PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1"

Transkripsi

1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan area kecl Meode n mampu menangan daa konnu, bner maupun cacahan sera mampu menurunkan gala baku dbandngkan penduga langsung Penduga emprcal ayes dperoleh dengan menduga parameer model melalu fungs kepekaan peluang marjnal lalu dsubsuskan dalam penduga ayes Namun penduga ayes n akan mengalam underdspers pada kuadra gala dengan model dua ahap Unuk mengaas permasalahan n, dapa dengan memasukkan kendala (consran pada poseror expeced squared error loss, sehngga penduga yang dperoleh dsebu penduga consraned ayes Selanjunya dengan mensubsuskan nla dugaan parameernya dperoleh penduga emprcal consraned ayes (EC Kebakan kega penduga sask area kecl yau penduga langsung, emprcal ayes dan emprcal consraned ayes dengan melha besarnya kuadra engah gala Kaa-kaa kunc : pendugaan area kecl, emprcal ayes, emprcal consraned ayes PENDAHULUAN Pendugaan area kecl (small area esmaon adalah suau eknk saska unuk menduga parameer-parameer subpopulas yang ukuran conohnya kecl (Rao 003 Pendugaan sederhana area kecl yang ddasarkan pada penerapan model desan penarkan conoh (desgn-based dengan ukuran conoh dar subpopulas dsebu sebaga pendugaan langsung (drec esmaon la ukuran conohnya kecl maka sask yang dhaslkan akan memlk ragam yang besar bahkan pendugaan dak dapa dlakukan erbaga meode pendugaan area kecl (small area esmaon elah dkembangkan khususnya menyangku meode yang berbass model (model-based area esmaon sebaga alernaf dar pendugaan langsung Meode ersebu adalah emprcal bes lnear unbased predcon (ELUP, emprcal ayes (E, dan herarchcal ayes (H Meode E dan H merupakan meode yang lebh umum yang mampu menangan daa konnu, bner maupun cacahan Makalah n dsampakan pada Semnar Nasonal Maemaka 007 yang dselenggarakan oleh Jurusan Penddkan Maemaka FPMIPA UPI pada anggal 8 Desember 007

2 Pada model area kecl, pendugaan dengan meode emprcal ayes dmula dengan mengasumskan model dua ahap Selanjunya dengan memaksmumkan fungs marjnal akan dperoleh nla dugaan parameernya, yang kemudan dsubsuskan dalam penduga ayes Menuru Rao (003 penduga ayes n akan menunjukkan underdspers dengan model dua ahap ersebu, yang dapa dlha pada kuadra galanya Unuk mengaas permasalahan n dapa dlakukan dengan memasukkan suau kendala (consran pada kuadra galanya (Ghosh, 99 Dalam makalah n akan dbahas pendugaan sask area kecl dengan menggunakan penduga emprcal consraned ayes (EC berdasarkan asums normal MEODE EMPIRICAL AYES Meode emprcal ayes (E merupakan meode yang lebh umum unuk menangan model dengan daa konnu, bner maupun cacahan erdasarkan asums normal, model area kecl (basc area level dapa dekspreskan sebaga model dua ahap (Rao, 999 sebaga berku : d ( = + e dengan e ~ N( 0, ψ, =,, L, m ( d ( ( µ, σ ~ ν N sebaga pror, µ = x β ( erdasarkan eorema ayes maka dperoleh sebaran poseror yau :, β, σ nd N( ~, g ( σν ψ dengan ( σ = σν ν + ψ ν = / (3 Penduga ayes bag adalah nla harapan dar sebaran poseror sebaga berku : (, β, σ ν = = + ( E µ Penduga ayes, = σ ( σ /, µ = β (4 ν ν + ψ erganung pada parameer β dan nd sebaran marjnal : ( µ, σ + ν x σ ν, yang dapa dperoleh dar ~ N ψ Penduga emprcal ayes (E bag dperoleh dengan mensubsuskan β dengan β dan (, β σ = + ( E µ =, σ /( σ + ν ν ν ψ σν dengan σ ν, yau : = dan µ = β (5 x Pada makalah n akan dasumskan bahwa ragam samplng sama Menuru Morrs (983 bla ragam samplng sama yau ψ = ψ maka penduga ak bas bag = adalah

3 ( m p / S = * = ψ dengan S ( x β LS penduga kuadra erkecl bag β Sehngga penduga E bag adalah ( x β LS E * * +, β LS merupakan = (6 Pendugaan kuadra engah gala ( bag penduga E ( E dengan menggunakan meode jackknfe yang dkemukakan oleh Jang, Lahr dan Wan (00 yau ( E E = E( + E( E = E( + g ( = : M + M σ ν (7 MEODE EMPIRICAL CONSRAINED AYES Meode consraned ayes merupakan meode yang dgunakan unuk mengaas permasalahan underdspers pada penduga ayes Msalkan model dua ahap berku (, nd d f dan ( ~ λ yau ( E, λ ~ f λ, maka dapa dperoleh penduga ayes bag = Persamaan (8 menunjukkan bahwa penduga ayes mengalam underdspers pada kuadra engah galanya E m dengan ( ( = V ( + ( m > m =, L,, m = ( / m m Selanjunya unuk mengaas permasalahan underdspers ersebu adalah dengan memnmumkan poseror expeced squared error loss E ( kendala (consran berku : [ ] = (9 m ( = E ( (8 erhadap (0 m 3

4 dengan = / Dengan perkalan Lagrange, dapa dperoleh penduga consraned m ayes (C sebaga solus masalah mnmsas berku (Rao, 003 : dengan (, λ( = ( C, op = + a ( / m V (, λ a(, λ = + ( { /( } ( m C C Dar persamaan ( dapa dkeahu bahwa ( > ( ( C a,λ > dan = (Rao, 003 / karena Pada makalah n akan dbahas unuk model berdasarkan asums normal dengan ragam samplng sama Msalkan model dua ahap yau d ( 0,ψ dan salng bebas dengan ( µ, σ e ~ d N ~ ν nd poserornya adalah β σ,, N, g ( σ ( µ = + e dengan N sebaga pror Sehngga sebaran ( ψ ν ~ ν = Penduga ayes dberkan oleh = + dengan = σ ( / σ ψ, µ = β Menuru Rao (003, ν ν + x penduga consraned ayes pada model dua ahap n adalah : C = [ + ( µ ] + + d Dkeahu bahwa ( µ, σ + ν ψ µ dan ( m ψ / { / ( m } ( / ( (3 ~ N, bla m maka konvergen peluang erhadap konvergen peluang erhadap ψ + σν = ψ /( penduga consraned ayes bag dapa dnyaakan sebaga berku : ( / C / µ, sehngga + (4 Selanjunya penduga emprcal consraned ayes bag dperoleh dengan mensubsuskan µ dengan µ dan dengan pada persamaan (4, yau : / ( EC / + µ = (5 4

5 dengan σ /( σ + ψ = dan µ = β Kuadra engah gala bag ν ν x dengan menggunakan meode jackknfe pula EC dperoleh PENERAPAN PADA DAA PS Peubah yang dama dan menjad perhaan dalam lusras n adalah raa-raa pengeluaran perkapa rumah angga Sumber daa yang dgunakan adalah SUSENAS 003 dengan maer nformas berbass rumah angga, sera PODES 003 sebaga sumber daa peubah penyera Peubah penyeranya adalah peubah-peubah yang dasumskan mempengaruh dan aau menggambarkan pengeluaran rumah angga pada suau wlayah, melpu: persenase rumah angga prasejahera dan sejahera, persenase pengangguran, persenase rumah angga pelanggan lsrk PLN, dan persenase rumah angga pelanggan elepon Analss menggunakan SAS 9 melpu: PROC AULAE unuk memperoleh penduga langsung, PROC MIXED unuk mendapakan penduga IML unuk mendapakan penduga E dan EC β, σ, ν ψ, dan PROC abel Pendugaan raa-raa pengeluaran per kapa ( Rp00000,- berdasarkan desgn-based, emprcal ayes (E dan emprcal consraned ayes (EC Ukura Desgn-ased E EC Kecamaan n hea_ha hea_ha hea_ha Conoh Manrjeron Kraon Mergangsan Umbulharjo Koagede Gondokusuma n Danurejan Pakualaman Gondomanan Ngamplan

6 Wrobrajan Gedong engen Jes egalrejo Kajan emprk pada abel memperlhakan bahwa pendugaan dengan meode emprcal consraned ayes memberkan hasl yang lebh bak dbandng meode emprcal ayes yang dunjukkan oleh nla kuadra engah gala ( yang relaf lebh kecl Pendugaan langsung berdasarkan desgn-based unuk kasus daa Susenas d koa Yogyakara relaf memberkan hasl yang bak, hal n mengndkaskan bahwa ukuran conoh unuk area kecamaan d koa Yogyakara cukup memada unuk dgunakan dalam pendugaan langsung Namun pendugaan langsung n belum memasukkan unsur pembobo padahal pembobo merupakan salah sau hal penng pada pendugaan berdasarkan desgn-based SIMPULAN Pendugaan sask area kecl dengan meode emprcal consraned ayes (EC memberkan hasl yang lebh bak dbandng meode emprcal ayes (E Pada pendugaan langsung berdasarkan meode desgn-based perlu dlakukan pengkajan enang besarnya pembobo DAFAR PUSAKA Ghosh, M 99 Consraned ayes esmaon wh applcaons Journal of he Amercan Sascal Assocaon 87: Jang, J, Lahr, P, & Wan, SM 00 A unfed jackknfe heory for emprcal bes predcon wh M-esmaon he Annals of Sascs 30:78-80 Morrs, CA 983 Paramerc emprcal ayes nference: heory and applcaons Journal of he Amercan Sascal Assocaon 78: Rao, JNK 999 Some recen advances n model-based small area esmaon Survey Mehodology 5: Rao, JNK 003 Small area esmaon New York: John Wley and Sons 6

7 7

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga

Lebih terperinci

( L ). Matriks varians kovarians dari

( L ). Matriks varians kovarians dari LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

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

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDAAN TEORI Pada bab n akan dbahas beberapa eor maemaka keuangan dan saska yang mendukung dalam penurunan formula Lookback Opons pada Bab III dan pembuaan program pada Bab IV. Teor-eor yang

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 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 terperinci

BAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama

BAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama BAB V Model Bayes Pendugaan Area Kecl untuk Respon Bnomal dan Multnomal Berbass Penarkan Contoh Berpeluang Tdak Sama 5.1. Pendahuluan Pada umumnya pengembangan model SAE dan pendugaannya dlakukan dengan

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau

Lebih terperinci

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga

Lebih terperinci

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD)

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD) Alkas Iners Non Lner Dengan Pendekaan Lner Unuk Menenukan Hosener Conoh Kasus d G. Kelud) Cece Sulaeman) APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER CONTOH KASUS DI

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

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

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

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013 ! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL

Lebih terperinci

PEMBANDINGAN MEAN SQUARED ERROR (MSE) METODE PRASAD-RAO DAN JIANG-LAHIRI-WAN PADA EMPERICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) (Skripsi)

PEMBANDINGAN MEAN SQUARED ERROR (MSE) METODE PRASAD-RAO DAN JIANG-LAHIRI-WAN PADA EMPERICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) (Skripsi) PEMBNDINGN MEN SQURED ERROR (MSE) MEODE PRSD-RO DN JING-LHIRI-WN PD EMPERICL BES LINER UNBISED PREDICION (EBLUP) (Skrps) Oleh RIF RHM PERIWI JURUSN MEMIK FKULS MEMIK DN ILMU PENGEHUN LM UNIVERSIS LMPUNG

Lebih terperinci

MODEL PERSAMAAN DIFERENSIAL ELEKTROKARDIOGRAM DENGAN INTERVAL DENYUT BERDISTRIBUSI GAMMA

MODEL PERSAMAAN DIFERENSIAL ELEKTROKARDIOGRAM DENGAN INTERVAL DENYUT BERDISTRIBUSI GAMMA Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakulas Sans dan Maemaka, UKSW Salaga, Jun 4, Vol 5, No., ISSN :87-9 MODEL PERSAMAAN DIFERENSIAL ELEKTROKARDIOGRAM DENGAN INTERVAL DENYUT BERDISTRIBUSI

Lebih terperinci

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryano Sudrham nalss Rangkaan Lsrk D Kawasan Waku BB 12 nalss Transen d Kawasan Waku Rangkaan Orde Perama Yang dmaksud dengan analss ransen adalah analss rangkaan yang sedang dalam keadaan peralhan

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

Pemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes

Pemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes

Lebih terperinci

PENAKSIRAN PELUANG KESEMBUHAN

PENAKSIRAN PELUANG KESEMBUHAN Prosdng SNaPP2011 Sans, Teknolog, dan Kesehaan ISSN:2089-3582 PENAKSIRAN PELUANG KESEMBUHAN DENGAN KEKAMBUHAN BERDISTRIBUSI EKSPONENSIAL 1 Abdul Kudus, 2 R. Dachlan Muchls, dan 3 Tk Respa 1,2 Jurusan Saska,

Lebih terperinci

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI

PENGGUNAAN METODE MODIFIED UNIT DECOMMITMENT (MUD) UNTUK PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA - BALI Prosdng Semnar Nasonal Manajemen Teknolog X Program Sud MMT-TS, Surabaya 6 Pebruar 2010 PENGGUNAAN METODE MODFED UNT DECOMMTMENT (MUD) UNTUK PENJADWALAN UNT-UNT PEMBANGKT PADA SSTEM KELSTRKAN JAWA - BAL

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2) JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero

Lebih terperinci

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang Bab 3 3 Konds Fsk Dermaga A I Pelabuhan Palembang Penanganan Kerusakan Dermaga Sud Kasus Dermaga A I Pelabuhan Palembang 3.1 Pengolahan Daa Pasang Suru 3.1.1 Meode Leas Square Meode n menjelaskan bahwa

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

9. TEKNIK PENGINTEGRALAN

9. TEKNIK PENGINTEGRALAN 9. TEKNIK PENGINTEGRALAN 9. Inegral Parsal Formula Inegral Parsal : Cara : plh u yang urunannya lebh sederhana Conoh : Hung u dv uv v du e d msal u =, maka du=d dv e d v e d e sehngga e d e e d e e C INF8

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

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized-Splines

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized-Splines Statstka, Vol. 8, No. 1, 31-36 Unsba Bandung, Me 2008 Parameter Quantle-lke dalam Pendugaan Area Kecl Melalu Pendekatan Penalzed-Splnes Kusman Sadk Departemen Statstka IPB, Bogor Jl. Merant, Kampus IPB

Lebih terperinci

PEMODELAN KALIBRASI PEUBAH GANDA DENGAN PENDEKATAN REGRESI SINYAL P-SPLINE TONAH

PEMODELAN KALIBRASI PEUBAH GANDA DENGAN PENDEKATAN REGRESI SINYAL P-SPLINE TONAH PEMODELAN KALIBRASI PEUBAH GANDA DENGAN PENDEKATAN REGRESI SINYAL P-SPLINE TONAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan n saya menyaakan

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN 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 terperinci

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap Peramalan Dengan Model SVR Pada Daa Inflas Indonesa Dan Nla Tukar Ruah Terhada Dolar merka Dengan Menggunakan Meode Boosra Dav S Wardan, d Seawan 2, Dd B Nugroho 3 PS Maemaka, Fak Sans dan Maemaka, UKSW

Lebih terperinci

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Semnar Nasonal Teknolog Informas dan Mulmeda 2015 STMIK AMIKOM Yogyakara, 6-8 Februar 2015 PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING UNTUK MENENTUKAN PEMBERIAN BEASISWA Yeffransjah Salm STMIK Indonesa

Lebih terperinci

PENDUGAAN AREA KECIL TERHADAP PROPORSI RUMAH TANGGA MISKIN LEVEL KELURAHAN DI KABUPATEN SAMPANG MENGGUNAKAN HIERARCHICAL BAYES (HB) LOGIT NORMAL

PENDUGAAN AREA KECIL TERHADAP PROPORSI RUMAH TANGGA MISKIN LEVEL KELURAHAN DI KABUPATEN SAMPANG MENGGUNAKAN HIERARCHICAL BAYES (HB) LOGIT NORMAL PENDUGAAN AREA KECIL TERHADAP PROPORSI RUMAH TANGGA MISKIN LEVEL KELURAHAN DI KABUPATEN SAMPANG MENGGUNAKAN HIERARCHICAL BAYES (HB) LOGIT NORMAL Ika Yun Wulansar 1), Gandh Pawtan ), Neneng Sunengsh 3)

Lebih terperinci

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali Penggunaan Meode Modfed Un Decommmen (MUD) unuk Penjadwalan Un-Un Pembangk Pada Ssem Kelsrkan Jawa - Bal Ars Her Andrawan,2, Onoseno Penangsang ) Jurusan Teknk Elekro TS, Surabaya 60, ndonesa 2) Jurusan

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK

METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 009 PERNYATAAN MENGENAI

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

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

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN

SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan

Lebih terperinci

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN

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

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H PERBANDINGAN MODEL COX PROPORTIONAL HAZARD DAN MODEL PARAMETRIK BERDASARKAN ANALISIS RESIDUAL (Sud Kasus pada Daa Kanker Paru-Paru yang Dperoleh dar Conoh Daa pada Sofware S-Plus 2000 dan Smulas unuk Dsrbus

Lebih terperinci

MODEL BAYES UNTUK PENDUGAAN AREA KECIL DENGAN PENARIKAN CONTOH BERPELUANG TIDAK SAMA PADA KASUS RESPON BINOMIAL DAN MULTINOMIAL

MODEL BAYES UNTUK PENDUGAAN AREA KECIL DENGAN PENARIKAN CONTOH BERPELUANG TIDAK SAMA PADA KASUS RESPON BINOMIAL DAN MULTINOMIAL MODEL BAYES UNTUK PENDUGAAN AREA KECIL DENGAN PENARIKAN CONTOH BERPELUANG TIDAK SAMA PADA KASUS RESPON BINOMIAL DAN MULTINOMIAL APLIKASI : PENDUGAAN INDEKS PENDIDIKAN LEVEL KECAMATAN DI JAWA TIMUR AGNES

Lebih terperinci

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar Space-me Models MA58 opk dalam Saska II Aprl 5 Urwen Mukhayar Analss Sask Box&Jenkns Ieraon Posulae General Class of Models ACF, PACF, dff Daa Analyss on-paramerc Analyss Sochasc Processes Mulvarae Analyss

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

PENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION

PENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION Forum Statstka dan Komputas, Oktoberl 005, p: 1 16 Vol. 10 No. PENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION Kharl A. Notodputro dan Anang Kurna Departemen Statstka FMIPA IPB Abstract

Lebih terperinci

DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH

DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 009 ABSTRACT DARWISAH. Dynamcs

Lebih terperinci

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001

PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 I I PEMERINTAH KABUPATEN PACITAN PERATURAN DAERAH KABUPATEN PACITAN : NOMOR 18 TAHUN 2001 \ TENTANG PEMBERDAYAAN, PELESTARIAN DAN PENGEMBANGAN ADAT ISTIADAT DAN LEMBAGA ADAT DENGAN RAHMAT TAHUN YANG MAHA

Lebih terperinci

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010 3 1 BUPAT PACTAN PERATURAN BUPAT PACTAN \ NOMOR ;6TAHUN 2010 TENTANG PENYELENGGARAAN SSTEM PENGENDALAN NTERN PEMERNTA D LNGKUNGAN PEMERNTAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN,

Lebih terperinci

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5" TAHUN 2008 TENTANG

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5 TAHUN 2008 TENTANG BUPAT PACTAN PERATURAN BUPAT PACTAN ; NOMOR 5" TAHUN 2008 TENTANG PETUNJUK PELAKSANAAN PERATURAN DAERA KABUPATEN PACTAN NOMOR 25 TAHUN 2007 TENTANG ORGAN DAN KEPEGAWAAN PERUSAHAAN DAERAH AR MNUM j KABUPATEN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN EORI. njauan Pusaka.. Peramalan Peramalan (forecasng) merupakan ala banu yang penng dalam perencanaan yang efekf dan efsen khususnya dalam bdang ekonom. Dalam organsas modern mengeahu keadaan

Lebih terperinci

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

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

Lebih terperinci

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas

Lebih terperinci

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar Kumpulan Makalah Seminar Semiraa 013 Fakulas MIPA Universias Lampung Penduga Daa Pada Rancangan Bujur Sangkar Lain Dasar Idhia Sriliana Jurusan Maemaika FMIPA UNIB E-mail: aha_muflih@yahoo.co.id Absrak.

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan

Lebih terperinci

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan

Lebih terperinci

1. Mistar A. BESARAN DAN SATUAN

1. Mistar A. BESARAN DAN SATUAN A. BESARAN DAN SATUAN Teor Sngka : D dalam Fska gejala alam dama melalu pengukuran. Pengukuran adalah membandngkan suau besaran dengan besaran sejens yang dsepaka sebaga paokan (sandar). Besaran adalah

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

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM

IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM Webse : jurnal.umj.ac.d/ndex.php/semnasek IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM Yayuk Seyanng Asuk 1*, Dan Tresnawan 2 *1 Prod Teknk Spl, Fakulas Teknk

Lebih terperinci