sebadig dega ajag ierval da idak ergaug ada bayakya sukses yag erjadi di luar ierval ersebu. Kemugkia erjadiya lebih dari sau sukses dalam ierval waku yag edek daa diabaika. /7/4 TI-3 Teori Probabilias - I 3

17 isribusi Probabilias Poisso isribusi robabilias Poisso bermafaa dalam eeua robabilias dari sejumlah kemucula ada reag waku aau luas/volume ereu. Variabel radom Poisso meghiug kemucula ada ierval waku yag koiyu. Fugsi disribusi robabilias Poisso : α α e P uuk!,,3,... dimaa α adalah raa-raa disribusi yag juga meruaka variasi da e adalah bilaga logarimik aural e /7/4 TI-3 Teori Probabilias - I 33 isribusi Probabilias Poisso Fugsi disribusi oisso daa diuruka dega memerhaika asumsi-asumsi beriku: Jumlah kedaaga ada ierval yag idak salig umag idih ooverlaig ierval adalah variabel radom ideede. Ada ilai arameer λ osiif sehigga dalam sebuah ierval waku yag kecil aka dieroleh : i Kemugkia bahwa erjadi ea sau kedaaga ada ierval waku adalah λ. ii Kemugkia bahwa erjadi ea ol kedaaga ada ierval waku adalah λ. /7/4 TI-3 Teori Probabilias - I 34

18 /7/4 TI-3 Teori Probabilias - I 35 isribusi Probabilias Poisso 3 Perhaika osisi da reag waku beriku: + Uuk suau iik waku yag ea fied, kemugkia erjadi ol kedaaga diformulasika sebagai beriku : [ ] + λ. ega melakuka eyusua kembali aka dieroleh + λ. Jika ierval waku saga kecil medekai ol, maka daa diguaka diferesial beriku : lim ' λ +. /7/4 TI-3 Teori Probabilias - I 36 isribusi Probabilias Poisso 4 Hal yag sama daa dilakuka jika erdaa kedaaga >, sehigga daa diformulasika kemugkia beriku [ ] + + λ λ. ega melakuka eyusua kembali aka dieroleh. + λ λ Jika ierval waku saga kecil medekai ol, maka daa diguaka diferesial beriku : lim ' λ λ +.

19 isribusi Probabilias Poisso 5 ari dua ersamaa diferesial yag dieroleh uuk ol kedaaga da ada kedaaga >, dieroleh solusi λ beriku λ e /!. Karea iik waku adalah ea fied, maka daa diguaka oasi α λ, sehigga disribusi robabilias oisso yag dieroleh adalah: α e α /!,,,, K laiya Parameer emusaa da eyebara adalah: α α α e α e E α da V α α.!! /7/4 TI-3 Teori Probabilias - I 37 isribusi Probabilias Poisso 6 Perusahaa eleo memberika iliha esawa eleo sebagai kombiasi wara, ye, fugsi, dll. Sebuah erusahaa membuka cabag baru da ersedia sambuga elo dimaa seia karyawa boleh memilih esawa eleo sesuka haiya. Asumsika bahwa ke- iliha ersebu adalah equally likely. Beraa robabilias bahwa sebuah iliha idak diilih, diilih oleh seorag, dua orag aau iga orag karyawa? ; /. ; α.... e P.887!.. e P.637!.. e P.64! 3.. e P 3. 3! /7/4 TI-3 Teori Probabilias - I 38

20 isribusi Probabilias Poisso 7 Raa-raa egirima baha baku ke suau abrik adalah ruk da fasilias bogkar haya mamu meerima alig bayak 5 ruk er hari. Pemasok megika agar ruk asokaya daa dibogkar ada hari yag sama. Suau hari, emasok megirimka sebuah ruk ke abrik ersebu, beraa kemugkia ruk ersebu harus bermalam karea idak daa dibogkar? adalah variabel radom bayakya ruk baha baku yag iba seia hari. ega disribusi Poisso, kemugkia sebuah ruk 5 harus bermalam adalah P > 5 P 5 ;.953 dari abel, maka kemugkia sebuah ruk harus bermalam karea idak daa dibogkar adalah /7/4 TI-3 Teori Probabilias - I 39 isribusi Probabilias Poisso 8 jumlah karyawa yag memilih esawa eleo ereu Poisso isribuio mea. P P < Probabiliy Pesawa Teleo # jumlah karyawa yag memilih esawa elo ereu /7/4 TI-3 Teori Probabilias - I 4

21 isribusi Probabilias Poisso 9 µ. µ P. P µ 4 µ..5. P. P /7/4 TI-3 Teori Probabilias - I 4 Pedekaa Biomial - Poisso Pada disribusi robabilias biomial, jika saga besar da kecil, maka erhiuga kemugkiaya suli dilakuka. Pada kodisi ersebu, erhiuga ilai kemugkia uuk variabel radom biomial daa didekai dega erhiuga aau abulasi ada disribusi oisso. Teorema : Jika adalah variabel radom biomial dega disribusi kemugkia b;,, da jika bila ukura samel, ilai roorsi sukses, da diguaka edekaa µ, maka ilai b ;, ; µ. /7/4 TI-3 Teori Probabilias - I 4

22 Pedekaa Biomial - Poisso Buki : Fugsi disribusi kemugkia biomial daa diulis sebagai beriku b q ;,!!! µ / Jika dilakuka rasformasi /7/4 TI-3 Teori Probabilias - I ! maka dieroleh... + µ µ b ;,...,! da dari defiisi bilaga aural e, dieroleh hubuga beriku / µ µ µ lim lim + e. / µ ega memerhaika syara limi di aas daa dieroleh µ e µ b ;,, dimaa,,, yaiu sebuah disribusi oisso! uuk µ α raa-raa jumlah suksesraa-raa kedaaga.. Pedekaa Biomial - Poisso 3 Cooh Besarya kemugkia diemuka caca ada hasil egelasa iik adalah.. Pada sebuah roduk hasil rakia erdaa 4 iik egelasa, beraa kemugkia diemuka lebih dari 6 caca ada sebuah roduk hasil rakia? Variabel radom biomial meyaaka jumlah caca ada hasil rakia, maka kemugkia diemuka lebih dari 6 caca ersebu adalah P Perhiuga ii suli dilakuka sehigga didekai dega erhiuga uuk fugsi disribusi kemugkia Poisso dimaa arameer adalah 6 4 α 4. 4 sebagai beriku P 6 e 4 /!. 889, maka kemugkia diemuka lebih dari 6 caca adalah /7/4 TI-3 Teori Probabilias - I 44

23 Pedekaa Biomial - Poisso 4 Cooh Sebuah roses meghasilka barag-barag dari lasik yag serig kali memiliki gelembug aau caca. ikeahui bahwa raa-raa erdaa dari barag yag dihasilka memuyai sau aau lebih caca. Beraa kemugkia bahwa dari samel acak berjumlah 8 roduk lasik aka erdaa 7 roduk yag memiliki caca gelembug? Pada dasarya, kasus roduk lasik caca ii megikui disribusi biomial dega 8 da,. Karea saga kecil da medekai ol sera saga besar, maka erhiuga ilai kemugkia daa didekai dega disribusi Poisso dega dimaa µ 8,8, sehigga kemugkia bahwa dari samel acak berjumlah 8 roduk lasik aka erdaa 7 roduk yag memiliki caca daa dihiug sebagai beriku 6 P < 7 b ;8,, ;8, /7/4 TI-3 Teori Probabilias - I 45 isribusi Probabilias Uiform isribusi robabilias diskri uiform berkaia dega variabel radom dimaa semua ilaiya memiliki kemugkia yag sama. efiisi Jika variabel radom memiliki ilai,,, k, dega kemugkia erjadi yag sama maka dikaaka bahwa variabel radom megikui disribusi uiform diskri dega fugsi disribusi kemugkia sebagai beriku f ; k, dimaa k,,, k Parameer emusaa da eyebara adalah sebagai beriku : k E µ i da i k k k i µ i V σ i i. i k i k k /7/4 TI-3 Teori Probabilias - I 46 k

Jurdik Fisika FPMIPA UPI Bandung DISTRIBUSI VARIABEL RANDOM DISKRIT

Jurdik Fisika FPMIPA UPI Bandung DISTRIBUSI VARIABEL RANDOM DISKRIT Jurdik Fisika FPMIPA UPI Badug DISTRIBUSI VARIABEL RANDOM DISKRIT Distribusi Variabel Radom Diskrit Proses Beroulli Distribusi Biomial Distribusi Geometrik Distribusi Hiergeometrik Proses & Distribusi

Lebih terperinci

Distribusi Probabilitas (Peluang)

Distribusi Probabilitas (Peluang) Distribusi Probabilitas (Peluag Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi sebara, ecara, susua data Probabilitas: a

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial Defiisi: Beroulli ercobaa Beroulli: Haya terdaat satu kali ercobaa dega eluag sukses da eluag gagal - eluag Sukse: eluag Gagal: ( = ) = ( = 0 ( = 0) = ( 0 0 = erilaku Distribusi Beroulli E() = Var () =

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

1. Pendahuluan. Materi 3 Pengujuan Hipotesis Materi 3 Pegujua Hiotesis. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu atau lebih oulasi) Kebeara suatu hiotesis diuji dega megguaka statistik samel hiotesis

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

Bab III Komentar terhadap distribusi vec(r)

Bab III Komentar terhadap distribusi vec(r) Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI LNDSN TEORI. robabilitas robabilitas adalah suatu ilai utuk megukur tigkat kemugkia terjadiya suatu eristiwa evet aka terjadi di masa medatag yag hasilya tidak asti ucertai evet. robabilitas diyataka atara

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

Barekeng, Juni hal Vol. 1. No. 1

Barekeng, Juni hal Vol. 1. No. 1 Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA

Lebih terperinci

DISTRIBUSI KHUSUS YANG DIKENAL

DISTRIBUSI KHUSUS YANG DIKENAL 0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8 Seragam (Uiform) [D1] : Fugsi probabilita Uiform utuk semua ilai. Dimaa merupaka bayakya 1 f ( ) obyek da diasumsika memiliki sifat yag sama. Biomial [D2] : Sifat percobaa Biomial : Percobaa dilakuka dalam

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta BAB II LANDASAN TEORI Pada bab ii aka dibahas megeai defiisi suatu rig serta beberaa sifat yag dierluka dalam embahasa oliomial ermutasi Pejelasa megeai rig dimulai dega defiisi dari suatu sistem matematika

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong RSNI T-0-005 Sadar Nasioal Idoesia Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog ICS Bada Sadardisasi Nasioal B SN RSNI T-0-005 Dafar isi Dafar isi... i Prakaa... ii Pedahulua... iii

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

2. SAMBUNGAN PAKU KELING

2. SAMBUNGAN PAKU KELING . SAMBUNGAN PAKU KELING. Pegguaa Sambuga paku Kelig Paku kelig aalah sejeis pasak aau paku yag iguaka uuk megika suau sambuga, yag sifaya permae imaksuka agar bagia-bagia ksruksi yag elah isambug/iika

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: muy.sms@gmail.com ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009 BAB II TEORI DASAR 2.1. Proses Pemesia Muli-Ais Proses pemesia muli-ais didefiisika sebagai proses pemesia ag dilakuka dega mesi frais/millig (CNC) dega pergeraka lima-ais (5- ais), aau biasa disebu pemesia

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN. oleh KRISTINA NATALIA NIM M

KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN. oleh KRISTINA NATALIA NIM M KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN oleh KRISTINA NATALIA NIM M0009 SKRIPSI diulis da diajuka uuk memeuhi sebagia persyaraa memperoleh gelar Sarjaa Sais Maemaika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha JMP : Volume Nomor 2, Oober 2009 SOUSI PERSAMAAN DIFERENSIA BOTZMANN INEAR Agus Sugadha Faulas Sais da Tei, Uiversias Jederal Soedirma Purwoero, Idoesia Email : agussugadha@ymail.com ABSTRACT. I his research,

Lebih terperinci

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang

Lebih terperinci

JOINT LIFE DALAM ASURANSI JIWA BERJANGKA Dini Hidayati, Dewi Anggraini, Dewi Sri Susanti

JOINT LIFE DALAM ASURANSI JIWA BERJANGKA Dini Hidayati, Dewi Anggraini, Dewi Sri Susanti Jura Maemaika Muri da Teraa εsio Vo9 No (5) Ha - JOINT LIFE DALAM ASURANSI JIWA BERJANGKA Dii Hidayai, Dewi Aggraii, Dewi Sri Susai Program Sudi Maemaika FMIPA Uiversias Lambug Magkura J Jed A Yai km 6

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

PEMODELAN STATISTIKA (Dari Data ke Model dan Analisanya untuk Data Pertanian) Dr. Hanna Arini Parhusip

PEMODELAN STATISTIKA (Dari Data ke Model dan Analisanya untuk Data Pertanian) Dr. Hanna Arini Parhusip PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI.

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI. ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI Diajuka Kepada Fakulas Maemaika Da Ilmu Pegeahua Alam Uiversias Negeri

Lebih terperinci

STATISTIKA-2 (STATISTIKA INDUKTIF)

STATISTIKA-2 (STATISTIKA INDUKTIF) Brief Note o Iductive Statistics (014: revised editio) Drs. Basuki, M.Si. (origial editio : 1995) STATISTIKA- (STATISTIKA INDUKTIF) MATERI KULIAH: 1. TEORI PROBABILITAS (TEORI PELUANG). DISTRIBUSI PROBABILITAS

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4 JURNAL ILMU-ILMU EKNIK - SISEM Vol. 3 No. OPIMASI INVENORY COS PAA MOEL MAEMAIKA EP (ECONOMIC PROUCION UANIY) ENGAN ACKORER AN VARIASI SE UP COS Rofila El Maghfiroh 4 Absrak: Masalah pegedalia persediaa

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 da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi. PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci