Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember)"

Transkripsi

1 Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : Esimasi Fungsi Tahan Hidup Virus Hepaiis di Kabupaen Jember (Esimaing of Survival Funcion of Hepaiis Virus in Jember) Mohamad Faekurohman Saf Pengajar Jurusan Maemaika FMIPA Universias Jember ABSTRACT Saisical mehod o analyse daa of lifeime is called survival analysis. One problem in survival analysis is esimaion of survival funcion. This funcion can be esimaed by using nonparameric mehod. One problem in medical is o sudy he lifeime of hepaiis virus. In his paper he lifeime of hepaiis viruses (A, B, C) are esimaed using Nelson s mehod. The resuls show ha he hree ype of viruses have differen lifeime and virus ype A has he longes lifeime. Keywords: survival analysis, survival analysis funcion esimaion PENDAHULUAN Akhir-akhir ini, di Indonesia sering dijumpai penyaki hepaiis. Menuru Sulaiman (2002), Indonesia ermasuk daerah dengan prevalensi sedang sampai inggi, berkisar anara 4% hingga 34%. Oleh karena iu, diperkirakan bahwa sau dari 20 penduduk di Indonesia menderia hepaiis. Hepaiis adalah peradangan aau infeksi pada sel-sel hai. Penyebab hepaiis yang paling sering adalah virus yang dapa menyebabkan pembengkakan dan pelunakan hai. Sampai saa ini sudah dapa dideeksi ujuh macam virus hepaiis, yaiu A, B, C, D, E, F, dan G, eapi virus yang sampai saa ini dikeahui menyerang dan membua kerusakan sel hai adalah virus hepaiis A, B, dan C. Virus ini dapa diemukan pada cairan ubuh penderia seperi air liur, darah, dan sperma. Penularan erjadi dengan cara masuknya virus dari cairan ubuh penderia ke orang lain yang mempunyai luka erbuka dengan cara bersenuhan. Hepaiis A disebabkan karena penderia erular makanan aau minuman yang ercemar inja yang mengandung virus hepaiis A. Sekiar 20-25% dari semua kasus hepaiis aku disebabkan oleh virus hepaiis A. Hepaiis B lebih sering dijumpai dan lebih menular dibandingkan AIDS. Di seluruh dunia diperkirakan erdapa 400 jua orang pembawa virus hepaiis B, dan lebih dari 200 jua berada di kawasan Asia Tenggara dan Pasifik. Di Indonesia, angka kejadian hepaiis B berkisar anara 5-20%. Hepaiis C disebu juga hepaiis non-a, non-b. Diseluruh dunia erdapa sekiar 100 jua pengidap kronik virus hepaiis C. Di Jakara diemukan 9-20% kasus hepaiis aku yang disebabkan virus hepaiis C. Menginga kondisi bahwa wabah hepaiis, khususnya di Jember, cenderung meningka maka dilakukan peneliian mengesimasi fungsi ahan hidup virus hepaiis berdasarkan daa yang ada dengan menggunakan meode nonparamerik. Karena virus yang sering menyerang dan membua kerusakan sel hai adalah virus hepaiis A, B, dan C, maka diselidiki juga apakah erdapa perbedaan yang signifikan anara fungsi ahan hidup virus hepaiis A, B, dan C. METODE Sebelumnya akan diberikan enang konsep dasar dari Analisis Tahan Hidup. Misal T adalah variabel random nonnegaif yang menunjukkan waku hidup dari individuindividu dalam populasi. Pada umumnya T diasumsikan sebagai variabel random koninu. Karena T variabel random nonnegaif maka semua fungsi yang berhubungan dengan T hanya didefinisikan dalam inerval [0, ). Fungsi-fungsi ersebu adalah fungsi densias probabilias, fungsi disribusi kumulaif, fungsi ahan hidup, fungsi hazard, dan fungsi hazard kumulaif. Menuru Cox dan Oakes (1984), secara maemaika fungsi densias probabilias f() diulis: f() = Pr( T < + Δ) lim. Δ 0 Δ Fungsi densias probabilias mempunyai sifa: f() 0 unuk [0, ). 0 f ( ) d = 1. Menuru Nelson (1982), dalam kaiannya dengan waku hidup, fungsi disribusi kumulaif F() menyaakan probabilias kemaian aau kegagalan sampai waku aau dapa dinyaakan dengan Pr[T ].

2 136 Esimasi Fungsi..(Mohamad Faekurrohman) Fungsi ahan hidup S() didefinisikan sebagai probabilias berahan hidup di aas waku, S() = f ( x) dx Fungsi ahan hidup adalah fungsi koninu monoon urun dengan sifa: S(0) = 1 S() = 0, unuk. Menuru Eland dan Johnson (1980), hubungan fungsi densias probabilias f() dan fungsi ahan hidup S() dapa diunjukkan dengan ds() f() =. d..(1) Fungsi hazard h() merupakan laju kegagalan aau kemaian sesaa pada waku, yaiu h()= Pr( T < + Δ T ) f() lim =. Δ 0 Δ S()..(2) Menuru Cox dan Oakes (1984), dari (1) dan (2) diperoleh hubungan anara fungsi hazard h() dan fungsi ahan hidup S(): S' () dlogs() h() = =. S() d Karena S(0)=1 maka S() = exp h(x)dx. 0..(3) Fungsi hazard h() mempunyai sifa: h() 0 unuk [0, ). 0 h ( ) d =. Fungsi hazard kumulaif H() didefinisikan sebagai H() = 0 h( x) dx Hubungan anara F(), H() dan S() dapa diunjukkan sebagai beriku: F() = 1 exp{-h()}, S() = exp {-H()}..(4) Menuru Eland dan Johnson (1980), jika S() (dan juga F()) erganung pada harga parameer-parameer θ, δ dan (δ>0), sehingga merupakan fungsi dari (T θ)/δ, maka θ disebu parameer lokasi (locaion parameer), dan δ disebu parameer skala (scale parameer). Jika S() (dan F()) berganung pada parameerparameer yang lain, kaakan γ, maka parameer-parameer ini disebu parameer benuk (shape parameer). Dengan kaa lain, fungsi ahan hidupnya dapa dinyaakan dengan S() = g{(-θ)/δ,γ} Analisis daa merupakan suau langkah yang pening dalam peneliian. Analisis daa adalah cara mengolah daa yang erkumpul sehingga mendapakan suau kesimpulan dari peneliiannya. Meode analisis daa dibagi menjadi dua, yaiu meode paramerik dan meode nonparamerik (Muri, 1996). Meode paramerik digunakan jika erlebih dahulu diasumsikan disribusi dari populasinya. Sedangkan meode nonparamerik adalah meode yang idak berganung pada asumsi disribusi populasinya. Meode ini sering disebu dengan meode bebas disribusi (disribuion-free mehod). Meode ini biasanya idak seefisien meode paramerik dalam mengesimasi parameer yang digunakan karena inerval konfidensinya yang lebih lebar. Meskipun demikian meode paramerik bisa juga menjadi idak akura jika disribusi populasi yang sebenarnya berbeda dengan yang diasumsikan (Lawless, 1982). Sebagai baasan masalah dalam peneliian ini, meode nonparamerik yang digunakan adalah meode Nelson. Uji Hipoesis Uji hipoesis unuk mengeahui apakah ada perbedaan fungsi ahan hidup anara 2 populasi digunakan uji Gilber-Gehan (Eland dan Johnson, 1980). Uji ini merupakan modifikasi dari uji Wilcoxon unuk daa yang idak lengkap. HASIL DAN PEMBAHASAN Analisis unuk keiga kaegori daa yaiu virus hepaiis A, B dan C melalui iga ahapan yaiu Esimasi fungsi ahan hidup Nelson, plo esimasi, fungsi ahan hidup dan uji Gilber dan Gehan. Tahapan dalam perhiungan/ mengesimasi fungsi ahan hidup virus hepaiis sebagai beriku: Meode Nonparamerik Menuru Venables dan Ripley (1994), meode Nelson adalah meode nonparamerik yang digunakan unuk mengesimasi fungsi hazard populasi kumulaif H pop () dari daa yang idak lengkap. Esimasi Nelson unuk H pop () adalah

3 Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : d H pop () = i, 1 < 2 < < i < < n r( i ) i..(5) dengan i adalah waku dimana kemaian erjadi, n adalah jumlah i yang berbeda, d i adalah jumlah kemaian pada waku i dan r( i ) adalah jumlah individu yang beresiko sebelum waku i, yaiu individu dalam pengamaan yang masih hidup dan idak ersensor sebelum waku i. Esimasi fungsi ahan hidup populasinya adalah S() = exp{-h pop ()}...(6) Tahap perama mengesimasi fungsi hazard populasi kumulaif H pop () dengan Esimasi Nelson unuk masing-masing harga yaiu: Jika =3 maka S(3) = exp{-h pop (3)}= Secara Analog dapa dihiung unuk =4 sampai dengan =10. Plo Esimasi Fungsi Tahan Hidup Kecenderungan esimasi fungsi ahan hidup erhadap waku hidupnya semakin lama dan dapa diliha dengan jelas perbedaan anara hasil esimasi fungsi ahan hidup unuk keiga jenis virus hepaiis ersebu. Unuk plo dibua dengan Sofware Maple 8. Berdasarkan esimasi fungsi ahan hidup yang diunjukkan pada persamaan (6), dapa diperoleh plo esimasi fungsi ahan hidup unuk masingmasing jenis virus. Terliha dalam Gambar 1 sampai dengan Gambar 4. 3 Jika =1 maka H pop (1) = =0.2 Tabel 1. Daa Pasien Hepaiis Tahun 2003 di 15 RSUD Dr. Soebandi 2 Jika =2 maka H pop (2) = =0.343 Ti ni di Ri Jika =3 maka H pop (3) = = Secara Analog dapa dihiung unuk = sampai dengan = Tahap kedua esimasi fungsi ahan hidup populasinya unuk masing-masing harga yaiu: Jika =1 maka S(1) = exp{-h pop (1)}= Jika =2 maka S(2) = exp{-h pop (2)}= Tabel 2. Daa Pasien Hepaiis Berdasarkan Jenis Virusnya Ti ni di nai dai nbi dbi nci dci

4 138 Esimasi Fungsi..(Mohamad Faekurrohman) Tabel 3. Fungsi Hazard dan Fungsi Tahan Hidup masing-masing Virus Virus A Virus B Virus C i H pop (i) S(i) H pop (i) S(i) H pop (i) S(i) 1 0,1 0,91 0,85 0,85 0,5 0,61 2 0,1 0,91 0,69 0,69 1,5 0,22 3 0,3 0,74 0,57 0,57 1,5 0,22 4 0,5 0,61 0,57 0,57 2 0,14 5 0,66 0,51 2 0,14 6 0,66 0,51 Gambar 1. Plo Esimasi Komulaif Fungsi Tahan Hidup Virus Hepiiis Gambar 2. Plo Esimasi Fungsi Tahan Hidup Virus Hepiiis A

5 Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : Gambar 3. Plo Esimasi Fungsi Tahan Hidup Virus Hepiiis B Gambar 4. Plo Esimasi Fungsi Tahan Hidup Virus Hepiiis C Dari Gambar 1, 2, 3 dan Gambar 4 erliha esimasi fungsi ahan hidup semakin mengecil unuk waku yang semakin lama. Ini berari semakin lama waku hidup virus hepaiis semakin lama pasien unuk sembuh. Berdasarkan Gambar 1 esimasi fungsi ahan hidup secara umum mempunyai nilai yang besar dibandingkan dengan masing-masing jenis virus. Uji Gilber dan Gehan Dari Gambar 1, 2 dan 3, erliha bahwa ada perbedaaan esimasi fungsi ahan hidup anara keiga jenis virus hepaiis A,B dan C. Langkah selanjunya dalam menganalisis daa adalah dengan uji Gilber dan Gehan. Uji ini berujuan unuk mengecek apakah ada perbedaan fungsi ahan hidup anara keiga jenis virus hepaiis A, B dan C. Uji Perbandingan Fungsi Tahan Hidup Virus Hepaiis C Dengan Virus Hepaiis A Langkah-langkah dalam uji Gilber-Gehan dapa dijelaskan sebagai beriku. H 1 : fungsi ahan hidup virus hepaiis C lebih besar daripada fungsi ahan hidup virus hepaiis A. H 0 : fungsi ahan hidup virus hepaiis C lebih kecil daripada fungsi ahan hidup virus hepaiis A. 1. Membua semua pasangan daa ( 1p, 2q ) yang mungkin, dengan 1p adalah daa dari sampel 1 yang berukuran N 1 dan 2q adalah daa dari sampel 2 yang berukuran N 2 dengan p = 1, 2,, N 1, q = 1, 2,, N 2 dan N 1 N Menenukan skor unuk seiap pasangan ( 1p, 2q ),

6 140 Esimasi Fungsi..(Mohamad Faekurrohman) 1, jika 1p ( 1p, 2q ) = 1, jika 1p 0, yang lainnya...(7) 3. Menenukan saisik uji Gilber-Gehan (W 1 ) dengan rumus W 1 = 0,5{- 89+8(8+48+1)}=183.5 dengan U 1 adalah skor oal dari langkah kedua. 4. Menenukan mean dan variansi W 1 dengan Ε(W 1 ) =228 dan Var(W 1 ) = dengan G r adalah jumlah skor unuk daa ke-r yang dibandingkan dengan (N 1 +N 2 1) daa yang lainnya, dengan menggunakan persamaan (7). 5. Pilih ingka signifikansi (α=0.05), dengan Zα=0.05= Unuk es kasar dapa diasumsikan disribusi dari W 1 adalah disribusi normal, sehingga saisik Z = { }/118.61=0.375 mendekai disribusi N(0,1) dan digunakan sebagai saisik uji. 7. Membua kepuusan saisik. Oleh karena Z<Z α=0.05 maka H 0 diolak berari fungsi ahan hidup populasi C lebih kecil daripada fungsi ahan hidup populasi A. Uji Perbandingan Fungsi Tahan Hidup Virus Hepaiis B Dengan Virus Hepaiis A Langkah-langkah dalam uji Gilber-Gehan dapa dijelaskan sebagai beriku: H 1 : fungsi ahan hidup virus hepaiis B lebih besar daripada fungsi ahan hidup virus hepaiis A. H 0 : fungsi ahan hidup virus hepaiis B lebih kecil daripada fungsi ahan hidup virus hepaiis A. 1. Membua semua pasangan daa ( 1p, 2q ) yang mungkin, dengan 1p adalah daa dari sampel 1 yang berukuran N 1 dan 2q adalah daa dari sampel 2 yang berukuran N 2 dengan p = 1, 2,, N 1, q = 1, 2,, N 2, dan N 1 N 2. (liha Tabel 1) 2. Menenukan skor unuk seiap pasangan 1, jika 1p ( 1p, 2q ), ( 1p, 2q ) = 1, jika 1p 0, yang lainnya. 3. Menenukan saisik uji Gilber-Gehan (W 1 ) didapa W 1 =765.5 dengan U 1 adalah skor oal dari langkah kedua. 4. Menenukan mean dan variansi W 1 dengan Ε(W 1 ) = 876 dan Var(W 1 ) = , dengan G r adalah jumlah skor unuk daa ke-r yang dibandingkan dengan (N 1 +N 2 1) daa yang lainnya, dengan menggunakan persamaan (7). 5. Pilih ingka signifikansi (α=0.05), dengan Z α=0.05 = Unuk es kasar dapa diasumsikan disribusi dari W 1 adalah disribusi normal, sehingga saisik Z = / = mendekai disribusi N(0,1) dan digunakan sebagai saisik uji. 7. Membua kepuusan saisik. Oleh karena Z<Z α=0.05 maka H 0 diolak berari fungsi ahan hidup populasi B lebih kecil daripada fungsi ahan hidup populasi A. Uji Perbandingan Fungsi Tahan Hidup Virus Hepaiis C Dengan Virus Hepaiis B Langkah-langkah dalam uji Gilber-Gehan dapa dijelaskan sebagai beriku: H 1 : fungsi ahan hidup virus hepaiis C lebih besar daripada fungsi ahan hidup virus hepaiis B. H 0 : fungsi ahan hidup virus hepaiis C lebih kecil daripada fungsi ahan hidup virus hepaiis B. 1. Membua semua pasangan daa ( 1p, 2q ) yang mungkin, dengan 1p adalah daa dari sampel 1 yang berukuran N 1 dan 2q adalah daa dari sampel 2 yang berukuran N 2 dengan p = 1, 2,, N 1, q = 1, 2,, N 2, dan N 1 N Menenukan skor unuk seiap pasangan 1, jika 1p ( 1p, 2q ), ( 1p, 2q ) = 1, jika 1p 0, yang lainnya. 3. Menenukan saisik uji Gilber- Gehan (W 1 ) dengan rumus W 1 = 0,5{- 12+8(8+24+1)}=126 dengan U 1 adalah skor oal dari langkah kedua. 4. Menenukan mean dan variansi W 1 dengan Ε(W 1 ) = 132 dan Var(W 1 ) = dengan G r adalah jumlah skor unuk daa ke-r yang dibandingkan dengan (N 1 +N 2 1) daa lainnya, dengan menggunakan persamaan (7). 5. Pilih ingka signifikansi (α=0.05), dengan Z α=0.05 = Unuk es kasar dapa diasumsikan disribusi dari W 1 adalah disribusi normal, se-hingga saisik Z = { }/51.75=0.116 mendekai disribusi N(0,1) dan digunakan sebagai saisik uji. 7. Membua kepuusan saisik.

7 Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : Oleh karena Z<Z α=0.05 maka H 0 diolak berari fungsi ahan hidup populasi C lebih kecil daripada fungsi ahan hidup populasi B. KESIMPULAN Dari hasil dan pembahasan diperoleh kesimpulan bahwa: Fungsi ahan hidup virus hepaiis A virus hepaiis B virus hepaiis C, sehingga pasien yang menderia penyaki hepaiis A lebih lama sembuhnya dibanding pasien yang menderia hepaiis B dan hepaiis C. DAFTAR PUSTAKA Cox D.R. and Oakes, D Analysis of Survival Daa. Chapman and Hall, London Eland-Johnson, R.C. and Johnson, N.L Survival Models and Daa Analysis. John Wiley and Sons, New York. Lawless J.F Saicical Model and Mehods for Lifeime Daa. John Wiley and Sons, New York. Muri B Penerapan Meode Saisik Nonparamerik dalam Ilmu-ilmu Kesehaan. Penerbi PT Gramedia Pusaka Uama, Jakara. Nelson W Applied Life Daa Analysis. John Wiley and Sons, Inc., New York. Sulaiman A Pengobaan Hepaiis B Holisik. Simposium Program Peduli Hepaiis B, Jakara. Venables W.N. and Ripley, B.D Modern Applied Saisics wih S-Plus. John Wiley and Sons, New York.

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 15 BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian 2.1.1 Definisi Ruang Sampel Himpunan semua hasil semua hasil (oucome) yang mungkin muncul pada suau percobaan disebu ruang sampel dan dinoasikan dengan

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

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 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 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

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

Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN

Jurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN Model Proporional Hazard Cox Dengan Pendekaan Bayesian (Sudi Kasus : Pasien Rawa Inap Demam Berdarah Dengue di Rumah Saki Umum Daerah Abdul Wahab Sjahranie Samarinda) Cox Proporsional Hazard Model wih

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

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

UJI BREDENKAMP, HILDEBRAND, KUBINGER DAN FRIEDMAN

UJI BREDENKAMP, HILDEBRAND, KUBINGER DAN FRIEDMAN UJI BREDENKAP, HILDEBRAND, KUBINGER DAN FRIEDAN Firi Caur Lesari ABSTRACT Saisics is a science ha has imporan role in decision making The decision is made based on he daa and uses cerain mehods, especially

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

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 III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design

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

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

BAB II PERTIDAKSAMAAN CHERNOFF

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

Lebih terperinci

PENGGUNAAN ORDER STATISTICS DALAM MENENTUKAN SAMPEL PADA EKSPERIMEN LIFE-TESTING

PENGGUNAAN ORDER STATISTICS DALAM MENENTUKAN SAMPEL PADA EKSPERIMEN LIFE-TESTING BIASaisics (2016) Vol. 10, No. 1, hal. 1-7 PENGGUNAAN ORDER STATISTICS DALAM MENENTUKAN SAMPEL PADA EKSPERIMEN LIFE-TESTING Yeny Krisa Frany 1, Budhi Handoko 2 1,2 Deparemen Saisika FMIPA Universias Padjadjaran

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

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN M-6 PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN Enny Suparini 1) Soemarini 2) 1) & 2) Deparemen Saisika FMIPA UNPAD arhinii@yahoo.com 1) ine_soemarini@yahoo.com 2) Absrak

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Perawaan (Mainenance) Mainenance adalah akivias agar komponen aau sisem yang rusak akan dikembalikan aau diperbaiki dalam suau kondisi erenu pada periode waku erenu (Ebeling,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.

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

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 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

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

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion

Lebih terperinci

Analisis Survival dengan Model Accelerated Failure Time Berdistribusi Log-normal

Analisis Survival dengan Model Accelerated Failure Time Berdistribusi Log-normal Analisis Survival dengan Model Acceleraed Failure Time Berdisribusi Log-normal Rachmaniyah *, Erna, Saleh 3 ABSTRAK Diabees melius (DM) adalah penyaki yang diandai dengan peningkaan kadar gula darah yang

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non

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 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 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

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

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih terperinci

III KERANGKA PEMIKIRAN

III KERANGKA PEMIKIRAN III KERANGKA PEMIKIRAN 3.1 Teori Risiko Produksi Dalam eori risiko produksi erlebih dahulu dijelaskan mengenai dasar eori produksi. Menuru Lipsey e al. (1995) produksi adalah suau kegiaan yang mengubah

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

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas Pandang. Modul 1 PENDAHULUAN Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,

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

Model Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))

Model Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB)) Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs

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

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

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

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

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, 47-56, Agustus 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, 47-56, Agustus 2002, ISSN : JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, 47-56, Agusus 22, ISSN : 4-858 PENGEFEKTIFAN USAHA MEDIS DALAM MEMBATASI EPIDEMI DENGAN KONTROL BANG-BANG Heru Cahyadi dan Ponidi Jurusan Maemaika FMIPA UI

Lebih terperinci

PEMBELAJARAN 5 STATISTIK NON PARAMETRIK

PEMBELAJARAN 5 STATISTIK NON PARAMETRIK PEMBELAJARAN 5 STATISTIK NON PARAMETRIK Kompeensi Dasar paramerik. Mahasiswa memahami enang beberapa eknik analisis saisik non Indikaor Pencapaian Mahasiswa dapa: a. Menjelaskan, menghiung dan menerapkan

Lebih terperinci

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan

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 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

Kadek Bayu Wibawa*, I Ketut Sumerta**, I Made Dharmawan***

Kadek Bayu Wibawa*, I Ketut Sumerta**, I Made Dharmawan*** PELATIHAN MENITI PAPAN JARAK 4 METER 5 REPETISI 2 SET DAN 2 REPETISI 5 SET TERHADAP PENINGKATAN KESEIMBANGAN SISWA KELAS VIII SMP NEGERI 3 MENGWI TAHUN PELAJARAN 2015/2016 Kadek Bayu Wibawa*, I Keu Sumera**,

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi

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

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

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

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih terperinci

Volume 1, Nomor 1, Juni 2007 ISSN

Volume 1, Nomor 1, Juni 2007 ISSN Volume, Nomor, Juni 7 ISSN 978-77 Barekeng, Juni 7 hal6-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variance Mulivaria Analysis for Experimen wih Complee Random

Lebih terperinci

Suatu Catatan Matematika Model Ekonomi Diamond

Suatu Catatan Matematika Model Ekonomi Diamond Vol. 5, No.2, 58-65, Januari 2009 Suau aaan Maemaika Model Ekonomi Diamond Jeffry Kusuma Absrak Model maemaika diberikan unuk menjelaskan fenomena dalam dunia ekonomi makro seperi modal/kapial, enaga kerja,

Lebih terperinci

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen

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

Menentukan Waktu Perawatan Preventif dan Persediaan dengan menggunakan Age Replacement Model dan Monograph Methode

Menentukan Waktu Perawatan Preventif dan Persediaan dengan menggunakan Age Replacement Model dan Monograph Methode SEMINAR STATISTIKA FMIPA UNPAD 27 (SNS VI) Menenukan Waku Perawaan Prevenif dan Persediaan dengan menggunakan Age Replacemen Model dan Monograph Mehode Enny Suparini Deparemen Saisika FMIPA UNPAD Bandung

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

BAB 2 TINJAUAN TEORITIS. bahasa Yunani yang berarti Demos adalah rakyat atau penduduk, dan Grafein adalah

BAB 2 TINJAUAN TEORITIS. bahasa Yunani yang berarti Demos adalah rakyat atau penduduk, dan Grafein adalah 37 BAB 2 TINJAUAN TEORITIS 2.1 Pengerian-pengerian Kependudukan sanga era kaiannya dengan demgrafi. Kaa demgrafi berasal dari bahasa Yunani yang berari Dems adalah rakya aau penduduk, dan Grafein adalah

Lebih terperinci

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional. JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen

Lebih terperinci

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com

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

Statistika Inferensi Tentang Ratarata Dua Populasi Independen

Statistika Inferensi Tentang Ratarata Dua Populasi Independen Saisika Inferensi Tenang aaraa Dua Populasi Independen Populasi aa-raa = µ (idak dikeahui) Sampel Ukuran = n (besar) aa-raa = X Deviasi Sandar = S Uji Hipoesis enang Perbedaan aa-raa Sampel Besar Saisik

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

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

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,

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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang

Lebih terperinci

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC

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

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik Jawab p = proporsi sekrearis di seluruh perkanoran di Bandung yang diperlengkapi dengan kompuer di ruang kerjanya Karena p idak dikeahui, asumsikan nilainya.5 q = 1 p =.5 Tingka keyakinan 95% =.5 dan /

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju

Lebih terperinci

TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh:

TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh: Arikel Skripsi TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI Diajukan Unuk Memenuhi Sebagian Syara Guna Memperoleh Gelar Sarjana Pendidikan

Lebih terperinci

ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI

ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI Yusep Suparman Universias Padjadjaran yusep.suparman@unpad.ac.id ABSTRAK.

Lebih terperinci

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn : Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein BAB 2 TINJAUAN TEORITIS 2.1 Pengerian Demografi Keadaan penduduk sanga era kaiannya dengan demografi. Kaa demografi berasal dari bahasa Yunani yang berari Demos adalah rakya aau penduduk,dan Grafein adalah

Lebih terperinci

PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN

PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN Oong Karyono Teknik Indusri, Fakulas Teknik Universias Majalengka Email : oong_karyono@rockemail.com ABSTRAK Rumah saki umum daerah (RSUD) Kabupaen

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

MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)

MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias

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

Proyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran

Proyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran Saisika, Vol. 10 No. 2, 129 138 Nopember 2010 Proyeksi Penduduk Provinsi Riau 2010-2015 Menggunakan Meode Campuran Ari Budi Uomo, Yaya Karyana, Tei Sofia Yani Program Sudi Saisika, Universias Islam Bandung

Lebih terperinci

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00

Lebih terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa

Lebih terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo

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 I PENDAHULUAN. salad ke piring setelah dituang. Minyak goreng dari kelapa sawit juga memiliki sifat

BAB I PENDAHULUAN. salad ke piring setelah dituang. Minyak goreng dari kelapa sawit juga memiliki sifat BAB I PENDAHULUAN 1.1 Laar Belakang Dalam kehidupan sehari hari kia biasa menjumpai produk makanan yang sifanya kenal. Sebagai conoh produk mayonaisse yang diambahkan pada salad. Viskosias (kekenalan)

Lebih terperinci

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih. 1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman

Lebih terperinci

BAB 2 LANDASAN TEORI. matematika, age-structured epidemic model, basic reproduction rate, teori interaksi

BAB 2 LANDASAN TEORI. matematika, age-structured epidemic model, basic reproduction rate, teori interaksi BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan mengenai penyaki demam berdarah, pemodelan maemaika, age-srucured epidemic model, basic reproducion rae, eori ineraksi manusia dan kompuer, rekayasa perangka

Lebih terperinci

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1 LIMIT FUNGSI. Limi f unuk c Tinjau sebuah fungsi f, apakah fungsi f ersebu sama dengan fungsi g -? Daerah asal dari fungsi g adalah semua bilangan real, sedangkan daerah asal fungsi f adalah bilangan real

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup

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