MODEL OPTIMISASI PENINGKATAN RELIABILITAS PRODUK MULTIKOMPONEN YANG DIJUAL DENGAN GARANSI DUA DIMENSI. Abstrak

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL OPTIMISASI PENINGKATAN RELIABILITAS PRODUK MULTIKOMPONEN YANG DIJUAL DENGAN GARANSI DUA DIMENSI. Abstrak"

Transkripsi

1 MODEL OPTIMISASI PENINGKATAN RELIABILITAS PRODUK MULTIKOMPONEN YANG DIJUAL DENGAN GARANSI DUA DIMENSI Yat Helaty, Rez Frasar, Hedro Parssetyo Jrsa Tekk da Meejee Idstr, Isttt Tekolog Nasoal Jl. PHH Mstafa No. 3 Badg eal: yat@teas.ac.d; frasar.rez@gal.co Abstrak Pada peelta, dkebagka odel pegkata relabltas prodk yag djal dega garas da des. Sebaga cotoh, kedaraa roda da yag djal dega garas 1 tah ata jarak teph k, aa yag lebh dl tercapa. Prodk yag dpertbagka adalah prodk ltkopoe yag dss dega ragkaa ser. Kersaka prodk dapat dsebabka oleh kersaka dar salah sat kopoe ata lebh, sehgga tk egkatka kehadala prodk dapat dlakka dega egkatka kehadala kopoe-kopoe pebetk prodk. Pola kersaka prodk dodelka oleh fgs laj kersaka, yag erpaka fgs dar akt, peakaa, serta paraeter desa yag erepresetaska la oal laj peakaa (oal sage rate). Pegkatka relablty dapat dlakka dega cara egkatka la oal laj peakaa. Relablty proveet eyebabka tabaha ogkos bag phak prodse berpa ogkos prodks da ogkos relablty proveet, yag dbag jga dega berkragya ogkos garas. Adaya trade off atara peabaha ogkos relablty proveet, ogkos prodks da pegheata ogkos garas, eberka pelag tk eetka la oal laj peakaa yag optal. Oleh karea t, dkebagka odel peeta la oal laj peakaa yag optal dega krtera aksas pegheata ogkos yag erpaka selsh atara ekspektas pegheata ogkos garas, ogkos relablty proveet, da ogkos prodks. Kata kc: garas, la oal laj peakaa, accelerated lfe testg, relablty proveet. 1. Pedahla Garas erpaka kesepakata kotraktal atara prodse da kose, daa prodse berseda elakka perbaka ata peggata terhadap prodk yag egala kersaka selaa perode garas yag telah dtetka. Dala kesepakata, prodse dharska elakka perbaka (rektfkas) terhadap prodk yag egala kegagala dala perode garas. Sste yag dtelt adalah sste prodks yag eghaslka prodk yag dapat dperbak (reparable) da prodk dja dega kebjaka Free Replaceet Warraty (FRW), yat prodk dperbak secara grats jka terjad kersaka selaa garas. Prodk yag djal erpaka prodk yag dja dega garas da des. Sebaga cotoh, kedaraa berotor yag djal dega garas 1 tah ata jarak teph k, yag aa yag lebh dl tercapa. Perbaka kersaka dlakka dega al repar yat eperbak prodk yag rsak sehgga kebal kepada kods saat sebel rsak (laj kersaka saa saat prodk sebel rsak). Kegagala selaa asa garas dapat das dega cara egkatka keadala prodk tersebt. Pegkata keadala prodk dtetka oleh paraeter desa yag drepresetaska pada la oal laj peakaa prodk dega eggaka Accelerated Lfe Testg (ALT). Nla oal laj peakaa yag optal aka egkatka r prodk seak tgg sehgga eas terjad kegagala selaa asa garas. Peelta yag ebahas egea garas da keadala, telah bayak dlakka oleh peelt pedahl, dataraya Prassetyo (006), yag ebahas tetag pegkata relabltas prodk. Pada peelta relablty proveet prodk dlakka elal peeta paraeter desa pada tahap desa lag prodk yag djal dega garas da des [4]. Garas da garas dkarakterstka oleh da des, daa sat des epresetaska akt da des la erepresetaska peakaa. Peelta Prassetyo dfokska pada prodk dega kopoe tggal ata sgle copoet syste. 1

2 Helaty (007) ebahas egea pegkata relabltas dega krtera aksas selsh pegheata ogkos garas dega peabaha ogkos prodks da ogkos vestas relablty proveet tk prodk yag terdr dar bayak kopoe []. Peelta la yag ebahas egea pegkata relabltas adalah Febra (011). Peelta Febra (011) erpaka peggabga peelta Prassetyo (006) da Helaty (007). Pada peelta tersebt ebahas pegkata keadala tk prodk ltkopoe (da kopoe) dega peeta paraeter desa yag drepresetaska pada la oal laj peakaa dega epertbagka aksas pegheata ogkos garas dega peabaha ogkos pegkata keadala [1]. Peelta Febra (011) haya epertbagka ogkos garas da ogkos vestas pegkata relabltas. Pada keyataaya setap eprodks prodk dega relabltas yag lebh tgg eerlka baya prodks yag seak besar. Sehgga paraeter ogkos prodks tersebt dapat epegarh pegheata ogkos garas. Sela t pada odel yag dkebagka oleh Febra dasska vestas tk elakka pegkata relabltas tdak terbatas. Utk t pada peelta aka elajtka peelta Febra (011) dega eabahka paraeter baya prodks dala odel pegheata ogkos garas, serta epertbagka kedala jlah vestas tk elakka pegkata relabltas.. Forlas Model Batasa asalah yag dgaka dala peelta adalah sebaga berkt: Prodk yag dpertbagka adalah prodk ltkopoe yag dss dega ragkaa ser. Pegkata keadala dlakka pada kopoe-kopoe pebetk prodk. Peodela kersaka dlakka dega eggaka pedekata sat des yag bersfat eak (creasg falre rate). Aalss garas dlakka berdasarka kebjaka Free Replaceet Warraty (FRW). Hal yag terask ke dala garas adalah kersaka prodk selaa asa garas. Kehlaga bka terask kedala garas. Ass yag dgaka dala peelta adalah sebaga berkt: Perbaka yag dlakka terhadap prodk yag dkla adalah al repar, yat egebalka kods prodk ke kods sebel terjad kersaka. Wakt perbaka prodk (al repar te) yag dlhat dar per kersaka relatf kecl dbadgka dega rata-rata akt atar kersaka, sehgga dapat dabaka. Notas Peelta Notas yag dgaka pada pegebaga odel adalah: : Jlah kopoe dala sat prodk (= 1,,...) R : Laj peakaa prodk per sata akt. r : Laj peakaa kose (sal: r ata peakaa prodk (k/har)). : Paraeter skala sebel relablty proveet tk kopoe-. : Paraeter skala setelah relablty proveet tk kopoe-. : Peabaha la oal laj peakaa kopoe- setelah relablty proveet (sal: r ata peakaa prodk (k/har)). ε : Nla oal laj peakaa dala proses desa sebel dlakkaya relablty proveet (peakaa/akt; cotoh: k/har). : Masa garas (har). : Saat kersaka sebel asa garas (har). : Paraeter fgs ogkos vestas relablty proveet (>). D : Paraeter fgs ogkos prodks kopoe ke-. : Laj kersaka kopoe ke-. : Paraeter ogkos prodks (>). M : Jlah vestas yag terseda tk elakka relablty proveet (Rp/t). c r : Rata-rata ogkos al repar per kersaka kopoe- (Rp/kersaka). c o : Ogkos setp relablty proveet per kersaka kopoe- (Rp/kersaka). c : Ogkos vestas relablty proveet tk setap peabaha la oal laj peakaa tk kopoe- (Rp/((peakaa/akt).t)); cotoh: Rp/((k/har).t)).

3 G(ε ) : Ekspektas ogkos garas kopoe- selaa asa garas sebel relablty proveet. G(ε ) : Ekspektas ogkos garas kopoe- selaa asa garas setelah relablty proveet. G 1 (ε) : Ekspektas ogkos garas per t selaa asa garas sebel relablty proveet tk kass 1. G (ε ) : Ekspektas ogkos garas kopoe- selaa asa garas setelah relablty proveet tk kass. E(ε) : Ekspektas jlah al repar kopoe ke- selaa asa garas sebel relablty proveet. (kersaka/t). E(ε ) : Ekspektas jlah al repar kopoe ke- selaa asa garas sesdah relablty proveet. (kersaka/t). W(ε ) : Ekspektas pegheata ogkos garas kopoe- selaa asa garas (Rp/t). W s (ε ) : Ekspektas pegheata ogkos garas per prodk (Rp/t). I(ε ) : Ogkos relablty proveet kopoe- (Rp/t). I s (ε ) : Ogkos relablty proveet per prodk (Rp/t). P(ε ) : Ekspektas peabaha ogkos prodks kopoe- akbat adaya relablty proveet (Rp/t). P s (ε ) : Ekspektas peabaha ogkos prodks per prodk akbat adaya relablty proveet (Rp/t). Pada peelta yag ejad kra perforas pegebaga odel yag dgaka adalah: S(ε ) : Ekspektas pegheata ogkos total per t selaa asa garas (Rp/t) Ekspektas pegheata ogkos total dbag ejad da kass odel, yat: S 1 (ε ) : Ekspektas pegheata ogkos per t selaa asa garas (Rp/t) tk kass 1. S (ε ) : Ekspektas pegheata ogkos per t selaa asa garas (Rp/t) tk kass. Varabel keptsa yag dgaka pada peelta adalah: ε : Nla oal laj peakaa dala proses desa setelah dlakkaya relablty proveet (peakaa/akt; cotoh: k/har). Pada peelta aka dkebagka da odel kass pegkata relabltas kopoe yag dpertbagka. Model Kass 1 ejelaska la oal laj peakaa kose lebh besar dar laj peakaa yag dtetapka oleh prodse, yat da Model Kass ejelaska laj peakaa kose lebh kecl dar laj peakaa yag dtetapka, yat. Grafk karakterstk kass odel dapat dlhat pada Gabar 1. Gabar 1. Karakterstk Kass tk Model 1 da Dar Gabar 1. terlhat baha tk Kass 1 (r ), garas aka berakhr pada saat, sedagka tk Kass (r > ) garas aka berakhr pada saat, daa. Msal S 1 adalah r ekspektas pegheata ogkos per t selaa asa garas tk Model Kass 1 da S adalah 3

4 ekspektas pegheata ogkos per t selaa asa garas tk Model Kass. Maka ekspektas pegheata ogkos per t selaa asa garas tk Model Kass 1 da dtjkka oleh persaaa (1). S1 ( ), tk r S( ) (1) S ( ), tk r Berkt aka draka forlas ateatk tk edapat ekspektas pegheata ogkos per t selaa asa garas tk Model Kass 1 ( S 1 ) da Model Kass ( S ). εr.1 Forlas Model Kass 1 : Persaaa ekspektas pegheata ogkos per t selaa asa garas kass 1 dapat dlhat pada persaaa dbaah : Ekspektas Jlah Ekspektas pegheata Jlah Ogkos pegheata ogkos relablty Jlah Ogkos prodks ogkos garas per kopoe per t proveet per t selaa per kopoe per kopoe selaa asa garas per t per t asa garas Jlah Ekspektas ogkos garas Jlah Ekspektas ogkos garas per kopoe per t selaa asa garas per kopoe per t selaa asa garas sebel relablty proveet sesdah relablty proveet Jlah Ogkos relablty Jlah Ogkos prodks proveet per kopoe per t per kopoe per t Strktr ogkos secara rc aka djelaska berkt : a. Ekspektas Pegheata Ogkos Garas per t Selaa Masa Garas tk kopoe Ekspektas pegheata ogkos garas per t selaa asa garas dtetka oleh besarya ekspektas pegheata ogkos garas dar kopoe-kopoe yag ebetk prodk tersebt. Persaaa ekspektas pegheata ogkos garas per kopoe per t dyataka pada persaaa (). Jlah ekspektas ogkos garas Jlah ekspektas ogkos garas Ekspektas per kopoe per t selaa pegheata ogkos garas per kopoe per t selaa () asa garas sebel relablty asa garas sesdah relablty per t selaa asa garas proveet proveet Jlah ekspektas ogkos garas per kopoe per t selaa asa garas adalah ekspektas jlah kersaka per kopoe per t asa garas dkalka dega rata-rata ogkos al repar per kersaka. Jlah ekspektas ogkos garas per kopoe per t selaa asa garas sebel relablty proveet dyataka oleh persaaa (3). G( ) c. E 1 r 1 1 r c. ( t; Rr) dt cr. r r Jlah ekspektas ogkos garas per kopoe per t selaa asa garas setelah dlakkaya relablty proveet bersyarat R = r G( ) dapat dlhat pada persaaa (4). 1 (3) 4

5 G( ) c. E 1 r 1 1 r c. ( t; Rr) dt cr. r r (4) Sehgga ekspektas pegheata ogkos garas per t selaa asa garas tk kass 1 dyataka pada persaaa (5). W s W 1 G ( ) G ( ) r 1 c. r r (5) b. Ogkos Relablty Iproveet per t Ogkos relablty proveet dperlka tk egkatka relabltas kopoe yag dcerka oleh besarya la paraeter skala ε ejad ε, daa = ε - ε. Seak besar aka seak besar ogkos relablty proveet yag dkelarka. Ogkos relablty proveet prodk bergatg pada besarya ogkos relablty proveet yag dkelarka kopoe-kopoeya. Besarya ogkos relablty proveet dtjkka oleh persaaa (6). Ogkos relablty Ogkos setp relablty Ogkos vestas Peabaha la proveet proveet per relablty proveet x oal per t kopoe per t per kopoe per t laj peakaa daa > I ( ) I( ) s c0 c. (6) 1 c c. c. Ogkos Prodks per t Ekspektas peabaha ogkos prodks per t terjad karea adaya pegkata ogkos prodks tk eperoleh prodk dega relabltas yag lebh tgg. L et.al., (006) ejelaska baha besarya ekspektas peabaha ogkos prodks per kopoe bergatg pada relabltas kopoe [3]. 5

6 Seak relable sebah kopoe aka ogkos prodks kopoe tersebt seak ahal. Ekspektas peabaha ogkos prodks per t dperlhatka pada persaaa (7). daa > Ogkos Peabaha Ogkos prodks prodksper x Paraeter per t kopoe per t relablty P ( ) P( ) s 1 1 D d. Ekspektas Pegheata Ogkos Total per t Selaa Masa Garas Persaaa ekspektas pegheata ogkos per t selaa asa garas tk kopoe pada kass 1 dyataka pada persaaa S ( ) W I ( ) P( ) s s s Nla oal Nla oal Ogkos laj peakaa prodksper laj peakaa x setelah relablty sebel relablty kopoe per t proveet proveet cr. r r c0 c. D (8) >ε g c c M Dega kedala: 1,,..., 0 r. Forlas Model Kass : Persaaa ekspektas pegheata ogkos per t selaa asa garas kass dapat dlhat pada persaaa dbaah : S ( ) Ws Is( ) Ps( ) cr. 1 r r 1 1 c0 c. D. g c0 c M Dega kedala: 1 1,,..., 0 3. FORMULASI MODEL 6 (7) (9)

7 Dega esbsttska persaaa (8) da (9) ke persaaa (1), aka dperoleh ekspektas pegheata ogkos total per t selaa asa garas bersyarat R=r dberka oleh persaaa c. r 1, tk r r r c0 c. D 1 1 S( ) cr. 1, tk r r r c0 c. D 1 1 (10) Dega kedala: 0 1. g c c M,,..., 0 1 Nla R=r dapat berbeda-beda tk setap t prodk yag dgaka, sehgga R=r dapat dlhat sebaga pebah acak yag elk dstrbs tertet dega fgs destas g(r). R=r berada dala terval r r r ax da r r ax, aka hbga fgs destas pegheata ogkos per t selaa asa garas bersyarat R=r dega fgs tdak bersyarat dala daerah garas dberka oleh persaaa (11). rax 1 (11) 1 r S( ) S ( ). g( r). dr S ( ). g( r). dr Msal pebah acak R elk fgs destas g(r) yag berdstrbs for sebaga berkt: 1 g( r) r r, tk r r r (1) ax ax Dega esbsttska persaaa (10) ke persaaa (11) dperoleh persaaa ekspektas pegheata ogkos per t selaa asa garas yag dberka oleh persaaa (13). Dega kedala: 1 r rax S( ) S ( ). g( r). dr S ( ). g( r). dr r. r c... r rax r. 1. rax. rax c0 c. D 0 1. g c c M,,..., 0 1 (13) 7

8 4. Aalss Model a. Pegja Data Hpotetk Peeta la paraeter pada cotoh erk odel dtjkka pada Tabel 1. Tabel 1 Nla Paraeter Pegebaga Model Notas Nla Kop. 1 Kop. Sata Laj peakaa aks r ax 80 k/har Laj peakaa r 1 k/har Paraeter betk 4 Paraeter fgs paraeter desa 3 Paraeter fgs ogkos relablty proveet 3 Paraeter ogkos prodks 3 Koefse Lagrage 0.5 Jlah vestas yag terseda M Rp/t Masa garas 360 Har Paraeter skala sebel relablty proveet Paraeter skala setelah relablty proveet Laj peakaa r k/har Rata-rata ogkos al repar c r Rp/kersaka Ogkos setp relablty proveet c Rp/t Ogkos vestas relablty proveet c Rp/peabaha la oal laj peakaa/t Paraeter fgs ogkos prodks D Rp/peabaha la oal laj peakaa/t Paraeter desa k/har Berdasarka la paraeter yag dberka, aka dperoleh la 1 optal sebesar 51,966 k/har da sebesar 43,470 k/har dega ekspektas pegheata ogkos total per t selaa asa garas adalah Rp ,46/t. Rekaptlas cotoh erk tk perhtga odel dapat dlhat pada Tabel. Pada Tabel dapat dlhat baha la oal laj peakaa setelah dlakka relablty proveet lebh besar dbadgka sebel dlakka relablty proveet. Seak besar la laj peakaa kopoe eadaka baha kopoe tersebt seak hadal. Laj oal peakaa yag seak besar aka epegarh laj kersaka. Laj kersaka seak kecl. Ekspektas jlah al repar setelah relablty proveet pada kopoe 1 da er. Kopoe 1 egala pera kersaka sebesar 45,037% kersaka/t da kopoe sebesar 7,914% kersaka/t. Persetase pegheata ogkos total setelah dlakkaya relablty proveet sebesar 36,163%. Tabel Perbadga Hasl Perhtga Sebel da Sesdah Relablty Iproveet Sebel Relablty Setelah Relablty Notas Sata %Perbaha Iproveet Iproveet K/har 50 51,966 3,

9 K/har 40 43,470 8,675 E 1 Kersaka/t 18,16 10,01-45,037 E Kersaka/t 44,606 1,08-7,914 W( 1 ) Rp/t , ,06-70,953 P( 1 ) Rp/t ,4 I( 1 ) Rp/t ,4 L( 1 ) Rp/t ,9 Ekspektas Pegheata Rp Rp Ogkos Total S ( ,35/t ,46/t* -36,163 *Ekspektas pegheata ogkos total = (ogkos garas sebel relablty proveet - ogkos garas setelah relablty proveet ) - Ogkos vestas relablty proveet - ogkos prodks 5. Kespla Peelta eghaslka beberapa kespla sebaga berkt: Model eghaslka odel optas pegkata relabltas prodk ltkopoe yag djal dega garas da des. Pegkata relabltas kopoe dlakka dega peetka la optal laj peakaa dega krtera akssas ekspektas pegheata ogkos total per t selaa asa garas. Model yag dkebagka ap ejaab perasalaha yag berkata dega peeta paraeter desa, sehgga dapat dtetka: Nla paraeter desa yat la oal laj peakaa yag optal. Meaksas ekspektas pegheata ogkos total selaa asa garas. Besarya batasa baya vestas yag hars dkelarka tk relablty proveet. Hasl dar pegebaga odel pegkata relabltas prodk dapat ejkkka baha dega dlakkaya relablty proveet dapat erka jlah kersaka yag terjad selaa asa garas sehgga ogkos garas per t selaa asa garas seak kecl. Peelta lajta yag dapat dlakka tk eyepraka peelta adalah: Model kebjaka ogkos garas dapat dlakka tk jes kebjaka garas la, salya dega Pro-Rata Warraty (PRW). Prodk yag dpertbagka prodk yag terdr dar beberapa kopoe yag dss dega ragkaa paralel. 6. Daftar Pstaka [1] Febra, R (011), Model Optsas Paraeter Desa tk Prodk yag Terdr dar Kopoe yag Djal dega Garas Da Des, Progra Sarjaa Iteas, Badg. [] Frasar, R (01), Model Optsas Pegkata Relabltas Prodk Mltkopoe Yag Djal Dega Garas Da Des, Progra Sarjaa Iteas, Badg [3] Helaty, Y (007), Model Pegkata Relabltas Prodk Utk Prodk Yag Djal Dega Garas, Progra Magster, Tekk Idstr ITB, Badg. [4] L, Zh-Je, Hag, Hog-Zog, Mrthy, D. N. P. (006), Optal Relablty ad Prce Choses for Prodcts Uder Warraty, IEEE. [5] Prassetyo, H (006), Optsas Paraeter Desa Utk Prodk Yag Djal Dega Garas Da Des, Progra Magster, Tekk Idstr ITB, Badg. 9

MODEL PENINGKATAN RELIABILITAS PRODUK UNTUK PRODUK YANG DIJUAL DENGAN GARANSI

MODEL PENINGKATAN RELIABILITAS PRODUK UNTUK PRODUK YANG DIJUAL DENGAN GARANSI MODEL PENINGKATAN RELIABILITAS PRODUK UNTUK PRODUK YANG DIJUAL DENGAN GARANSI Yat elaty Bea P. Iskada Jsa Tekk da Meejee Idst Isttt Tekolog Nasoal Jl. P Mstapa No. 3 Badg Poga Std Tekk Idst Isttt Tekolog

Lebih terperinci

Optimisasi Nilai Nominal Laju Pemakaian untuk Produk yang Dijual dengan Garansi Dua Dimensi

Optimisasi Nilai Nominal Laju Pemakaian untuk Produk yang Dijual dengan Garansi Dua Dimensi Jual ekayasa LPPM Iteas No VolX VI Isttut Tekolog Nasoal Jaua Optsas Nla Noal Laju Peakaa utuk Poduk yag Djual dega Gaas Dua Des Hedo Passetyo Juusa Tekk dust, Fakultas Tekk Idust, Iteas, Badug Eal : hpassetyo@teasad

Lebih terperinci

Karya Ilmiah Penelitian

Karya Ilmiah Penelitian Karya Ilah Peelta RESPON INAMIK AKIBAT GEMPA PAA BANGUNAN SOF SECARA ELASTIK LINIER MENGGUNAKAN METOE NUMERIK Oleh : Ir. Ar Hazah, MT RESPON INAMIK AKIBAT GEMPA PAA BANGUNAN SOF SECARA ELASTIK LINIER MENGGUNAKAN

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN. Kecepatan Angin Awal untuk Berputar (m/s)

BAB V HASIL DAN PEMBAHASAN. Kecepatan Angin Awal untuk Berputar (m/s) BAB V HASIL DAN PEMBAHASAN 5.. Pegarh Baha Kicir Terhadap Kecepa Pr kicir Pegarh baha pebat kicir (blade terhadap kecepa pr kicir pak dala gabar 5.. Dala gabar 5., pak bahwa dega berbedaya aterial blade,

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT

PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT 68 Bud: PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PERANCANGAN SISTEM PERENCANAAN DAN PENGENDALIAN PERSEDIAAN PRODUK MULTI PEMASOK DI UD. SAHABAT Dya Seta Bud ), Da Reto Sar Dew ), D Edah

Lebih terperinci

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk.

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk. ROGRA TUDI ERENANAAN WILAYAH DAN KOTA FAKULTA TEKNIK UNIVERITA EA UNGGUL ETODE ANALII ERENANAAN TL K DR. Ir. Ke arta K, T. b. Kompoe Kemata KULIAH KE ETODA KELOOK (OHORT URVIVAL ETHOD) Lajta elhat pegarh

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Fzzy AHP Pada era kopettf saat peha proses peha spper yag efektf eegag peraa yag petg daa kesksesa sebah dstr. Meh spper yag tepat ebat sebah dstr tk egedaka baya da egkatka ss kopettf

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Chapter 3 Prinsip-prinsip Prestasi Kerja Terskala (Principles of Scalable Performance)

Chapter 3 Prinsip-prinsip Prestasi Kerja Terskala (Principles of Scalable Performance) Chapter 3 Prsp-prsp Prestas Kerja Terskala (Prcples of calable Perforace) 3.3 Huku-huku Prestas Kerja Percepata (peedup Perforace Laws) o Latar belakag eaksuka paralelse eksekus proses oleh koputer dega

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk BAB II TINJAUAN PUSTAKA 2.1 Pedahulua Pada Bab I sudah djelaska bahwa tujua peelta adalah utuk memperoleh ekspektas bayakya kompoe lstrk motor yag aka medapatka peggata berdasarka kebjaka Reewg Free Replacemet

Lebih terperinci

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal

Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION

MODEL OPTIMISASI PORTOFOLIO SAHAM DAN DEPOSITO SECARA TERINTEGRASI MENGGUNAKAN MEAN ABSOLUTE DEVIATION MODEL OPIMISASI POROFOLIO SAHAM DAN DEPOSIO SECARA ERINEGRASI MENGGUNAKAN MEAN ABSOLUE DEVIAION Husa Athfal Hdayat 1, De Saepud, Ira Palup 3 1,,3 Progra Stud Ilu Koputas elko Uversty, Badug 1 hshdayat@studets.telkouversty.ac.d,

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Rancangan Sistem Pengendalian Persediaan Bahan Baku Multi Item Single Supplier di PT. Pertamina (Persero)

Rancangan Sistem Pengendalian Persediaan Bahan Baku Multi Item Single Supplier di PT. Pertamina (Persero) Semar Nasoal Teko 20 ISBN 978-979-96964-8-9 acaga Sstem Pegedala Persedaa Baha Baku Mult Item Sgle Suppler d PT. Pertama (Persero) Ff Her Mustofa, ST., MT. ) Hedro Prassetyo, ST., MT. 2) Djauhary Syaref

Lebih terperinci

PEMODELAN REGRESI PROBIT ORDINAL TERHADAP INDEKS PEMBANGUNAN MANUSIA PROPINSI JAWA TENGAH TAHUN 2007

PEMODELAN REGRESI PROBIT ORDINAL TERHADAP INDEKS PEMBANGUNAN MANUSIA PROPINSI JAWA TENGAH TAHUN 2007 Semar Nasoal Statstka IX Isttt ekolog Seplh Nopember, 7 November 009 PEMODEAN REGRESI PROBI ORDINA ERHADAP INDEKS PEMBANGUNAN MANUSIA PROPINSI JAWA ENGAH AHUN 007 Def Yst Fadah da Prhad Mahasswa Jrsa Statstka

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

ANALISIS AVAILABILITAS SISTEM SERI DENGAN PENDEKATAN ANALISIS MARKOV (STUDI KASUS DI PT X )

ANALISIS AVAILABILITAS SISTEM SERI DENGAN PENDEKATAN ANALISIS MARKOV (STUDI KASUS DI PT X ) ANALII AVAILABILITA ITEM ERI DENGAN PENDEKATAN ANALII MARKOV (TUDI KAU DI PT X ) Add Rzka Agusta, Muhaad jahd Akbar da Haryoo Jurusa tatstka, Fakultas Mateatka da Ilu Pegetahua Ala, Isttut Tekolog epuluh

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Analitik Data Tingkat Lanjut (Clustering)

Analitik Data Tingkat Lanjut (Clustering) 6 September 06 Aatk Data Tgkat Lat Csterg Imam Chossod mam.chossod@gma.com Pokok Bahasa. Kosep Csterg. K-meas vs Kere K-Meas 3. Std Kass 4. Tgas Kosep Csterg Cster data dartka keompok. Dega demka, pada

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA A IJAUA PUSAA Pada bab aka duraka egea dasar teor ag dguaka dala pegerjaa tugas akhr. eor ag dbahas atara la egea pegeala obek, Prcpal Copoet Aalss (PCA), Lear Dscrat Aalss (LDA), Subclass Dscrat Aalss

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

Mahasiswa Pascasarjana, Jurusan Teknik Elektro, FTI-ITS 2

Mahasiswa Pascasarjana, Jurusan Teknik Elektro, FTI-ITS 2 Prosdg Sear Nasoal Maajee Tekolog Progra Stud MMT-TS, Surabaya Pebruar 8 PERBAKAN MANAJEMEN SSTEM TENAGA LSTRK 5 k JAWA-BAL: PENURUNAN RUG-RUG DAA DAN PERBAKAN KESTABLAN SSTEM MELALU PEMASANGAN KAPASTOR

Lebih terperinci

PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS

PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS J. Pjar MIPA Vol. V No. September : 8-85 ISSN 97-7 PENDEATAN ESTIMATOR ERNEL UNTU ESTIMASI DENSITAS MULUS Lala Hayat Program Std Peddka Matematka PMIPA FIP Uverstas Mataram Jl. Majapat No. 6 Mataram 835

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE

CADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN MODIFIKAI PAKIR UTUK RAIO PADA AMPLIG BRPRIGKAT Deva rw, Arsma Ada, Rstam fed Devaerw@ahoo.com Mahasswa Program Matematka Dose Jrsa Matematka Fakltas Matematka da Ilm Pegetaha Alam Kamps Bawda Pekabar,893,Idoesa

Lebih terperinci

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Prosdg Semar Nasoal Sas da Peddka Sas I, Fakultas Sas da Matematka, UKSW Salatga, 2 Ju 204, Vol 5, No., ISSN :2087-0922 KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Ad Setawa Program Stud

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

ANALISIS PERENCANAAN TENAGA KERJA DI PERUSAHAAN REDRYING TEMBAKAU DENGAN PENDEKATAN LINEAR PROGRAMMING

ANALISIS PERENCANAAN TENAGA KERJA DI PERUSAHAAN REDRYING TEMBAKAU DENGAN PENDEKATAN LINEAR PROGRAMMING ANALISIS PERENCANAAN TENAGA KERJA DI PERUSAHAAN REDRYING TEMBAKAU DENGAN PENDEKATAN LINEAR PROGRAMMING S A R T I N JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNVERSITAS PEMBANGUNAN NASIONAL VETERAN

Lebih terperinci

I. PENDAHULUAN II LANDASAN TEORI

I. PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar Belakag Secara mm prodk asras memerlka peghtga prem Prsp peghtga prem saat semak berkembag dega berbaga pedekata Pedekata palg sederhaa adalah prsp la harapa yat prem bersh sama dega

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN 009 03 S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com

Lebih terperinci

ANALISA KINERJA SMP N 2 BATUWARNO DENGAN MENGGUNAKAN METODE DEA (DATA ENVELOPMENT ANALISYS)

ANALISA KINERJA SMP N 2 BATUWARNO DENGAN MENGGUNAKAN METODE DEA (DATA ENVELOPMENT ANALISYS) Smposm Nasoal RAPI VIII 29 ISSN : 1412-9612 ANALISA KINERJA SMP N 2 BATUWARNO DENGAN MENGGUNAKAN METODE DEA (DATA ENVELOPMENT ANALISYS) Mch. Dad 1, Hafdh Mawr 2 1, 2 Jrsa Tekk Idstr, Fakltas Tekk, Uverstas

Lebih terperinci

BAB 1 PENDAHULUAN. digunakan sebagai rujukan yang mempunyai fungsi utama menyediakan dan. menyelenggarakan upaya kesehatan yang bersifat penyembuhan,

BAB 1 PENDAHULUAN. digunakan sebagai rujukan yang mempunyai fungsi utama menyediakan dan. menyelenggarakan upaya kesehatan yang bersifat penyembuhan, BAB 1 PENDAHULUAN A. Latar Belakag Rmah sakt merpaka salah sat t kesehata masayarakat yag dgaka sebaga rjka yag mempya fgs tama meyedaka da meyeleggaraka paya kesehata yag bersfat peyembha, perawata, pemlha,

Lebih terperinci

IV HASIL DAN PEMBAHASAN

IV HASIL DAN PEMBAHASAN 9 3.3.2.6 Perbadga Kualtas Data dega Parameter Statstka Parameter statstka yag dguaka sebaga alat batu pelaa perbadga kualtas kedua data adalah raso, korelas, MAE, da RMSE. Raso Data CH Dugaa R Data CH

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ 5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega

Lebih terperinci

Penurunan Persamaan Perpetuitas dan Anuitas

Penurunan Persamaan Perpetuitas dan Anuitas SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY 2016 Peurua Persamaa Perpetutas da utas T - 6 Bud Fresdy Fakultas Ekoom da Bss Uverstas Idosa bstrak Mahasswa bss da akutas, debtor bak, da vestor memerluka

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci