Spektrum Gstar(1;1) Institut Teknologi Bandung, Bandung 3) Kelompok Keahlian Analisis dan Geometri, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Ukuran: px
Mulai penontonan dengan halaman:

Download "Spektrum Gstar(1;1) Institut Teknologi Bandung, Bandung 3) Kelompok Keahlian Analisis dan Geometri, Fakultas Matematika dan Ilmu Pengetahuan Alam,"

Transkripsi

1 Sperum Gar(;) uug urhaya,4), Udaa Seera Paarbu ), Dudug Muhally Ham ), da O ewa 3) ) Kelompo Keahla Saa, Faula Maemaa da Ilmu Pegeahua Alam, Iu Teolog Badug, Badug ) Kelompo Keahla Ideraa da Sa Iforma Geograf, Faula Ilmu da Teolog Kebuma, Iu Teolog Badug, Badug 3) Kelompo Keahla Aal da Geomer, Faula Maemaa da Ilmu Pegeahua Alam, Iu Teolog Badug, Badug 4) Jurua Maemaa da Ilmu Pegeahua Alam, Faula Sa da Te, Uvera Jederal Soedrma, Purwoero emal: uug3@udebacd, Derma 9 Me 7, deuu uu dpublaa 3 Deember 8 Abra Pada arel aa dbaha perumua perum (pecral dey marx) GSTAR(;) yag aoer dega megaggap model erebu ebaga VMA() Sperum dapa dperoleh melalu lagah-lagah beru: yaaa GSTAR(;) ebaga VMA() da overa halya dalam beu operaor mudur, emuda ubua oefe model e perum VMA() Cooh peeua perum GSTAR(;) aa dbaha uu model GSTAR(;) dua dme Kaa Kuc: Sperum, GSTAR(;), VMA(), Fug pembag mar ovara Abrac I h paper we formulae he pecrum (pecral dey marx) of he aoary GSTAR(;) model by coderg he model a VMA() The pecrum ca be obaed by followg ep: repree he model a a VMA() ad cover he model o he bacward operaor form, he ubue he coeffce model o he pecrum of VMA() model The procedure of fdg pecrum of GSTAR(;) whch parameer are gve, lluraed by a wo dmeoal GSTAR(;) model Keyword: Specrum, GSTAR(;) Model, VMA() Model, Covarace marx geerag fuco Pedahulua Seper fug auoovara pada doma wau, perum aau fug dea peral mempuya peraa peg dalam aal dere wau dega doma freue Keduaya aga berpera dalam proe pembagua model dere wau Mepu dguaa dalam doma berbeda, perum da fug auoovara merupaa dua fug yag evale (Koopma, 974) Sperum dapa dperoleh melalu raforma Fourer erhadap fug auoovara Sebalya, fug auoovara dapa deua melalu ver raforma Fourer erhadap fug perum Uu au daa ruag wau, perum yag dmaud debu mar dea peral GSTAR(;) aau Geerala Space Tme Auoregre orde perama adalah model ruag wau yag megombaa model dere wau da aal paal (Ruchaa, ) Model uga merupaa perumuma model STAR(;) yag dembaga Pfefer da Deuch (98a, 98b) 8 Ja pada STAR(;) parameer model daggap berla ama uu eap loa, maa pada GSTAR(;) laya dapa bervara Pada arel dbaha perumua mar perum GSTAR(;) yag aoer dega memadag GSTAR(;) ebaga model Vecor Movg Average berorde a hgga aau VMA() Sperum eor GSTAR(;) dharapa dapa dguaa ebaga meode paramer dalam peeua perum uu au daa ruag wau ebearya Uu merumua mar perum GSTAR(;) dperlua aum eaoera model Aum dperlua uu meam bahwa model GSTAR(;) dapa dyaaa dalam VMA() Secara deal, perumua mar perum GSTAR(;) aa dbaha pada Baga 4 Sebelumya, pada Baga da 3, aa dpereala perum veor dere wau ecara umum da perum proe VMA() Selauya, ula aa dahr dega au cooh ederhaa uu meeua mar perum GSTAR(;) uu au dua loa Perhuga da

2 urhaya, d, Sperum Gar(;) 9 plo graf perum dlaua dega megguaa program Malab 7 Sperum veor dere wau Mala Z () ( Z(),, Z ()),,±,±, veor dere wau aoer, dega raaa E[ Z ( )] µ ( µ, K, µ ) da mar auoovara Γ [ γ ( )] E[( Z ( ) µ )( Z ( + ) µ ) ] E[( Z ( ) µ )( Z ( ) µ ) ], d maa γ ( ) cov( Z ( ), Z ( + )) E[( Z( ) µ )( Z ( + ) µ )] E[( Z ( ) µ )( Z ( ) µ )] uu, ±, ±, K da,, K, Ddefa fug pembag mar ovara dar Z() ebaga Γ ( B) Γ B () Ja { Γ,, ±, ±, K } a + b aboluely ummable yau γ ( ) <, mar dea peral aau perum dar dere wau Z() dapa ddefa ebaga raforma Fourer dar mar auoovara Γ (We, 99) h ( ω) Γe ω, π ω π () Perhaa bahwa mar perum erebu uga dapa daggap ebaga /() dar fug pembag mar ovara Γ( B) uu B e ω h ( ω) Γ e Γ( e ) (3) Eleme dagoal dar h (ω) aau h ( ω) γ ( ) e ω (4) debu auoperum dere wau e-, edaga eleme odagoalya h ( ω) γ ( ) e ω (5) debu perum lag (cro pecrum) dar dere wau e- da Dega megguaa fa fug auoovara, γ ( ) γ ( ) da fa fug rgoomer, ( ω) ( ω) da (), auoperum pada (4) dapa dederhaaa mead h ( ω) γ ( )co( ω) Eleme-eleme dagoal mar perum pada Gambar merupaa cooh auoperum h (ω) uu au Sedaga eleme-eleme odagoalya merupaa perum lag aara varabel perama da edua Koperum da uadraur Dar fa perum dere wau uvara h ( ω ) elalu berla rl, amu hal da berlau uu perum lag h ( ω ) Secara umum h ( ω) aa berla omple area γ ( ) γ ( ) uu Dega dema h ( ω) dapa dul mead h ( ω) c ( ω) q ( ω) (6) Kompoe rl dar h (ω ) aau c ( ω) γ ( )co( ω) (7) debu operum (copecrum) dar dere wau e da Sedaga egaf maer dar h ( ω ) h ( ω) γ( )co( ω) γ ( )[co( ω) ( ω)] γ( )[co( ω) ( ω)] γ ( )co( ω) Gambar Mar perum veor dere wau uu au

3 JURAL MATEMATIKA DA SAIS, DESEMBER 8, VOL 3 O 4 q ( ω) γ ( )( ω) (8) debu uadraur (quadraure pecrum) dar dere wau e- da Kohere Kohere K ( ω ) ddefa ebaga adara dar uadra perum lag h ( ω) aau h ( ) ω K ( ω) h( ω) h( ω) (9) d maa h,(ω) da h (ω) Uu h,(ω) da h (ω), ohere ddefa ebaga K ( ω ) We (99) elah meuua bahwa ohere da la uadra oefe orela aara ompoe Z ( ) da ompoe Z ( ) yag magmag beraa dega freue ω Dega dema la K ( ω ) elalu berar aara da la K ( ω ) yag dea e meuua bahwa uu freue ω, dere wau e da mempuya hubuga ler yag aga era Sebalya, la ohere yag dea e meuua hubuga ler aara dere wau e- da, aga reggag 3 Sperum Veor MA() Meuru We (99), veor dere wau Z() ( Z(), K, Z ()),, ±, ±, K dega raaa E[ Z()] daaa megu proe veor movg average orde a hgga aau VMA() a Z() dapa dul ebaga Z() e() + Ψ e( ) + Ψ e( ) + L Ψ e( ), () d maa e() veor radom dega raaa da mar ovara Ω, E[()( e e + )], Sedaga Ψ [ ψ, ] adalah mar oefe dar e(-) yag berfa quare ummable ( ψ, < ) Uu, Ψ ddefa dega Ψ I Dalam beu operaor mudur B yag ddefa dega B e() e( ), proe VMA() dapa dyaaa ebaga Z() Ψ( B)() e () d maa Ψ( B) Ψ B Mar perum Uu meeua mar perum VMA() dperlua pegeahua eag mar auoovara da fug pembag mar ovara Beru aa duua bahwa (a) Mar auoovara VMA() adalah, + Γ Ψ ΩΨ () (b) Fug pembag mar ovara VMA() adalah Γ( B) Ψ( B) Ω[ Ψ ( B )] (3) Bu Uu membua (a), ubua Z() pada peramaa () e def mar auoovara Γ E[( Z ( ) µ )( Z ( ) µ ) ] Mala E Ψe( ) Ψ e( ) ehgga Ψ Ψ+ da e( ) e ( ) Maa Γ E Ψ+ e( ) Ψ e( ) E Ψ+ e( ) e( ) Ψ Ψ ΩΨ + Uu membua baga (b), ubua Γ pada () e peramaa () ehgga dperoleh Γ ( B) Γ B Ψ + ΩΨ B ΨΩΨ B ΨB Ω Ψ B Ψ Ω Ψ ( B) [ ( B )]

4 urhaya, d, Sperum Gar(;) Mar perum VMA() dapa dperoleh dega meubua fug pembag Γ ( B) pada (3) uu B e ω e peramaa (3) h ( ω) Γ( e ω ) ω Ψ( e ) Ω[ Ψ ( e )] (4) 4 Sperum GSTAR(;) Veor dere wau Z() ( Z(), K, Z ()) dega de,,, meyaaa loa, da, ±, ±, K meyaaa wau, ergal debu uga proe ruag wau (pace me) Proe Z( ) ( Z( ), K, Z ( )),,±,±, dega E[ Z( )] daaa megu model GSTAR(;) a Z() ( Φ + Φ WZ ) ( ) + e (), (5) d maa mar Φ dag( φ, K, φ ) da Φ dag( φ, K, φ ) mag-mag debu parameer regre wau da parameer regre loa Mar W [w ] debu mar bobo paal beruura x yag memeuh w da umlah eap barya ( w ) Veor e() debu veor gala yag dauma berdrbu ormal dega raaa da mar ovara I Dalam beu operaor mudur, GSTAR(;) uga dapa dul ebaga ( I ΦB) Z() e (), (6) d maa Φ Φ + ΦW Syara eaoera Ja ( ΦB) GSTAR(;) dapa dul Seadaya overge I ogular, maa proe Z() ( I ΦB) e () (7) ( I Φ B) dapa ddea oleh dere Ψ( B) Ψ B, dega Ψ quare ummable, maa GSTAR(;) dapa dpadag ebaga VMA() Karea VMA() pada peramaa () elalu aoer, maa a dapa megaaa bahwa GSTAR(;) aoer a model erebu dapa dyaaa ebaga VMA() Perhaa bahwa ( I Φ B) ad( B) de( I ΦB) I Φ ehgga dere B a de( I Φ B) Ψ( B) ΨB aa overge uu Aau dega aa la, a modulu aar-aar peramaa de( I Φ B) berada d luar lgara aua Mala za+b aar peramaa de(i-φb) dega modulu d luar lgara aua aau z a + b > Searag mala da z z z, maa z a b a+ b a + b a b a + b a + b a b a + b a + b a b + a + b a + b a + b a + b ( a + b ) a + b a + b z ehgga a z > maa < Dega dema, a z maa aaraar peramaa de( I Φ B) yag moduluya berada d luar lgara aua aa evale dega aar-aar peramaa de( I Φ ) yag berada d dalam lgara aua Teap aar-aar peramaa de( I Φ ) da la adalah la ege mar Φ ehgga aleraf uu megaaa bahwa model GSTAR(;) aoer adalah a modulu la-la ege mar Φ berada d dalam lgara aua

5 JURAL MATEMATIKA DA SAIS, DESEMBER 8, VOL 3 O 4 Mar perum Sebelum merumua perum GSTAR(;), erlebh dahulu aa duua bahwa GSTAR(;) pada (5) yag aoer dapa dyaaa ebaga VMA() pada () dega Ψ Φ Bu Model GSTAR(;) pada peramaa (5) dapa dul mead Z() e() + ΦZ ( ), dega Φ Φ + ΦW Secara reurf, Z() dapa dul () () + ( ) + ( ) Z e Φe Φ Z e( ) + Φe( ) + Φ e( ) 3 + Φ Z( 3) e( ) + Φe( ) + L + Φ e( ( )) + Φ Z( ) Searag, aa duua bahwa uu, lm Φ da Φ <, Mala, K la ege dar Φ yag beraa dega veor ege v, K,v Maa erdapa mar P ( v, K,v ) yag memeuh P - P (orogoal) ehgga P ΦP Λ dag(, K, ) aau evale dega Φ PΛ P Abaya ( ) Φ PΛ P PΛ P Ja < uu eap,, K, maa uu, lm da lm Λ, ehgga da lm Φ PΛ P lm lm Φ Z( ) Jad uu, GSTAR(;) dapa dul aau Z e + Φe + Φ e + L () () ( ) ( ) Φ e( ) Z() Ψ e ( ), (8) dega Ψ Φ Sela u, lm Λ uga megabaa < Φ PΛ P Dega dema GSTAR(;) yag aoer elalu dapa dyaaa ebaga VMA() dega Ψ Φ Dalam beu operaor mudur B, peramaa (8) dapa dul mead dega Z() Ψ( B)() e (9) Ψ( B) ( I ΦB) I Φ + Φ W ( ( ) B) Dega meubua peramaa (9) e (4) aa dperoleh perum GSTAR(;) Bu ( ) [ ( ) ] [ I ( Φ + Φ W) e ] h ω I Φ + ΦW e Ω ω ω h( ω) Ψ( e ) Ω[ Ψ( e )] ( I Φe ) Ω ( I Φ e ) ( ( ) e ) I Φ + Φ W Ω ω ( I ( Φ + Φ W) e ) ω () 5 Cooh Sperum GSTAR (;) Sebaga lura, beru aa deua mar perum dar model GSTAR(;) dega parameer Φ dag(,3 ;,5), Φ dag(-,6 ;, ), mar bobo paal W, da mar ovara gala Ω I Sebaga lagah perama, a hug mar Φ Φ + ΦW,3 -,6,,5 Selauya, dlaua u eaoera model dega meghug la ege dar Φ da mag-mag moduluya Hal perhuga meuua bahwa la ege dar Φ adalah,, 4 ±, 337 da moduluya

6 urhaya, d, Sperum Gar(;) 3, 596 < Karea edua la ege erebu berada dalam lgara aua maa dapa dmpula bahwa model GSTAR erebu aoer Mar perum dapa deua dega meubua parameer-parameer yag deahu e peramaa () ehgga dperoleh h( ω) [ I ( Φ + ΦW) e ] Ω ' ω [ I ( Φ + Φ W) e ] -3e,6e, e,5e -3e,e,6e,5e Sebaga cooh, uu ω π /,56,7+,74 h ( π /),7+,74,533 Perlau perum, operum, da uadraur aara dere wau d loa da loa, ecara vual dapa dama pada Gambar, 6 Sperum loa Fre 64 6 Sperum loa Sperum 4 Sperum 4 Fre 57 3 Freue Koperum loa da 3 Freue Kuadraur loa da Fre 3 - Sperum - - Sperum - -3 Fre Freue -4 3 Freue Gambar Sperum dere wau d loa da, era operum da uadraur aara dere wau d loa da dere wau d loa 6 Kempula Telah duua bahwa dega memadag proe GSTAR yag aoer ebaga model VMA(), mar perum dapa drumua eper pada peramaa () Hal dharapa dapa dguaa ebaga meode paramer dalam peeua perum uu au daa ruag wau ebearya Ucapa Terma ah Peela dbaya oleh Program Ief Kemera egara Re da Teolog berdaara SK Mere o 97/M/KP/XI/7 Peul megucapa erma ah epada Dr Suawar Darw, Dr Dumara RT, Sumao WH, MCom, da Urwe Muhayar, MS aa araara Sela u, ucapa erma ah dampaa uga epada Tm Dewa Reda JMS da para revewer aa ore da mauaya Dafar Puaa Hamlo, J D, 994, Tme Sere Aaly, Prceo Uvery Pre, ew Jerey Koopma, L H, 974, The Specral Aaly of Tme Sere, Academc Pre, ew Yor

7 4 JURAL MATEMATIKA DA SAIS, DESEMBER 8, VOL 3 O 4 Pfefer, P E ad S J Deuch, 98a, A Three-age Ierave Procedure for Space Tme Modelg, Techomerc,, Pfefer, P E ad S J Deuch, 98b, Idefcao ad Ierpreao of Fr Order Space-me ARMA Model, Techomerc,, Ruchaa, B,, Suau Model Geerala Space-Tme Auoregre da Peerapaya pada Produ Mya Bum, Dera Program Door, Iu Teolog Badug We, W W S, 99, Tme Sere Aaly, Addo Weley, edo, Calfora

3. BAHAN DAN METODE. Lokasi penelitian yang dikaji adalah daerah perairan Samudera Hindia

3. BAHAN DAN METODE. Lokasi penelitian yang dikaji adalah daerah perairan Samudera Hindia 3. BAHA DA METODE 3.1. au da Loa Peela Loa peela yag daj adalah daerah perara Samudera Hda pada 0,5 LS, 7,5º LS, 16,5º LS, 31,5 LS dar 40,5 BT ampa 100,5 BT, eper pada Gambar 7. Pembaga lag berdaara lea

Lebih terperinci

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor Jural Grade Vol3 No Jul 007 : 77-8 U Meda Pegaruh Uaa da Ieras dala Peroaa Berfaor Sg Nugroho Jurusa Maeaa, Faulas Maeaa da Ilu Pegeahua Ala, Uversas Begulu, Idoesa Dera Ju 007; Dseuu 6 Jul 007 Asra -

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

Pemodelan Georadar 2D dengan Metode Beda Hingga Domain Waktu

Pemodelan Georadar 2D dengan Metode Beda Hingga Domain Waktu Pemodela Georadar dega Meode eda gga oma Wau A. Sulama da M. Tauf Pua Teolog Iveara Sumberdaa Alam (PTISA) - PPT Jaara Idoea Pua Teolog Iforma da Komua (PTIK) - PPT Jaara Idoea mal: alber_ulama@ahoo.com

Lebih terperinci

Hidraulika Komputasi

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

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN. Laar Belaag D alam erdapa baya seal jes mahlu hdup. Mahlu hdup ersebu aa mejala seles alam d maa yag ua yag aa beraha. Salah sau ejada yag dapa dama adalah persaga uu memperoleh maaa dalam

Lebih terperinci

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS 5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem

Lebih terperinci

PEMODELAN PASAR KEUANGAN DENGAN MEKANIKA KUANTUM

PEMODELAN PASAR KEUANGAN DENGAN MEKANIKA KUANTUM Prodg Semar Naoal Peela, Pedda, da Peerapa MIPA Faula MIPA, Uvera Neger Yogyaara, 16 Me 009 PEMODELAN PASAR KEUANGAN DENGAN MEKANIKA KUANTUM Dw Saya Palup Jurua Fa FMIPA UGM Abra Meaa Kuaum dcoba uu dguaa

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

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS. Saniagus Munendra 1) Hery Susanto 2)

SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS. Saniagus Munendra 1) Hery Susanto 2) SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS Saagu Muedra 1) Hery Suato 2) Abtra: Sfat-fat yag berlau pada radal uatu deal teryata tda emuaya berlau pada oep radal uatu ubmodul Raaee

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

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

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,,

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,, Salmah Ar S Ch. R I Idah W Bagu S dega ebuah bak berama au uroea Ceral Bak CB. odel megabaka erak ekeral dega egara-egara o uuk eederhaaa. odel memeuh eramaa-eramaa r & m / / / / dega adalah keluara real

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Karakteristik Sistem Orde Tinggi

Institut Teknologi Sepuluh Nopember Surabaya. Karakteristik Sistem Orde Tinggi Iiu Teologi Sepuluh Nopember Surabaya Karaerii Siem Orde Tiggi Maeri Cooh Soal Rigaa Laiha Aeme Maeri Cooh Soal Siem Orde Tiga Siem Orde Tiggi Rigaa Laiha Aeme Maeri Cooh Soal Rigaa Laiha Aeme Pada bagia

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx III PEMBAHASAN Pada peeliia ii aa dibaas formlasi Hamiloia bai era elomba ierfacial Pembaasa dibai dalam da ass yai ass perama dea baas aas berpa permaa raa da ass eda dea baas aas berpa permaa bebas Hamiloia

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB III TEOREMA GLEASON DAN t-desain

BAB III TEOREMA GLEASON DAN t-desain BAB III TEOREMA GLEASON DAN t-desain Dalam ubbab 3., kta aka mempelaar alah atu fat petg dar kode wa-dual geap. Sfat terebut dberka oleh Teorema 3.(Teorema Gleao), Teorema ecara megeaka telah meetuka betuk

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

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

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha JMP : Volume Nomor 2, Oober 2009 SOUSI PERSAMAAN DIFERENSIA BOTZMANN INEAR Agus Sugadha Faulas Sais da Tei, Uiversias Jederal Soedirma Purwoero, Idoesia Email : agussugadha@ymail.com ABSTRACT. I his research,

Lebih terperinci

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT PROSIDING SEMINAR NASIONAL SAISIA UNIVERSIAS DIPONEGORO 0 ISBN: 978-979-097-4-4 INERVAL ONFIDENSI SPLINE UADRA DENGAN PENDEAAN PIVOAL QUANIY Rowa Dafl Saraamual I Noma Budaara ) Mahasswa Magser Jurusa

Lebih terperinci

PERBANDINGAN METODE ESTIMASI-, ESTIMASI-, DAN ESTIMASI- PADA MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA

PERBANDINGAN METODE ESTIMASI-, ESTIMASI-, DAN ESTIMASI- PADA MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA PERBANDINGAN METODE ESTIMASI-, ESTIMASI-, DAN ESTIMASI- PADA MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA Jural Daua epada Faulta Matemata da Ilmu Pegetahua Alam Uverta Neger Yogyaarta

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret JM Volue I Noor Deseer 0 Fugsoal Ad Orogoal pada W 0 () d dala R Ryad Faulas Kegurua da Ilu Pedda Uversas Seelas Mare Asrac Ths paper dscusses aou a represeao heore o a orhogoally addve ucoal o W 0 ()

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

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG SKRIPSI Dajua epada Faulas Maemaa da Ilmu Pegeahua Alam Uversas Neger ogyaara uu memeuh sebaga persyaraa gua memperoleh gelar Sarjaa Sas Oleh: Naala Jagrum

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN EORI. ijaua Puaka Daa ruu waku adalah daa yag dikumpulka meuru urua waku dalam uau reag waku ereu (Roadi, 006). Secara umum aalii ruu waku mempuyai ujua uuk pemodela da peramala. Pemodela

Lebih terperinci

ANALYSIS SENSITIVITAS PADA PROGRAM INTEGER CAMPURAN

ANALYSIS SENSITIVITAS PADA PROGRAM INTEGER CAMPURAN Aaly Setvta pada Program Iteger Campura Fagzduhu Bu ulolo ANAYSIS SENSIIVIAS PADA PROGRAM INEGER CAMPRAN Fagzduhu Bu ulolo Departmet Mathemat, verta Sumatera tara, Meda 2055 Idoea Abtra: Metode Smple merupaa

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN. Latar elaag Salah atu baga petg yag tda dapat dpaha dalam eolah tgg da uverta adalah maalah peadwala mata ulah dega edala watu yag dga (prefere doe, mahawa, da bayaya ruaga yag terbata.

Lebih terperinci

ANALISA HANTARAN GELOMBANG LISTRIKMAGNET DENGAN MENGGUNAKAN METODA FINITE DIFFERENCE TIME DOMAIN (FDTD)

ANALISA HANTARAN GELOMBANG LISTRIKMAGNET DENGAN MENGGUNAKAN METODA FINITE DIFFERENCE TIME DOMAIN (FDTD) Tuoral Rse Uggula Terpadu RUT VI PNGMBANGAN SISTM RADAR BAWA TANA PULSA IRP ANALISA ANTARAN GLOMBANG LISTRIKMAGNT DNGAN MNGGUNAKAN MTODA FINIT DIFFRN TIM DOMAIN FDTD Ieses P db Peel Uama Ir. Josapha Teuo

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

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Jahe (Zgber offcale Rosc. merupaa salah sau es aama oba yag mempuya baya eguaa ba sebaga baha oba aaupu maaa. Jahe besar serg dguaa dalam dusr maaa da muma peghaga. Jahe puh ecl,

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 III TEORI PERRON-FROBENIUS

BAB III TEORI PERRON-FROBENIUS BB III : EORI PERRON-FROBENIUS 34 BB III EORI PERRON-FROBENIUS Pada Bab III aa dbahas megea eor Perro-Frobeus, yatu teor hasl otrbus dar seorag matematawa asal Germa, Osar Perro da Ferdad Georg Frobeus

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

Bab III. Menggunakan Jaringan

Bab III. Menggunakan Jaringan Bab III Pembuaan Jadwal Pelajaran Sekolah dengan Menggunakan Jaringan Pada bab ini akan dipaparkan cara memodelkan uau jaringan, ehingga dapa merepreenaikan uau jadwal pelajaran di ekolah. Tahap perama

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 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR 15 BAB III MODEL PERTUMBUHA EKOOMI DUA SEKTOR 3.1 Aum dan oa Model perumbuhan dua ekor n merupakan model perumbuhan dengan dua komod yang dhalkan, yau barang modal dan barang konum. Kedua barang n dproduk

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

BAB III DATA DAN METODE PENGOLAHAN DATA

BAB III DATA DAN METODE PENGOLAHAN DATA BAB III DATA DA ETODE PEGOLAHA DATA 3. Daa Daa ag dguaa adalah daa ecepaa arus d perara Sela Lfaaola da uu edees edees orelasa dega feoea El ño da La ña pada ahu-ahu 004 sapa 006 dguaalah daa Ides Oslas

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

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

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

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

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS PENAKIR RAIO YANG EFIIEN UNTUK RATA-RATA POPULAI PADA AMPLING ACAK EDERHANA MENGGUNAKAN MEDIAN DAN KOEFIIEN KURTOI abarah * Haro H rat Mahawa Program Matematka Doe Jurua Matematka Fakulta Matematka da

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

Lebih terperinci

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval Peerapa Aljabar Max Plus Ierval pada Jarga Ara dega Wau Afas Ierval M. Ady Rudho Mahasswa S Maeaa FMIPA UGM da Saff Pegajar FKIP Uversas Saaa Dhara Yogyaara rudho@saff.usd.ac.d Sr Wahyu, Ar Suparwao Jurusa

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

Untuk mentukan titik tetap dari persamaan (3.1) maka persamaan tersebut dibuat sama dengan nol, yaitu dt 0. seperti dalam persamaan berikut dt dt dt

Untuk mentukan titik tetap dari persamaan (3.1) maka persamaan tersebut dibuat sama dengan nol, yaitu dt 0. seperti dalam persamaan berikut dt dt dt LAMIRA 4 5 Lamra eetua t eta ar eramaa 3. Utu metua tt teta ar eramaa 3. maa eramaa tereut uat ama ega ol yatu a ee alam eramaa erut t t t..................3 Dar eramaa aa eroleh la eaga erut t Dar eramaa

Lebih terperinci

Holt-Winter Exponential Smoothing. Minggu 5-6

Holt-Winter Exponential Smoothing. Minggu 5-6 Hol-Winer Exponenial Smoohing Minggu 5-6 Hol Exponenial moohing Meode Hol wo parameer exponenial moohing adalah pengembangan dari exponenial moohing ederhana. Menambahkan fakor perumbuhan (fakor ren) pada

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

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

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

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

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

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

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

UJIAN TENGAH SEMESTER EKONOMETRIKA TIME SERIES (ECEU601302) SEMESTER GASAL

UJIAN TENGAH SEMESTER EKONOMETRIKA TIME SERIES (ECEU601302) SEMESTER GASAL Univeria Indoneia Fakula Ekonomi dan Bini UJIAN TENGAH SEMESTER EKONOMETRIKA TIME SERIES (ECEU601302) SEMESTER GASAL 2017-2018 Hari /gl : Rabu, 18 Okober 2017 Waku : 120 Meni Pengajar : Riyano Sifa : Caaan

Lebih terperinci

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) PENGUJIAN HIPOTESIS PROSEDUR UMUM Lagkah : tetuka hpote 0 (H 0 ) da at hpote (H ) malya: H 0 : µ 00 H : µ 00 atau H : µ > 00 atau H : µ < 00 PROSEDUR UMUM Lagkah : tetuka je dtrbu yag cocok: bla > 30 da

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

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

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH NLISIS & INTERPRETSI DT KINETIK SISTEM REKTOR BTH PEROBN KINETIK REKSI Salah sau caupa aau ruag gup sud ea reas adalah peeua ecepaa reas secara uaaf; hal mejad bera peerjaa seorag chemcal egeer yag harus

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

Transformasi Laplace Bagian 1

Transformasi Laplace Bagian 1 Modul Tranformai aplace Bagian M PENDAHUUAN Prof. S.M. Nababan, Ph.D eode maemaika adalah alah au cabang ilmu maemaika yang mempelajari berbagai meode unuk menyeleaikan maalah-maalah fii yang dimodelkan

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

TE Dasar Sistem Pengaturan

TE Dasar Sistem Pengaturan TE09346 Daar Stem Pegatura Peracaga otroler : otroler Prooroal Itegral Dfereal Ir. Jo Pramujato, M.Eg. Jurua Tekk Elektro FTI ITS Tel. 594730 Fax.59337 Emal: jo@ee.t.ac. Daar Stem Pegatura 06 Objektf:

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

MODUL 7 APLIKASI TRANFORMASI LAPLACE

MODUL 7 APLIKASI TRANFORMASI LAPLACE MODUL 7 APLIKASI TRAFORMASI LAPLACE Tranformai Laplace dapa digunaan unu menyeleaian bai peroalan analia maupun perancangan iem. Apliai Tranformai Laplace erebu berganung pada ifa-ifa ranformai Laplace,

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB 4 SISTEM DINAMIK ORDE-TINGGI

BAB 4 SISTEM DINAMIK ORDE-TINGGI Stem Damk Ore-Tgg 47 BAB 4 SISTEM DINAMI ORDE-TINI Stem amk ore-tgg gabuga ua atau lebh tem amk ore-atu. Cotoh:. Level cotrol paa tagk-tagk, bak yag tem o- terka oteractg ytem maupu yag terterak teractg

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

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci