MODEL DERET WAKTU HIDDEN MARKOV

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL DERET WAKTU HIDDEN MARKOV"

Transkripsi

1 9 ; P j y π j { ; } P j y sama dengan sau jika engamaan berada ada sae j dan sama dengan nol jika engamaan berada ada sae selainnya Maka enduga raaraa unuk sae j ada ersamaan 8 akan sama dengan nilai raaraa dari y unuk engamaan yang dikeahui berasal dari sae j Pada kasus yang lebih umum dimana P { j y ; } berada dianara 0 dan unuk beberaa engamaan, enduga π j adalah bobo raaraa dari semua engamaan, dimana bobo unuk seia engamaan Y seadan dengan eluang bahwa engamaan ada waku elah dibangkikan oleh sae j Kemungkinan lainnya engamaan berasal dari sae j, bobo yang lebih besar memerlihakan bahwa engamaan berada ada enduga µ j Dengan cara yang sama, σ j adalah bobo raaraa kuadra sandar deviasi unuk Y dari µ j Karena ersamaan 8, 9, dan aklinear, maka idak mungkin menyelesaikan secara analiik bagi sebagai fungsi dari { } Y, Y,, Y ehingga unuk mencari enduga kemungkinan maksimum akan lebih mudah jika menggunakan algorime ieraif yang meruakan kasus khusus dari rinsi EM MODEL DERE WAKU HIDDEN MARKOV Model Dere Waku Hidden Markov Pada asal ini akan dibahas model Hidden Markov yang meruakan dere waku dengan benuk sebagai beriku: Y µ φ Y µ + φ Y µ + ε s s s di mana: ε! 0, σ N bebas sokasik idenik { Y } roses yang diamai dan bernilai skalar { } ranai Markov dengan ruang sae {,} µ, µ, φ, dan φ adalah konsana real µ, µ, φ, φ, σ P eluang ransisi meruakan mariks Dalam kasus ini Y idak hanya berganung ada berganung ada dan, eai juga ehingga agar ea memenuhi sifa Markov, erlu didefinisikan eubah baru di mana:, jika,, dan, jika 3, jika 4, jika 5, jika 6, jika 7, jika 8, jika Lema :,,,,,,,, dan, dan, dan, dan, dan, dan, dan 3 { } meruakan ranai Markov dengan ruang sae {,, 3, 4, 5, 6, 7, 8} dan mariks ransisi: P Buki liha Lamiran

2 0 elanjunya, karena ε! 0, σ N bebas sokasik idenik maka daa dieroleh fungsi sebaran bagi ε : ε ε F y P y y 0 ex πσ ε 0 σ ε d ε y ex dε 0 πσ σ 4 Berdasarkan ersamaan 4 dieroleh fungsi sebaran bagi Y : F y PY y Y P φ Y µ + φ Y s µ µ ε y s + + s P ε y µ φ Y µ φ Y µ Misalkan s s s µ φ s µ φ s µ s v y Y Y maka ε v FY y ex ε d 0 πσ σ 5 dan fy y FY y y v v ex σ π σ y yµ φ Yµ φ Yµ ex s s s v σ π σ y yµ φ Yµ φ Yµ s s s σ π σ ex yµ φ Y Y s µ φ µ s s ex σ π σ 6 Misalkan ϒ adalah medan σ yang lengka dan dibangun oleh ϒ, ϒ,, ϒ Kumulan fungsi keraaan ersebu dalam vekor 8x dilambangkan dengan η, sehingga dieroleh: é, ϒ q ù, ϒ q 3, ϒ q 4, ϒ q h 5, ϒ q 6, ϒ q 7, ϒ q ê 8, ϒ q ú ë û y µ φ Yµ φ Yµ ex σ π σ y µ φ Yµ φ Yµ ex σ π σ y µ φ Yµ φ Yµ σ π σ y µ φ Yµ φ Yµ σ π σ y µ φ Y µ φ Y µ σ π σ y µ φ Yµ φ Yµ σ π σ y µ φ Yµ φ Yµ ex σ π σ y µ φ Yµ φ Yµ σ π σ 7 Misalkan ξ melambangkan vekor ; 8 di mana elemen kej ada vekor mereresenasikan P{ j ϒ } dan melambangkan erkalian elemen er elemen, maka

3 ξ η { } { } { } { } { } { 6 ϒ } { 7 ϒ } { 8 ϒ ; } y 6, ϒ 7, ϒ 8, ϒ ; P ϒ, ϒ P ϒ, ϒ P 3 ϒ 3, ϒ P 4 ϒ 4, ϒ P 5 ϒ 5, ϒ P f P P 8 Berdasarkan ersamaan 8 maka daa diuliskan: P j ϒ ; j, ϒ ; P j, ϒ P y, j, ϒ P ϒ P j, ϒ P y, j, ϒ P y, j ϒ P ϒ ; ehingga dieroleh: ϒ ; ξ η 8 j ϒ ;, ϒ ; P j j ϒ, ϒ P ϒ f y, ϒ P 3 ϒ f y 3, ϒ P 4 ϒ f y 4, ϒ P 5 ϒ f y 5, ϒ P 6 ϒ f y 6, ϒ P 7 ϒ f y 7, ϒ P 8 ϒ ; f y 8, ϒ ; P y µ φ Y µ φ Y µ P ϒ σ π σ yµ φ Yµ φ Yµ + P ϒ ; σ π σ yµ φ Yµ φ Yµ + P 3 ϒ ; σ π σ ϒ σ + P 4 ; yµ φ Yµ φ Yµ + P 5 ϒ ; σ π σ yµ φ Yµ φ Yµ + P 6 ϒ σ π σ + P 7 ϒ σ π yµ φ Yµ φ Yµ y µ φ Y µ φ Y µ π σ yµ φ Yµ φ Yµ σ + P 8 ϒ ex σ π σ 30 Jika ersamaan 9 dibagi dengan ersamaan 30 maka dieroleh, ϒ f y ϒ P y, j, ϒ f y, ϒ P j y, ϒ P j ϒ ; P y j P y, j ϒ P ϒ f ϒ ;, ϒ ; ehingga dieroleh ; P j ϒ P y, j ϒ ; ϒ ξ η ξ ξ η 3 3 Fungsi loglikelihood L unuk daa yang diamai Y daa dihiung dengan cara

4 log f y ϒ ; f y ϒ ; Lf y ϒ ; L 3 ϒ log ; 33 alah sau endekaan yang digunakan unuk memilih nilai awal bagi ξ adalah dengan membua ξ 0 sama dengan vekor eluang ak bersyara π [ π ] ' π π3 π4 π5 π6 π7 π8 yang memenuhi sifa ergodic, yaiu π P π π + π + π3 + π4 + π5 + π6 + π7 + π8 seeri yang erdaa ada Lamiran Pendugaan Paremeer Model Penduga kemungkinan maksimum bagi dieroleh dengan memaksimumkan: L log f y ϒ Dengan membua urunan erama dari loglikelihood erhada arameer sama dengan nol, maka dieroleh: µ µ φ φ σ [ Az + B rz + rφµ C sz sµ D φ z φ qµ + E qz + qφ µ + F z + sµ G φ z + φ rµ [ A + Br + Cs + Dφ + Eq + F + Gφ [ B φ z φ rµ + C z + sµ + D qz + qφµ E φ zφ qµ F sz sµ + G rz + φ rµ + H z] Bφ + C + Dq + Eφ + Fs + Gr + H [ Aac φce + Bad φde + Cbc φ ce + Dbd φ de + Eac φ cf + Fad φ df + Gbc φ cf + H bdφdf ] [ Ac + Bd + Cc + Dd + Ec + Fd + Gc + Hd [ Aae φce + Bae φde + Cbe φce + Dbe φde + Eaf φcf + F af φdf + Gbf φcf + H bf φdf ] [ Ae + Be + Ce + De + Ef + Ff + Gf + Hf 34 φ φ + φ φ + Cb φcφe + Db φd φe + Ea φc φ f + Fa φd φ f + Gb φcφ f + H φ φ Aa c e Ba d e b d f A+ B+ C+ D+ E+ F+ G+ H dengan µ, µ, µ, µ, µ, µ a y b y c y d y e y f y φ φ, φ, φ, φ φ, φ φ r q s + z y y y A P, ϒ ϒ, ϒ ϒ B P f y ϒ ϒ ;, ϒ C P 3 ϒ ; 3, ϒ, D P 4 4, ; ϒ ϒ ϒ ϒ E P 5 ϒ ; 5, ϒ, F P 6 6, ; ϒ ϒ ϒ ϒ G P 7 ϒ ; 7, ϒ, H P 8 ϒ ; 8, ϒ ϒ ; Buki liha Lamiran

5 3 Karena ersamaan µ, µ, φ, φ, dan σ yang dieroleh adalah aklinear, maka unuk mencari enduga kemungkinan maksimum bagi digunakan algorime ieraiang meruakan kasus khusus dari rinsi EM Langkahlangkah yang harus dilakukan adalah: Langkah : enukan banyaknya daa yang akan diamai sera enukan juga nilai y0, y, y,, y dan mariks ransisi P Beri nilai awal bagi yang dilambangkan m dengan µ, µ, φ, φ, σ Langkah : Cari fungsi keraaan bersyara bagi y unuk seia,,, dengan cara é, ϒ q ù, ϒ q 3, ϒ q 4, ϒ q h 5, ϒ q 6, ϒ q 7, ϒ q ê 8, ϒ q ú ë û y µ φ yµ φ yµ ex σ π σ y µ φ y µ φ y µ ex σ π σ y µ φ yµ φ yµ σ π σ y µ φ yµ φ yµ σ π σ y µ φ yµ φ yµ σ π σ y µ φ yµ φ yµ σ π σ y µ φ yµ φ yµ ex σ π σ y µ φ yµ φ yµ σ π σ Langkah 3: Penarikan kesimulan oimal dan eramalan unuk seia waku ada conoh daa dieroleh melalui ierasi: 3 enukan nilai awal bagi ξ yang dilambangkan dengan ξ 0 3 Beri nilai awal i 33 Unuk i, cari nilai dari ϒ ; ξ η ϒ, ϒ P ϒ f y, ϒ P 3 ϒ f y 3, ϒ P 4 ϒ f y 4, ϒ P 5 ϒ f y 5, ϒ P 6 ϒ f y 6, ϒ P 7 ϒ f y 7, ϒ P 8 ϒ ; f y 8, ϒ ; P

6 4 ξ ϒ ϒ 3 ϒ 4 ; ϒ ξ η 5 ϒ ξ η 6 ϒ 7 ϒ 8 ϒ P + ϒ P + ϒ P + 3 ϒ P + 4 ϒ P ξ P + 5 ϒ P + 6 ϒ P + 7 ϒ P + 8 ϒ P P P P P P P P ξ + i i+ 34 Ulangi mulai dari langkah 33 o jika Lanjukan ke langkah 4 Langkah 4: Misalkan a y µ b y µ µ µ µ µ c y d y e y f y φ φ, r φ φ, s φ + φ φ φ q z y y y A P ϒ ϒ ϒ ;, ϒ B P ϒ ϒ ;, ϒ C P ϒ 3 ϒ ; 3, ϒ D P ϒ 4 ϒ ; 4, ϒ E P ϒ 5 ϒ ; 5, ϒ F P ϒ 6 ϒ ; 6, ϒ G P 7 ϒ ; 7, ϒ H P ϒ 8 ϒ ; 8, ϒ Cari nilai dari µ, µ, φ, φ dan σ Langkah 5: Beri nama arameer yang dihasilkan ada langkah 4 dengan m+ µ, µ, φ, φ, σ Langkah 6: Cari P yang baru, yaiu: ξ ξ! P' ξ ξ j j j j { + + } ij, ϒ; P j i P i ϒ;, ϒ P j ϒ P i ϒ P j ϒ P i ϒ P j ϒ P j, i ϒ P j ϒ P j ϒ P i ϒ P j i P j ϒ P j i j i ξ ξ j ξ ij j i ξ ξ ij j ξ N ξ ξ j j ξ ij j i ij Langkah 7: Ulangi mulai dari langkah Gunakan arameer yang sudah dihasilkan unuk mencari nilai haraan bagi nilai ukar ruiah yang akan daang E Y j, ϒ y y E φ Y µ φ Y µ ε µ j, ϒ ; s s s φ µ + φ µ µ + s s s j Y E Y ϒ y ϒ dy N y f y j, ϒ ; P j ϒ ; dy N P j y j dy j ϒ, ϒ N ξ E Y j ϒ j, ;

7 5 PEMODELAN NILAI UKAR RUPIAH ERHADAP U DOLLAR Pada bab ini akan dibahas emodelan nilai ukar Ruiah erhada U Dollar eai sebelumnya, akan dibahas mengenai daa inu yang digunakan sebagai daa observasi ada model Kemudian dilanjukan dengan emodelan masalah sera alikasi unuk kasus banyaknya enyebab kejadian N Daa Inu Nilai ukar Ruiah Dalam karya ilmiah ini, daa inu yang digunakan meruakan daa raaraa nilai ukar Ruiah erhada U Dollar er bulan yang diambil dari sius wwwbankofcanadaca yang diakses ada anggal 4 Januari 008 Daa berkisar anara bulan Februari 998 hingga Januari 008 yang berari erdaa 0 daa observasi y Gambar Grafik daa disajikan ada Pada Gambar, erliha bahwa ada bulan Juni 998, nilai ukar Ruiah er U Dollar meningka cuku inggi hingga mencaai R 4000, Kemudian ada bulanbulan berikunya Ruiah menurun secara erlahan dan sema berada level erendah R 6700, ada bulan Juni 999, sebelum daa berflukuasi ada kisaran R 8000, hingga R 000, er U Dollar ada bulanbulan berikunya Meningkanya nilai ukar Ruiah erhada U Dollar ada erengahan ahun 998, disebabkan karena insabilias oliik, sosial, dan ekonomi Indonesia ada saa iu Grafik Nilai ukar Ruiah erhada U Dollar Ruiah er U Dollar Waku er Bulan Februari 98 Januari 08 Gambar Grafik erubahan Nilai ukar Ruiah erhada U Dollar er bulan umber: wwwbankofcanadaca akses 4 Januari 008 Pemodelan Nilai ukar Ruiah erhada U Dollar Nilai ukar Ruiah meruakan suau kejadian yang daa berubah seia waku Banyak hal yang daa menyebabkan erubahan ersebu, seeri erubahan kebijakan emerinah, kondisi keamanan yang idak kondusif, erganian sisem emerinah, dan lainlainnya Penyebabenyebab ersebu daa membenuk ola erenu Misalnya, ada saa erjadi kerusuhan akiba dari erganian sisem emerinahan yang merugikan masyaraka, biasanya akan diikui munculnya mosi idak ercaya dari invesor asing unuk menginvesasikan Dollar di Indonesia sehingga erjadi kenaikan nilai ukar Ruiah erhada Dollar Kejadian seeri ini daa berulang di masa yang akan daang, namun idak daa dienukan kurun wakunya Besar kemungkinan di waku yang akan daang akan erjadi kejadian yang sama, jika erjadi erubahan sisem emerinahan yang memiliki nilai eluang idak jauh berbeda dengan nilai eluangnya saa iu Hal

8 6 ini menunjukkan bahwa enyebab kejadian nilai ukar Ruiah bersifa homogen Jadi karena enyebab kejadian nilai ukar Ruiah membenuk suau ranai Markov dan diasumsikan idak diamai secara langsung, maka masalah nilai ukar Ruiah erhada U Dollar daa dimodelkan menggunakan model hidden Markov Proses Y, N yang digunakan adalah observasi { } nilai ukar Ruiah erhada U Dollar er bulan dan bernilai skalar Banyaknya daa adalah 0, sedangkan enyebab kejadian yang idak diamai secara langsung, N ada model adalah enyebab { } erjadinya erubahan nilai ukar ersebu Dere Waku Hidden Markov Model Hamilon Dere waku hidden Markov Hamilon, yaiu: Y c + φ Y + ε Unuk kasus banyaknya enyebab kejadian N, erdaa nilai c yang menyaakan sae Dalam karya ilmiah Hirasawa 007, 0000 digunakan nilai c awal yaiu c yang menyaakan bahwa nilai c saa e adalah 0000 dan nilai c saa e adalah 8000 Nilai /3 φ awal yang digunakan yaiu φ 0 3/4 yang menyaakan nilai φ saa e adalah /3 dan nilai φ saa e adalah 3/4, sedangkan nilai raaan awal yang digunakan adalah σ 000 Didaakan nilai akhir dari arameer yang memakisimumkan eluang adalah 9476,549 0,3733 c, φ, dan σ 60,7 44,35 0,8435 Nilai raaan yang dieroleh adalah sebesar 84,744 3,0698% Nilai gala maksimum adalah 38,49,66 % dan nilai gala minimum adalah,64 0,063 % Hasil endugaan model daa diliha ada Gambar Dere Waku Hidden Markov au Waku ebelumnya Model hidden Markov yang digunakan adalah: Y Y µ φ µ + ε Dalam karya ilmiah anoso 008, digunakan nilai awal 0000 µ 8000 yang menyaakan bahwa nilai µ ada saa enyebab kejadian sae e adalah 0000 dan nilai µ saa sae e adalah 8000 Nilai φ awal yang digunakan adalah /0, sedangkan raaan awal yang digunakan adalah σ 000 Dengan menggunakan algorime EM, didaakan nilai akhir dari arameer yang memaksimumkan eluang 98,96 adalah µ 96,66, φ 0,840756, dan σ Nilai raaan yang dieroleh sebesar 4,507,97% Nilai gala maksimum adalah 807,6963 5,6773 % dan nilai gala minimum adalah 0,934 0,003 % Nilai dugaan model ini mendekai nilai yang sebenarnya Hasil endugaan model daa diliha ada Gambar Dari Gambar ersebu, erliha bahwa model dere waku hidden Markov sau waku sebelumnya menduga nilai Ruiah erhada U Dollar lebih baik dariada model hidden Markov Hamilon Dere Waku Hidden Markov Dua Waku ebelumnya Model hidden Markov yang digunakan ada karya ilmiah ini adalah: Y µ φ Y µ + φ Y µ + ε s s s Dalam karya ilmiah ini, digunakan nilai awal 0000 µ 8000 yang menyaakan bahwa nilai µ ada saa enyebab kejadian sae e adalah 0000 dan nilai µ saa sae e adalah 8000 Nilai φ awal yang digunakan 0,4333 adalahφ 0,5, sedangkan raaan awal yang digunakan adalah σ 000 Dengan menggunakan algorime EM, didaakan nilai akhir dari arameer yang memaksimumkan 570,76 eluang adalah µ 6034,, 0,4877 φ 0,54, danσ Nilai raaan yang dieroleh adalah 55,6 0,59% Nilai gala maksimum adalah 0,0,3% dan nilai gala minimum adalah 0, 0,003% Nilai dugaan model ini mendekai nilai yang sebenarnya Hasil endugaan model daa diliha ada Gambar Dari Gambar ersebu, erliha bahwa model dere waku hidden Markov dua waku sebelumnya menduga nilai Ruiah erhada U Dollar lebih baik dariada model hidden Markov Hamilon mauun model hidden Markov sau waku sebelumnya

9 7 abel Perbandingan Nilai ukar Ruiah erhada U Dollar menggunakan Dere Waku Hidden Markov Hamilon, Dere Waku Hidden Markov au Waku ebelumnya, dan Dere Waku Hidden Markov Dua Waku ebelumnya Perbandingan Hidden Markov Model Hamilon Hidden Markov au Waku ebelumnya Hidden Markov Dua Waku ebelumnya Raaan Gala 84,74 3,07% 4,50,4% 55,6 0,59% Gala Max 38,49,3% 807,69 5,68% 0,0,3% Gala Min,64 0,06% 0,9 0,003% 0, 0,003% 5, , ,00000 Ruiah er U Dollar,00000, , , , , , Waku er Bulan Feb 998 Jan 008 Nilai Ruiah Model Dua Waku ebelumnya Model au Waku ebelumnya Model Hamilon Gambar Grafik nilai ukar Ruiah erhada U Dollar IMPULAN Model dere waku hidden Markov dua waku sebelumnya daa memodelkan erilaku erubahan nilai ukar Ruiah erhada U Dollar Penduga arameer yang dieroleh dengan menggunakan meode Maximum Likelihood dan erhiungannya menggunakan algorima ieraif Execaion Maximizaion daa memrediksi nilai ukar Ruiah erhada U Dollar yang akan daang Model dere waku hidden Markov dua waku sebelumnya daa memodelkan dengan lebih baik erubahan nilai ukar Ruiah erhada U Dollar jika dibandingkan dengan model dere waku hidden Markov Hamilon dan model dere waku hidden Markov sau waku sebelumnya Hal ini erliha dari nilai dugaan yang lebih mendekai nilai sebenarnya

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

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

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus

Lebih terperinci

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON * PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV HAMILON * BERLIAN SEIAWAY, YANA ADHARINI DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus IPB

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

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV MODEL HAMILTON HIRASAWA G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV MODEL HAMILTON HIRASAWA G PEMODELAN NILAI UKAR RUPIAH ERHADAP US DOLLAR MENGGUNAKAN DERE WAKU HIDDEN MARKOV MODEL HAMILON HIRASAWA G5403030 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR BOGOR

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA DIMAS HARI SANTOSO

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA DIMAS HARI SANTOSO PEMODELAN NILAI UKAR RUPIAH ERHADAP US DOLLAR MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA DIMAS HARI SANOSO DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR

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

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik JURNAL EKNIK POMIS Vol., No., () - Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Meode Jaringan Syaraf iruan di P. PJB Uni Pembangki Gresik Inan Mara Kusuma, Imam Abadi, S, M dan Deak Yan

Lebih terperinci

BAB III PERSAMAAN ARPS DAN METODE TABEL

BAB III PERSAMAAN ARPS DAN METODE TABEL BAB III ERSAMAAN ARS DAN METODE TABEL 3. ersamaan Ars Meoda decline curve analysis (analisis enurunan kurva) meruakan suau meode yang sering digunakan unuk mengesimasi erhiungan cadangan yang daa diamil

Lebih terperinci

1.4 Persamaan Schrodinger Bergantung Waktu

1.4 Persamaan Schrodinger Bergantung Waktu .4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan

Lebih terperinci

Analisis Model dan Contoh Numerik

Analisis Model dan Contoh Numerik Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.

Lebih terperinci

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN DERET WAKTU HIDDEN MARKOV EMPAT WAKTU SEBELUMNYA ARDY KRESNA CRENATA G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN DERET WAKTU HIDDEN MARKOV EMPAT WAKTU SEBELUMNYA ARDY KRESNA CRENATA G PEMODELAN NILAI UKAR RUPIAH ERHADAP DOLLAR AMERIKA MENGGUNAKAN DERE WAKU HIDDEN MARKOV EMPA WAKU SEBELUMNYA ARDY KRESNA CRENAA G540546 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

Bab IV Pengembangan Model

Bab IV Pengembangan Model Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini

Lebih terperinci

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi BAB II TEORI DASAR. PASANG SURUT Analisa asang suru dilakukan unuk menenukan elevasi muka air rencana bagi erencanaan fasilias lau (dermaga, jaringan ia, revemen, dan breakwaer), mengeahui ie asang suru

Lebih terperinci

Distribusi Normal Multivariat

Distribusi Normal Multivariat Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki

Lebih terperinci

III. PEMODELAN HARGA PENGGUNAAN INTERNET

III. PEMODELAN HARGA PENGGUNAAN INTERNET 8 III EMODELAN HARGA ENGGUNAAN INTERNET 3 Asumsi dan Model ada peneliian ini diperhaikan beberapa asumsi yaiu sebagai beriku: Waku anarkedaangan menyebar eksponensial dengan raaan λ - (laju kedaangan adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

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 TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

Matematika EBTANAS Tahun 1988

Matematika EBTANAS Tahun 1988 Maemaika EBTANAS Tahun 988 EBT-SMA-88- cos = EBT-SMA-88- Sisi sisi segiiga ABC : a = 6, b = dan c = 8 Nilai cos A 8 4 8 EBT-SMA-88- Layang-layang garis singgung OAPB, sudu APB = 6 dan panjang OP = cm.

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae

Lebih terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya) JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,

Lebih terperinci

Muhammad Firdaus, Ph.D

Muhammad Firdaus, Ph.D Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel

Lebih terperinci

1999 sampai bulan September Data ini diperoleh dari yahoo!finance.

1999 sampai bulan September Data ini diperoleh dari yahoo!finance. 7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai

Lebih terperinci

SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)

SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Saionary Disribuion of Swiss Bonus-Malus

Lebih terperinci

BAB IV PERHITUNGAN NUMERIK

BAB IV PERHITUNGAN NUMERIK BAB IV PERHITUNGAN NUMERIK Dengan memperhaikan fungsi sebaran peluang berahan dari masingmasing sebaran klaim, sebagai mana diulis pada persamaan (3.45), (3.70) dan (3.90), perhiungan numerik idak mudah

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 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

BAB II TEORI DASAR ANTENA

BAB II TEORI DASAR ANTENA BAB II TEORI DASAR ANTENA.1. endahuluan Anena didefinisikan oleh kamus Webser sebagai ala yang biasanya erbua dari meal (sebagai iang aau kabel) unuk meradiasikan aau menerima gelombang radio. Definisi

Lebih terperinci

RANK DARI MATRIKS ATAS RING

RANK DARI MATRIKS ATAS RING Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias

Lebih terperinci

PENERAPAN MODEL ARCH/GARCH DAN MODEL MSAR (MARKOV-SWITCHING AUTOREGRESSION) PADA NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA DAN IHSG

PENERAPAN MODEL ARCH/GARCH DAN MODEL MSAR (MARKOV-SWITCHING AUTOREGRESSION) PADA NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA DAN IHSG PENERAPAN MODEL ARCH/GARCH DAN MODEL MSAR (MARKOV-SWITCHING AUTOREGRESSION) PADA NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA DAN IHSG BAYU GUNANJAR DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

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

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar

Lebih terperinci

MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks)

MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks) Polieknik Negeri Banjarmasin 4 MODUL PERTEMUAN KE 3 MATA KULIAH : ( sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran

Lebih terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

Integral dan Persamaan Diferensial

Integral dan Persamaan Diferensial Sudaryano Sudirham Sudi Mandiri Inegral dan Persamaan Diferensial ii Darpublic 4.1. Pengerian BAB 4 Persamaan Diferensial (Orde Sau) Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih

Lebih terperinci

Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks)

Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks) MODUL PERTEMUAN KE 3 MATA KULIAH : (4 sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran POKOK BAHASAN: GERAK LURUS 3-1

Lebih terperinci

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci

Estimasi Parameter. Modul 1 PENDAHULUAN

Estimasi Parameter. Modul 1 PENDAHULUAN Modul 1 Esimasi Parameer Dr. Suawanir Darwis P PENDAHULUAN roses sokasik S,,, S adalah koleksi peubah acak S dengan menyaakan indeks waku,. Kumpulan semua nilai S yang mungkin, dinamakan sae space. Suau

Lebih terperinci

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS REKAYASA HIDROLOGI II HIDROGRAF SATUAN SINTETIK Sub Komeensi Mamu menghiung hidrograf Mamu menghiung hidrograf sauan sineik berdasarkan keersediaan daa karakerisik DAS 1 * H S * S Hidrograf Sauan Sineik

Lebih terperinci

Metode Regresi Linier

Metode Regresi Linier Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian

Lebih terperinci

ISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732

ISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732 ISSN : 355-9365 e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 373 Sifa Asimeris Model Prediksi Generalized Auoregressive Condiional Heerocedasiciy (GARCH) dan Sochasic Volailiy Auoregressive

Lebih terperinci

HUMAN CAPITAL. Minggu 16

HUMAN CAPITAL. Minggu 16 HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA101 MATEMATIKA A Hendra Gunawan Semeser II, 016/017 9 Mare 017 Kuliah yang Lalu 11 Fungsi dua (aau lebih) peubah 1 Turunan Parsial 13 Limi dan Kekoninuan 14 Turunan ungsi dua peubah 15 Turunan berarah

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI 7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami 11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I. PENDAHULUAN. Laar Belakang Menuru Sharpe e al (993), invesasi adalah mengorbankan ase yang dimiliki sekarang guna mendapakan ase pada masa mendaang yang enu saja dengan jumlah yang lebih besar. Invesasi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan

Lebih terperinci

III. METODE PENELITIAN. Usahatani belimbing karangsari adalah kegiatan menanam dan mengelola. utama penerimaan usaha yang dilakukan oleh petani.

III. METODE PENELITIAN. Usahatani belimbing karangsari adalah kegiatan menanam dan mengelola. utama penerimaan usaha yang dilakukan oleh petani. III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Usahaani belimbing karangsari adalah kegiaan menanam dan mengelola anaman belimbing karangsari unuk menghasilkan produksi, sebagai sumber

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias

Lebih terperinci

FIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI

FIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI KTSP & K-13 FIsika K e l a s XI KINEMATIKA Tujuan Pembelajaran Seelah mempelajari maeri ini, kamu diharapkan mampu menjelaskan hubungan anara vekor posisi, vekor kecepaan, dan vekor percepaan unuk gerak

Lebih terperinci

BAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja

BAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. B ) merupakan. internasional secara simultan dengan menggunakan model VAR. Latar Belakang. Tujuan

PENDAHULUAN TINJAUAN PUSTAKA. B ) merupakan. internasional secara simultan dengan menggunakan model VAR. Latar Belakang. Tujuan PENDAHULUAN Laar Belakang Daa dere waku (ime series) adala engamaan ang diaa menuru uruan waku. Dalam banak kasus daa dere waku daa diemukan ola-ola ang ada ada daa. Pola-ola ang sama daa saja erjadi berulang

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C. Persamaan Diferensial Orde Sau Adapun benuk yang sederhana dari suau persamaan ferensial orde sau adalah: 0 a.i a 0 (.) mana a o dan a konsana. Persamaan (.)

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

Lebih terperinci

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2)

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2) FI Mekanika B Sem. 7- Pekan #3 Osilasi Persamaan diferensial linear Misal kia memiliki sebuah fungsi berganung waku (. Persamaan diferensial linear dalam adalah persamaan yang mengandung variabel dan urunannya

Lebih terperinci

Fungsi Bernilai Vektor

Fungsi Bernilai Vektor Fungsi Bernilai Vekor 1 Deinisi Fungsi bernilai vekor adalah suau auran yang memadankan seiap F R R dengan epa sau vekor Noasi : : R R F i j, 1 1 F i j k 1 dengan 1,, ungsi bernilai real Conoh : 1. 1 F

Lebih terperinci

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK. PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

BAB KINEMATIKA DENGAN ANALISIS VEKTOR BAB KINEMATIKA DENGAN ANALISIS VEKTOR Karakerisik gerak pada bidang melibakan analisis vekor dua dimensi, dimana vekor posisi, perpindahan, kecepaan, dan percepaan dinyaakan dalam suau vekor sauan i (sumbu

Lebih terperinci

BAB 3 MODEL LEE-CARTER

BAB 3 MODEL LEE-CARTER BAB 3 MODEL LEE-CARTER 3. Pendahuluan Model Goperz yang elah dibahas di Bab 2 banyak diodifikasi oleh para Saisikawan. Pada waku iu (sekiar ahun 980-990), Saisikawan eliha odel ini cukup bagus unuk erepresenasikan

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ini akan dibahas dasar-dasar eori yang akan digunakan dalam penulisan skripsi ini, yaiu model regresi dua level, meode penaksiran maximum likelihood, mariks parisi, kronecker

Lebih terperinci

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.. Hasil Peneliian 4... Daa Hasil Peneliian Dari hasil peneliian diperoleh daa kemampuan dribble. hasilnya sebagai mana pada abel I (dilampirkan) 4... Deskripsi

Lebih terperinci

Bab II Dasar Teori Kelayakan Investasi

Bab II Dasar Teori Kelayakan Investasi Bab II Dasar Teori Kelayakan Invesasi 2.1 Prinsip Analisis Biaya dan Manfaa (os and Benefi Analysis) Invesasi adalah penanaman modal yang digunakan dalam proses produksi unuk keunungan suau perusahaan.

Lebih terperinci

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 39 III. METODE PENELITIAN 3.1 Waku dan Meode Peneliian Pada bab sebelumnya elah dibahas bahwa cadangan adalah sejumlah uang yang harus disediakan oleh pihak perusahaan asuransi dalam waku peranggungan

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci