( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:

Ukuran: px
Mulai penontonan dengan halaman:

Download "( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:"

Transkripsi

1 BAB LANDASAN TEORI Pramala adalah giaa umu mmpriraa apa ag aa rjadi pada masa ag aa daag brdasara pgalama di masa lalu. Mod pramala ag srig diguaa dalam oomi da duia usaha adalah dr wau (im sris).. Bbrapa Uji ag Diguaa.. Uji Kcuupa Sampl Sblum mlaua aalisa rhadap daa, lagah awal ag harus dilaua adalah pgujia rhadap aggoa sampl. Pgujia ii dimasuda uu mgahui apaah daa ag diprolh dapa dirima sbagai sampl. Dga iga aia 95% ( α = 0, 05 ) rumus ag diguaa uu mua jumlah aggoa sampl adalah: N N 0 N = = N ' = N (-) = Apabila N ' = Uura sampl ag dibuuha N = Uura sampl prcobaa = Daa aual N ' < N, maa sampl prcobaa dapa dirima sbagai sampl... Uji Musima Uu mgahui adaa ompo musima dilaua uji musima. Hiposa ujia adalah sbagai briu : Uivrsias Sumara Uara

2 H o : Daa ida dipgaruhi musima H : Daa dipgaruhi musima Tabl. Prhiuga Uji Musima Priod Musima N 3 4 Jumlah J J J 3 J 4 J Uu prhiuga diguaa oasi : R i= = i= J i i (-) R = Jumlah uadra-uadra (JK) uu raa-raa J i = Jumlah ilai pgamaa Uivrsias Sumara Uara

3 i = Uura sampl prcobaa A J = i= i i R (-3) A = Jumlah uadra-uadra (JK) aar lompo R = Jumlah uadra-uadra (JK) uu raa-raa J i = Jumlah ilai pgamaa i = Uura sampl prcobaa = (-4) = Jumlah daa aual D = R A (-5) = Jumlah daa aual D = Jumlah uadra-uadra (JK) dalam lompo R = Jumlah uadra-uadra (JK) uu raa-raa A = Jumlah uadra-uadra (JK) aar lompo Shigga F hiug = A D (-6) Uivrsias Sumara Uara

4 A = Jumlah uadra-uadra (JK) aar lompo D = Jumlah uadra-uadra (JK) dalam lompo Kmudia aa disusu dalam abl ANAVA. Tabl. Prhiuga Aava Uji Musima Sumbr Draja Jumlah Jumlah Kuadra Saisi Variasi Bbas Kuadra Raa-raa Uji Aar Musim A A A = Dalam Musim D D = D F = A D Toal - Dga = Maaa musima = Priod musima Maa riria pgujiaa adalah : H 0 : Dirima jia F hiug > F (-, -) H : Diola jia F hiug F (-, -) Uivrsias Sumara Uara

5 ..3 Uji Trd Tujua dari uji rd adalah uu mliha apaah ada pgaruh ompo rd rhadap daa. Hiposis ujia adalah : H 0 : frusi ai da uru dalam daa adalah sama, aria ida ada rd H : frusi ai lbih bsar dari frusi uru, aria rd mai Saisi pguji : ( µ) Z = m (-7) σ µ = (-8) σ = + (-9) m = frusi ai = jumlah daa µ = frusi ai ag diharapa σ = sadar rror aara ai da uru Kriria pguji : Dga araf sigifia α maa : H 0 : Dirima jia Z hiug > Z abl H : Diola jia Z hiug Z abl Uivrsias Sumara Uara

6 . Jis-jis Pramala Brdasara sifa ramala ag lah disusu, ramala dapa dibdaa aas dua macam, aiu :. Pramala Kualiaif Pramala ualiaif adalah pramala ag didasara aas daa ualiaif pada masa lalu. Hasil pramala ag dibua saga rgaug pada orag ag musua. Hal ii pig ara hasil pramala rsbu diua brdasara pmiira ag brsifa iuisi, pdapa, da pgahua sra pgalama dari pusua.. Pramala Kuaiaif Pramala uaiaif adalah pramala ag didasara aas daa uaiaif pada masa lalu. Hasil pramala ag dibua saga rgaug pada mod ag diguaa dalam pramala rsbu. Dga mod ag brbda aa diprolh hasil pramala ag brbda. Mod ag bai adalah mod ag mmbria ila-ilai prbdaa aau pimpaga ag cil aara hasil ramala dga aaa ag rjadi. Pramala uaiaif haa dapa diguaa apabila iga odisi sbagai briu dipuhi : a. Adaa iformasi ag adaa ag lalu b. Iformasi rsbu dapa diuaiaifa dalam bu daa c. Dapa diasumsia bahwa pola ag lalu aa brlajua pada masa ag aa daag..3 Mod Pramala.3. Pgria Mod Pramala Mod pramala adalah cara mmpriraa scara uaiaif apa ag aa rjadi pada masa dpa, brdasara daa ag rlva pada masa lalu. Olh ara mod pramala ii didasara pada daa ag rlva pada masa lalu, maa mod pramala ii diprguaa dalam pramala ag objif. Disampig iu, mod pramala juga mrupaa cara mmpriraa scara uaiaif, olh ara iu mod pramala rmasu dalam mod pramala uaiaif. Uivrsias Sumara Uara

7 .3. Jis-Jis Mod Pramala Pramala dapa dibdaa aas pramala uaiaif da ualiaif. Pada dasara mod pramala uaiaif dapa dibdaa aas : a. Mod Rgrsi (ausal) Mod pramala ausal ii didasara aas pgguaa aalisa pola hubuga aara variabl ag aa dipriraa dga variabl lai ag mmpgaruhia, ag bua wau. Mod ii mgasumsia bahwa faor ag diramala mujua suau hubuga sbab aiba dga sau aau lbih variabl bbas. Mod rgrsi ii rdiri dari :. Mod rgrsi da orlasi. Mod oomria 3. Mod ipu oupu b. Dr wau Mod pramala dr brala (im sris) didasara aas pgguaa aalisa pola hubuga aar variabl ag dipriraa dga variabl wau, ag mrupaa dr wau (im sris). Mod pramala dr wau daa hisoris diaalisa uu mgidifiasi pola daa da diasumsia bahwa pola daa rsbu aa rus brlaju pada masa ag aa daag. Pola daa ag diprolh mudia diaalisa uu mmprolh ilai pramala pada masa ag aa daag. Dalam modl pramala dr wau ida ada usaha mmua faor ag mmpgaruhi rhadap daa hisoris ag diaalisa. Mod pramala dr wau ii rdiri dari :. Mod Smoohig. Mod Box-Jis 3. Mod Prosi Trd dga Rgrsi.4 Klasifiasi Modl Box-Jis Modl Box-Jis dilompoa dalam iga lompo aiu :. Modl Auorgrssiv (AR). Modl Raaa Brgra / Movig Avrag (MA) 3. Modl Campura Uivrsias Sumara Uara

8 Modl campura ii dapa brupa modl campura modl Auorgrssiv Movig Avrag (ARMA) da modl Auorgrssiv Igrad Movig Avrag (ARIMA)..4. Modl Auorgrssiv Prsamaa umum dari modl AR(p) : p ( φ B φb... φ p B ) = δ + (-0) B = opraor pggra mudur (bacward shif opraor) φ = paramr auorgrssiv -i (dga i =,,3,,p) = Daa aual δ = suau osaa = sisaa (rsidu).4. Modl Raaa Brgra (Movig Avrag) Bu umum dari modl raaa brgra dga ordo q aau biasa diulis MA(q)..4.3 Modl Campura Auorgrssiv Raaa Brgra Scara siga bu umum modl campura auorgrssiv raaa brgra brordo (p,q) ag mgombiasia pross auorgrssiv ordo p da pross raaa brgra ordo q aau biasa diulis dga ARMA(p,q)..4.4 Modl Igrasi Auorgrssiv Movig Avrag (ARIMA) Uu dr wau ag ida sasior, modl Box-Jis dapa dirapa dga jala mrasformasiaa mjadi dr ag sasior dga pmbdaa ordo prama aau lbih. Box-Jis maaa modl rsbu Igrasi Auorgrssiv-Raaa Brgra (Auorgrssiv-Igrad-Movig Avrag / ARIMA). Uivrsias Sumara Uara

9 Bu umum modl ARIMA brordo (p,d,q) ag mgombiasia pross auorgrssiv brodo p, da pross raaa brgra brordo q pada dr wau ag sudah di rasformasia dga pmbdaa ordo -d aau biasa diulis dga ARIMA(p,d,q) adalah sbagai briu : p q ( φ B... φ p B ) W = δ + ( θb... θ q B ) (-) φ = paramr auorgrssiv -i B = opraor pggra mudur (bacward shif opraor) W = dr ag sudah didfrsi dga ordo d δ = osaa = sisaa (rsidu) Dalam pra, ilai p,d,q ag biasa diguaa adalah 0,,. Msipu dmiia dga ilai p,d,q ag spri iu dapa dibua baa variasi modl ag cuup brgua. Prsamaa modl ag sdrhaa, ARIMA (,,) adalah sbagai briu : ( ) φ + δ + θ = φ (-) = Daa aual φ = paramr auorgrssiv -i δ = osaa = sisaa (rsidu).5 Ksasiora da Faor Musima.5. Ksasiora Ksasiora daa dapa diprisa dga aalisa auoorlasi da auoorlasi Uivrsias Sumara Uara

10 Parsial. Daa ag diaalisa dalam modl ARIMA adalah daa ag brsifa sasior, aiu daa ag raa-raa da variasia rlaiv osa dari sau priod priod slajua. Auoorlasi-auoorlasi dari daa ag ida sasior brbda scara sigifia dari ol da mgcil scara prlaha mmbu garis lurus sdaga auoorlasi-auoorlasi dari daa sasior mgcil scara drasis mmbu garis lgug arah ol slah priod dua aau iga. Jadi bila auoorlasi pada priod sau, dua maupu priod iga rgolog sigifia sdaga auoorlasi-auoorlasi pada priod laia rgolog ida sigifia, maa daaa brsifa sasior. Muru Box-Jis dr daa ag ida sasior dapa dirasformasia mjadi dr daa ag sasior dga mlaua pmbdaa (difrsi) pada daa aual. Pmbdaa ordo prama dari daa aual dapa diaaa sbagai briu : W (-3) = W = dr ag sudah didfrsi dga ordo d = Daa aual Biasaa dga mlaua pmbdaa prama da dua daa aa mjadi daa ag sasior dga mliha ofisi auoorlasi daa pmbdaa aa uru mdai ol slah lag - aau lag Faor Musima Maridais (99) da Assauri (984) mdfisia musima sbagai suau pola ag brulag-ulag dalam slag wau ag ap. Pola musima dapa brupa musima riwula (3 bulaa), uaral (4 bulaa), smsra (6 bulaa) aau ahua ( bulaa). Noasi ARIMA ag diguaa uu mgaasi asp musima, scara umum diulis sbagai briu : ARIMA ( p, d, q)( P, D, Q) s Kompo (p,d,q) adalah bagia ida musima dari modl (P,D,Q) adalah bagia musima dari modl da S adalah jumlah priod pr musim. Uivrsias Sumara Uara

11 Modl ARIMA ag mgadug faor musima, ARIMA (,,,) (,,) mmpuai prsamaa sbagai briu : ( B)( ΦB )( B)( B ) = δ + ( θb)( ΘB ) φ (-4) φ = Paramr auorgrssiv - B = Opraor pggra mudur (bacward shif opraor) Φ = Sudu fas (dalam radia) = Daa aual δ = Kosaa θ = Nilai raa raa brgra MA Θ = Nilai SMA = Sisaa (rsidu) Dalam hal ii : ( φ B) = pross AR () bua musima ( Φ B ) = pross AR () musima ( B) = pmbdaa ordo prama bua musima ( B ) = pmbdaa ordo prama musima ( θ B) = pross MA () bua musima ( Θ B ) = pross MA () musima.5.3 Whi Nois Dr,,... ag mrupaa dr sisaa (rsidu) diharapa brsifa, Uivrsias Sumara Uara

12 Whi ois masuda rsidu rsbu brdisribusi ormal dga ilai gah ol da varias osa. Jia rsidu brsifa whi ois maa rsidu haa mrupaa suau pross gaggua cil ag ida prlu diprhaia. Hal ii dapa diliha dari ilai Q Box-Pirc < χ abl da ofisi auoorlasi da auoorlasi parsial rsidu ag ida brbda aa dari ol..6 Fugsi Auoorlasi da Fugsi Auoorlasi Parsial Fugsi auoorlasi da fugsi auoorlasi parsial populasi dapa di simasi dga mghiug fugsi auoorlasi da fugsi auoorlasi parsial sampl ag biasa disbu dga fugsi auoorlasi da fugsi auoorlasi parsial cooh. Fugsi auoorlasi da fugsi auoorlasi parsial dapa diguaa uu mgidifiasi modl box-jis dga mliha prilau dari dua fugsi rsbu..6. Fugsi Auoorlasi Kofisi auoorlasi mrupaa draja hubuga aara da. Muru Spros Maridais, Sv C. Whlwrigh da Vicor E. McG dga prsamaa : r = = ( )( + ) ( ) = (-5) r = Kofisi auoorlasi = Daa acual pada priod = Nilai gah (ma) dari daa aual + = Daa aual pada priod dga im lag (riggala) Nilai SE (Sadar Error) dari r adalah : Uivrsias Sumara Uara

13 SE( r ) = (-6) r = Kofisi auoorlasi = Priod musima Kofisi auoorlasi dari daa aca mmpuai disribusi samplig ag mdai urva ormal bau dga ilai gah (ma) ol da salaha sadar. Suau dr brsifa aca apabila ofisi orlasia brada dalam baas irval - Z α SE ( r ) r Z SE( r ). α Fugsi auoorlasi dapa diguaa uu pdugaa paramr modl ARIMA. Maridais (99) maaa bahwa prsamaa auoorlasi uu pross MA(q) adalah sbagai briu : ρ = θ + θ θ + + θ + θ θ q θ q θ q ; =,,..., q (-7) 0 ; = q ρ = Nilai oriis = q = riggala wau (im lag) Pross raaa brgra brordo q mmpuai ilai ol uu lag lbih dari q. Kara ilai oriis ρ ida diahui, maa ilai asira pdahulua dari ofisi θ, θ, θ3,..., dapa diprolh dga msubsiusi auoorlasi mpiris r. θ q.6. Fugsi Auoorlasi Parsial Kofisi auoorlasi parsial diguaa uu mguur iga raa aara da, apabila pgaruh dari im lag,,3,,- diaggap rpisah. Dalam aalisa dr Uivrsias Sumara Uara

14 brala ofisi auoorlasi parsial brgua uu mmbau mapa modl ARIMA ag pa uu pramala. Kofisi auoorlasi parsial brord m didfisia sbagai ofisi auorgrssiv rahir dari modl AR(m). Nilai ofisi auoorlasi parsial dapa dihiug dga mgguaa prsamaa briu : + = φ φ (-8) = Daa aual φ = Paramr auorgrssiv - = Nilai rlambaa pada saa priod = Ksalaha ramala.7 Pmrisaa Kpaa Modl Slah brhasil masir ilai-ilai paramr, lagah slajua adalah mguji apaah modl ag didfisia lah pa. Uu iu dilaua pmrisaa rhadap :.7. Nilai Sisaa (Rsidu) Modl ag lah diapa aa mmprlihaa prbdaa rsidu aau salaha aara ilai-ilai daa dr wau da ilai-ilai simasi dari modl saga cil aau ida brari. Ksalaha ramala dapa diprolh dari prsamaa briu : = (h) (-9) = Ksalaha ramala = Daa aual (h) = Nilai ramala Uivrsias Sumara Uara

15 = Ksalaha ramala Dari ilai-ilai salaha dapa diprolh ofisi auoorlasi rsidu. Jia ida rdapa pola daa ag scara aa brbda dari ol, shigga salaha diasumsia mjadi acaa aau ida prlu diprhaia maa modl diaggap cuup pa..7.. Pmrisaa Ksalaha Sadar Rsidu Rumus salaha sadar uu mmrisa apaah r () ru scara aa brbda dari ol adalah : SE[ r ( ) ] = (-0) r = Kofisi auoorlasi = Priod musima Kofisi auoorlasi dari daa radom aa mmpuai disribusi samplig ag mdai urva ormal bau dga ilai gah ol da salaha sadar, shigga uu mapa apaah r () brasal dari populasi ag mmpuai ilai auoorlasi salaha ol pada im lag, dilaua pgujia apaah r () dga iga prcaaa 95% rla dalam baas irval ag lah diua dga mgguaa prsamaa :,96 r,96 (-) = Jumlah sampl r = ofisi auoorlasi Uivrsias Sumara Uara

16 .7.. Saisi Box-Pirc Uu mmrisa apaah auoorlasi ilai-ilai sisaa (rsidu) brpola acaa (brsifa whi ois), diguaa saisi Box-Pirc Sbagai briu : Q = m = r ( ) (-) Q m N d D S = Hasil prhiuga saisi Box-Pirc = Jumlah auoorlasi rsidu (jumlah lag) = N d SD = Jumlah aggoa sampl = Ordo pmbdaa bua musima = Ordo pmbdaa musima = Jumlah priod pr musim r () = Kofisi auoorlasi rsidu pada lag Jia modl cuup pa, maa saisi Q aa brdisribusi χ dga m-p-q-p-q draja bbasa, dga p,q adalah jumlah ofisi auorgrssiv sra movig-avrag (raaa-brgra) bua musima sdaga P, Q adalah jumlah ofisi auorgrssiv sra movig-avrag (raaa-brgra) musima. Pgujia hiposis adalah ola H 0. Bahwa rsidu brsifa whi ois jia ilai saisi Q χ ag diprolh dari abl..7. Ovrfiig Modl ARIMA Lagah pmrisaa paa modl slajua adalah ovrfiig modl ARIMA ag lah diapa. Ovrfiig dilaua dga mambaha paramr ag disimasi pada modl ag lah diapa. Nilai-ilai saisic ag lah diapa uu mliha cocoa dari modl ag sdag diplajari. Prbadiga ii dimasuda uu maii bahwa modl ag diapa adalah modl ag pa. Uivrsias Sumara Uara

17 .8 Pramala Dga Modl ARIMA Box-Jis Slah paramr-paramr modl ARIMA disimasi, maa lagah slajua adalah mgguaa modl rsbu uu pramala. Uu ujua ilusrasi, apa modl ARIMA (,,). Agar dapa diguaa, maa modl rsbu dimbaga dalam bu prsamaa rgrsi biasa, aiu : = + φ + δ + θ φ (-3) = Daa aual = Nilai rlambaa prama φ = Paramr auorgrssiv -i δ = Kosaa = Sisaa (rsidu) θ = Nilai raa raa brgra MA = Sisaa (rsidu) - Uu mramala sau priod dpa aiu (), maa diambaha sau aga ids ag mujua wau, aiu : = + φ φ + δ + + θ + (-4) + = Nilai pramala sau priod dpa = Daa aual = Nilai rlambaa prama φ = Paramr auorgrssiv -i δ = Kosaa Uivrsias Sumara Uara

18 = Sisaa (rsidu) θ = Nilai raa raa brgra MA + = Sisaa (rsidu) sau priod dpa Uu mramala h priod dpa aiu (h) maa prsamaa mjadi : + h = + h + + h φ + h + δ + + h θ + h φ (-5) + = Nilai pramala h priod dpa h + h = Nilai priod rlambaa prama saa h priod dpa φ = Paramr auorgrssiv -i δ = Kosaa + = Nilai sisaa (rsidu) pramala h priod dpa h + h = Nilai sisaa (rsidu) rlambaa prama saa h priod dpa Uu mgahui paa ramala ii dapa dihiug ilai MSE da MAPE ag mrupaa uura paa ramala.. MSE (Ma Squar Error) MSE = (-6) T = [ ] ( h) = Daa aual (h) = Daa hasil ramala T = Baa sism (rsidu). MAPE (Ma Absolu Prsas Error) Uivrsias Sumara Uara

19 ( h) MAPE = 00% (-7) L = = Daa aual (h) = Daa hasil ramala I = Baa priod ramala Uivrsias Sumara Uara

Catatan Teknik (Technical Notes) Pengerjaan Metoda Inversi Integral pada Perumusan Persamaan Muka Air Gelombang Air Nonlinier

Catatan Teknik (Technical Notes) Pengerjaan Metoda Inversi Integral pada Perumusan Persamaan Muka Air Gelombang Air Nonlinier Huahaa ISSN 085-98 Jural Toris da Trapa Bidag Rayasa Sipil Caaa Ti Tchical Nos Pgrjaa Moda Ivrsi Igral pada Prumusa Prsamaa Mua Air Glombag Air Noliir Syawaluddi Huahaa Klompo Kahlia Ti Klaua, Faulas Ti

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. 2-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. 2-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudaryao Sudiram ig Uari Mgal Sifa-Sifa Marial 1 - Sudaryao S & Nig Uari, Mgal Sifa-Sifa Marial 1 BB Elro Sbagai Paril Da Sbagai Glombag Tla disiggug di bab sblumya, d Brogli mgaua posula bawa paril yag

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN A. Laar Blakag Masalah Pramala (forcasig) mrupaka bagia vial bagi siap orgaisasi bisis da uuk siap pgambila kpuusa maajm yag saga sigifika. Pramala mjadi dasar bagi prcaaa jagka pajag

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem

TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem TEORI ANTRIAN A. ross Aria ross aria mrupaka pross yag brhubuga dga kdaaga plagga pada suau fasilias playaa, muggu dalam baris aria jika blum mdapa playaa, da akhirya miggalka fasilias rsbu slah playaa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB ADASA TEORI. Varabl Varabl adalah arar ag aa d obsrvas dar u amaa. Varabl dalam pla mrupaa suau arbu dar slompo obj ag dl da mml varas aara sau obj dga obj ag la dalam lompo rsbu, msala gg bada da

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract Disribusi oisso Sugio DISRIBUSI OISSON DAN DISRIBUSI EKSONENSIAL DALAM ROSES SOKASIK Sugio, Moch Abdul Mukid Saf gajar rogram Sudi Saisika FMIA UNDI Absrac I h quuig sysm, h procsss usually com from a

Lebih terperinci

BAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode

BAB II KAJIAN PUSTAKA. dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode BAB II KAJIAN PUSTAKA A. Time Series Time series aau ruu wau adalah himpua observasi daa eruru dalam wau (Hae&Wicher, 005: 58). Meode ime series adalah meode peramala dega megguaa aalisa pola hubuga aara

Lebih terperinci

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

Bab 7: Beberapa Topik Lanjut

Bab 7: Beberapa Topik Lanjut A 7 brapa opi Lau ab 7: brapa opi Lau Rprai Low Pa dari Sial adpa Moiai : uua laar Pra dapa laua aplig ial badpa ara ffii, lalui i LP rpraio dari ial P. Aalog P A Miala adalah bad-pa igal, aa dapa dibu

Lebih terperinci

Transformasi Z Materi :

Transformasi Z Materi : 4 Trasformasi Z Matri : Dfiisi Trasformasi Darah Kovrgsi (Rgio of Covrgc) Diagram Pol Zro Sifat Trasformasi Trasformasi dalam Btu Poliomial Rasioal Fugsi Sistm atau Fugsi Trasfr H() dari Sistm Liir Tida

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA.

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA. MDIFIKASI METDE NEWTN DENGAN KEKNVERGENAN RDE TIGA Fby Satrya HP ), Agusi ), Musraii ) bysatrya@ymail.om ) Mahasiswa Program Studi S Matmatia ) Dos Matmatia, Jurusa Matmatia Faultas Matmatia da Ilmu Pgtahua

Lebih terperinci

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA Modl Sism Aria sawa Trbag Di Badara Irasioal Adisujipo Yogyakara MODEL SISTEM ANTRIAN ESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJITO YOGYAKARTA Afsah Novia Sari Uivrsias psar Tiggi Darul Ulum Afsah.oviasari@yahoo.com

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudaryao Sudirham ig Uari Mgal Sifa-Sifa Marial 1 Sudaryao S & Nig Uari, Mgal Sifa-Sifa Marial 1 BB Elro Sbagai Paril Da Sbagai Glombag Tlah disiggug di bab sblumya, d Brogli mgaua posula bahwa paril yag

Lebih terperinci

Solusi khusus dari masalah nilai awal tersebut dapat ditulis dalam bentuk integral Fourier, yaitu:

Solusi khusus dari masalah nilai awal tersebut dapat ditulis dalam bentuk integral Fourier, yaitu: KARTIKA YULIANTI Jurusan Pndidian Mamaia FPMIPA - Univrsias Pndidian Indonsia Jl. Dr. Syabudhi 9, Bandung Tlp. () 8, Fa () 8 -mail: yar_ia @ yahoo.com DINAMIKA FLUIDA EXERCISE. Ta as iniial spcrum a bloc

Lebih terperinci

BAB NILAI EIGEN DAN VEKTOR EIGEN

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N TURI Moita Dwiyai ), Ni Wahyu Utami ) Faultas Kgurua da Ilmu Pdidia Uivrsitas

Lebih terperinci

BAB IV DATA DAN ANALISA

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

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

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

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA BAB PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA Meode Euler Meode Euler adala Meode ampira palig sederaa uu meelesaia masala ilai awal: ( Biasaa diasumsia bawa peelesaia ( dicari pada ierval erbaas ag dieaui

Lebih terperinci

THE APPLICATION OF FOURIER TRANSFORMATION ON ANALOG SIGNAL PROCESSING

THE APPLICATION OF FOURIER TRANSFORMATION ON ANALOG SIGNAL PROCESSING Prodig of Iraioal Cofr O Rsarh, Implmaio Ad Eduaio Of Mahmais Ad Sis 5, Yogyakara Sa Uivrsiy, 7-9 May 5 HE APPLICAION OF FOURIER RANSFORMAION ON ANALOG SIGNAL PROCESSING M 4 Nikasih Biaari, Emi Nugroho

Lebih terperinci

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS

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

Lebih terperinci

RENTANG NUMERIK UNTUK FUNGSI EKSPONENSIAL MATRIKS

RENTANG NUMERIK UNTUK FUNGSI EKSPONENSIAL MATRIKS RENTNG NUMERK UNTUK FUNGS EKSPONENSL MTRKS M.Nasir, Musraii Jurusa Mamaia Faulas Mamaia da lmu Pgahua lam, Uivrsias Riau Email: asir@gmail.cm BSTRK Suau spsial maris dirila dalam bu da rag umri dari didfiisia

Lebih terperinci

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEI Ladasa ori rdiri aas rapa ori pdukug ag aka diprguaka dalam mlsaika kovrgsi modiikasi mod kig mgguaka ugsi kuadraik.. rd Kovrgsi Kpaa suau mod kovrgsi mrupaka suau ukura kkia suau mod

Lebih terperinci

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH MENGGUNAKAN MODEL ARIMA MUSIMAN (Studi Kasus di RSUD Kabupaten Sidoarjo) SKRIPSI

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH MENGGUNAKAN MODEL ARIMA MUSIMAN (Studi Kasus di RSUD Kabupaten Sidoarjo) SKRIPSI PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH MENGGUNAKAN MODEL ARIMA MUSIMAN (Sudi Kasus di RSUD Kabupan Sidoarjo) SKRIPSI Olh: IKA MILASARI NIM. 045003 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

BAB III TURUNAN FUNGSI

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

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG KERETA API DENGAN MENGGUNAKAN METODE BOX-JENKINS. (Studi Kasus di PT. Kereta Api (Persero) DAOP VI Yogyakarta) Skripsi

PERAMALAN JUMLAH PENUMPANG KERETA API DENGAN MENGGUNAKAN METODE BOX-JENKINS. (Studi Kasus di PT. Kereta Api (Persero) DAOP VI Yogyakarta) Skripsi PERAMALAN JUMLAH PENUMPANG KERETA API DENGAN MENGGUNAKAN METODE BO-JENKINS (Sudi Kasus di PT. Kra Api (Prsro) DAOP VI Yogyaara) Sripsi Unu mmnuhi sbagian prsyaraan mncapai draja Sarjana S- Program Sudi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

ANALISIS CEPSTRUM SINYAL SUARA

ANALISIS CEPSTRUM SINYAL SUARA MAKALAH ANALII CEPTRUM INYAL UARA Disusu Ol: NENI ARYANI L2F 300 543 JURUAN TEKNIK ELEKTRO FAKULTA TEKNIK UNIVERITA DIPONEGORO E M A R A N G 2 0 0 2 DAFTAR II JUDUL... 1 ABTRAK... 1 1. Pdaulua.... 1 2.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Definisi Peramalan Peramalan adalah suau kegiaan dalam memperkirakan aau kegiaan ang melipui pembuaan perencanaan di masa ang akan daang dengan menggunakan daa masa lalu dan daa masa

Lebih terperinci

Prosiding SPMIPA; pp: 1-9; 2006 ISBN:

Prosiding SPMIPA; pp: 1-9; 2006 ISBN: Posidig SPMIP; pp -9; 6 ISN 9797447 RESI ORE PLN N PENGENLI ENGN MENGGNN MEOE PEMOONGN SEIMNG bdul Wachid Widowai Juusa Mamaia FMIP NIP Smaag Jl Pof Sodao S mbalag Smaag 575 bsa Maalah ii mgmuaa mod pmooga

Lebih terperinci

Transformasi Fourier Sinyal Waktu Kontinyu. oleh: : Tri Budi Santoso DSP Group, EEPIS-ITS

Transformasi Fourier Sinyal Waktu Kontinyu. oleh: : Tri Budi Santoso DSP Group, EEPIS-ITS Siyal da Sism Trasformasi Fourir Siyal Waku Koiyu olh: : Tri Budi Saoso DSP Group, EEPIS-ITS ITS Tujua: - Siswa mampu mylsaika buk rprsasi alraif pada siyal da sism waku koiyu. - Siswa mjlaska kmbali pyusua

Lebih terperinci

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks SOLUSI SISTEM PERSAMAAN DIFERENSIAL LINEAR BIASA TINGKAT- DENGAN METODE TEKNIK OPERATOR Ibu Maja S.Si.M.M Saf UP.MPK Plikik Ngri Sriwijaa Palbag ibuaja76@a.c.id Absraks Sis rsaaa liar biasa igka dga dua

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 5 Transformasi Fourier

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

2.1 Persamaan Gerak Roket dalam Ruang Tiga Dimensi

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

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS Joko Ariyadi (308 030 060) Pembimbing : Drs. Brodjol Suijo Suprih Ulama, M.Si Laar Belakang 2 Laar

Lebih terperinci

Aplikasi Metode Matrix Cascade Pada Perhitungan Koefisien Pantul Gelombang Suara Bawah Air Untuk Dasar Laut Miring

Aplikasi Metode Matrix Cascade Pada Perhitungan Koefisien Pantul Gelombang Suara Bawah Air Untuk Dasar Laut Miring Apliasi tod atri Cascad Pada Prhituga Kofisi Patul Glombag Suara Bawah Air Utu Dasar aut irig Day Friyadi da Irsa Somatri Brodjogoro Program Studi Ti Klauta, Istitut Tologi Badug (Email : dayf899@gmail.com)

Lebih terperinci

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

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

Lebih terperinci

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan

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

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Esata: Jural Imu-Ilmu MIA p. ISSN: 4-47. ISSN: 5-64 Distributio of th Diffrc of Two Idpdt oisso Radom Variabls ad Its Applicatio to th Litrat opulatio Data Atia Ahdia rogram Studi Statistia Uivrsitas Islam

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Pasar saham meruaa salah sau ema aleraif ivesasi yag elah berembag cuu esa di Idoesia. Saham dieal memilii araerisi high ris-high reur. Ariya saham meruaa sura berharga yag memberia

Lebih terperinci

Elektron Sebagai Gelombang

Elektron Sebagai Gelombang Elro Sbaai Glomba Sudaryao Sudirham Dalam prmbaa pmahama mai aom, d Broli maua posula bahwa paril ya brra da cpaa ru dapa dipada sbaai lomba ya mramba da arah ya sama da arah cpaa paril. Da posula rsbu,

Lebih terperinci

APLIKASI TRANSFORMASI LAPLACE PADA PERSAMAAN KONSENTRASI OKSIGEN TERLARUT

APLIKASI TRANSFORMASI LAPLACE PADA PERSAMAAN KONSENTRASI OKSIGEN TERLARUT APIKASI RANSFORMASI APAE PADA PERSAMAAN KONSENRASI OKSIGEN ERARU II YUIASUI da WIDOWAI ABSRAK Pramaa oig rlaru uu rai buuha oig ord prama dimbaga uu rai ord / da muliord. Oig rlaru mrupaa alah au paramr

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

Transformasi Laplace. Analisis Rangkaian Listrik Di Kawasan s 7/23/2013. Pengantar. Isi

Transformasi Laplace. Analisis Rangkaian Listrik Di Kawasan s 7/23/2013. Pengantar. Isi 7 Sudaryao Sudirham alii agaia iri Di awaa Pgaar ia lah mliha bahwa aalii di awaa faor lbih drhaa dibadiga dga aalii di awaa wau ara ida mlibaa ramaa difrial mlaia ramaa-ramaa alabar biaa. a ai aalii rbu

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

Persamaan Gelombang Schrödinger. Sudaryatno Sudirham

Persamaan Gelombang Schrödinger. Sudaryatno Sudirham www.darublic.co Prsaaa Globag Scrödigr Sudarao Sudira Scrödigr aaa bawa rilau lro rasu iga-iga rgi lro ag disri dala ao giui suau rsaaa difrsial uu globag ag udia dial sbagai rsaaa Scrödigr. Dail D. Polloc

Lebih terperinci

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN

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

Lebih terperinci

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data

Distribution of the Difference of Two Independent Poisson Random Variables and Its Application to the Literate Population Data Distributio o th Dirc o Two Idpdt oisso Radom Variabls ad Its Applicatio to th Litrat opulatio Data Atia Ahdia rogram Studi Statistia Uivrsitas Islam Idosia Jala Kaliurag Km 45 Slma Yogaarta atia.a@uii.ac.id

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

MODEL DUA LEVEL SEASONAL AUTOREGRESSIVE HIBRIDA ARIMA-ANFIS UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI JAWA BALI

MODEL DUA LEVEL SEASONAL AUTOREGRESSIVE HIBRIDA ARIMA-ANFIS UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI JAWA BALI MODEL DUA LEVEL SEASONAL AUTOREGRESSIVE HIBRIDA ARIMA-ANFIS UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI JAWA BALI Indah Puspiasari, M. Sahid Akbar, Suharono Mahasiswa Jurusan Saisika ITS Dosn Jurusan

Lebih terperinci

Peramalan Banyaknya Obat Parasetamol Dan Amoksilin Dosis 500 mg Yang Didistribusikan Oleh Dinkes Surabaya

Peramalan Banyaknya Obat Parasetamol Dan Amoksilin Dosis 500 mg Yang Didistribusikan Oleh Dinkes Surabaya Peramala Bayaya Oba Paraseamol Da Amosili Dosis 00 mg Yag Didisribusia Oleh Dies Surabaya Realia Puspia, da Heri Kuswao Jurusa Saisia, Faulas Maemaia da Ilmu Pegeahua Alam, Isiu Teologi Sepuluh Nopember

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

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

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

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

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

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

Lebih terperinci

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

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

Lebih terperinci

Bab 5: Discrete Fourier Transform dan FFT

Bab 5: Discrete Fourier Transform dan FFT BAB 5 Dicrt Fourir Traform da FFT Bab 5: Dicrt Fourir Traform da FFT Dicrt Fourir Traform DFT. Dfiii Tuua Blaar Prta dapat mdfiiia DFT, da mghitugya. Utu mlaua aalii frui dari iyal watu dirit maa prlu

Lebih terperinci

ARIMA (Autoregressive Integrated Moving Average)

ARIMA (Autoregressive Integrated Moving Average) ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka

Lebih terperinci

Ringkasan Materi Kuliah PEMETAAN LAPLACE

Ringkasan Materi Kuliah PEMETAAN LAPLACE Ringaan Mari Kuliah PEMETAAN APACE Pndahuluan Diini ia ajian mod lain unu mnlaian pramaan difrnial linar dngan ofiin onana Mod ini diu mod pmaan aplac Olh mod ini uau maalah nilai awal dipaan uau pramaan

Lebih terperinci

Transformasi Fourier Waktu Diskrit

Transformasi Fourier Waktu Diskrit Praktikum Isyarat da Sistm Topik 5 Trasformasi ourir Waktu Diskrit Tuua Mahasiswa dapat mtuka da mgguaka trasformasi ourir waktu diskrit dalam aalisa suatu sistm LTI Mahasiswa dapat mgguaka MATLAB sbagai

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudarao Sudira ig Uari Mgal Sifa-Sifa Marial 3- Sudarao S & Nig Uari Mgal Sifa-Sifa Marial BAB 3 Prsaaa Globag Scrödigr Scrödigr aaka bawa prilaku lkro rasuk igkaigka rgi lkro ag diskri dala ao gikui suau

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

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

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

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Transformasi Laplace 8/3/2013. Analisis Rangkaian Listrik Di Kawasan s. Pengantar. Isi. Transformasi Laplace

Transformasi Laplace 8/3/2013. Analisis Rangkaian Listrik Di Kawasan s. Pengantar. Isi. Transformasi Laplace Sudarya Sudirham alii agaia iri Di awaa Pgaar ia lah mliha bahwa aalii di awaa far lbih drhaa dibadiga dga aalii di awaa wau ara ida mlibaa ramaa difrial mlaia ramaa-ramaa alabar biaa. a ai aalii rbu rbaa

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Usulan Perencanaan dan Pengendalian Persediaan Obat pada Gudang Farmasi Klinik XYZ dengan Menggunakan Metode EOQ

Usulan Perencanaan dan Pengendalian Persediaan Obat pada Gudang Farmasi Klinik XYZ dengan Menggunakan Metode EOQ Prforma (204) Vol. 3, o.: 29-40 Usula Prcaaa da Pgdalia Prsdiaa Oba pada Gudag Farmasi Kliik XYZ dga Mgguaka Mod EOQ Riggo Ismoyo Buwoo ), Yusuf Priyadari 2), da Wakhid Ahmad Jauhari *2) ) Mahasiswa Jurusa

Lebih terperinci

BAB II TINJAUAN TEORITIS

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

Lebih terperinci

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. '

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. ' DFTR ITILH. rrval : rswa daagya sorag plagga dalam ssm ara.. rrval ra : Nla raa-raa bayaya arrval dalam sau saua wau. 3. Br-da : ggambara suau pross yag ddalamya rdapa prswa lar d dalam ssm ara al brar

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III TEORI MEDAN KUANTUM UNTUK FORWARD RATES DENGAN VOLATILITAS STOKASTIK Lagrangian Forward Rates dengan Volatilitas Deterministik

BAB III TEORI MEDAN KUANTUM UNTUK FORWARD RATES DENGAN VOLATILITAS STOKASTIK Lagrangian Forward Rates dengan Volatilitas Deterministik BAB III EORI MEAN KUANUM UNUK FORWAR RAES ENGAN VOLAILIAS SOKASIK 3 Lagragia Forward Ras dga Volailias rmiisik Prama aka dibaas scara sigka ag pigya ori mda orward ras dga volailias drmiisik Sbagai buk

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Mau lhood Esao Modl ar da og-ar dala Rgrs Posso Yul Wbawa Jaa Nugraha Jurusa Sasa FMIPA-UII Kapus Trpadu UII Jl Kalurag KM

Lebih terperinci

Aprillyan Cahyanti Mahasiswa S1 Pend. Tata Busana, Fakultas Teknik, Universitas Negeri Surabaya

Aprillyan Cahyanti Mahasiswa S1 Pend. Tata Busana, Fakultas Teknik, Universitas Negeri Surabaya PENGARUH UKURAN LEBAR LIPATAN TERHADAP HASIL JADI UNDULATING TUCKS PADA ROK SUAI BERBAHAN DENIM Aprillya Cahyati Mahasiswa S1 Pd. Tata Busaa, Faultas Ti, Uivrsitas Ngri Surabaya aprillya91@yahoo.com Sri

Lebih terperinci

PEMODELAN DATA DERET WAKTU DENGAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DAN LOGISTIC SMOOTHING TRANSITION AUTOREGRESSIVE

PEMODELAN DATA DERET WAKTU DENGAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DAN LOGISTIC SMOOTHING TRANSITION AUTOREGRESSIVE Pemodela Daa Dere Wau Dega Auoregressive Iegraed Movig Average Da Logisic Smoohig Trasiio Auoregressive Gusi Ayu Made Ara Puri, Ni Puu Nai Hedayai, Maulida Nurhidayai PEMODELAN DATA DERET WAKTU DENGAN

Lebih terperinci

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

Time series Linier Models

Time series Linier Models Time series Linier Models We have learned simple extrapolation techniques for deterministic and stochastic time series models. In addition, we also have learned stationery and non stationery time series

Lebih terperinci