2-RP. rate, 10).Model Antrian. Deskripsi. sistem finansial, sistem komunikasi. Semester : V Hal: 1 dari 7. Dosen : SPW, NI, HY No.

Ukuran: px
Mulai penontonan dengan halaman:

Download "2-RP. rate, 10).Model Antrian. Deskripsi. sistem finansial, sistem komunikasi. Semester : V Hal: 1 dari 7. Dosen : SPW, NI, HY No."

Transkripsi

1 RP S1 SP 06 A. CAPAIAN PEMAN : 1. CP 1.1 : Mampu menerapkan Metode Statistika dalam manajemen. 2. CP 2.2 : Mampu memodelkan & menginterpretasikan fenomena ekonomi 3. CP 8.1 : Mampu memformulasikan masalah ke dalam pemodelan statistikaa 4. CP11.1 : Mampu menganalisis data kuantitatif baik secara univariat maupun multivariate Hal: 1 dari 7 CP11.1 dalam mata kuliah Proses Stokstik diberi kode CP11.1 Prosto yang meliputi 10 sub Capaian Pembelajaran, yaitu : CP11.1 Prosto1 sd CP11.1Prosto10. B. Untuk mencapai CP di atas diperlukan 10 sebagai berrikut 1).Pengertian Proses Stokastik dan Rantai Markov, 2). Probabilitas transisi 1 langkah, 3). Probabilitas transisi n langkah 4.) Distribusi Limit,5). First passage time 6.) Ekspektasi Biayaa 7).Rantai Markov Kontinyu 8).Dekomposisi dan superposisi Proses Poisson, 9).Matriks Rate,diagram rate, 10).Model Antrian C. Matakuliah Prasyarat : Teori Probabilitas dan Matematika Statistika I D. Deskripsii CP secara umumm KKNI Level 6 Kemampuan Deskripsi Penguasaan pengetahuan 6.1 Menguasai konsep dan mampu menerapkan Model Markov Diskrit untuk mempelajari fenomena fenomena ketidakpastian ( uncertainty ) dalam dunia bisnis, manajemen, industri dan teknologi 6.2. Mampu mengindentifikasi ruang keadaan ( state space ) dan waktu (parameter space ) dari suatu proses atau sistem stokastik serta mampu memprediksi kinerja atau performansi proses dalam jangka panjang ( steady state ) 6.3 Mampu menerapkan model Markov diskret dan Kontinyu untuk menganalisis sistem manufaktur, sistem cuaca, sistem inventori, sistem finansial, sistem komunikasi 7 Prosedurr Cek soal / Porosedur

2 RP S1 SP 06 Hal: 2 dari 7 Kemampuan Deskripsi Mampu menyusun matriks rate dan mampu mendapatkan matriks stokastik dari matriks rate untuk analisis transient. 6.5 Memahami dan menguasai konsep Model Markov Kontinyu serta mampu membedakannya dengan Model Markov Diskrit. 6.6 memahami konsep dan mampu menerapkan Model Markov Kontinyu. Pengertian parameter space kontinyu adalah transisi transisi yang mungkin antar state space dapat terjadi setiap saat. Banyak penomena Model Markov Kontinyu. Kemampuan kerja 6.7. Mampu menghitung kinerja atau performansi proses, antara lain occupancy times, first passage times dan penomena dalam bisniss dan industri mempunyai parameter space kontinyu sehingga dapat dianalisis dengan ekspetasi beaya total dan ekspetasi beaya persatuan waktu dari proses jika berada diruang keadaan tertentu dalam jangka panjang ( steady state ) Mampu Menggunakan IPTEKS pada bidangnya dalam penyelesaian masalah serta 6.9 Mampu beradaptasi terhadap situasi yang dihadapi Kemampuan manjerial 6.10 Mampu mengambil keputusan yang tepat berdasarkan analisis informasi dan data, serta mampu mengkomunikasikan hasil analisis baik secara lisan maupun tertulis 6.11 Mampu memberikan petunjuk dalam memilih berbagai alternatif solusi secara mandiri dan kelompok; 6.12 Bertanggung jawab pada pekerjaan sendiri dan dapat diberi tanggung jawab atas pencapaian hasil kerja organisasi Sikap dan tata nilai 6.13 Mempunyai Etika Profesi, kerjasama, menghargai orang lain, patuh aturan, cerdas amanah kreatif 7 Prosedurr Cek soal / Porosedur

3 CAPAIAN PEMAN 1. Dapat Menjelaskan Pengertian Proses Stokastik dan Rantai Markov CP11.1 Prosto1 1. Mampu menjelaskan perbedaan proses stokastik dengan parameter dan state spacenya 2. mampu mengindentifikasi ruang keadaan ( state space ) dan waktu keadaan (parameter space ) dari suatu proses atau sistem stokastik Mampu mengindentifikasi transisi transisi yang mungkin antar ruang keadaan seuai waktu proses, dan mampu menyusun matriks stokas knya untuk 1 langkah 1. Pengertian Prosess Stokastik dan Rantai Markov 2. Probabilitas transis 1 langkah, [1] Bab 1 1. CI 2.Diskusi 3.La han [1] Bab 2 1. CI 2.Diskusi 3.La han 2. Dapat menghitung dengann benar Probailitas transisi satu langkah besert sifat CP11.1 sifatnyaa Prosto2 7 Prosedurr Cek soal / Porosedur TT 0 P L 5%/5% TT P O 10%/15% Hal: 3 dari 7

4 CAPAIAN PEMAN 3. Dapat menghitung dan memahami tujuan membuat matriks Probabilitas transisi n langkah. CP11.1Prosto3 4.Dapat menghitung distribusi limit suatu matriks stokastik bila distribusi limit itu ada CP11.1 Prosto4 5. Dapat menghitung performansi suatu proses (sistem) pada saat mencapai keadaan tertentu pertama Mampu mengindentifikasi transisi transisi yang mungkin antar ruang keadaan seuai waktu proses, dan mampu menyusun matriks stokastiknya untuk n langkah Dapat menganalisis apakah matriks stokastik P mencapai kondisi steady state dan mempunyai distribusi limit pada langkah ke n bila n. Dapat menentukan, Misal T adalah waktu pertama kali sistem masuk ke state 3. Probabilitas transis n langkah 4. Distribusi Limit [1] Bab 5 P G LS D 5. First passage Times [1].lampiran B7 [1] Bab 4 Presentasi Game Latihan soal & Diskusi (P G LS D) P G LS D Hal: 4 dari 7 TT P O 10%/25% TT 0 P L 5%/30% % TT P O 10%/40% 7 Prosedurr Cek soal / Porosedur

5 13 14 CAPAIAN PEMAN kalinya CP 11.1 Prosto5 6. Dalam bagian ini akan dibahas cara menghitung biaya yang timbul bila proses (sistem) berada pada suatu state dalam jangka waktu tertentu dan dalam jangka waktu panjang CP11.1 Prosto6 Dapat menghitung ekspektasi biaya total (EBT) dari suatu proses dalam jangka waktu tertentu n. Serta menghitungg ekspektasi biaya persatuan waktu dalam jangka panjang. 6. Ekspektasi Biaya Hal: 5 dari 7 10%/50% Dapat menjelaskan Sifat Stationary and independent increment dalam proses poisson serta menghitung peluang dari F(x) dan R(x) serta peluang dari a. Memahami dan menguasai konsep Model Markov Kontinyu serta mampu membedakannya dengan Model Markov Diskrit. b. Mampu menyusun 7. Model Markov Kontinyu 8. Dekomposisi dan superposisi proses Poisson. [1]. B8, B9 P G LS D TT P O 30%/80% 7 Prosedurr Cek soal / Porosedur

6 CAPAIAN PEMAN proses poisson CP11.1Prosto7 CP11.1Prosto9 matriks rate dan mampu mendapatkan matriks stokastik dari matriks rate untuk analisis transient. c. Mampu menyusun sistem persamaan beda Proses diferensial untuk Poisson dan mampu menyelesaikannya. d. Mampu menghitung performansi proses, antara lain occupancy times, firstpassage times, menghitung ekspetasi beaya total dan ekspetasi beaya persatuan waktu jika poses berada pada state tertentu dalam jangka panjang. 9. Matriks Rate dan diagram rate Hal: 6 dari 7 7 Prosedurr Cek soal / Porosedur

7 CAPAIAN PEMAN [1]. B12,B Dapat Menjelaskan 1. Mampu 10. Model Antrian konsep dan mampu mengidentifikasi sistem (proses input menerapkan Model antri sesuai prosesnya output, sistem Antriann dan faham 2. Mampu menghitung antrian bahwa Proses Antrian kinerja performasi sistem kapasitas merupakan kejadian antri jalur tunggal dan terbatas dan khusus dari Model jalur ganda tak Markov Kontinyu, 3. Mampu menghitung terbatas ) khususnya proses performansi sistem antri input output ( birthprocess jaringan Jackson ). Selain death itu mhs diharapkan mampu menghitung performansi beberapa sistem antri yang banyak dijumpai seharhari. CP11.1Prosto10 1. Karlin, S. & Taylor, H.M., An Introduction to Stochastic Modeling 3 rd Ed., Academic Press, Kulkarni, V.G., Modeling, Analysis, Design and Control of Stochastic System, Springer, New York, 2010 P G LS D Hal: 7 dari 7 TT P O 20%/100% 7 Prosedurr Cek soal / Porosedur

PRODI. Dosen : MM No.Revisi : 00. Semester : I Hal: 1 dari 5. kelompok. Deskripsi 2 populasi. Kemampuan. Kemampuan kerja.

PRODI. Dosen : MM No.Revisi : 00. Semester : I Hal: 1 dari 5. kelompok. Deskripsi 2 populasi. Kemampuan. Kemampuan kerja. RP S1 SP 01 A. CAPAIAN PEMAN : 1. CP 11.1 : Mampu menganalisis data secara kuantitatif baik secara univariat maupun Multivariat serta menerapkannya. 2. CP 8.1 : Memformulasikan masalah ke dalam pemodelan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) IKG3F3 PEMODELAN STOKASTIK Disusun oleh: Sri Suryani P, S.Si., M.Si. PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 2015 LEMBAR PENGESAHAN Rencana

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Proses Stokastik Kode/sks : MAS 4113 /3 Semester : III Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS

Lebih terperinci

Aktuariaa. Dosen : SS. Semester : V No.Revisi : 00. Hal: 1 dari 5. tim. 1).Konsep. dimodifikasi). Kemampuan. Deskripsi. asuransi jiwa

Aktuariaa. Dosen : SS. Semester : V No.Revisi : 00. Hal: 1 dari 5. tim. 1).Konsep. dimodifikasi). Kemampuan. Deskripsi. asuransi jiwa Kode/SKS: SS141427 / (2/1/0) Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 2.4 : Mampu memahami dan menerapkann konsep konsep matematika keuangan dan peluang untuk menganalisa masalah dalam asuransi jiwa

Lebih terperinci

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester :

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester : SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester : IV Mata Kuliah Pra Syarat : TKI-202 Model Deterministik Deskripsi

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Teknik Simulasi Kode/SKS: SS / (2/1/0) Dosen : NI, PPO Semester : V

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Teknik Simulasi Kode/SKS: SS / (2/1/0) Dosen : NI, PPO Semester : V RP-S1-SK-04 Kurikulum 2014, Edisi : September-2014 No.Revisi : 00 Hal: 1 dari 6 A. : 1. CP 3.1 : Membuat suatu sistem informasi manajemen di berbagai bidang 2. CP 9.3 : Mampu merancang pengumpulan data

Lebih terperinci

2-RP. Semester : VIIII No.Revisi : 00. Dosen : MM. Hal: 1 dari 5. kelompok, Peran

2-RP. Semester : VIIII No.Revisi : 00. Dosen : MM. Hal: 1 dari 5. kelompok, Peran Hal: 1 dari 5 Deskripsi Mataa Kuliah Tujuan dari Mata Kuliah ini adalah untuk memberikan kemampuan mahasiswa menjadi konsultan statistik yang efektif. Mataa Kuliah ini membutuhkan kematangan dalam berfikir

Lebih terperinci

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

Lebih terperinci

2-RP. Penguasaan Pengetahuan. Kemampuan. kerja. Kemampuan. Manajerial. Sikap dan Tata Nilai 5-PBS 1-CP 2-RP 3-RE

2-RP. Penguasaan Pengetahuan. Kemampuan. kerja. Kemampuan. Manajerial. Sikap dan Tata Nilai 5-PBS 1-CP 2-RP 3-RE RP-S1-SLK-02 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 7 A. CAPAIAN PEMBELAJARAN (Learning outcome) : CP 5.1 : Menganalisis data di bidang kedokteran/kesehatan, pertanian/perikanan/kelautan

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Data II Kode/SKS: SS / (2/1/0) Dosen : HK Semester : VII

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Data II Kode/SKS: SS / (2/1/0) Dosen : HK Semester : VII RP-S1-SK-07 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 3.2 : Melakukan analisis data dengan menggunakan program statistik. CP10.1 : Mampu melakukan manajemen

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Survival Kode/SKS: SS / (2/1/0) Dosen : SWP Semester :

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Survival Kode/SKS: SS / (2/1/0) Dosen : SWP Semester : RP-S1-SLK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.2 : Melakukan analisis data dengan menggunakan program statistik 2. CP 5.1 : Menganalisis

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai

Lebih terperinci

Semester : VII Hal: 1 dari 5. Dosen : Har & Imam RP S1 SB 03. No.Revisi : 00. secara umum KKNI. Level 6 Kemampuan. C. Deskripsi CP.

Semester : VII Hal: 1 dari 5. Dosen : Har & Imam RP S1 SB 03. No.Revisi : 00. secara umum KKNI. Level 6 Kemampuan. C. Deskripsi CP. RP S1 SB 03 A. : CP 3 : Mampu menerapkanmetodestatistikasalammatematikakeuangan P15.1 : Mampu Berkomunikasi secara lisan dan tertulis dalam Bahasa Indonesia CP15.3 :Mampu mengelola dan bekerja dalam tim

Lebih terperinci

Deskripsi. Dosen : No.Revisi : 00. Semester : VII Hal: 1 dari 5. tim. Kemampuan 5-PBS 3-RE 1-CP 2-RP

Deskripsi. Dosen : No.Revisi : 00. Semester : VII Hal: 1 dari 5. tim. Kemampuan 5-PBS 3-RE 1-CP 2-RP A. CAPAIAN PEMBELAJARAN : CP 2.1 : Merancang dan melakukan riset serta mengevaluasi strategi. CP 2.2 : Memodelkan dan menginterpretasikan fenomena ekonomi. CP15.1 : Mampu berkomunikasi secara lisan dan

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E1203 / Metode Stokastik Revisi Satuan Kredit Semester : 3 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu :

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Statistika Spasial Kode/SKS: SS / (2/1/0) Dosen : Sutikno Semester : VII

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Statistika Spasial Kode/SKS: SS / (2/1/0) Dosen : Sutikno Semester : VII RP-S1-SLK-01 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 5.2 : Mampu menganalisis data di bidang Statistika Lingkungan dan Kesehatan, serta bidang lainnya

Lebih terperinci

BAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau

BAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Data I Kode/SKS: SS / (2/1/0) Dosen : HK Semester : VI

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Data I Kode/SKS: SS / (2/1/0) Dosen : HK Semester : VI RP-S1-SK-06 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 7 A. CAPAIAN PEMBELAJARAN : CP 3.2 : Melakukan analisis data dengan menggunakan program statistik. CP10.1 : Mampu melakukan manajemen

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan Kode/SKS: SS / (2/1/0) Dosen : BSSU Semester : III

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan Kode/SKS: SS / (2/1/0) Dosen : BSSU Semester : III RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMBELAJARAN : CP 3.3 : Mampu menyelesaikan masalah di bidang Stat komputasi dan Membuat program untuk mengoptimalkan

Lebih terperinci

2-RP. C. PRASYARAT : Desain Eksperimen. D. Deskripsi CP secara umum KKNI Level 6. Kemampuan Deskripsi Penguasaan

2-RP. C. PRASYARAT : Desain Eksperimen. D. Deskripsi CP secara umum KKNI Level 6. Kemampuan Deskripsi Penguasaan RP S1 SP 05 Kurikulum 2014, Edisi : September 2014.Revisi : 00 Hal: 1 dari 8 A. CAPAIAN PEMBELAJARAN (Learning outcome) : CP 8.1 : Memformulasikan masalah dalam pemodelan sta s ka CP 11.2 : Mampu menganalisis

Lebih terperinci

Oleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si

Oleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Riset Operasi 1 Kode/SKS: SS / (2/1/0) Dosen : SMR, Ir, Wiba Semester : III

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Riset Operasi 1 Kode/SKS: SS / (2/1/0) Dosen : SMR, Ir, Wiba Semester : III RP-S1-SI-01 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 1.3 : Mampu menentukan metode terbaik untuk solusi permasalahan riil CP 15.1 : Mampu Berkomunikasi

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis tingkat persediaan liner yang optimal dan ekspektasi keuntungan yang didapat PT Indonesia

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM DOKTOR STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I. Deskripsi

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Perancangan Kualitas Kode/sks : SS141413/ (2/1/0 ) Dosen : SS Semester : V

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Perancangan Kualitas Kode/sks : SS141413/ (2/1/0 ) Dosen : SS Semester : V RP-S1-SI-06 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 8 A. CAPAIAN PEMBELAJARAN : CP 1.2 : Menentukan optimasi melalui perancangan eksperimen. CP15.2 : Mampu mengelola dan bekerja

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik : Dasar-dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Diskusi 1. Misalkan sebuah koin yang mempunyai peluang muncul muka sebesar.7, dilantunkan tiga kali. Misalkan X menyatakan banyaknya

Lebih terperinci

Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok

Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Data Mining Kode/SKS: SS / (2/1/0) Dosen : SWP, KF Semester : VII

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Data Mining Kode/SKS: SS / (2/1/0) Dosen : SWP, KF Semester : VII RPS1SK08 Kurikulum 2014, Edisi : September2014 No.Revisi : 00 Hal: 1 dari 6 A. : 1. CP 3.2 : Melakukan analisis data dengan menggunakan program statistik 2. CP 10.3 : Mampu menganalisis big data dengan

Lebih terperinci

BAB I PENDAHULUAN. sumber yang dapat dipercaya, petunjuk atau reputasi yang telah dibuat.

BAB I PENDAHULUAN. sumber yang dapat dipercaya, petunjuk atau reputasi yang telah dibuat. 1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pengambilan keputusan adalah pemilihan di antara alternatifalternatif mengenai sesuatu cara bertindak serta inti dari perencanaan. Suatu rencana dapat dikatakan tidak

Lebih terperinci

MODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS)

MODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS) Jurnal Euclid, Vol. 4, No. 1, p.675 MODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS) Surya Amami Pramuditya 1, Tonah 2 1,2 Pendidikan Matematika FKIP Universitas Swadaya Gunung Jati Cirebon amamisurya@fkip-unswagati.ac.id

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan nyata, hampir seluruh fenomena alam mengandung ketidakpastian atau bersifat probabilistik, misalnya pergerakan lempengan bumi yang menyebabkan gempa,

Lebih terperinci

PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI MARKOV

PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI MARKOV Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 347-352. PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI

Lebih terperinci

Karakteristik Model & Struktur Model. Ratih Setyaningrum, MT Hanna Lestari, M.Eng

Karakteristik Model & Struktur Model. Ratih Setyaningrum, MT Hanna Lestari, M.Eng Karakteristik Model & Struktur Model Ratih Setyaningrum, MT Hanna Lestari, M.Eng Referensi Prof Dr Ir Soemarno, MS MALANG, 2007 Pemodelan Proses membangun atau membentuk model dari suatu sistem nyata dalam

Lebih terperinci

Bab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Bab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sebagian besar mahasiswa ITB mengambil mata kuliah MA1122 Kalkulus I pada tahun pertama perkuliahannya. Mata kuliah ini merupakan salah satu mata kuliah yang

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 3: Rantai Markov Diskrit Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Rantai Markov Rantai Markov Rantai Markov Misalkan sebuah proses stokastik {X t } dengan t = 0, 1, 2,....

Lebih terperinci

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas

Lebih terperinci

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi

Lebih terperinci

Silabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh

Silabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,

Lebih terperinci

MODEL STOKASTIK.

MODEL STOKASTIK. 11 12. MODEL STOKASTIK alsen.medikano@gmail.com 1 PENDAHULUAN Model Stokastik adalah model matematika dimana gejala-gejala dapat diukur dengan derajat kepastian yang tidak stabil. Pada Model Stokastik

Lebih terperinci

BAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard

BAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa tinjauan mengenai teori yang diperlukan dalam pembahasan bab-bab selanjutnya antara lain tentang kontrak berjangka komoditas, model pergerakan

Lebih terperinci

Rantai Markov Diskrit (Discrete Markov Chain)

Rantai Markov Diskrit (Discrete Markov Chain) #10 Rantai Markov Diskrit (Discrete Markov Chain) 10.1. Pendahuluan Berbagai teknik analitis untuk mengevaluasi reliability dari suatu sistem telah diuraikan pada bab terdahulu. Teknik analitis ini mengasumsikan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan

Lebih terperinci

CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai

CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai PENGUASAAN PENGETAHUAN 5.1 Mampu menyajikan data secara deskriptif dengan gambar dan ukuran numerik

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci

Lebih terperinci

2-RP RENCANA PEMBELAJARAN. Semester : VI Hal: 1 dari 5. No.Revisi : 00. tim. Regresi Nonparametrik. Deskripsi. Kemampuan. lokal).

2-RP RENCANA PEMBELAJARAN. Semester : VI Hal: 1 dari 5. No.Revisi : 00. tim. Regresi Nonparametrik. Deskripsi. Kemampuan. lokal). RP S1 SP 14 A. CAPAIAN PEMBELAJARAN : CP 11.1 : Mampu memodelkan data kuantitatif univariat linier nonlinier. CP15.2 : Mampu mengelola berja dalam tim CP15.4 : Bertanggung jawab atas hasil rja mandiri

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Riset Operasi Kode/sks : MAS 4241 /3 Semester : Genap Status (Wajib/Pilihan) : P Prasyarat : MAS 4141(Pemrograman

Lebih terperinci

PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES)

PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES) #11 PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES) 11.1. Pendahuluan Masalah keandalan yang berhubungan dengan sistem secara normal adalah space memiliki sifat diskrit yaitu sistem tersebut dapat

Lebih terperinci

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari. 6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin

Lebih terperinci

KONTRAK PEMBELAJARAN

KONTRAK PEMBELAJARAN KONTRAK PEMBELAJARAN RISET OPERASI PROBABILISTIK Semester Jurusan : VI / 2 sks : Matematika Oleh: Dra. RR Sri Sulistijowati H., M.Si NIP. 19690116199022001 Nughthoh Arfawi Kurdhi, S.Si., M.Sc NIP. 19850717

Lebih terperinci

RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER SATUAN ACARA PERKULIAHAN (SAP) METODE STOKASTIK OLEH : KHAMALUDIN, S.T., M.T.

RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER SATUAN ACARA PERKULIAHAN (SAP) METODE STOKASTIK OLEH : KHAMALUDIN, S.T., M.T. RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER SATUAN ACARA PERKULIAHAN (SAP) METODE STOKASTIK OLEH : KHAMALUDIN, S.T., M.T. PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS ISLAM SYEKH-YUSUF

Lebih terperinci

2-RP. C. Deskripsi CP secara umum KKNI Level 6

2-RP. C. Deskripsi CP secara umum KKNI Level 6 RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.3 : untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada 2. CP 15.1

Lebih terperinci

KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT

KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT QUEUES ANALYSIS M/M/ TYPE WITH SLOW AND FAST PHASE SERVICE SYSTEM Oleh: Erida Fahma Nurrahmi NRP. 1208 100 009 Dosen Pembimbing:

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) INSTITUT KEUANGAN PERBANKAN INFORMATIKA ASIA (ASIAN BANKING FINANCE INFORMATICS INSTITUTE) PERBANAS JAKARTA SATUAN ACARA PERKULIAHAN (SAP) MATA KULIAH: KODE MATA KULIAH: PROGRAM STUDI : BOBOT: SEMESTER

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV SEMINAR TUGAS AKHIR PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Oleh : Husien Haikal Fasha 1207 100 011 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

Penelitian Operasional II Rantai Markov RANTAI MARKOV

Penelitian Operasional II Rantai Markov RANTAI MARKOV Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan

Lebih terperinci

PRODI. Semester : Hal: 1 dari 6 RP S1 SB 05. No.Revisi : 00. CP 2.5 : Menerapkan Teori Resiko. Di Industri Keuangan. (Rating perusahaan, Model

PRODI. Semester : Hal: 1 dari 6 RP S1 SB 05. No.Revisi : 00. CP 2.5 : Menerapkan Teori Resiko. Di Industri Keuangan. (Rating perusahaan, Model Hal: 1 dari 6 A. CAPAIAN PEMBELAJARAN: CP 2.5 : Menerapkan Teori Resiko Di Industri Keuangan CP 15.2: Mampu mengelola dan berja dalam tim CP 15.4: Bertanggung jawab atas hasil rja mandiri dan lompok CP

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian

BAB IV HASIL DAN PEMBAHASAN. 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian BAB IV HASIL DAN PEMBAHASAN 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian M/M/1/K Pada model antrian, kedatangan pelanggan dalam sistem antrian dan kepergian pelanggan yang telah

Lebih terperinci

SATUAN ACARA PERKULIAHAN EK.354 REKAYASA TRAFIK

SATUAN ACARA PERKULIAHAN EK.354 REKAYASA TRAFIK EK.354 REKAYASA TRAFIK Dosen: Ir. Arjuni BP, MT : Overview Rekayasa Trafik Tujuan pembelajaran umum : Para mahasiswa mengetahui ruang lingkup Rekayasa Trafik Jumlah pertemuan : 1(satu) kali Pertemuan Tujuan

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 4

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 4 GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 4 Berlaku mulai: Genap/2010 MATA KULIAH : RISET OPERASIONAL KODE MATA KULIAH/SKS : 410102053 / 3 SKS MATA KULIAH PRASYARAT

Lebih terperinci

Pendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit. Oleh: Enjela Puspadewi

Pendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit. Oleh: Enjela Puspadewi Pendekatan Rantai Markov Waktu Diskrit dalam Perencanaan Kebutuhan Tempat Tidur Rumah Sakit Oleh: Enjela Puspadewi 1207 100 026 Abstrak Rumah sakit adalah institusi pelayanan kesehatan yang menyelenggarakan

Lebih terperinci

ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT. Oleh : Budi Setiawan

ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT. Oleh : Budi Setiawan ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT Oleh : Budi Setiawan 1206 100 034 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Drs. Sulistiyo, MT. ABSTRAK Penggunaan teori

Lebih terperinci

PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI

PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI Aditya Candra Laksmana, Respatiwulan, dan Ririn Setiyowati Program Studi Matematika Fakultas Matematika dan Ilmu

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Keputusan yang nyata biasanya dibuat dalam keadaan ketidakpastian. Untuk memodelkan ketidakpastian, selama ini digunakan teori probabilitas yang ditemukan

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR TNR 12 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL IV TNR 12 Space 2.0

Lebih terperinci

PRODI DIII STATISTIKA-FMIPA ITS RENCANA PEMBELAJARAN KODE/ MATA KULIAH/ SKS/ SEMESTER : SS /PENGANTAR METODE STATISTIKA / (2/1/1) I

PRODI DIII STATISTIKA-FMIPA ITS RENCANA PEMBELAJARAN KODE/ MATA KULIAH/ SKS/ SEMESTER : SS /PENGANTAR METODE STATISTIKA / (2/1/1) I CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu melakukan deskripsi, eksplorasi dan interpretasi data serta Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu

Lebih terperinci

PENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI

PENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI PENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI Yohanes A.R. Langi 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 95115

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Diskusi 1: Dasar-dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 215 Latihan 1 Dasar-dasar Probabilitas Latihan 1 1. Diketahui Tentukan: a. P ( ) X > 1 4 b. Tentukan F (x) 2. Diketahui

Lebih terperinci

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi secara beruntun dan dengan kemungkinan yang berbeda-beda. Sebagai contoh sekarang

Lebih terperinci

RANCANGAN PEMBELAJARAN

RANCANGAN PEMBELAJARAN RANCANGAN PEMBELAJARAN Mata Kuliah : dan Proses Stokastik Semester : Jurusan : Dosen : TIU : respon sistem linear dengan input menggunakan konsep probabilitas dan proses stokastik (C4) No.. Mahasiswa mampu

Lebih terperinci

CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai

CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep

Lebih terperinci

ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN

ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN Analisa Sistem Antrian (Ayi Umar Nawawi) 11 ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN ANALYSIS OF M/M/1/N QUEUEUING SYSTEM WITH RETENTION OF RENEGED CUSTOMERS Oleh:

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

6.6 Rantai Markov Kontinu pada State Berhingga

6.6 Rantai Markov Kontinu pada State Berhingga 6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada

Lebih terperinci

BAB 3 PEMBAHASAN. Contoh 1:

BAB 3 PEMBAHASAN. Contoh 1: BAB 3 PEMBAHASAN 3.1 Pengolahan Data Seperti yang telah dijelaskan sebelumnya, rantai markov atau proses markov akan digunakan untuk menganalisa data yang diperoleh dalam penelitian ini. Contoh kasus yang

Lebih terperinci

Deskripsi Umum, Learning Outcomes, dan Kurikulum Inti Program Studi Teknik Industri

Deskripsi Umum, Learning Outcomes, dan Kurikulum Inti Program Studi Teknik Industri Deskripsi Umum, Learning Outcomes, dan Kurikulum Inti Program Studi Teknik Industri Oleh: Dr. Ir. TMA. Ari Samadhi, M.Sc. Rapat BKSTI, Bandung 10 Oktober 2012 Kerangka Kualifikasi Nasional Indonesia (KKNI)

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA MATA KULIAH KODE MATA KULIAH Mata Kuliah Prasyarat Big

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM

BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem pelayanan multiple (multiple-server system) atau biasa disebut multiserver single queue merupakan baris antrian tunggal yang dilayani

Lebih terperinci

TINJAUAN PUSTAKA. Kriptografi

TINJAUAN PUSTAKA. Kriptografi TINJAUAN PUSTAKA Kriptografi Kriptografi adalah studi teknik matematika yang berhubungan dengan aspek-aspek pengamanan informasi seperti kerahasiaan, integritas data, autentikasi entitas, dan autentikasi

Lebih terperinci

REKAYASA TRAFIK ARRIVAL PROCESS.

REKAYASA TRAFIK ARRIVAL PROCESS. REKAYASA TRAFIK ARRIVAL PROCESS ekofajarcahyadi@st3telkom.ac.id OVERVIEW Point Process Fungsi Distribusi Point Process Karakteristik Point Process Teorema Little Distribusi Point Process PREVIEW Proses

Lebih terperinci

Semester : VI Hal: 1 dari 6. No.Revisi : 00. Deskripsi. Kemampuan manjerial. tertulis. Sikap dan. tata nilai 2-RP 1-CP DN, PA,BAK& RN)

Semester : VI Hal: 1 dari 6. No.Revisi : 00. Deskripsi. Kemampuan manjerial. tertulis. Sikap dan. tata nilai 2-RP 1-CP DN, PA,BAK& RN) PROD S1 STATSTKA FMPA TS RP S1 SP 08 Kurikulum 2014, Edisi : September 2014 A. CAPAAN PEMBELAJARAN : CP 11.11 : Mampu menganalisis data secara KUANTTATF baik secara Univariat maupun Multivariat serta menerapkannya

Lebih terperinci

RANTAI MARKOV ( MARKOV CHAIN )

RANTAI MARKOV ( MARKOV CHAIN ) RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan

Lebih terperinci

DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN. Sudarno Jurusan Matematika FMIPA UNDIP. Abstrak

DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN. Sudarno Jurusan Matematika FMIPA UNDIP. Abstrak DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN Sudarno Jurusan Matematika FMIPA UNDIP Abstrak Dalam proses stokhastik yang mana kejadian dapat muncul kembali membentuk proses pembahauruan. Proses pembaharuan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Persamaan DifferensialParsial Persamaan differensial adalah suatu persamaan yang melibatkan turunan dari satu variabel terikat ( dependent variable) terhadap satu atau lebih variabel

Lebih terperinci

Tabel 1. Penjabaran Learning Outcome PS ESL S1 Pernyataan Kompetensi: Setelah menyelesaikan program studi ini,lulusan dapat menjadi analis dalam

Tabel 1. Penjabaran Learning Outcome PS ESL S1 Pernyataan Kompetensi: Setelah menyelesaikan program studi ini,lulusan dapat menjadi analis dalam Tabel 1. Penjabaran Learning Outcome PS S1 Pernyataan Kompetensi: Setelah program studi ini,lulusan dapat menjadi analis dalam bidang ilmu ekonomi pertanian, lingkungan serta kebijakan dalam bidang pertanian,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,

BAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, menjadikan statistika memegang peranan penting dalam kehidupan. Hampir semua fenomena yang terjadi

Lebih terperinci

ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT

ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT OLEH : Budi Setiawan 106 100 034 Dosen Pebibing : Dra. Laksi Prita W, M.Si. Drs. Sulistiyo, MT. JURUSAN MATEMATIKA FAKULTAS

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

POISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS

POISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS POISSON PROSES NON-HOMOGEN Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS ABSTRAK. Proses Poisson merupakan proses stokastik sederhana dan dapat digunakan

Lebih terperinci

Model Matematis, Sistem Dinamis dan Sistem Kendali

Model Matematis, Sistem Dinamis dan Sistem Kendali Model Matematis, Sistem Dinamis dan Sistem Kendali PENDAHULUAN Beberapa istilah pada karakteristik tanggapan : Sistem : kombinasi beberapa komponen yang bekerja secara bersama-sama dan membentuk suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Bidang statistika berhubungan dengan cara atau metode pengumpulan data, pengolahan, penyajian, dan analisisnya serta pengambilan kesimpulan berdasarkan data dan analisis

Lebih terperinci

BAB III PROSES POISSON MAJEMUK

BAB III PROSES POISSON MAJEMUK BAB III PROSES POISSON MAJEMUK Pada bab ini membahas tentang proses stokastik, proses Poisson dan proses Poisson majemuk yang akan diaplikasikan pada bab selanjutnya. 3.1 Proses Stokastik Koleksi atau

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai

Lebih terperinci

PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU

PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU tnp PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU Mida Yanti 1 Nur Salam 1 Dewi Anggraini 1 Abstract: Poisson process is a special event

Lebih terperinci

PRODI. Dosen : Set. Semester : IV No.Revisi : 00. Hal: 1 dari 7. monopoli, serta KEMAMPUAN DESKRIPSI. baik secara lisan. maupun tertulis 3-RE 2-RP

PRODI. Dosen : Set. Semester : IV No.Revisi : 00. Hal: 1 dari 7. monopoli, serta KEMAMPUAN DESKRIPSI. baik secara lisan. maupun tertulis 3-RE 2-RP RP S1 SB 01 Hal: 1 dari 7 A. : 1. CP 2.2 : Mampu memahami konsep teori Ekonomi Mikro dan Ekonomi Makro dengan menggunakan pendekatan verbal, pendekatan grafik serta pendekatan matematis 2. CP15.1 : Mampu

Lebih terperinci

Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi

Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Aditya Candra Laksmana 1*, Respatiwulan 2, dan Ririn Setiyowati 3 1, 3 Program Studi Matematika Fakultas MIPA, Universitas

Lebih terperinci

PENERAPAN KALKULUS STOKASTIK PADA MODEL OPSI

PENERAPAN KALKULUS STOKASTIK PADA MODEL OPSI PENERAPAN KALKULUS STOKASTIK PADA MODEL OPSI Nizaruddin Program Studi Pendidikan Matematika FPMIPA IKIP PGRI Semarang Jl. Sidodadi Timur 24 Semarang Abstrak Opsi merupakan salah satu pilihan investasi

Lebih terperinci