SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)
|
|
- Johan Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Saionary Disribuion of Swiss Bonus-Malus Sysem and is Modificaion) Cherry Galaia Ballangan Fakulas Teknologi Indusri, Jurusan Teknik Informaika, Universias Krisen Pera Hadi Sumarno Fakulas Maemaika & IPA, Jurusan Maemaika, Insiu Peranian Bogor ABSTRAK: Sisem Bonus-Malus merupakan sisem dalam akuaria yang memperkenalkan pembagian kelas premi (sae) yang dipengaruhi oleh jumlah klaim yang diajukan oleh pemegang polis iap ahunnya. Peneapan sae dalam sisem ini didasarkan pada pencarian sebaran sasioner yang menyaakan banyaknya pemegang polis dalam iap sae. Sisem Bonus-Malus Swiss (BMS) memiliki 22 sae. Banyaknya sae yang erliba dalam sisem ini mengakibakan sulinya penenuan sebaran sasioner pada sisem BMS ersebu. Karena iu dalam ulisan ini dipelajari suau meode penenuan sebaran sasioner dari sisem BMS ersebu, yaiu dengan menggunakan formula rekursif. Dengan formula rekursif ini, sebaran sasioner sisem BMS dapa dienukan dengan mudah. Modifikasi sisem BMS unuk jumlah sae yang ak hingga mengakibakan perubahan pada formula rekursif unuk mencari sebaran sasionernya. Perubahan ini melipui peneapan nilai awal dari formula rekursif ersebu. Kaa kunci: sebaran sasioner, formula rekursif, sisem Monus-Malus Swiss. ABSTRACT: Bonus-Malus Sysem is a sysem in acuary ha inroduce he premium class (sae) pariion, where he sae is influenced by he number of annual claims repored by he policy holder. We could base he deerminaion of he sae on he saionary disribuion ha represen he number of policy holders in any sae. Swiss Bonus-Malus Sysem has 22 sae. The number of sae ha involved in his sysem resul in he difficuly of saionary disribuion deerminaion. Therefore, he aim of his paper is o sudy a mehod o obain saionary disribuion of Swiss Bonus-Malus Sysem by recursive formula, wih his recursive formula, he saionary disribuion of Swiss Bonus-Malus Sysem can be deermined easier. Modificaion of his sysem wih infinie sae resul in he changes of recursive formula o obain he saionary. This changes including he deermining of base value of he recursive formula. Keywords: saionary disrubuion, resursive formula, Swiss Bonus-Malus Sysem.. PENDAHULUAN Makin meningkanya resiko kecelakaan dalam berkendaraan membua persaingan anar perusahaan asuransi mobil semakin meningka pula. Berbagai sisem diawarkan oleh perusahaan asuransi unuk menarik semakin banyak orang agar menjadi pemegang polis pada perusahaan ersebu. Salah sau sisem yang digunakan pada asuransi mobil adalah sisem bonus-malus. Sisem ini memberikan erobosan baru bagi dunia asuransi, eruama dalam hal besarnya premi yang dipengaruhi oleh jumlah klaim yang diajukan pemegang polis iap ahunnya. Sisem ini memperkenalkan pula pembagian dan perpindahan sae di mana seiap sae memiliki perbedaan premi. Sisem seperi ini elah dierapkan di beberapa negara maju seperi Jepang, Amerika Serika, Jerman, dan Swiss. Tiap negara mengeengahkan auran perpindahan sae, besarnya skala premi, dan jumlah sae yang berbeda-beda, disesuaikan dengan keadaan perekonomian dan kondisi negara hp://pusli.pera.ac.id/journals/informaics/ 3
2 JURNAL INFORMATIKA Vol. 3, No. 2, Nopember 22: 3-2 ersebu. Sisem bonus-malus yang dibahas pada karya ilmiah ini adalah sisem Bonus- Malus Swiss (BMS). Peneapan sae dalam sisem BMS didasarkan pada pencarian sebaran sasioner dari sebaran yang menyaakan banyaknya klaim seiap ahunnya. Hasil akhir yang diperoleh dari pencarian sebaran sasioner inilah yang akan menenukan persenase pembayaran premi di iap sae, auran perpindahan sae, dan enunya analisis keuangan bagi perusahaan asuransi yang bersangkuan. Penenuan sebaran sasioner dari suau fungsi sebaran bukan merupakan hal yang mudah dilakukan, apalagi jika melibakan fakor sae seperi pada sisem BMS. Oleh karena iu, dibuuhkan suau meode yang memudahkan penanganan hal ersebu. Dalam ulisan ini akan dipelajari meode yang digunakan unuk mencari sebaran sasioner pada sisem BMS biasa dan sisem BMS kasus ak erbaas, yaiu dengan meode rekursif. 2. PROSES STOKASTIK Proses sokasik adalah koleksi peubahpeubah acak X() dimana adalah parameer dari sebuah himpunan indeks T yang bersesuaian. Himpunan indeks T merupakan subse dari (-,) dan dapa berupa sebuah inerval bilangan riil, misalkan T [, ) unuk proses koninu, maupun himpunan yang dapa dihiung, misalkan T {,,2,...} unuk proses diskre. Unuk kasus diskre, proses sokasik biasanya dinoasikan dengan X. Nilai yang mungkin unuk X() disebu sae, sedangkan proses X() berada pada sae dan pada waku dinoasikan dengan X(). Benuk dari proses sokasik yang digunakan dalam karya ulis ini adalah ranai Markov. di masa mendaang dari sebuah proses, jika sae saa ini dikeahui secara pasi, idak dipengaruhi oleh informasi ambahan mengenai perilakunya di masa lalu. Ranai Markov diskre adalah sebuah proses Markov yang ruang sae-nya adalah gugus hingga aau gugus yang dapa dihiung, dan gugus indeksnya adalah T (,, 2,...). Dalam benuk formal, sifa Markov dinyaakan sebagai: Pr{X n+ j X i,..., X n- i n-, X n i} Pr{X n+ j X n i}, unuk semua iik waku n dan semua sae i,..., i n-, i, j. Umumnya ruang sae dari ranai Markov dinyaakan dengan bilangan bula ak negaif {,, 2,...}, kecuali jika dinyaakan selainnya, dan X n i menyaakan X n berada pada sae i. 3. SISTEM BONUS-MALUS Suau seisem dikaakan Bonus-Malus jika berlaku asumsi:. Semua polis dapa dibagi menjadi kelaskelas fini sehingga premi dari sebuah polis pada periode erenu berganung semaa-maa pada kelas unuk periode ersebu. 2. Kelas saa ini didefinisikan secara unik oleh kelas sebelumnya dan banyaknya klain periode ersebu. 3. Ada kelas erakhir di mana semua polis akan diempakan seelah sejumlah besari periode anpa klaim. 3. Sisem Bonus-Malus Swiss Sisem Bonus-Malus Swiss memiliki 22 sae (kelas premi) yang dienukan dengan menggunakan erminologi ranai Markov. Beriku ini disajikan abel yang menunjukkan besarnya pembayaran premi (dalam persen) iap-iap kelas yang berlaku pada sisem BMS. 2. Ranai Markov Proses sokasik dengan sifa bahwa jika diberikan nilai X, maka unuk s >, nilai X s idak dipengaruhi oleh nilai-nilai dari X u unuk u < disebu sebagai sebuah proses Markov {X } (Taylor & Karlin 984). Dengan kaa lain, peluang perilaku erenu 4 Tabel. Persenase besarnya premi per sae. Sae Premi Sae Premi Auran yang berlaku dalam sisem BMS adalah sebagai beriku. Seiap pemegang hp://pusli.pera.ac.id/journals/informaics/
3 SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) polis yang baru akan memasuki sisem perama kali di sae 9, kemudian membayar premi dasar (%) unuk ahun peramanya. Kemudian posisi sae pemegang polis ersebu pada ahun berikunya adalah: - jika idak ada klaim + n.s jika erdapa n klaim, dengan menyaakan sae sebelumnya dan s adalah besarnya kenaikan sae seiap erjadi klaim. Selain iu, sae baru idak dapa kurang dari nol aau lebih dari 2. Secara eksplisi, auran di aas menyaakan, jika idak ada klaim selama sau ahun, maka sae berkurang sau ingka, sebaliknya jika erjadi n klaim, maka sae dinaikkan sebesar n.s. Nilai s yang digunakan pada sisem BMS adalah 3. Kemudian apabila pemegang polis berada pada sae (bonus maksimum) dan idak erdapa klaim sepanjang ahun sesudahnya, maka ia eap berada pada sae ersebu. Demikian pula, apabila seorang pemegang polis berada pada sae dan jumlah klaim adalah n sedemikian sehingga + n.s 2, maka sae yang baru eaplah Meode Pencarian Sebaran Sasioner Pada umumnya, pencarian sebaran sasioner dilakukan dengan meggunakan mariks peluang ransisi. Namun unuk kasus ini, penggunaan mariks peluang ransisi idaklah efisien dikarenakan jumlah sae yang erliba cukup besar sehingga akan sanga menyulikan dalam penghiungannya. Karena iu, meode yang digunakan di sini adalah meode rekursif. Bagi seiap pemegang polis, derean sae membenuk ranai Markov. Unuk penyederhanaan, perbedaan peluang ransisi pemegang polis yang sau dengan pemegang polis yang lain diabaikan. Jika besarnya perpindahan pada skala premi unuk ahun + dinoasikan dengan Y +, maka didefinisikan: Y, jika idak ada klaim + s. n, jika ada n klaim, () Diasumsikan pula Y, Y 2,... saling bebas dan menyebar secara idenik dengan fungsi peluang: q(y) Pr[Y y], y -, s, 2s, 3s,..., (2) Jika X + adalah sae dari pemegang polis pada waku +, maka X + didefinisikan sebagai: X + Y+, jika X + Y+ 2 X +, jika X + Y+ (3) 2, jika X + Y + > 2 Fungsi sebaran unuk X + memenuhi hubungan: F(, + ) Pr( X + ),,, 2,..., 2,,... y y y ( X Y y). ( Y y) + + Pr + hp://pusli.pera.ac.id/journals/informaics/ 5 Pr Pr Pr ( X + Y Y y) q( y) + +. ( X + y ). q( y) ( X y) q( y) Pr. y sehingga diperoleh (, + ) (, ), (4) F F y q y y dengan F(2, +). Sebaran sasioner fungsi F() diperoleh dalam jangka waku yang sanga lama, sehingga: F lim F(, + ) lim y q y F ( y, ). q( y) ( y) lim F( y, ) F y ( y). q( y),,, 2,..., 2, (5) dengan F(2). Persamaan (5) lebih lanju dapa diuraikan sebagai beriku: ( + ). ( ) + ( ). F F q F y q y.. F + q F F y q y F( + ) q ( ) y y F F( y). q( y). y Rumus di aas merupakan rumus rekursif, eapi karena nilai awal F() idak dikeahui, maka nilai F() dengan rumusan di aas idak dapa langsung dicari.
4 JURNAL INFORMATIKA Vol. 3, No. 2, Nopember 22: 3-2 Unuk mencari nilai F(), dapa dibangkikan fungsi-fungsi pembanu A(),,, 2,... yang sebanding dengan nilainilai F() dengan memilih sembarang A() >, sehingga: A( + ) q ( ) A A y q y y ( ). (6) Selanjunya, karena F() sebanding dengan A() sedangkan F(2), maka,, 2,..., 2. (7) F() Kelas (Sae) Lambda,5 Lambda, Lambda,5 Lambda,2 3.3 Penghiungan Numerik Diasumsikan, unuk seiap pemegang polis dengan frekuensi harapan klaim λ (per ahun), peluang ia memiliki n klaim mengikui sebaran Poisson dengan parameer λ >, yaiu: λ n λ e Pr[ N n] n!, n,, 2,..., (8) dengan N adalah peubah acak banyaknya klaim. Dengan asumsi di aas, maka unuk sisem BMS asli yang memiliki s 3 didapakan: q(-) Pr{N } e -λ q() q() q(2) q(3) Pr{N } λe -λ q(4) q(5) q(6) Pr{N 2} λ 2 e -λ / 2!... ds. Misalkan erdapa 4 ingkaan resiko (Dufresne 988), yaiu λ i,5i, i, 2, 4, maka unuk masing-masing nilai λ, penenuan sebaran kumulaifnya dapa dilakukan dengan meode rekursif beriku:. Pilih A() 2. Hiung unuk,, 2,, 2 A( + ) q ( ) A A( y). q( y) y A A 2 3. Hiung F, unuk,,2,.., 2. Penghiungan ersebu dapa dilakukan dalam bahasa C dan menggunakan sofware Turbo C. Sebaran kumulaif dan fungsi kepekaan peluang besera grafiknya diberikan beriku ini. Gambar. Grafik Sebaran Sasioner Sisem BMS f() Kelas (Sae) Lambda,5 Lambda, Lambda,5 Lambda,2 Gambar 2. Grafik Fungsi kepekaan Peluang Sisem BMS Sebaran Sasioner dan Fungsi Kepekaan Peluang Sisem BMS biasa F(,l) l,5 l, l,5 l,2,84239,668472,47828,28574,885496,738776,55569, ,93896,86473,645526,4258 3,978624,92342,749994,536 4,986684,93395,799636, ,992997,954368,84574, ,997364,97393,885739, ,99856,98857,922, ,99927,988387,9347, ,99969,99287,949258,8,999837,9953,9633,8357,999922,9976,97898,8586 2,999965,99827,978274, ,999982,99588,98387, ,99992,999247,9882, ,999996,999533,9948, ,999998,99972,99397,9576 7,999999,999829,99585,9636 8,,99993,99733, ,,99995,998464, ,,99998,999334, ,,,, 6 hp://pusli.pera.ac.id/journals/informaics/
5 SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) f(,l) l,5 l, l,5 l,2,84239,668472,47828,28574,4386,734,77392,6234 2,454,77698,8997,7644 3,47728,85869,4468,932 4,86,2853,49642, ,634,23973,4667, ,4367,8724,435, ,52,8764,25464, ,754,6529,2268, ,42,443,6788,3556,46,2483,255,345,85,76,9585,274 2,43,,7377, ,7,674,5533,273 4,9,447,434,839 5,5,286,3296,697 6,2,79,259,44 7,,7,934,2434 8,,74,48,926 9,,47,33,9599 2,,3,87,8444 2,,9,666,742 Dari hasil yang diperoleh dapa diliha kecenderungan klien berada di sae semakin besar unuk nilai λ yang semakin kecil. Hal ini sesuai dengan asumsi yang dipakai bahwa λ adalah frekuensi harapan klaim, sehingga semakin sediki klaim yang diajukan, akan membua klien semakin mendekai sae. 4. MODIFIKASI SISTEM UNTUK JUM- LAH STATE YANG TAK HINGGA 4. Meode Pencarian Sebaran Sasioner Sisem BMS di aas dapa diperluas dalam benuk jumlah sae yang ak hingga (anpa baas aas). Unuk kasus ini X + didefinisikan sebagai: X + Y+, jika X + Y + X + (9), jika X + Y + Dari definisi di aas, secara inuiif jelas bahwa jika nilai harapan besarnya langkah perpindahan sae, E[Y ], lebih dari nol, maka sae akan erus meningka anpa baas. Sebaliknya, jika < E[Y ] <, maka sae akan mendekai benuk sasioner. Dapa disimpulkan, sebaran sasioner unuk sisem bonus-malus dengan jumlah sae ak hingga ada jika memenuhi: [ ] y q( y) E Y. < y. () Sebaran sasioner fungsi F() dapa diperoleh dengan menggunakan persamaan (5), unuk,, 2,..., yaiu: ( ), () F F y q y y dengan lim F. Pilih A() F(). Jika dimisalkan f F, dan f F F( ), (2) maka dari persamaan () didapakan: f F F( y). q( y) y F. q( ) + F. q [ f + F ]. q( ) + f ( ). q.... (3) f q + f q + f q Sedangkan dari (2) diperoleh: F f + F( ), dan F( y) f ( y) + F( y ), sehingga [ ] + ( ) ( ) + ( ) f F f y F y. q y. y Karena F( ) F( y ). q( y), maka y f f y. q y ( ),, 2,... (4) y Fungsi pembangki peluang dari X unuk u dapa dinyaakan sebagai: G u u f (5) dan fungsi pembangki peluang dari Y adalah: u y q( y) H u y (Karlin & Taylor 975). (6) Dengan memasukkan persamaan (3) dan (4) pada persamaan (5) didapa: + G u u f u f hp://pusli.pera.ac.id/journals/informaics/ 7
6 JURNAL INFORMATIKA Vol. 3, No. 2, Nopember 22: 3-2 f q( ) + f q( ) + f q u f ( y).q( y). y f u y ( y).q( y) + f q( ) y f ( y).q( y) ( ). + ( ) (7) G u u f y q y f q y Kemudian unuk variabel z - y, didapakan: y z u q( y) u f ( z) f q( ) u + f q( ) G u y z H( u). G( u) f. q( ) u + f. q( ), aau ( u ). f. q( ) G( u). (8) u( H( u) ) Dengan menggunakan hukum l Hopial diperoleh: ( u. ) f ( ). q( ) f ( ). q( ) limg u lim lim u u u( H( u) ) u H( u) uh' ( u) f. q( ) H ' Karena G(), maka: f. q( ) G, (9) H ' sehingga H f ' q( ) y. q( y). (2) q( ) y 4.2 Penghiungan Numerik Dengan menggunakan asumsi yang sama seperi pada sisem BMS biasa, didefinisikan peubah acak Y yang menyaakan perubahan sae: 3N, N > Y, N, sehingga Y dapa diulis: E Y E 3N Pr N +, 2,..., ë [ ] [ ] [ ] 3ë e. Sesuai syara (), maka E[Y ] 3λ - e -λ <, arinya λ <, Ekspansi dere Taylor dari persamaan (2) memberikan f() - 3λe λ. + Misalkan erdapa 4 ingkaan resiko yaiu λ i,5i, i, 2,..., 4, maka penenuan sebaran kumulaifnya dapa dilakukan dengan meode rekursif beriku:. Pilih F() f() - 3λe λ 2. Hiung unuk,, 2, F + F q( ) y ( ) F( y). q( y) Seperi dalam kasus sebelumnya, penghiungan ersebu dapa dilakukan dalam bahasa C dan menggunakan sofware Turbo C. Dalam conoh ini hanya diberikan unuk 25 sae. Sebaran kumulaif dan fungsi kepekaan peluang besera grafiknya diberikan beriku ini. F() Kelas (Sae) lambda,5 lambda, lambda,5 lambda,2 Gambar 3. Grafik Sebaran Sasioner Sisem BMS Kasus Tak Terbaas f() Kelas (Sae) lambda,5 lambda, lambda,5 lambda,2 Gambar 4. Grafik Fungsi Peluang Sisem BMS Kasus Tak Terbaas Sebaran Sasioner dan Fungsi Kepekaan Peluang Sisem BMS dengan jumlah sae ak hingga 8 hp://pusli.pera.ac.id/journals/informaics/
7 SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) F(,l) l,5 l, l,5 l,2,84239,668449,47775,26758,885495,73875,554398, ,93896,86445,6448, ,978624,923,748359, ,986683,93363,797893,544 5,992997,954336,843859, ,997364,97359,88387, ,99856,98824,9925, ,99927,988353,93436, ,99969,992783,94788,764,999837,995266,95926,78865,999922,996982,96878, ,999965,99892,9764, ,999982,998766,98662, ,99999,99923,985957, ,999996,999499,989246, ,999998,999678,99749,9248 7,999999,999794,993679, ,,999896,99556, ,,99996,996286, ,,999946,99754, ,,999966,99789, f(,l) l,5 l, l,5 l,2,84239,668449,47775,26758,4386,73,77223,595 2,454,77695,8972, ,47728,85866,424,8824 4,859,2852,49534, ,634,23973,45966, ,4367,8723,39948,5277 7,52,8765,2548,4737 8,754,6529,222,3774 9,42,443,6752,33698,47,2483,228,286,85,76,9564,2562 2,43,,736, ,7,674,552,9643 4,9,447,4295,738 5,5,286,3289,5273 6,2,79,253,339 7,,6,93,798 8,,2,477,366 9,,2,3,98 2,,3,868,8 2,,2,665, Dari gambar 3 dan gambar 4 dapa diliha bahwa sebaran sasioner anara sisem BMS biasa dengan sisem BMS kasus ak hingga idak erlalu jauh berbeda. Teapi jika diperhaikan, semakin besar nilai λ, maka nilai fungsi kepekaan peluang pada sisem BMS biasa akan lebih besar dibandingkan sisem BMS kasus koninu. Hal ini dikarenakan, semakin banyak klaim erjadi, akan mengakibakan sebaran sasioner pada sisem BMS kasus ak hingga semakin ersebar sampai ak hingga sae. 5. KESIMPULAN & SARAN 5. Kesimpulan Sisem bonus-malus Swiss (BMS) memiliki 22 sae yang memiliki sifa Markov. Penenuan sebaran sasioner pada sisem ini sanga suli apabila dilakukan secara analiik. Karena iu, penggunaan meode rekursif dalam menenukan sebaran sasioner sisem BMS dapa memberikan kemudahan. Sebaran sasioner ersebu diberikan oleh: A F A( 2),,, 2,, 2, dengan A + A ( ) ( ) A y. q y. q y ( ) Fungsi A() adalah fungsi pembanu dengan sembarang nilai A()>. Sisem BMS dapa diperluas menjadi sisem BMS dengan jumlah sae ak hingga. Unuk kasus ini, sebaran sasionernya ada jika λ<,257628, dan diberikan oleh: F + y ( ) F F( y). q( y), dengan q( ) F() f() - 3λe λ. 5.2 Saran Pada pembahasan di aas dibahas aspek eoriis dari sebaran sasioner sisem Bonus Malus Swiss. Karena iu, akan lebih lengkap apabila dipelajari dari sisi aplikasi sisem Bonus Malus ersebu. Benuk aplikasi ini dapa berupa pencarian nilai λ yang dapa hp://pusli.pera.ac.id/journals/informaics/ 9
8 JURNAL INFORMATIKA Vol. 3, No. 2, Nopember 22: 3-2 diperoleh melalui peneliian, khusus unuk kasus yang ada di Indonesia. DAFTAR PUSTAKA. Bowers, N.L, H.U. Gerber, J.C. Hickman, D.A. Jones & C.J. Nesbi. Acuarial Mahemaics. Sociey of Acuaries, Chicago Dufresne, F. Disribuions Saionnaires d un Syseme Bonus-Malus e Probabilie de Ruine. ASTIN Bullein, 988, 8: Dufresne, F. The Efficiency of The Swiss Bonus-Malus Sysem. Bullein of The Swiss Associaion of Acuaries, 995, : Karlin, S, & Taylor, H.M. A Firs Course in Sochasic Processes. Academic Press, New York Taylor, H.M, & Karlin, S. An Inroducion o Sochasic Modelling. Academic Press, Inc, New York hp://pusli.pera.ac.id/journals/informaics/
PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciBAB IV PERHITUNGAN NUMERIK
BAB IV PERHITUNGAN NUMERIK Dengan memperhaikan fungsi sebaran peluang berahan dari masingmasing sebaran klaim, sebagai mana diulis pada persamaan (3.45), (3.70) dan (3.90), perhiungan numerik idak mudah
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 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 terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1 Waku dan Meode Peneliian Pada bab sebelumnya elah dibahas bahwa cadangan adalah sejumlah uang yang harus disediakan oleh pihak perusahaan asuransi dalam waku peranggungan
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,
Lebih terperinciMODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks)
Polieknik Negeri Banjarmasin 4 MODUL PERTEMUAN KE 3 MATA KULIAH : ( sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciSIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK
Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias
Lebih terperinciIII. PEMODELAN HARGA PENGGUNAAN INTERNET
8 III EMODELAN HARGA ENGGUNAAN INTERNET 3 Asumsi dan Model ada peneliian ini diperhaikan beberapa asumsi yaiu sebagai beriku: Waku anarkedaangan menyebar eksponensial dengan raaan λ - (laju kedaangan adalah
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV HAMILON * BERLIAN SEIAWAY, YANA ADHARINI DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus IPB
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 11 Laar Belakang Seiap orang mendambakan berheni bekerja di suau masa dalam siklus kehidupannya dan menikmai masa uanya dengan enram Terjaminnya kesejaheraan di masa ua akan mencipakan
Lebih terperinciJurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks)
MODUL PERTEMUAN KE 3 MATA KULIAH : (4 sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran POKOK BAHASAN: GERAK LURUS 3-1
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciB a b 1 I s y a r a t
TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciPemodelan 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciRANK DARI MATRIKS ATAS RING
Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias
Lebih terperinciBAB II MATERI PENUNJANG. 2.1 Keuangan Opsi
Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBab II Dasar Teori Kelayakan Investasi
Bab II Dasar Teori Kelayakan Invesasi 2.1 Prinsip Analisis Biaya dan Manfaa (os and Benefi Analysis) Invesasi adalah penanaman modal yang digunakan dalam proses produksi unuk keunungan suau perusahaan.
Lebih terperinciPERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1
PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Perawaan (Mainenance) Mainenance adalah akivias agar komponen aau sisem yang rusak akan dikembalikan aau diperbaiki dalam suau kondisi erenu pada periode waku erenu (Ebeling,
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Deskripsi Teori 3.1.1. Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien unuk penjualan produknya, perusahaan memerlukan suau cara yang epa, sisemais dan
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciMETODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya
III. METODE PENELITIAN A. Meode Dasar Peneliian Meode yang digunakan dalam peneliian ini adalah meode kuaniaif, yang digunakan unuk mengeahui dan pembahasannya mengenai biaya - biaya usaha melipui biaya
Lebih terperinciPENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN
M-6 PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN Enny Suparini 1) Soemarini 2) 1) & 2) Deparemen Saisika FMIPA UNPAD arhinii@yahoo.com 1) ine_soemarini@yahoo.com 2) Absrak
Lebih terperinciBAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai
BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciKLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
Lebih terperinciMODUL III ANALISIS KELAYAKAN INVESTASI
ANALISIS KELAYAKAN INVESTASI 3.. Tujuan Ö Prakikan dapa memahami perhiungan alokasi biaya. Ö Prakikan dapa memahami analisis kelayakan invesasi dalam pendirian usaha. Ö Prakikan dapa menyusun proyeksi/proforma
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI
15 BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian 2.1.1 Definisi Ruang Sampel Himpunan semua hasil semua hasil (oucome) yang mungkin muncul pada suau percobaan disebu ruang sampel dan dinoasikan dengan
Lebih terperinciKAJIAN 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 terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciPENGGUNAAN METODE HOMOTOPI UNTUK MENYELESAIKAN MODEL ALIRAN POLUTAN DI TIGA DANAU YANG SALING TERHUBUNG ANDRI TRI WIBOWO
PENGGUNAAN METODE HOMOTOPI UNTUK MENYELESAIKAN MODEL ALIRAN POLUTAN DI TIGA DANAU YANG SALING TERHUBUNG ANDRI TRI WIBOWO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
I. PENDAHULUAN. Laar Belakang Menuru Sharpe e al (993), invesasi adalah mengorbankan ase yang dimiliki sekarang guna mendapakan ase pada masa mendaang yang enu saja dengan jumlah yang lebih besar. Invesasi
Lebih terperinciHubungan antara Keterobservasian dan Keterkonstruksian Sistem Linier Kontinu Bergantung Waktu
Mah Educa Jurnal () (7): 86-95 Jur na l Maem aika Pend i di ka n Maema i ka Email: mejuinibpag@gmailcm Hubungan anara Keerbservasian Keerknsruksian Sisem Linier Kninu Berganung Waku Ezhari Asfa ani adris
Lebih terperinciPerbandingan 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 terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBab IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.
PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar
Lebih terperinciPemodelan Intensitas Transisi dan Peluang pada Asuransi Perawatan Jangka Panjang
Pemodelan Inensias Transisi dan Peluang pada Asuransi Perawaan Jangka Panjang Rosia Kusumawai 1, dan Gunardi 2 1 Universias egeri Yogyakara, 2 Universias Gadjah Mada Inisari Proses perubahan saus kesehaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciBAB 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 terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciVolume 1, Nomor 1, Juni 2007 ISSN
Volume, Nomor, Juni 7 ISSN 978-77 Barekeng, Juni 7 hal6-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variance Mulivaria Analysis for Experimen wih Complee Random
Lebih terperinciBAB KINEMATIKA DENGAN ANALISIS VEKTOR
BAB KINEMATIKA DENGAN ANALISIS VEKTOR Karakerisik gerak pada bidang melibakan analisis vekor dua dimensi, dimana vekor posisi, perpindahan, kecepaan, dan percepaan dinyaakan dalam suau vekor sauan i (sumbu
Lebih terperinciPersamaan Differensial Parsial Difusi Homogen pada Selang. dengan Kondisi Batas Dirichlet dan Neumann
Okober 16, Vol. 1, No.1. ISSN: 57-618 Persamaan Differensial Parsial Difusi Homogen pada Selang, dengan Kondisi Baas Dirichle dan Neumann Rukmono Budi Uomo Universias Muhammadiyah Tangerang rukmono.budi.u@mail.ugm.ac.id
Lebih terperinciMODEL PENYUSUTAN DARAB JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA. Sunarsih 1, Meidar Sakinata 2
MODEL PENYUSUTAN DARAB JUMLAH PESERTA ASURANSI PADA ASURANSI JIWA Sunarsih, Meidar Sakinaa 2 Program Sudi Maemaika FMIPA UNDIP 2 Alumni Program Sudi Maemaika FMIPA UNDIP Absrac Muliple decremen model in
Lebih terperinciFIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI
KTSP & K-13 FIsika K e l a s XI KINEMATIKA Tujuan Pembelajaran Seelah mempelajari maeri ini, kamu diharapkan mampu menjelaskan hubungan anara vekor posisi, vekor kecepaan, dan vekor percepaan unuk gerak
Lebih terperinciMODEl PERSAMAAN DIFERENSIAL STOKASTIK UNTUK PROSES PRENDIVILLE
βea p-issn: 285-5893 / e-issn: 2541-458 hp://jurnalbea.ac.id Vol. 5 No. 1 (Mei) 212, Hal. 75-8 βea 212 MODEl PERSAMAAN DIFERENSIAL STOKASTIK UNTUK PROSES PRENDIVILLE Grania Absrak: Suau model yang banyak
Lebih terperinciPERHITUNGAN PREMI ASURANSI JIWA DWIGUNA PASUTRI SEBAGAI PENERAPAN PEMBELAJARAN MATEMATIKA EKONOMI
Perhiungan Premi Asuransi Jiwa Dwiguna... PERHITUNGAN PREMI ASURANSI JIWA DWIGUNA PASUTRI SEBAGAI PENERAPAN PEMBELAJARAN MATEMATIKA EKONOMI Irma Fauziah Dosen Maemaika FST Universias Islam Negeri Syarif
Lebih terperinciKontrol Optimal pada Model Economic Order Quantity dengan Inisiatif Tim Penjualan
Jurnal Teknik Indusri, Vol. 19, No. 1, Juni 17, 1- ISSN 111-5 prin / ISSN 7-739 online DOI: 1.97/ji.19.1.1- Konrol Opimal pada Model Economic Order Quaniy Inisiaif Tim Penjualan Abdul Laif Al Fauzi 1*,
Lebih terperinciEstimasi Parameter. Modul 1 PENDAHULUAN
Modul 1 Esimasi Parameer Dr. Suawanir Darwis P PENDAHULUAN roses sokasik S,,, S adalah koleksi peubah acak S dengan menyaakan indeks waku,. Kumpulan semua nilai S yang mungkin, dinamakan sae space. Suau
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciBilangan Dominasi Jarak Dua Pada Graf Hasil Operasi Amalgamasi
Bilangan Dominasi Jarak Dua Pada Graf Hasil Operasi Amalgamasi Ilham Saifudin ) ) Jurusan Teknik Informaika, Fakulas Teknik, Universias Muhammadiyah Jember Jl. Karimaa No. 49 Jember Kode Pos 68 Email :
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciANALISIS ANTRIAN ANGKUTAN UMUM BUS ANTAR KOTA REGULER DI TERMINAL ARJOSARI
Achmadi, Analisis Anrian Angkuan Umum Bus Anar Koa Reguler di Terminal ANALISIS ANTRIAN ANGKUTAN UMUM BUS ANTAR KOTA REGULER DI TERMINAL ARJOSARI Seno Achmadi Absrak : Seiring dengan berkembangnya aku,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciAnalisis Rangkaian Listrik Di Kawasan s
Sudaryano Sudirham Analisis angkaian Lisrik Di Kawasan s Sudaryano Sudirham, Analisis angkaian Lisrik () BAB 3 Fungsi Jargan Pembahasan fungsi jargan akan membua kia memahami makna fungsi jargan, fungsi
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciPENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Studi pada karyawan tetap PT PG Tulangan Sidoarjo)
PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Sudi pada karyawan eap PT PG Tulangan Sidoarjo) Niken Dwi Okavia Heru Susilo Moehammad Soe`oed Hakam Fakulas Ilmu Adminisrasi
Lebih terperinciKINEMATIKA GERAK DALAM SATU DIMENSI
KINEMATIKA GERAK DALAM SATU DIMENSI PENDAHULUAN Kinemaika adalah bagian dari mekanika ang membahas enang gerak anpa memperhaikan penebab benda iu bergerak. Arina pembahasanna idak meninjau aau idak menghubungkan
Lebih terperinciPENDAHULUAN LANDASAN TEORI
PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang
Lebih terperinciMODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)
Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias
Lebih terperinciB a b 1 I s y a r a t
9 TKE 35 ISYARAT DAN SISTEM B a b I s y a r a (bagian 2) Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 29 2.4. Isyara Periodik
Lebih terperinciPELATIHAN STOCK ASSESSMENT
PELATIHA STOCK ASSESSMET Modul 5 PERTUMBUHA Mennofaria Boer Kiagus Abdul Aziz Maeri Pelaihan Sock Assessmen Donggala, 1-14 Sepember 27 DIAS PERIKAA DA KELAUTA KABUPATE DOGGALA bekerjasama dengan PKSPL
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: ( Print) D-108
JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Prin) D-108 Simulasi Peredaman Gearan Mesin Roasi Menggunakan Dynamic Vibraion Absorber () Yudhkarisma Firi, dan Yerri Susaio Jurusan Teknik
Lebih terperinciGERAK LURUS BESARAN-BESARAN FISIKA PADA GERAK KECEPATAN DAN KELAJUAN PERCEPATAN GLB DAN GLBB GERAK VERTIKAL
Suau benda dikaakan bergerak manakalah kedudukan benda iu berubah erhadap benda lain yang dijadikan sebagai iik acuan. Benda dikaakan diam (idak bergerak) manakalah kedudukan benda iu idak berubah erhadap
Lebih terperinci