BAB 2 LANDASAN TEORI

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Revenue Management Belakangan ini revenue management telah mendapat perhatian dunia sebagai salah satu aplikasi dari operations research (OR) yang paling sukses. Revenue management dalam arti langsungnya adalah bagaimana cara para pelaku bisnis memanajemen atau mengelola usahanya agar tetap bertahan, atau dengan kata lain bagaimana mengelola pengeluaran dan pemasukan agar usaha yang dijalankan tidak mengalami kerugian. Setiap penjual produk atau jasa harus menghadapi dan membuat beberapa keputusan-keputusan pokok. Misalnya seseorang yang ingin menjual rumah, maka ia harus memperhitungkan kapan harus dijual, berapa harga yang harus ditawarkan, tipe pembeli yang mana yang bersedia membeli, kapan harus menurunkan harga, dan lain-lain (Tallury & Ryzin, 2004). Hal-hal seperti itulah yang harus diperhitungkan agar pendapatan yang diperoleh diharapkan maksimal. Menurut Tallury & Ryzin (2004), revenue management yaitu berhubungan dengan kebijakan pengelolaan permintaan serta seluruh metodologi dan sistem yang dibutuhkan untuk membuatnya. Kebijakan pengelolaan permintaan yang dimaksud adalah pengelolaan permintaan yang ada dengan melakukan estimasi dan menggolongkan permintaan tersebut untuk selanjutnya ditentukan harga dan kontrol kapasitas yang tepat dalam mengelolanya. Yang tujuan akhirnya adalah untuk memperoleh keuntungan yang maksimal. Manajemen pendapatan (revenue management) adalah proses memahami, mengantisipasi dan menanggapi perilaku calon konsumen dalam rangka memaksimasi pendapatan (revenue) atau keuntungan (profit). Untuk memaksimasi keuntungan, perusahaan yang mengatur pendapatannya bisa melakukan manipulasi harga. Yaitu dengan menyesuaikan harga yang akan ditawarkan dengan kemampuan calon konsumen yang akan membeli.

2 2.1.1 Kriteria Revenue Management dan Jenis Usaha yang Menggunakannya Manajemen pendapatan (revenue management) ini tidak bisa serta-merta diterapkan untuk semua jenis industri. Menurut yang ditulis Mila mengenai revenue management theory tentang kartu prabayar, ada beberapa kriteria yang harus dipenuhi, yaitu: 1. Produknya tidak tahan lama (perishable). 2. Kapasitas produk atau layanan dibatasi atau terbatas. 3. Segmentasi pasar. 4. Produk atau layanan bisa dijual di muka. 5. Biaya variabel lebih kecil. 6. Permintaan terhadap produk atau jasa berbeda setiap waktu. Sumber: https://ameliaday.wordpress.com/category/revenue-management// Contoh jenis usaha yang menerapkan teori revenue management adalah perusahaan perhotelan, perusahaan penerbangan, layanan penggunaan kartu ponsel prabayar, dan lain-lain. 2.2 Distribusi Normal Distribusi normal merupakan distribusi kontinu yang paling penting dalam bidang statistik karena dapat mewakili kumpulan data observasi yang terjadi dalam alam semesta, industri, maupun penelitian. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa berfungsi dengan benar jika model distribusinya berupa distribusi normal. Pada tahun 1733, De Moivre menemukan persamaan matematika kurva normal yang menjadi dasar banyak teori statistika induktif. Distribusi normal sering pula disebut distribusi gauss untuk menghormati Gauss ( ), yang juga menemukan persamaannya ketika meneliti galat dalam pengukuran yang berulang-ulang tentang bahan yang sama.

3 2.2.1 Kurva dan Sifat Distribusi Normal Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak berhingga menjauhi rata-ratanya baik ke arah positif maupun ke arah negatifnya. Kurva normal mempunyai bentuk simetris terhadap rata-rata μ. Bentuknya sangat dipengaruhi oleh besar kecilnya rata-rata μ dan simpangan baku σ. Makin kecil σ bentuk kurva semakin runcing dan sebagian besar nilai x mengumpul mendekati μ, sebaliknya, bila σ makin besar maka bentuknya semakin tumpul dan nilai-nilai x makin menjauhi μ. Kurva normal dapat dilihat pada gambar di bawah berikut. Gambar 2.1 Kurva Normal dengan μ 1 = μ 2 dan σ 1 > σ 2 Gambar 2.2 Kurva Normal dengan μ 1 < μ 2 dan σ 1 = σ 2

4 Gambar 2.3 Kurva Normal dengan μ 1 < μ 2 dan σ 1 < σ 2 Variabel random x yang mempresentasikan distribusi normal disebut variabel random normal, yang distribusinya bergantung pada dua parameter, yaitu rata-rata (μ) dan standar deviasi (σ). Fungsinya dinotasikan sebagai N(x; μ; σ). Menurut Sudjana (2005), terdapat beberapa sifat penting dari distribusi normal, yaitu: 1. Grafiknya selalu berada di atas sumbu x. 2. Bentuknya simetrik terhadap x = μ. 3. Mempunyai satu modus, jadi kurva unimodal, tercapai pada x = μ sebesar 0,3989 σ. 4. Grafiknya mendekati (berasimtotkan) sumbu datar x dimulai dari x = μ + 3σ ke kanan dan x = μ 3σ ke kiri. 5. Luas daerah grafik selalu sama dengan satu Transformasi Normal Baku Distribusi normal mempunyai fungsi kepadatan dengan persamaan: dimana, π = 3, e = 2, f(x) = 1 σ 2π e 1 μ (x 2 σ )2 2.1

5 σ = simpangan baku μ = rata-rata x x = peubah kontinu Namun karena distribusi normal merupakan distribusi kontinu, maka berlaku luas daerah di bawah grafik sama dengan satu (sesuai dengan sifat distribusi normal yang ke-5). Jadi dapat ditulis: 1 σ 2π e 1 μ (x 2 σ )2 dx = Untuk menentukan peluang harga x antara a dan b, yakni P(a < x < b), dapat digunakan rumus: P(a < x < b) = 1 σ 2π e a b 1 μ (x 2 σ )2 dx 2.3 Untuk mengatasi kesulitan dalam menghitung fungsi kepadatannya maka telah dibuat daftar tabel luas kurva normal sehingga memudahkan penggunaannya. Akan tetapi, tidak akan mungkin membuat daftar tabel yang berlainan untuk setiap harga μ dan σ. Untunglah seluruh pengamatan dengan setiap peubah acak normal x dapat ditransformasikan menjadi himpunan pengamatan baru suatu peubah acak normal Z dengan rata-rata sama dengan nol dan standar deviasi sama dengan satu. Yang artinya untuk memudahkan perhitungan, maka distribusi normal umum akan ditransformasikan menjadi distribusi normal baku. Yang dimaksud dengan distribusi normal baku adalah distribusi normal dengan sifat khusus, yaitu distribusi normal dengan rata-rata = 0 dan standar deviasi = 1. Sehingga perhitungan dapat dilakukan setelah distribusi ditransformasi dengan rumus: Z = x μ σ 2.4

6 Dengan demikian, sepanjang diketahui rata-rata dan standar deviasi, maka dapat ditransformasi setiap distribusi nilai ke dalam nilai-nilai Z. Bagaimanapun hanya nilai-nilai Z dari daftar tabel distribusi normal baku yang akan dengan sendirinya berdistribusi normal. Transformasi kurva normal umum menjadi kurva normal baku dapat dilihat melalui perubahan grafiknya sebagai berikut. Gambar 2.4 Perubahan Kurva Normal Umum ke Kurva Normal Baku Perhitungan Nilai Z Setelah distribusi normal umum ditransformasi menjadi distribusi normal baku, maka daftar distribusi normal baku dapat digunakan. Dengan daftar ini, bagianbagian luas dari distribusi normal baku dapat dicari. Cara perhitungannya adalah sebagai berikut: 1. Hitung Z sampai dua desimal. 2. Gambarkan kurvanya. 3. Letakkan harga Z pada sumbu datar, lalu tarik garis vertikal hingga memotong kurva. 4. Luas yang tertera dalam daftar adalah luas daerah antara garis vertikal dengan garis tegak di titik nol.

7 5. Dalam daftar normal standar, cari tempat harga Z pada kolom paling kiri hanya hingga satu desimal dan desimal keduanya dicari pada baris paling atas. 6. Bilangan yang diperoleh merupakan luas yang dicari dan harus ditulis dalam 4 desimal. 2.3 Program Dinamik Pemrograman dinamik pertama kali dikembangkan oleh seorang ilmuwan bernama Richard Bellman pada tahun Apabila dalam riset operasional lainnya memiliki formulasi standar untuk memecahkan masalah, maka dalam program dinamik ini tidak ada formulasi yang standar. Artinya setiap masalah dalam program dinamik memerlukan pola pendekatan atau penyelesaian yang berbeda satu dengan yang lainnya. Namun demikian, ada kesamaan dari setiap penyelesaian masalah dalam program dinamik ini, dimana setiap keputusan optimal yang diambil diperoleh dari banyak tahap (multistage). Hasil dari sebuah tahap akan berdampak atau menjadi masukan bagi tahap berikutnya. Secara pengertiannya, program dinamik (dynamic programming) adalah suatu teknik untuk menyelesaikan masalah yang melibatkan sekumpulan keputusan yang saling berhubungan dalam tujuan agar secara keseluruhan mencapai keaktifannya (Mulyono, 2004:77). Program dinamik merupakan suatu pendekatan solusi bukan pendekatan teknik (seperti metode simpleks dalam program linier). Program dinamik menyelesaikan permasalahan optimasi tidak dengan sekali langkah, melainkan dengan mengubah masalah yang cukup besar ke dalam sub-masalah yang lebih kecil, sehingga dari rangkaian penyelesaian masalah yang lebih kecil akan ditemukan penyelesaian masalah aslinya (Taha, 1997:79). Bentuk fungsi umum dari pemrograman dinamik adalah: F n (X) = max {r n (X n ) + f n 1 (X X n )} 2.5

8 dimana, F n (X) = fungsi tujuan yang akan dicapai r n (X n ) = biaya (ongkos) yang diperlukan untuk tahap n f n 1 (X X n ) = fungsi optimal yang diperoleh pada tahap n 1 X n = keadaan (state) pada tahap n X X n = keadaan (state) pada tahap n 1 n = 2, 3, 4,..., m Persamaan di atas digunakan untuk perhitungan dari depan ke belakang (forwardinduction) maupun dari belakang ke depan (backward-induction) Prinsip Optimalitas Dalam Program Dinamik Pada penyelesaian persoalan dengan menggunakan metode program dinamik, akan terdapat sejumlah berhingga pilihan yang mungkin untuk dijadikan solusi atau keputusan. Solusi yang diambil pada satu tahap dibangun dari hasil solusi tahap sebelumnya. Kemudian digunakan persyaratan optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap. Pada program dinamik, rangkaian keputusan yang optimal dibuat dengan menggunakan prinsip optimalitas. Prinsip optimalitas, yaitu: 1. Jika solusi total optimal, maka bagian solusi sampai tahap ke-k juga optimal. 2. Jika bekerja dari tahap k ke tahap k + 1, dapat digunakan hasil optimal dari tahap k tanpa harus kembali ke tahap awal. 3. Jika pada setiap tahap dihitung ongkos (cost), maka dapat dirumuskan bahwa, ongkos pada tahap k + 1 = (ongkos yang dihasilkan pada tahap k) + (ongkos dari tahap k ke tahap k + 1)

9 Dengan prinsip optimalitas ini, dijamin bahwa keputusan pada suatu tahap adalah keputusan yang benar untuk tahap-tahap selanjutnya (Munir, 2004) Karakteristik Persoalan Program Dinamik Menurut Rinaldi Munir (2004) dalam bahan kuliahnya, terdapat beberapa karakteristik persoalan program dinamik, yaitu: 1. Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap hanya diambil satu keputusan. 2. Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan tahap tersebut. Secara umum, status merupakan bermacam kemungkinan masukan yang ada pada tahap tersebut. Berikut graf multitahap (multistage graph). Tiap simpul di dalam graf tersebut menyatakan status, sedangkan V 1, V 2,... menyatakan tahap. V 1 V 2 V 3 V 4 V Gambar 2.5 Graf yang Menyatakan Tahap (stage) dan Status (state) 3. Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari status yang bersangkutan ke status berikutnya pada tahap berikutnya. 4. Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily) dengan bertambahnya tahapan. 5. Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah berjalan dan ongkos pada tahap tersebut.

10 6. Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan yang dilakukan pada tahap sebelumnya. 7. Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik untuk setiap status pada tahap k memberikan keputusan terbaik untuk setiap status pada tahap k Prinsip optimalitas berlaku pada persoalan tesebut Pendekatan yang Digunakan Dalam Program Dinamik Untuk penyelesaian persoalan program dinamik, terdapat dua pendekatan yang digunakan, yaitu: induksi maju (foward atau up-down) dan induksi mundur (backward atau bottom-up). Misalkan x 1, x 2,..., x n menyatakan peubah (variable) keputusan yang harus dibuat masing-masing untuk tahap 1, 2,..., n. Maka 1. Induksi maju. Program dinamik bergerak mulai dari tahap 1, terus maju ke tahap 2, 3, dan seterusnya sampai tahap n. Runtunan peubah keputusan adalah x 1, x 2,..., x n. 2. Induksi mundur. Program dinamik bergerak mulai dari tahap n, terus mundur ke tahap n-1, n-2, dan seterusnya sampai tahap 1. Runtunan peubah keputusan adalah x n, x n-1,..., x 1. Secara umum, ada empat langkah yang dilakukan dalam mengembangkan algoritma program dinamik, antara lain: 1. Karakteristikkan struktur solusi optimal. 2. Defenisikan secara rekursif nilai solusi optimal. 3. Hitung nilai solusi optimal secara maju atau mundur. 4. Konstruksi solusi optimal.

Program Dinamis (Dynamic Programming)

Program Dinamis (Dynamic Programming) Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)

Lebih terperinci

TIN102 - Pengantar Teknik Industri Materi #10 Ganjil 2015/2016 TIN102 PENGANTAR TEKNIK INDUSTRI

TIN102 - Pengantar Teknik Industri Materi #10 Ganjil 2015/2016 TIN102 PENGANTAR TEKNIK INDUSTRI Materi #10 TIN102 PENGANTAR TEKNIK INDUSTRI Pendahuluan 2 Permasalahan pemrograman dinamis secara umum memiliki proses keputusan yang bersifat multi tahapan (multi-stage). I1 D1 I2 D2 In Dn R1 R2 Rn 6623

Lebih terperinci

Program Dinamis (dynamic programming):

Program Dinamis (dynamic programming): Materi #0 Ganjil 0/05 (Materi Tambahan) Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan

Lebih terperinci

Program Dinamis. Oleh: Fitri Yulianti

Program Dinamis. Oleh: Fitri Yulianti Program Dinamis Oleh: Fitri Yulianti 1 Program Dinamis Program Dinamis (dynamic programming): - metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan tahapan (stage) - sedemikian sehingga

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial DISTRIBUSI NORMAL Pertemuan 3 1 Pertemuan 3_Statistik Inferensial Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal

Lebih terperinci

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana) KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa

Lebih terperinci

Program Dinamis (Dynamic Programming)

Program Dinamis (Dynamic Programming) Program Dinamis (Dynamic Programming) Bahan Kuliah IF2211 Strategi Algoritma Oleh: Rinaldi Munir Program Studi Teknik Informatika STEI-ITB 1 2 Program Dinamis Program Dinamis (dynamic programming): - metode

Lebih terperinci

BAB III ALGORITMA GREEDY DAN PROGRAM DINAMIS

BAB III ALGORITMA GREEDY DAN PROGRAM DINAMIS BAB III ALGORITMA GREEDY DAN PROGRAM DINAMIS 3.1 Algoritma Greedy Algoritma Greedy merupakan metode yang paling populer dalam memecahkan persoalan optimasi. Hanya ada dua macam persoalan optimasi, yaitu

Lebih terperinci

MODUL I PROGRAM DINAMIS

MODUL I PROGRAM DINAMIS MODUL I PROGRAM DINAMIS 1.1 Tujuan Praktikum Program dinamis merupakan modul pertama yang dipelajari dalam Praktikum Stokastik. Adapun yang menjadi tujuan praktikum dalam modul program dinamis adalah sebagai

Lebih terperinci

DISTRIBUSI NORMAL. RatuIlmaIndraPutri

DISTRIBUSI NORMAL. RatuIlmaIndraPutri DISTRIBUSI NORMAL RatuIlmaIndraPutri Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering disebut DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang paling penting dan

Lebih terperinci

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09 Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 09 Contents 1 2 5 Algoritma Program Dinamis Lintasan Terpendek (Shortest Path) Penganggaran Modal (Capital Budgeting) 1/0 Knapsack

Lebih terperinci

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS Distribusi Normal Statistika (MAM 4137) Syarifah Hikmah JS Outline Kurva normal Luas daerah di bawah kurva normal Penerapan sebaran normal DISTRIBUSI NORMAL model distribusi kontinyu yang paling penting

Lebih terperinci

PENENTUAN RUTE TERPENDEK MENUJU KAMPUS MENGGUNAKAN ALGORITMA DYNAMIC PROGRAMMING

PENENTUAN RUTE TERPENDEK MENUJU KAMPUS MENGGUNAKAN ALGORITMA DYNAMIC PROGRAMMING PENENTUAN RUTE TERPENDEK MENUJU KAMPU MENGGUNAKAN ALGORITMA DYNAMIC PROGRAMMING Jumadi Email: Jumadi@uinsgd.ac.id Jurusan Teknik Informatika, Fakultas ains dan Teknologi Universitas Islam Negeri unan Gunung

Lebih terperinci

CIRI-CIRI DISTRIBUSI NORMAL

CIRI-CIRI DISTRIBUSI NORMAL DISTRIBUSI NORMAL CIRI-CIRI DISTRIBUSI NORMAL Berbentuk lonceng simetris terhadap x = μ distribusi normal atau kurva normal disebut juga dengan nama distribusi Gauss, karena persamaan matematisnya ditemukan

Lebih terperinci

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id 1 Program Dinamis (dynamic programming): - metode pemecahan masalah dengan cara menguraikan solusi

Lebih terperinci

Penyelesaian Sum of Subset Problem dengan Dynamic Programming

Penyelesaian Sum of Subset Problem dengan Dynamic Programming Penyelesaian Sum of Subset Problem dengan Dynamic Programming Devina Ekawati 13513088 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Proses Alokasi Andaikan terdapat sejumlah sumber daya modal tertentu, yaitu dapat berupa uang untuk investasi, mesin cetak, bahan bakar untuk kendaraan dan lain sebagainya. Suatu

Lebih terperinci

Penentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps

Penentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps Penentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps Michael Ingga Gunawan 13511053 Program Studi Teknik Informatika Sekolah Teknik Elektro dan

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi

Lebih terperinci

Implementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi

Implementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi Implementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi Jonathan Ery Pradana / 13508007 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Program Dinamik

BAB 2 LANDASAN TEORI. 2.1 Program Dinamik 5 BAB 2 LANDASAN TEORI 2.1 Program Dinamik Pemrograman dinamik adalah suatu teknik matematis yang biasanya digunakan untuk membuat suatu keputusan dari serangkaian keputusan yang saling berkaitan. Pemrograman

Lebih terperinci

Implementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis

Implementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis Implementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis Samudra Harapan Bekti 13508075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Penerapan Pemrograman Dinamis dalam Perencanaan Produksi

Penerapan Pemrograman Dinamis dalam Perencanaan Produksi Penerapan Pemrograman Dinamis dalam Perencanaan Produksi Yugowati Praharsi Abstrak Pemrograman dinamis merupakan salah satu alat bantu untuk mengambil keputusan yang tidak mempunyai formulasi baku untuk

Lebih terperinci

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya

Lebih terperinci

Deteksi Wajah Menggunakan Program Dinamis

Deteksi Wajah Menggunakan Program Dinamis Deteksi Wajah Menggunakan Program Dinamis Dandun Satyanuraga 13515601 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia

Lebih terperinci

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET Pertemuan 7. BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET 4. Pendahuluan 4.2 Distribusi seragam diskret 4.3 Distribusi binomial dan multinomial

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Proyek Konstruksi Proyek konstruksi adalah suatu rangkaian kegiatan yang melibatkan banyak pihak dan sumber daya untuk mencapai suatu tujuan tertentu (Ervianto, 2005). Proses ini

Lebih terperinci

STATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP

STATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP STATISTICS WEEK 6 Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL Pengantar: Dalam pokok bahasan disini memuat beberapa distribusi kontinyu yang sangat penting di bidang statistika. diantaranya distribusi normal.

Lebih terperinci

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG Tugas Kelompok Mata Kuliah Metodologi Penelitian Kuantitatif Judul Makalah Revisi DISTRIBUSI PELUANG Kajian Buku Pengantar Statistika Pengarang Nana Sudjana Tugas dibuat untuk memenuhi tugas mata kuliah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya

Lebih terperinci

Penyelesaian Persoalan Penukaran Uang dengan Program Dinamis

Penyelesaian Persoalan Penukaran Uang dengan Program Dinamis Penyelesaian Persoalan Penukaran Uang dengan Program Dinamis Albert Logianto - 13514046 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik

Lebih terperinci

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F BEBERAPA DISTRIBUSI PELUANG KONTINU Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F Distribusi Normal Distribusi yang terpenting dalam bidang statistika, penemu : DeMoivre (733) dan Gauss Bergantung

Lebih terperinci

TINJAUAN PUSTAKA ( ) ( ) ( )

TINJAUAN PUSTAKA ( ) ( ) ( ) TINJAUAN PUSTAKA Penarikan Contoh Acak Berlapis Penarikan contoh acak berlapis adalah suatu rancangan penarikan contoh acak yang membagi N unit dari populasi ke dalam L strata yang tidak saling tumpang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain

Lebih terperinci

Program Dinamis Sebagai Algoritma Dalam Link State Routing Protocol

Program Dinamis Sebagai Algoritma Dalam Link State Routing Protocol Program Dinamis Sebagai Algoritma Dalam Link State Routing Protocol Biyan Satyanegara / 13508057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan

Lebih terperinci

Bab 2 DISTRIBUSI PELUANG

Bab 2 DISTRIBUSI PELUANG Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut

Lebih terperinci

Analisis Permainan FLIP Menggunakan Algoritma Program Dinamis

Analisis Permainan FLIP Menggunakan Algoritma Program Dinamis Analisis Permainan FLIP Menggunakan Algoritma Program Dinamis Tina Yuliani Ayuningsih Program studi Teknik Informatika Institut Teknologi Bandung Jl Ganesha 10 Bandung e-mail: if15057@studentsifitbacid

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi

Lebih terperinci

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(,

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(, 0 DISTRIBUSI NORMAL UMUM Distribusi normal umum ini merupakan distribusi dari peubah acak kontinu yang paling banyak sekali dipakai sebagai pendekatan yang baik dari distribusi lainnya dengan persyaratan

Lebih terperinci

Bentuk fungsi umum dari pemrograman dinamis ini adalah :

Bentuk fungsi umum dari pemrograman dinamis ini adalah : Bab 7 Pemrograman Dinamis Pemrograman dinamis ini pertama kali dikembangkan oleh seorang ilmuwan benama Richard Bellman pada tahun 1957. Apabila dalam riset operasional yang lain, memiliki formulasi standar

Lebih terperinci

ANALISIS DATA DALAM STATISTIK

ANALISIS DATA DALAM STATISTIK 1. Pengertian Analisis Data ANALISIS DATA DALAM STATISTIK Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah

Lebih terperinci

Analisa Keputusan Manajemen dengan Pemrograman Dinamis

Analisa Keputusan Manajemen dengan Pemrograman Dinamis Analisa Keputusan Manajemen dengan Pemrograman Dinamis A. Anshorimuslim S. - 13509064 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat

Lebih terperinci

Penerapan Program Dinamis dalam Menentukan Rute Terbaik Transportasi Umum

Penerapan Program Dinamis dalam Menentukan Rute Terbaik Transportasi Umum Penerapan Program Dinamis dalam Menentukan Rute Terbaik Transportasi Umum Indam Muhammad / 13512026 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.

Lebih terperinci

Bab 5 Distribusi Sampling

Bab 5 Distribusi Sampling Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n

Lebih terperinci

Ika Zulhidayati (1), Kartika Yulianti (2) ABSTRAK

Ika Zulhidayati (1), Kartika Yulianti (2) ABSTRAK APLIKASI ALGORITMA GREEDY DAN PROGRAM DINAMIS (DYNAMIC PROGRAMMING) PADA PERMAINAN GREEDY SPIDERS Ika Zulhidayati (1), Kartika Yulianti (2) ABSTRAK Semakin pesatnya perkembangan teknologi, perkembangan

Lebih terperinci

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan

Lebih terperinci

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya

Lebih terperinci

Penerapan Program Dinamis Pada Sistem Navigasi Otomotif

Penerapan Program Dinamis Pada Sistem Navigasi Otomotif Penerapan Program Dinamis Pada Sistem Navigasi Otomotif Pande Made Prajna Pradipa / 13510082 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

Penerapan Algoritma Program Dinamis dalam Penjadwalan Pengerjaan Sekumpulan Tugas Pelajar

Penerapan Algoritma Program Dinamis dalam Penjadwalan Pengerjaan Sekumpulan Tugas Pelajar Penerapan Algoritma Program Dinamis dalam Penjadwalan Pengerjaan Sekumpulan Tugas Pelajar Harry Alvin Waidan Kefas - 13514036 Program Sarjana Teknik Informatika Sekolah Teknik Elektro dan Informatika Bandung,

Lebih terperinci

Penentuan Menu Makan dengan Pemrograman Dinamis

Penentuan Menu Makan dengan Pemrograman Dinamis Penentuan Menu Makan dengan Pemrograman Dinamis Jordhy Fernando 13515004 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran

Lebih terperinci

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat

Lebih terperinci

BIAYA MINIMUM PADA PERENCANAAN PRODUKSI DAN PENGENDALIAN PERSEDIAAN UD. HAMING MAKASSAR DENGAN PROGRAM DINAMIK

BIAYA MINIMUM PADA PERENCANAAN PRODUKSI DAN PENGENDALIAN PERSEDIAAN UD. HAMING MAKASSAR DENGAN PROGRAM DINAMIK BIAYA MINIMUM PADA PERENCANAAN PRODUKSI DAN PENGENDALIAN PERSEDIAAN UD. HAMING MAKASSAR DENGAN PROGRAM DINAMIK Irwan Prodi Matematika, FST-UINAM Irwan.msi@uin-alauddin.ac.id Tenrianna Prodi Matematika,

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu

Lebih terperinci

BAB II LANDASAN TEORI. Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang

BAB II LANDASAN TEORI. Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang BAB II LANDASAN TEORI Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang digunakan untuk membahas aplikasi PLFTG untuk investasi portofolio saham. A. Pemrograman Linear Pemrograman matematis

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Matriks 2.1.1 Pengertian Matriks Matriks adalah susunan segi empat siku-siku dari bilangan bilangan. Bilanganbilangan dalam susunan tersebut dinamakan entri dalam matriks (Anton,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Pengertian, Struktur, Kelebihan dan Kekurangan, serta Potensi Dynamic Programming Dynamic Programming adalah suatu teknik kuantitatif yang digunakan untuk

Lebih terperinci

BAB II DISTRIBUSI PROBABILITAS

BAB II DISTRIBUSI PROBABILITAS BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)

Lebih terperinci

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1

Lebih terperinci

Nilai Harapan / Nilai Ekspektasi

Nilai Harapan / Nilai Ekspektasi EKSPEKTASI Misalkan sebuah eksperimen menghasilkan k peristiwa, dan peluang masing-masing peristiwa P 1, P, P k dan untuk tiap peristiwa terdapat satuan (bobot d 1, d d k ) maka ekspektasi eksperimen itu

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Maret hingga April 2011 dengan lokasi penelitian berada di Hutan Pendidikan Gunung Walat, Kabupaten Sukabumi.

Lebih terperinci

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial

Lebih terperinci

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematik(a) Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014

Lebih terperinci

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses

Lebih terperinci

Penerapan Dynamic Programming pada sistem GPS (Global Positioning System)

Penerapan Dynamic Programming pada sistem GPS (Global Positioning System) Penerapan Dynamic Programming pada sistem GPS (Global Positioning System) Christy Gunawan Simarmata - 13515110 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

Penentuan Strategi Pemasaran Produk dengan Algoritma Program Dinamis

Penentuan Strategi Pemasaran Produk dengan Algoritma Program Dinamis Penentuan Strategi Pemasaran Produk dengan Algoritma Program Dinamis Fanda Yuliana Putri - 13514023 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.

Lebih terperinci

BAB 9 DISTRIBUSI PELUANG KONTINU

BAB 9 DISTRIBUSI PELUANG KONTINU BAB 9 DISTRIBUSI PELUANG KONTINU A. Pengertian Distribusi Peluang Kontinu Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada skala kontinu. Ruang sampel kontinu adalah

Lebih terperinci

Fungsi dan Limit Fungsi 23. Contoh 5. lim. Buktikan, jika c > 0, maka

Fungsi dan Limit Fungsi 23. Contoh 5. lim. Buktikan, jika c > 0, maka Contoh 5 Buktikan jika c > 0 maka c c Analisis Pendahuluan Akan dicari bilangan δ > 0 sedemikian sehingga apabila c < ε untuk setiap ε > 0. 0 < c < δ berlaku Perhatikan: c ( c)( c) c c c c c c c Dapat

Lebih terperinci

ANALISIS KINERJA ALGORITMA PEMROGRAMAN DINAMIK PADA MASALAH MULTISTAGE GRAPH. Kata Kunci: Algoritma, Multistage, Pemrograman Dinamik, Running Time

ANALISIS KINERJA ALGORITMA PEMROGRAMAN DINAMIK PADA MASALAH MULTISTAGE GRAPH. Kata Kunci: Algoritma, Multistage, Pemrograman Dinamik, Running Time ANALISIS KINERJA ALGORITMA PEMROGRAMAN DINAMIK PADA MASALAH MULTISTAGE GRAPH Wawan Setiawan Universitas Negeri Malang E-mail : looney_waw@yahoo.co.id Pembimbing: (I) Dra. Susy Kuspambudi Andaini, M. Kom,

Lebih terperinci

BAB V DISTRIBUSI NORMAL. Deskripsi: Pada bab ini akan dibahas mengenai konsep distribusi normal dalam pengukuran.

BAB V DISTRIBUSI NORMAL. Deskripsi: Pada bab ini akan dibahas mengenai konsep distribusi normal dalam pengukuran. BAB V DISTRIBUSI NORMAL Deskripsi: Pada bab ini akan dibahas mengenai konsep distribusi normal dalam pengukuran. Manfaat: Memberikan metode distribusi normal yang benar saat melakukan proses pengukuran.

Lebih terperinci

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel DISTRIBUSI SAMPLING Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung

Lebih terperinci

Makalah Sebagai Salah Satu Tugas dalam Mata Kuliah ANALISIS STATISTIK. Oleh: 1. Trilius Septaliana KR ( ) 2. Aisyah ( )

Makalah Sebagai Salah Satu Tugas dalam Mata Kuliah ANALISIS STATISTIK. Oleh: 1. Trilius Septaliana KR ( ) 2. Aisyah ( ) MOMEN, KEMIRINGAN DAN KERUNCINGAN, DISTRIBUSI NORMAL, DISTRIBUSI T, DISTRIBUSI F, DISTRIBUSI BINOMIAL, DISTRIBUSI POISSON, UJI NORMALITAS DAN HOMOGENITAS, UJI F DAN t, HIPOTESIS, DAN ANOVA Makalah Sebagai

Lebih terperinci

PROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng.

PROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng. PROBABILITAS &STATISTIK ke-1 Oleh: Kholistianingsih, S.T., M.Eng. KONTRAK PEMBELAJARAN UAS : 35% UTS : 35% TUGAS : 20% KEHADIRAN :10% SEMUA KOMPONEN HARUS ADA KEHADIRAN 0 NILAI MAKS D PEUBAH DAN GRAFIK

Lebih terperinci

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30 DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat

Lebih terperinci

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi

Lebih terperinci

Penerapan Program Dinamis untuk Optimisasi Taktik Pit Stop F1

Penerapan Program Dinamis untuk Optimisasi Taktik Pit Stop F1 Penerapan Program Dinamis untuk Optimisasi Taktik Pit Stop F1 Marchy Tio Pandapotan 1 13509026 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan

Lebih terperinci

MATEMATIKA EKONOMI DAN BISNIS. Nuryanto.ST.,MT

MATEMATIKA EKONOMI DAN BISNIS. Nuryanto.ST.,MT MATEMATIKA EKONOMI DAN BISNIS Fungsi Non Linear Fungsi non-linier merupakan bagian yang penting dalam matematika untuk ekonomi, karena pada umumnya fungsi-fungsi yang menghubungkan variabel-variabel ekonomi

Lebih terperinci

statistika untuk penelitian

statistika untuk penelitian statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA 4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi

Lebih terperinci

PENGUJIAN HIPOTESIS 2

PENGUJIAN HIPOTESIS 2 PENGUJIAN HIPOTESIS. Menguji Kesamaan Dua Rata-rata a. Uji Dua Pihak Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan baku secara berturut-turut μ dan μ dan σ

Lebih terperinci

Fungsi dan Limit Fungsi 23. Contoh 5. lim. Buktikan, jika c 0, maka

Fungsi dan Limit Fungsi 23. Contoh 5. lim. Buktikan, jika c 0, maka Contoh 5 Buktikan jika c 0 maka c c Analisis Pendahuluan Akan dicari bilangan 0 sedemikian sehingga apabila c untuk setiap 0. 0 c berlaku Perhatikan: c ( c)( c) c c c c Dapat dipilih c Bukti: c c c Ambil

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Program linier (Linier Programming) Pemrograman linier merupakan metode matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan lintasan terpendek di antara titik tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus khusus dan

Lebih terperinci

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat

Lebih terperinci

DISTRIBUSI SATU PEUBAH ACAK

DISTRIBUSI SATU PEUBAH ACAK 0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak

Lebih terperinci

II. TEORI DASAR. Kata Kunci levenshtein; program dinamis; edit distance; twitter

II. TEORI DASAR. Kata Kunci levenshtein; program dinamis; edit distance; twitter Aplikasi Program Dinamis dalam Menoleransi Kata Kunci dengan Algoritma untuk Disposisi Tweets ke Dinas-Dinas dan Instansi di Bawah Pemerintah Kota Bandung Ade Yusuf Rahardian - 151079 Program Studi Teknik

Lebih terperinci

PENEMPATAN KANTOR POS DENGAN ALGORITMA PROGRAM DINAMIS

PENEMPATAN KANTOR POS DENGAN ALGORITMA PROGRAM DINAMIS PENEMPATAN KANTOR POS DENGAN ALGORITMA PROGRAM DINAMIS Hanson Prihantoro Putro (13505045) Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10 Bandung 40135 if15045@students.if.itb.ac.id ABSTRAK Makalah

Lebih terperinci