BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi"

Transkripsi

1 BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada ulsan n, pndkaan ors yang dlakukan dngan mnggunakan mod maksmum lklhood Sdangkan, sud kasus yang dambl brupa daa pohon pnus brdaun panjang longlaf pn brdamr 2- dbh Sblumnya, akan dbahas lbh dahulu nang dfns dar fungs nnsas pross Posson nonhomogn 42 Fungs Innsas Pross Posson onhomogn Prdfns, nnsas pross adalah frkuns kjadan yang rjad pada suau darah rnu Schonbrg, 2 Msalkan A mnyaakan banyaknya kjadan yang rjad d darah A, maka fungs nnsas pross ddfnskan mlalu: A E[ A ] 4 dmana prsamaan 4 basanya dnyaakan sbaga banyaknya kjadan d darah A pr sauan darah A Sbaga conoh, jka dkakan dngan pmbahasan d Subbab 44, dmana hmpunan A ddfnskan sbaga ara huan sluas 4 hkar dan kjadannya ddfnskan sbaga pohon pnus brdaun panjang brdamr 2- dbh, 42

2 dprolh A 9 pohon, aau dngan kaa lan nnsas pohon pnus adalah 9 pohon pr 4 hkar Slanjunya, dalam kasus n, hmpunan A dpars mnjad subhmpunan A unuk,2,3,4 yang ddfnskan sbaga ara huan sluas hkar dan dprolh A 6 pohon, A 2 46 pohon, A 3 72 pohon dan A 4 66 pohon Karna nnsas pohon pnus d masng-masng ara huan sluas hkar brbda-bda, maka pross yang rjad dapa dpandang nonhomogn Slanjunya, pandang pross dngan ndks paramr waku Brdasarkan prsamaan 4, maka dprolh E[ ] 42 Prsamaan 42 mnyaakan banyaknya kjadan pr sauan waku Sbaga conoh, pngamaan banyaknya mobl yang masuk k grbang ol pada jam 9 sampa jam pag, msal dprolh 5 mobl Maka nnsas mobl unuk nrval waku rsbu adalah 5 mobl pr jam Hasl yang brbda bsa dprolh unuk jam brkunya Maka unuk kasus n, pross yang rjad dapa dpandang nonhomogn 43 aksran Fungs Innsas Pross Kdaangan Brku n, dlakukan pndkaan ors unuk mndapakan aksran fungs nnsas pross Posson nonhomogn Pada kbanyakan aplkas, pross Posson nonhomogn dgunakan unuk mmodlkan pross kdaangan Kuhl dan Lm, 999 Shngga, pada ulsan n dambl fungs nnsas pross kdaangan sbaga conoh, dmana fungs nnsasnya ddfnskan mlalu [ - F ], ; > 43 43

3 mngnga adalah nnsas kdaangan, F adalah suau fungs dsrbus yang brkaan dngan wwwamahworldcom Msalkan pngamaan dlakukan pada nrval [,] dngan barsan k wakunya, 2,, n Mngacu pada pmbahasan d Subbab 32, maka dapa dkaakan bahwa pars nrval [,] adalah, 2,, n Karnanya, noas pada prsamaan 43 dgan dngan noas unuk,2,,n, shngga mnjad [ - F ], ; >,,2,,n 44 Adapun prmasalahan yang akan dslsakan adalah mncar aksran nnsas kdaangan, ˆ, yang slanjunya dgunakan unuk mndapakan aksran fungs nnsas, yau ˆ Mod pnaksran yang akan dgunakan pada ulsan n adalah mod maksmum lklhood dngan langkah-langkah sbaga brku: Mncar bnuk kspls dar fungs nnsas 2 Subsuskan fungs nnsas k dalam fungs lklhood Posson nonhomogn yang lah dsnggung pada bab sblumnya 3 Mngambl bnuk logarma dar fungs lklhood yang dprolh dar langkah 2 agar prhungan mnjad lbh mudah 4 Mngambl bnuk urunan prama dar logarma fungs lklhood 5 Hasl dar langkah 4 dsamakan dngan nla nol unuk mndapakan ˆ 6 Subsuskan ˆ k dalam prsamaan 44 shngga dprolh ˆ 44

4 45 Pmbahasan: Sbaga pnydrhanaan masalah, asumskan pubah acak ~ Exp, dmana fungs pluang dnsasnya adalah f, > 45 dan fungs dsrbusnya adalah d d d f F 46 Jka prsamaan 46 dsubsuskan k prsamaan 44, maka bnuk kspls fungs nnsas ddfnskan mlalu prsamaan d bawah n, yau 47 Slanjunya, subsuskan prsamaan 47 k fungs lklhood pross Posson nonhomogn yang ddfnskan mlalu prsamaan 39, dprolh,, n L } xp{ d d 48 Prsamaan 48 mnyaakan fungs lklhood dar pross kdaangan aau bsa juga mnyaakan fungs dar nnsas kdaangan,, jka dkahu k-k waku pngamaan Agar prhungannya mnjad lbh mudah, prsamaan 48 dambl bnuk logarmanya Shngga, prsamaan 48 mnjad,, n L d d d d { }

5 46 49 Salah sau cara unuk mmprolh nla yang dapa mmaksmumkan fungs,, n L skalgus mmaksmumkan fungs,, n L adalah mncar bnuk urunan prama dar fungs,, n L dan kmudan hasya dsamakan dngan nla nol 4 Hogg, Kan dan Crag, 25, h32 Jka prsamaan 49 dambl bnuk urunan pramanya rhadap, dprolh,, d L d n 4 Slanjunya, prsamaan 4 dsamakan dngan nol, maka dprolh aksran nnsas kdaangan yang ddfnskan mlalu: ˆ 4 Jka nla ˆ dsubsuskan pada prsamaan 49, maka fungs,, n L mncapa nla maksmum 5 pada nrval [,] Slanjunya, prsamaan 4 dsubsuskan k prsamaan 44, dprolh aksran fungs nnsas pross kdaangan yang ddfnskan mlalu prsamaan brku n: 4 Jka suau k dmana ' f, maka dsbu k sasonr la mnmum aau maksmum dar f srngkal rjad pada k-k sasonr Purcll dan Varbrg, 996, h86 5 Jka > maka grafk dar fungs L monoon nak Olh karna fungs L ddfnskan pada nrval uup [,], maka fungs L dak mmpunya nla mnmum karna grafknya asmo unuk dan fungs L mmpunya nla maksmum d k ujung nrval, yau d k

6 ˆ [ F ] 42 mngnga adalah paramr dsrbus ksponnsal, mnyaakan banyaknya kdaangan slama nrval [,] dan F adalah suau fungs dsrbus yang brkaan dngan 44 Fungs Innsas Pohon Pnus Brdaun Panjang Longlaf Pn Brku n, dlakukan sud kasus unuk mndapakan fungs nnsas pross Posson nonhomogn dngan mngambl daa pohon pnus brdaun panjang yang rsbar d huan Wad rac, homas Couny, Gorga Luas huan yang dambl sbaga lokas pngamaan sbsar mpa hkar, dmana rsbar 584 pohon pnus brdaun panjang dngan damr lbh dar 2 dbh Sap pohon rlak d koordna yang brbda-bda, spr yang dlusraskan olh Gambar brku n: Gambar 27 y Pa Pnybaran Pohon Pnus Brdaun Panjang dngan Damr Lbh Dar Dua dbh d Lokas Huan Wad rac Sluas Empa Hkar x dmana sap gkaran pada Gambar 27 d aas, mmua koordna sauan mr dar pohon pnus 47

7 Ukuran gkaran yang brbda-bda mnunjukkan ukuran dar damr sauan bras hgh/dbh pohon pnus D sn, konsp pngmasan gkaran crcl packng dpaka, yau sbuah lokas huan sluas mpa hkar ds olh pohon pnus dngan damr brbda yang ddnfkas mlalu ukuran gkaran yang brbda Sbaga pnydrhanaan prhungan, pada ulsan n, daa pohon pnus brdaun panjang yang dambl unuk danalss mmlk damr 2- dbh Analss dlakukan unuk mngahu nnsas dan propors dar pohon pnus dngan damr 2- dbh, yang rsbar d lokas huan sluas mpa hkar, dngan langkah-langkah sbaga brku: Pars lokas huan mnjad mpa sublokas, dmana masng-masng sublokas mmlk luas sbsar sau hkar Konsp pars mnggunakan bnuk yang sbangun 2 Klasfkaskan pohon pnus ssua dngan koordna sap sublokas 3 Hung jumlah pohon pnus yang rsbar pada masng-masng sublokas 4 Mnnukan nnsas pohon pnus pada masng-masng sublokas 5 Mnnukan nnsas dan propors pohon pnus pada lokas huan sluas mpa hkar Hasl yang dprolh dar langkah-langkah d aas adalah: Empa sublokas huan hasl pars: Sublokas I Sublokas II Sublokas III Sublokas IV {x,y,d x, y, D damr pohon} {x,y,d x 2, y, D damr pohon} {x,y,d x, y 2, D damr pohon} {x,y,d x 2, y 2, D damr pohon} 48

8 dan dlusraskan olh Gambar 28 brku n: mr 2 Gambar 28 Empa Sublokas Huan Hasl Pars Sublokas III Sublokas IV Sublokas I Sublokas II 2 mr Hasl klasfkas pohon pnus ssua dngan koordna d sap sublokas dapa d lha pada Lampran, dngan jumlah pohon pnus d masng-masng sublokas sbaga brku: abl 6 Jumlah Pohon Pnus d Masng-masng Sublokas Jumlah pohon pnus brdaun panjang dngan damr 2- dbh Sublokas I Sublokas II Sublokas III Sublokas IV 6 pohon 46 pohon 72 pohon 66 pohon Shngga dprolh: abl 7 Innsas Pohon Pnus d Masng-masng Sublokas Innsas pohon pnus brdaun panjang dngan damr 2- dbh Sublokas I Sublokas II Sublokas III Sublokas IV 6 pohon/hkar 46 pohon/hkar 72 pohon/hkar 66 pohon/hkar Brdasarkan abl 7, nnsas pohon pnus d sublokas I adalah 6 pohon/hkar, dsublokas II adalah 46 pohon/hkar, dsublokas III adalah 72 pohon/hkar dan dsublokas IV adalah 66 pohon/hkar Shngga, nnsas pohon pnus d lokas 49

9 huan sluas mpa hkar adalah 9 pohon/mpa hkar Dngan kaa lan, propors pohon pnus yang rsbar d ara huan rsbu adalah 3253 % Hasl yang brbda bsa dprolh, yau dngan mlakukan pars lokas huan skcl mungkn, spr yang dlusraskan mlalu Gambar 29 brku n: Gambar 29 Pars Lokas Huan yang Dprkcl mr 2 2 mr Smakn dprkcl parsnya, maka banyaknya pohon pnus yang rsbar pada sublokas rsbu kmungknan hanya ada sau pohon aaupun dak ada sama skal Arnya nnsas unuk masng-masng sublokas juga brbda-bda Karnanya, conoh pross mnghung pohon pnus yang pag mudah unuk kasus yang dprlhakan mlalu Gambar 29 adalah pross Posson nonhomogn 5

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN Pmbahasan harga opsi idak dapa dilpaskan dari pmbahasan nang skurias lain yang brhubungan dngan haga opsi. Shingga prlu dibahas masalah

Lebih terperinci

Pengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja

Pengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja 8 Pngaruh Pnyspan Indukor dan Kapasor pada Sambungan Saluran Udara dan Kabl Dsrbus kv rhadap Prambaan Glombang gangan Surja Moch. Dhofr Absrak Dalam ulsan n dpaparkan pngaruh sspan L sr aau C parall danara

Lebih terperinci

MODEL MATEMATIS DAN SIMULASI PERGERAKAN HARGA SAHAM SKRIPSI

MODEL MATEMATIS DAN SIMULASI PERGERAKAN HARGA SAHAM SKRIPSI MODEL MATEMATI DAN IMULAI PERGERAKAN HARGA AHAM KRIPI Dajukan Unuk Mmnuh alah au yara Mmprolh Glar arjana ans Program ud Mamaka Dsusun Olh : RIDWAN RAHADIYANTO NIM : 334 PROGRAM TUDI MATEMATIKA JURUAN

Lebih terperinci

BAB NILAI EIGEN DAN VEKTOR EIGEN

BAB NILAI EIGEN DAN VEKTOR EIGEN BAB 8 RUANG EIGEN Masalah nilai dan vkor ign banyak skali dijumpai dalam bidang rkayasa, spri maslah ksabilan sism, opimasi dngan SVD, komprsi pada pngolahan cira, dan lain-lain. Unuk lbih mmahami masalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan

INTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan TRFRS DA DFRAKS Maa Kulah: Glombang & Opk Dosn: Anhy Sawan A. nfns nfns mupakan ppauan ua aau lbh glombang sbaga akba blakunya pnsp supposss. nfns ja bla glombang glombang sbu kohn, yau mmpunya pbaan fas

Lebih terperinci

BAB IV DATA DAN ANALISA

BAB IV DATA DAN ANALISA BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari

Lebih terperinci

Model Gelombang Panjang dengan Metoda Elemen Hingga Diskrit. Syawaluddin Hutahean 1)

Model Gelombang Panjang dengan Metoda Elemen Hingga Diskrit. Syawaluddin Hutahean 1) Huahan Vol. 0 No. Januar 003 urnal TEKNIK SIPIL Modl Glombang Panjang dngan Moda Elmn Hngga Dskr Syawaluddn Huahan ) bsrac Ths papr nroducs Dscr Fn Elmn Mhod (DFEM) o solv long war wav quaon. Ths mhod

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

ELEKTROMAGNETIK TERAPAN 1. GELOMBANG LINTAS MEDIUM

ELEKTROMAGNETIK TERAPAN 1. GELOMBANG LINTAS MEDIUM LKTROMAGNTIK TRAPAN. GLOMBANG LINTAS MDIUM OUTLIN. Glombang Lnas Mdum a) Glombang Jauh Nomal b) Glombang Jauh Mng PNDAHULUAN Jka glombang daa sbasama mlwa aau lbh mdum. Tdapa kmungknan plakuan hadap glombang,

Lebih terperinci

BAB IV TURUNAN FUNGSI. Setelah mengikuti pokok bahasan ini mahasiswa diharapkan mampu menentukan turunan fungsi yang diberikan.

BAB IV TURUNAN FUNGSI. Setelah mengikuti pokok bahasan ini mahasiswa diharapkan mampu menentukan turunan fungsi yang diberikan. BAB IV TURUNAN FUNGSI Sla kia mmbaas i an kkoninuan fungsi paa bab sblumna, kia akan mmbaas nang urunan ang konspna ikmbangkan ari konsp i Pmbaasan urunan ibagi mnjai ua bagian, bagian prama mmbaas pngrian,

Lebih terperinci

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS Program Sudi MMT-ITS, Surabaya Agusus ESTIMASI PARAMETER UA LEVEL MOEL GSTARX- Andria Prima iago dan Suharono Program Sudi Magisr Saisika, Insiu Tknologi Spuluh Nopmbr Jl Arif Rahman Hakim, Surabaya,,

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

BAB III TURUNAN FUNGSI

BAB III TURUNAN FUNGSI BAB III TURUNAN FUNGSI Sandar Kompnsi Mahasiswa mmahami konsp urunan unsi dan knik-knik an dapa diunakan unuk mnnukan urunan, baik unsi ksplisi maupun unsi implisi,. Kompnsi Dasar Slah mmplajari pokok

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

2.1 Persamaan Gerak Roket dalam Ruang Tiga Dimensi

2.1 Persamaan Gerak Roket dalam Ruang Tiga Dimensi BAB DASAR TEOR. Prsamaan Grak Rok dalam Ruang Tiga Dimnsi Prsamaan grak rok di bidang ruang iga dimnsi pada Taa Acuan Koordina Bnda diurunkan dari Prsamaan Dinamik Rok [Rf. ] sbagai briku: Grak Translasi

Lebih terperinci

PROYEKSI PENDUDUK PROVINSI MALUKU DENGAN MENGGUNAKAN MODEL PERTUMBUHAN LOGISTIK PADA BEBERAPA TAHUN MENDATANG

PROYEKSI PENDUDUK PROVINSI MALUKU DENGAN MENGGUNAKAN MODEL PERTUMBUHAN LOGISTIK PADA BEBERAPA TAHUN MENDATANG ROYESI ENDUDU ROVINSI MALUU DENGAN MENGGUNAAN MODEL ERTUMBUHAN LOGISTI ADA BEBERAA TAHUN MENDATANG [unuk mmnuhi ugas maa kuliah modlan] Disusun olh: 1. CAROLINA LAISINA 2. ELSA M. TAHALEA 3. FRISA NAHUWAY

Lebih terperinci

8.1 NILAI EIGEN DAN VEKTOR EIGEN

8.1 NILAI EIGEN DAN VEKTOR EIGEN RUANG EIGEN Masalah nilai dan vko ign banyak skali dijumpai dalam bidang kayasa, spi maslah ksabilan sism, opimasi dngan SVD, kompsi pada pngolahan cia, dan lain-lain. Unuk lbih mmahami masalah nilai dan

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial Prhungan Pr dngan Asus Wau Anar Kla Brdsrbus Esponnsal Fahauz Zuharoh Jurusan Pnddan Maaa, STKIP, YPUP Maassar Info: Jurnal MSA Vol. 2 o. Eds: Januar Jun 24 Arl o.: 3 Halaan: 5-22 ISS: 2355-83X Prod Maaa

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

TOPIK 5 Bagian 1. andhysetiawan

TOPIK 5 Bagian 1. andhysetiawan OPIK 5 Baan andhysawan Pndahuluan ransforas Fourr dan Funs Dla Drac Modulas Doubl Sd Band DSB andhysawan Modulas ross rubahan karakrsk suau loban nuru ola loban lan, dnan cara nuankan boncnkan suau loban

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

PENGUKURAN BULLWHIP EFFECT DENGAN MODEL AUTOREGRESSIVE

PENGUKURAN BULLWHIP EFFECT DENGAN MODEL AUTOREGRESSIVE PENGUKURAN BUWHIP EFFECT ENGAN MOE AUTOREGRESSIVE Ta Talha Program Su Tknk Inusr, Fakulas Tknk Unvrsas an Nuswanoro Jalan Nakula I No. 5- Smarang E-mal : a@osn.nus.ac. Absrak Kurangnya nformas apa mnmbulkan

Lebih terperinci

Pendekatan Bayes Empirik Pada Pendugaan Statistik Area Kecil Berbasis Model Poisson-Gamma Dengan Peubah Penyerta

Pendekatan Bayes Empirik Pada Pendugaan Statistik Area Kecil Berbasis Model Poisson-Gamma Dengan Peubah Penyerta Pnkaan Bas mprk Paa Pnugaan Sask Ara Kcl Brbass Mol Posson-Gamma Dngan Pubah Pnra Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Absrak Bas mprk mrupakan salah sau mo paa pnugaan ara kcl ang apa

Lebih terperinci

PENDEKATAN BAYES EMPIRIK PADA PENDUGAAN STATISTIK AREA KECIL BERBASIS MODEL POISSON-GAMMA DENGAN PEUBAH PENYERTA 1)

PENDEKATAN BAYES EMPIRIK PADA PENDUGAAN STATISTIK AREA KECIL BERBASIS MODEL POISSON-GAMMA DENGAN PEUBAH PENYERTA 1) PNDKATAN BAS MPIRIK PADA PNDUGAAN STATISTIK ARA KCIL BRBASIS MODL POISSON-GAMMA DNGAN PUBAH PNRTA ) Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Bas mprk mrupakan salah sau mo paa pnugaan ara

Lebih terperinci

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan Caaan Kuliah 8 Mahai dan Mnganalisa Opiisasi Prubuhan. Sia dari Fungsi Eksponnsial Fungsi ksponnsial adalah ungsi ang variabl bbasna uncul sbagai pangka. Bnuk uu : b ; b > diana : variabl dpndn Conoh :

Lebih terperinci

BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH

BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH Sjak bbrapa ahun yang lalu, ilmuwan asal Amrika Marin Nowak dan Sbasian Bonhoffr mncoba mmplo daa dari pnliian oba ani-hiv.

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 5 Transformasi Fourier

SISTEM PENGOLAHAN ISYARAT. Kuliah 5 Transformasi Fourier TKE 403 SISTEM PENGOLAHAN ISYARAT Kuliah 5 Transformasi Fourir Bagian II Indah Susilawai, S.T., M.Eng. Program Sudi Tknik Elkro Fakulas Tknik dan Ilmu Kompur Univrsias Mrcu Buana Yogyakara 009 KULIAH 5

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

9. TEKNIK PENGINTEGRALAN

9. TEKNIK PENGINTEGRALAN 9. TEKNIK PENGINTEGRALAN 9. Inegral Parsal Formula Inegral Parsal : Cara : plh u yang urunannya lebh sederhana Conoh : Hung u dv uv v du e d msal u =, maka du=d dv e d v e d e sehngga e d e e d e e C INF8

Lebih terperinci

Penentuan Koefisien Difusi Gas SF 6 pada Tanah Sawah dengan Metode Spektroskopi Fotoakustik Laser CO 2

Penentuan Koefisien Difusi Gas SF 6 pada Tanah Sawah dengan Metode Spektroskopi Fotoakustik Laser CO 2 Jurnal Ilmu Pngahuan dan Tknolog TELAAH Volum 27, M 21 Pnnuan Kofsn Dfus Gas SF 6 pada Tanah Sawah dngan Mod Spkroskop Fooakusk Lasr CO 2 ALI JOKO WASONO Lab. Fooakusk FMIPA Fska UGM, Yogyakara Indonsa

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

Peranan Formulasi Inversi pada Fungsi Karakteristik Suatu Variabel Acak

Peranan Formulasi Inversi pada Fungsi Karakteristik Suatu Variabel Acak Pranan Formulasi Invrsi pada Fungsi Karakrisik Suau Variabl Acak Jon Maspupu Pusfasainsa LAPAN, Jl Dr Djundjunan No 33 Bandung 473, lp 66 Ps 6 Fax 64998 E-mail: jon_mspp@yaoocom Absrac: In probabiliy ory,

Lebih terperinci

Perbandingan Perhitungan Jumlah Penduduk Tahunan dengan Interpolasi Spline dan Simulasi Asumsi Gompertz

Perbandingan Perhitungan Jumlah Penduduk Tahunan dengan Interpolasi Spline dan Simulasi Asumsi Gompertz Prosiding Smiraa FMIPA Univrsias Lampung, Prbandingan Prhiungan Jumlah Pnduduk Tahunan dngan Inrpolasi Splin dan Simulasi Asumsi Gomprz Ds Alwin Zayani Jurusan Mamaika FMIPA Univrsias Sriwaya E-mail: dalwinzayani@yahoo.com

Lebih terperinci

RESPONS STRUKTUR SDOF AKIBAT BEBAN SINUSOIDAL DENGAN METODE INTEGRAL DUHAMEL

RESPONS STRUKTUR SDOF AKIBAT BEBAN SINUSOIDAL DENGAN METODE INTEGRAL DUHAMEL RESPONS STRUKTUR SO KT EN SNUSOL ENGN METOE NTEGRL UHMEL Rn Suryana Jurusan Tknk Spl akulas Tknk Unvrsas Rau Kampus na Wya Jl. H.R. Sobranas Km.,5 Pkanbaru mal : rn@unr.ac. Hnra Sarfka Jurusan Tknk Spl

Lebih terperinci

( L ). Matriks varians kovarians dari

( L ). Matriks varians kovarians dari LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

INTERFERENSI DAN DIFRAKSI

INTERFERENSI DAN DIFRAKSI ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang

BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Lngkungan Implmntas Pada pmbahasan lngkungan mplmntas mlput pmbahasan spsfkas hadwa yang dgunakan, pangkat lunak, pangkat pmbangun dan tools yang dgunakan untuk mmbuat

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

PROSIDING. Rancang Bangun Penjadwalan Pekerjaan Pada Grid Computing. Ardi Pujiyanta 1, Selo 2

PROSIDING. Rancang Bangun Penjadwalan Pekerjaan Pada Grid Computing. Ardi Pujiyanta 1, Selo 2 PROSIDING Smnar Nasonal MIPA 2016 Naskah dsmnarkan pada 5 Novmbr 2016 dan dpublkaskan pada hp://conf.unns.ac.d/ndx.php/mpa/mpa2016/schdconf/prsnaons Rancang Bangun Pnjadwalan Pkrjaan Pada Grd Compung Ard

Lebih terperinci

MODEL DAN ANALISIS DATA SURVIVAL MENGGUNAKAN SEBARAN LOG-LOGISTIK NURMAULIDAH G

MODEL DAN ANALISIS DATA SURVIVAL MENGGUNAKAN SEBARAN LOG-LOGISTIK NURMAULIDAH G MODEL DAN ANALII DATA URVIVAL MENGGUNAKAN EBARAN LOG-LOGITIK NURMAULIDAH G 54325 DEPARTEMEN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT PERTANIAN BOGOR BOGOR 27 2 ABTRACT NURMAULIDAH.

Lebih terperinci

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

IMPLEMENTASI MODEL PENGUKURAN BULLWHIP EFFECT MENGGUNAKAN MODEL MA(1)

IMPLEMENTASI MODEL PENGUKURAN BULLWHIP EFFECT MENGGUNAKAN MODEL MA(1) IMPEMENTASI MOE PENGUKURAN BUWHIP EFFECT MENGGUNAKAN MOE MA() Ta Talha Jurusan Tknk Inusr Fakulas Tknk Unvrsas an Nuswanoro Jalan Nakula I No. 5- Smarang Emal : a@osn.nus.ac. Absrac In supply chan managmn

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

Fungsi dan Grafik Diferensial dan Integral

Fungsi dan Grafik Diferensial dan Integral Sudarano Sudirham Sudi Mandiri Fungi dan Grafik Difrnial dan Ingral Sudarano Sudirham, Fungi dan Grafik, Difrnial dan Ingral Darublic 6 Pramaan Difrnial Ord Dua 6.. Pramaan Difrnial Linir Ord Dua Scara

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDAAN TEORI Pada bab n akan dbahas beberapa eor maemaka keuangan dan saska yang mendukung dalam penurunan formula Lookback Opons pada Bab III dan pembuaan program pada Bab IV. Teor-eor yang

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

1. Mistar A. BESARAN DAN SATUAN

1. Mistar A. BESARAN DAN SATUAN A. BESARAN DAN SATUAN Teor Sngka : D dalam Fska gejala alam dama melalu pengukuran. Pengukuran adalah membandngkan suau besaran dengan besaran sejens yang dsepaka sebaga paokan (sandar). Besaran adalah

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV)

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV) DEFOMSI INTEKSI DU PKET GELOMBNG DI PESMN IMPOVED KdV IKdV Sumn Jurusan Mamaa FMIP Unvrsas Dongoro Jl. Prof. H. Sodaro SH Tmbalang Smarang 575 E-mal: su_mn@yaoo.om bsra: Hr W wll sudy nonlnar wo wavs a

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

Kendali Optimal pada Masalah Persediaan Barang yang Mengalami Peningkatan

Kendali Optimal pada Masalah Persediaan Barang yang Mengalami Peningkatan Sminar Nasional Tnologi Informasi, omuniasi dan Indusri (SNTII) 9 ISSN (Prind) : 579-77 Faulas Sains dan Tnologi, UIN Sulan Syarif asim Riau ISSN (Onlin) : 579-5406 Panbaru, 8-9 Mi 07 ndali Opimal pada

Lebih terperinci

Bab 3 Beberapa Skema Pembagian Rahasia

Bab 3 Beberapa Skema Pembagian Rahasia 9 Ba 3 Beeraa Skema Pemagan Rahasa Skema emagan rahasa adalah meode unuk memag rahasa K d anara anggoaanggoa suau hmunan arsan P {P,P, P n } sedemkan sehngga ka arsan ada suhmunan A P yang derolehkan mengeahu

Lebih terperinci

Reliabilitas. A. Pengertian

Reliabilitas. A. Pengertian Relablas A. Pengean Relablas adalah sejauh mana hasl ujan sswa eap aau konssen da posedu penlaan (Nko, 007:66). Menuu Ellen, suau es dkaakan elabel jka sko obsevas nla awal behubungan dengan sko yang sebenanya.

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

2. Khusus Mahasiswa dapat melakukan analisis rangkaian peralihan beban R-L melalui analisis matematis B. Pokok Bahasan

2. Khusus Mahasiswa dapat melakukan analisis rangkaian peralihan beban R-L melalui analisis matematis B. Pokok Bahasan SATUAN ACAA PENGAJAAN Maa Kuliah : angkaian isrik II Kod Maa Kuliah : EES353 Waku Prmuan : x3x50 mni Prmuan k : 6 A Tujuan Insruksional Umum Mahasiswa dapa mmahami rangkaian pralihan bban - Khusus Mahasiswa

Lebih terperinci

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI ESIMSI PMEE DI DISIBUSI WEIBULL EMODIFIKSI Nama Mahasswa : mboo Puto NP : 48 Juusan : Matmatka FMIP-IS Dosn Pmbmbng : Ds. Fada gustn Wdjajat, MS bstak Sahan dan Zanudn (8) mmpknalkan gnalsas da dstbus

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

Lebih terperinci

Filosofi Dasar. Konsep Dasar Susunan Antena. Superposisi Medan Listrik. Oleh : Nachwan Mufti Adriansyah, ST, MT

Filosofi Dasar. Konsep Dasar Susunan Antena. Superposisi Medan Listrik. Oleh : Nachwan Mufti Adriansyah, ST, MT Oulin TTG3D3 Anna Mul#4a Anna an Prpagasi Knsp Dasar Susunan Anna Olh : Nachwan Mufi Ariansah, ST, MT Filsfi Dasar: Suprpsisi Man Lisrik Susunan Sumbr Tiik Isrpis Prinsip Prkalian Diagram an Sinsa Paa

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

PEMODELAN KOMPUTASI DENGAN METODE RUNGE KUTTA ORDE 4 UNTUK MENGHITUNG PROSES PENGISIAN DAN PENGOSONGAN KAPASITOR

PEMODELAN KOMPUTASI DENGAN METODE RUNGE KUTTA ORDE 4 UNTUK MENGHITUNG PROSES PENGISIAN DAN PENGOSONGAN KAPASITOR ol. No. Jul, Tahun 07 Jurnal Pnlan Pnddan MIP Kharah PMODLN KOMPUTSI DNGN MTOD RUNG KUTT ORD UNTUK MNGHITUNG PROSS PNGISIN DN PNGOSONGN KPSITOR Kharah Unvrsas Muslm Nusanara l-washlyah -mal: harahlubs0@gmal.com

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

PENAKSIRAN PELUANG KESEMBUHAN

PENAKSIRAN PELUANG KESEMBUHAN Prosdng SNaPP2011 Sans, Teknolog, dan Kesehaan ISSN:2089-3582 PENAKSIRAN PELUANG KESEMBUHAN DENGAN KEKAMBUHAN BERDISTRIBUSI EKSPONENSIAL 1 Abdul Kudus, 2 R. Dachlan Muchls, dan 3 Tk Respa 1,2 Jurusan Saska,

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci