BAB III STATISTIK INFERENSI PADA RANTAI MARKOV

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III STATISTIK INFERENSI PADA RANTAI MARKOV"

Transkripsi

1 BAB III STATISTIK INFERENSI PADA RANTAI MARKOV 3. Pedahulua Pada Bab II elah dibahas megeai aai Makov beode- aau Ō() da maiks peluag asisiya. Pada bagia ii, aka dibahas bagaimaa meeuka ode aai Makov dai baisa hasil pegamaa. Pehaika baisa hasil pegamaa ehadap cuaca beiku sebagai cooh, Dikeahui baisa hasil pegamaa ehadap keadaa cuaca selama 0 hai sebagai beiku. Disii keadaa cuaca dibagi kedalam iga kaegoi yaiu huja (disimbolka dega agka ), beawa (), da ceah (3) Obs Tabel. Cooh Hasil Pegamaa Masalah disii ialah bagaimaa meeuka ode dai baisa pegamaa esebu, dega kaa lai bagaimaa meeuka apakah keadaa beawa di hai ke-0 begaug secaa lagsug haya kepada huja di hai ke-9, aau 8

2 begaug pula pada huja di hai ke-8, aau bahka begaug pada keadaa di hai ke-7, da seeusya. Dalam melakuka pegujia ehadap aai Makov, maiks peluag asisiya idak haus dikeahui, melaika cukup dega aksiaya. Peeua peaksi iik sebuah paamee dapa diempuh dega megguaka bebeapa meode sepei meode mome, meode kuada ekecil, da meode kemugkia maksimum (maximum likelihood). Dai keiga meode esebu, dalam meaksi peluag asisi yag aka diguaka disii adalah meode kemugkia maksimum kaea meode esebu meupaka meode yag palig bayak diguaka dibadigka kedua meode laiya. Gagasa dai meode ii ialah bahwa peaksi paamee yag waja yag bedasaka ifomasi sampel adalah ilai paamee yag meghasilka peluag ebesa uuk medapaka sampel esebu. 3. Esimasi Kemugkia Maksimum Uuk P Sebelumya pehaika caa membagu maiks yag meyaaka bayakya asisi aa keadaa sebagai beiku. Secaa umum defiisika maiks bayakya asisi M sebagai beiku, M m m m m m m m m m dega mij M( V j V i), i, j,,, Disii, m ij meyaaka bayakya asisi dai keadaa i ke j. Dai Tabel, asisi dai keadaa ke haya ejadi sau kali yaiu dai hai ke-3 ke hai ke- 4. Dega demikia, m. Dega caa yag sama, dipeoleh maiks M dai hasil obsevasi pada Tabel sebagai beiku, m m m3 M m m m m3 m3 m 33 (3..) (c 3.) 9

3 Kemudia dai maiks esebu dicai maiks peluag asisi uuk aai Makovya. Peluag asisi esebu diaksi dega megguaka meode kemugkia maksimum. Dudewicz da Misha [4] medefiisika fugsi kemugkia (likelihood) sebagai beiku, Defiisi (Fugsi Kemugkia) Adaika V, V,,V adalah buah peubah acak dega fugsi disibusi Fv (, v,..., v θ ) dega θ Θ meupaka paamee yag idak dikeahui, maka fugsi kemugkia ialah, ( θ ) (,,..., θ ) L f v v v Dega megambil V, V,,V sampel acak yag bedisibusi ideik da salig bebas, maka dipeoleh fugsi kemugkia sebagai beiku, L( θ) f( v, v,..., v θ) f( v θ ) f( v θ) f( v θ) Seiap θ θ( V, V,..., V ) Θ dimaa L( θ) sup{ L( θ): θ Θ }, disebu peaksi kemugkia maksimum dai θ. Peaksia θ dega megguaka meode kemugkia maksimum elah bayak dibahas dalam buku-buku saisika. Namu, secaa umum dalam pembahasaya fugsi disibusi Fv ( θ ) maupu fugsi kepadaa peluag f( v θ ) dai peubah acak V elah dikeahui sebelumya. Dudewicz da Misha [4] membeika sebuah cooh meaik eag bagaimaa melakuka peaksia kemugkia maksimum dega haya megeahui ilai-ilai peluag dai V uuk Ө eeu. Cooh (Peaksia Kemugkia Maksimum) Dikeahui abel peluag dai peubah acak V {0,,,3,4} ehadap paamee yag bebeda-beda yaiu θ, θ, θ 3 sebagai beiku, 30

4 V p(v I Ө ) 0,00 0,05 0,05 0,08 0,0 p(v I Ө ) 0,05 0,05 0,08 0,0 0,00 p(v I Ө 3 ) 0,9 0,08 0,0 0,00 0,00 Di sii θ (0) θ 3, θ() θ3, θ() θ, θ(3) θ, θ(4) θ. Adaika kia adaka sediki peubaha bahwa kia ahu θ Θ { θ, θ}, maka peaksia kemugkia maksimum idak lagi uggal kaea meskipu θ (0) θ, θ () θ, θ (3) θ, θ (4) θ ilai θ () memiliki dua kemugkia yaiu θ da θ. Hasil dai cooh diaas kosise dega defiisi kia semula yaiu aksia kemugkia maksimum dai θ adalah θ yag memaksimumka fugsi kemugkia L(θ ). Selai iu, hasil aksia esebu idak haus uggal. Secaa umum, uuk aai Makov beode dega keadaa fugsi kemugkiaya adalah, ( ) 0 L p P( V i, V i,, V i, V i ) i0 i0i i i mij pi 0 pij i, j,,, 0 PV ( V i ) PV ( i V i) PV ( i) p p p Uuk mecai p ˆ kl peama pesamaa (3..) diulis, (3..) mij mkw i0 ij kw i, j w i k L( p) p p p, k,,, (3..3) Kaea pada lagkah selajuya aka dicai uua peama pesamaa (3..3) ehadap P kl, maka uuk mempemudah fugsi kemugkiaya dilog-ka sehigga p ij da p kw elepas dai pagka m ij da m kw. Hal ii dapa dilakuka kaea fugsi log mempeahaka sifa kemoooa. Dega demikia, pesamaa (3..3) mejadi, 3

5 log L( p) log p p p mij mkw i0 ij kw i, j w i k mij mkw i0 ij kw i, j l i k log p + log p + log p log p + m log p + m log p dimaa k,,, i0 ij ij kw i, j l i k kw (3..4) Dai (..), maka dalam pesamaa (3..4) bagia diuliska sebagai beiku, w m kw log p kw dapa m log p m log p + m log p kw kw kl kl kw kw w w w l m log p + m log( p p ), k, l,,, sehigga pesamaa (3..4) mejadi, kl kl kw kl ks w s w l log Lp ( ) log p i m 0 ijlog pij mkllog pkl mkwlog( pkl pks) ij, w s i k w l dimaa k, l,,, (3..5) Bagia selai m log p + m log( p p ) kl kl kw kl ks w s w l idak megadug usu p ˆ kl sehigga uua peama (3..5) ehadap p ˆ kl adalah, 3

6 log L( p) log pi m log log log( ) 0 ij p ij mkl pkl mkw pkl p ks Pkl P kl i, j w s i k w l mkl log pkl + mkw log( pkl pks ) P kl w s w l mkl mkw pkl w ( p p ) w l kl ks s (3..6) Nilai aksia kemugkia maksimum dai dai P kl log Lp ( ) 0 m p kl kl m 0 ( ) kw w w l pkl pks s p kl adalah p ˆ kl yag mejadi solusi (3..7) mkl ( pkl pks ) mkw pkl ( pkl pkw pks ) w s q s w l q l s q 0 p ( p p ) kl kl ks w s w l mkl ( pkl pks) m kw pkl ( pkl pkw pks) 0 w s q s w l q l s q (3..8) Dega meyelesaika pesamaa (3..8) uuk k, l,,..., besea (..) maka dipeoleh peaksi kemugkia maksimum uuk p kl yaiu pˆ kl m j Dega demikia, maiks peluag asisi aksiaya adalah kl m kj (3..9) 33

7 m m m m m m pˆ pˆ pˆ m m m ˆ pˆ pˆ pˆ P pˆ pˆ pˆ m m m m m m j j j j j j m j m j m j j j j j j j j j j (3..0) Jadi, uuk baisa obsevasi pada abel maiks peluag asisiya adalah pˆ pˆ pˆ3 ˆ 4 4 P pˆ pˆ pˆ pˆ3 pˆ3 pˆ (c 3.) Secaa umum maiks M uuk Ō() adalah, m m m m m m m m m m m m m m m M m m m m m m m m m m m m (3..) 34

8 Disii m ij kl meyaaka bayakya asisi dai keadaa i ke l dalam lagkah melalui keadaa j pada sau lagkah peama da seeusya higga melalui k di lagkah ke - sebelum ke l. Secaa maemais dapa diulis, m M( V l V k,, V j, V i), i, j, k, l,,, ij kl ( ) (3..) Semeaa iu maiks peluag asisi aksiaya adalah, dimaa pˆ pˆ pˆ ˆ ˆ ˆ p p p pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ P ˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ ˆ ˆ 0 p p (3..3) da p PV l V k V jv i ij kl (,, ( ), ) pˆ ij kl m h ij kl m ij kh Bedasaka (3..) da (3..3), uuk abel maka maiks bayak asisi M (3..4) (3..5) da maiks peluag asisi aksia ˆP Ō() adalah, 35

9 da m m m3 0 0 m m m 3 0 m3 m3 m 33 0 m m m3 0 M m m m 3 0 m3 m3 m m m m m m m m33 m33 m pˆ pˆ pˆ3 pˆ pˆ pˆ 0 3 pˆ ˆ ˆ 3 p3 p 33 ˆ ˆ ˆ 0 p p p P ˆ pˆ ˆ ˆ p p 3 0 pˆ ˆ ˆ 3 p3 p 33 pˆ ˆ ˆ p3 p 33 pˆ ˆ ˆ p3 p33 pˆ ˆ ˆ 33 p33 p Meeuka beapa ode dai baisa pegamaa pada abel sama dega meeuka maiks peluag asisi maa yag aka diguaka, yaiu apakah (c 3.) aau (c 3.4). Disisi lai, bisa saja ke-0 hasil pegamaa esebu eyaa salig bebas. Dalam hal ii, p PV l V k V jv i PV l p ij kl (,, ( ), ) ( ) l Uuk kasus dimaa ke-0 hasil pegamaa salig bebas, maiks bayak asisi da maiks peluag asisi aksiaya adalah, da [ m m m ] [ ] M [ p p p ] P ˆ ˆ ˆ ˆ (c 3.3) (c 3.4) (c 3.5) (c 3.6) 36

10 Dega adaya (c3.6), aleaif maiks peluag asisi uuk baisa hasil pegamaa pada abel beambah. Sebelum memeiksa maiks peluag asisi besea ode yag bepadaa maa yag sesuai, ada baikya peiksa elebih dahulu maa maiks peluag asisi yag idak dapa diguaka uuk daa yag dimiliki. Pehaika jika baisa pegamaa pada abel dipelakuka sebagai Ō(3). Maiks M-ya adalah, m m m m m m M (c 3.7) m333 m333 m Bais peama da kedua dai M beilai 0. Oleh kaea iu, maiks peluag asisi aksiaya adalah, Pˆ pˆ pˆ ˆ p pˆ pˆ pˆ pˆ ˆ ˆ 333 p333 p Pehaika bahwa ada bais dimaa jumlah seluuh elemeya idak sama dega, yaiu bais da. Oleh kaea iu, bedasaka (..) dapa disimpulka bahwa maiks pada (c.3.8) buka meupaka maiks peluag asisi suau aai Makov. Jadi, daa pegamaa pada abel idak dapa dimodelka sebagai Ō() dega >. (c 3.8) Sau hal yag dapa disimpulka dai ilusasi diaas ialah, peeua ode pada Ō() juga dipegauhi oleh daa baisa pegamaa yag dimiliki. Semaki iggi ode, peulaga yag ejadi semaki sediki. Hal ii eliha dai maiks bayakya asisi dimaa pada cooh diaas, semaki iggi ode yag diguaka, semaki kecil eleme-eleme maiks bayak asisiya. Oleh kaea iu, semaki iggi ode yag aka diguaka, semaki bayak pula daa yag 37

11 dipeluka. Dalam pakek, pada keyaaaya ode esebu secaa umum idak lebih dai lima. Dalam aplikasi, peeua ode suau aai Makov seigkali besifa subjekif egaug pemakai. Meskipu besaya ode dapa meigkaka kecocoka model ehadap keyaaa sebeaya, demi kemudaha pehiuga juga saa membagu model ode dihaapka seedah mugki (pasimoi). Meski demikia, bebeapa baasa dapa dipeimbagka misalya, (i) Kemudaha dalam mempeoleh daa. (ii) Jika ideks paamee bekaia dega waku, pehaika ideks daaya. Jika daa yag diambil meupaka daa bulaa, maka ideks paameeya juga dalam bula. Masalah beikuya adalah bagaimaa meeuka ode aai Makov yag epa. Dalam ugas akhi ii, peeua ode esebu dilakuka buka dega meaksi, melaika dega caa memeiksa aau membadigka ode maa yag palig sesuai dai bebeapa aleaif piliha ode yag memugkika. Sebagai cooh, uuk abel aka dibadigka aaa Ō(0), Ō(), da Ō(). 3.3 Sudi Deskipif Ō() Dalam melakuka pegujia ehadap ode aai Makov, pelu dipahami elebih dahulu bagaimaa pegauh ode pada suau aai Makov. Dai hal esebu, dapa dipeoleh kaakeisik yag membedaka ode yag sau dega laiya. Selajuya, kaakeisik esebu dapa dijadika dasa dalam pegujia ode aai Makov. Sebagai cooh, beiku ii adalah plo dai Ō(0) da Ō() dega iga keadaa da 00, 38

12 V Gamba. Plo Ō(0) 3 V Gamba. Plo Ō() Secaa deskipif, eliha pebedaa yag meaik aa aai Makov dega ode yag bebeda. Dai Gamba, pehaika pola asisi bebeuk (c 3.9) da (c 3.0) yag mucul secaa beulag. Semeaa iu, pehaika pula pada Gamba pola asisi yag bebeuk, (c 3.) da 39

13 3 (c 3.) yag juga mucul bebeapa kali. Pola-pola esebu meupaka pola-pola asisi yag domia dai kedua plo aai Makov di aas. Dai ilusasi esebu dapa dibua suau dugaa bahwa semaki iggi ode aai Makov, maka semaki leba pola asisiya. Hal ii saga masuk akal kaea kemucula suau keadaa begaug secaa lagsug kepada -keadaa sebelumya dimaa besa meyaaka ode dai aai Makov yag ekai. Secaa maemais, pola-pola asisi esebu dapa diyaaka sebagai eleme dai maiks bayak asisi M. Pola asisi (c 3.9) dapa diulis sebagai m 3, (c 3.0) m 33, (c 4.) m 333, da (c.3.) m 33. Dega demikia, beuk plo suau aai Makov dapa digambaka oleh maiks bayak asisiya. 3.4 Uji Kesesuaia Suau Raai Makov Sepei yag elah diuaaka sebelumya, ode aai Makov dieuka dega caa memilih ode yag palig sesuai dai bebeapa aleaif piliha ode yag memugkika. Kemudia, yag pelu dipehaika adalah saga dihaapka bahwa ode beilai seedah mugki. Dai sii dipeoleh gambaa megeai kieia ode yag epa yaiu, (i) Semaki besa ode, semaki cocok model yag dimiliki dega keyaaa sebeaya. (ii) Ode aai Makov yag edah lebih dihaapka daipada ode yag lebih iggi kaea aka membua model yag dihasilka lebih sedehaa. Dai kedua poi diaas dapa dikaaka bahwa lebih baik memilih ode yag lebih edah bila gambaa megeai aai makov yag diepeseasikaya idak bebeda elalu sigifika jika dibadigka dega ode yag lebih iggi. Dai paagaf diaas, dipeoleh lagkah awal dalam melakuka uji kesesuaia. Peama, asumsika elebih dahulu bahwa aai Makov esebu Ō() dimaa meyaaka ode maksimum yag dikehedaki oleh peelii aau ode yag masih dapa dioleasi oleh daa. Uuk daa pada abel, kaea uuk 3, 40

14 idak edapa maiks peluag asisiya. Selajuya, badigka dega apa yag ejadi jika aai Makov esebu Ō(-). Dega demikia, hipoesisya adalah, H 0 : pegguaa Ō() idak bebeda dega Ō(-). H : pegguaa Ō() bebeda dega Ō(-). Bedasaka defiisi ode aai Makov, hipoesis esebu dapa diulis sebagai, H : P( V l V k,, V j, V i) P( V l V k,, V ) j) 0 ( ) ( H : p p 0 ij... kl j... kl (3.3.) da H : P( V l V k,, V j, V i) P( V l V k,, V j) ( ) ( ) H : p p ij... kl j... kl (3.3.) Bedasaka Ō(), asisi dai keadaa i ke l dalam lagkah melalui keadaa j pada sau lagkah peama da seeusya higga melalui k di lagkah ke - sebelum ke l ejadi sebayak m ij kl kali dimaa m ij kl meupaka eleme dai maiks bayakya asisi M uuk Ō(). Semeaa iu, megacu kepada (3..5), bedasaka Ō(-) asisi esebu ejadi sebayak, ˆ ij kl ij k j kl m m p dimaa mij k mv ( k, V ( ) j, V i), pj kl pv ( lv k,, V ( ) j), da mij k mij kl. l Pada paagaf sebelumya, elah dibahas bahwa dalam melakuka pemiliha aaa Ō() dega Ō(-), bila gambaa megeai aai makov yag diepeseasikaya idak bebeda elalu sigifika, ode yag lebih edah dipilih. Semeaa iu, gambaa megeai aai Makov dapa diepeseasika oleh bayakya peluag asisi m. Dega demikia, hipoesis H 0 : pegguaa 4

15 Ō() idak bebeda dega Ō(-), aka didukug bila selisih bayakya asisi aaa Ō() da Ō(-) kecil yaiu, m mˆ m ( m p ) c ij kl ij kl ij kl ij k j kl i j k l i j k l (3.4.) uuk suau kosaa c. Masalah beikuya adalah meeuka sebeapa besa c sehigga selisih pada (3.4.) dapa diaggap kecil. Sebelumya, pehaika sebuah Pecobaa Beoulli dega dua kemugkia keluaa, yaiu A da A dega peluagya masig-masig adalah P(A ) p da P(A ) p -p. Suau sampel acak dai m kali pecobaa diamai dimaa m da m m - m masig-masig meyaaka bayakya keluaa dai jeis A da A. Bedasaka eoema limi pusa uuk m, Z Tulis Y Z, maka ( m mp) N(0,) mp ( p ) ( ) ( ) ( ) ( ) Gy PY y PZ y P y Z y 0 y < 0 F( y) F( y) y 0 Dai, (3.4.) uuk y 0 fugsi kepadaa peluag Y, ( F( y) F( y) ) G( y) g( y) f( y) + f( y) y y y ( ) e + e e + e e y π π πy πy Dai defiisi fugsi bea dimaa y y y y y (3.4.) (3.4.3) uuk p q da w x- maka, sehigga uuk p 0.5 belaku p q Γ( p) Γ( q) B( p, q) x ( x) dx Γ ( p + q) 0 p p Γ ( p) ( y ) d Γ( p) y 0 4

16 Γ Γ dy y 0 π ac(si y) 0 π Bedasaka (3.4.4) maka fugsi kepadaa peluag Y pada (3.4.3) dapa diulis, (3.4.4) y y g( y) e y e πy π 0 y Γ y e y < 0 y 0 yag meupaka fugsi kepadaa peluag disibusi khi kuada dega deaja kebebasa. Jadi, ( m mp) Y mp ( p ) χ () Dega sediki maipulasi aljaba, (3.4.5) dapa diubah mejadi, ( m mp ) ( m mp ) ( m mp ) + mp ( p ) mp m( p ) + + i (( m m) m( p) ) ( m mp ) mp m( p ) ( m mp ) mp ( m mp ) ( mi mpi) χ mp i mp () (3.4.5) (3.4.6) Dega meliha (3.4.6), pehaika bahwa selisih bayakya asisi pada (3.4.) dapa diuliska sebagai, ( m ( )) ij kl mij k pj kl m i j k l ij k j kl dega c * uuk suau kosaa eal sembaag. Uuk memuuska sebeapa besa c * sehigga selisih esebu dapa dikaaka kecil, pelu dkeahui elebih p c (3.4.7) 43

17 dahulu disibusi dai (3.4.7). Dega megacu kepada (3.4.6) eu waja jika ada dugaa bahwa (3.4.7) juga bedisibusi khi kuada dega deaja kebebasa eeu, sebu saja u. Teuya hal ii pelu dibukika secaa maemais. Aka eapi, pembukia disii idak aka disajika secaa medeail kaea dipeluka dasa-dasa aljaba yag kua dalam peuuaya. Peama, misalka di seiap obsevasi dai obsevasi yag meghasilka iik hasil pegamaa dalam sampel, edapa peluag p i bahwa hasil yag dipeoleh beasal dai himpua S i. Uuk seiap himpua dai bilaga bula o-egaif v,..., v dimaa i v, peluag dimaa dai obsevasi edapa epa vi hasil i obsevasi yag beasal dai S i uuk i,...,, dibeika oleh,! p v! v! p v v yag meupaka beuk umum dai (p p ). Jadi, disibusi dai gup fekuesi v,..., v adalah peumuma dai disibusi biomial yag dikeal sebagai disibusi muliomial. Fugsi kaakeisik gabugaya adalah, Tulis x i v p Eexpijxj pe + + pe j i i ( ) i i, maka fugsi kaakeisik gabuga dai x i adalah, p i vj p j ϕ(,, ) Eexpijxj Eexpi j j j p j j Eexp i vj ij p j Ee e j p j j i j pj j i i p p pe + + pe e Dega uaia MacLaui, uuk,..., kosa, j i vj i j p j j p j j (3.4.8) 44

18 i 3 log ϕ(,, ) i j pj + log + j pj j + O( ) j j j j j pj O j j + + Bedasaka (3.4.9) maka (3.4.8) mejadi, ϕ(,, ) e ( ) ( j j j ) + p + O j j (3.4.9) (3.4.0) Selajuya uuk, j j p j j j Q (,, ) lim ϕ (,, ) e e (3.4.) Beuk kuadaik Q (,, ) j j pj (3.4.) j j dapa diulis sebagai pekalia maiks da veko Λ dimaa ( ) da, Λ I pp 0 0 p pp pp 0 0 pp p pp 0 0 pp pp p Disii Q(,,..., ) adalah o-egaif dega ak - (Came [6] hal 09-0) da maiks Λ memiliki - ilai kaakeisik beilai da ilai kaakeisik ke beilai ol. (3.4.3) Seiig dega, fugsi kaakeisik gabuga x, x,..., x meuju beuk (3.4.) yag meupaka fugsi kaakeisik gabuga disibusi omal sigula dega ak - da oal massa yag eleak pada hypeplae xj p j 0. Dega demikia, secaa limi, x, x,..., x edisibusi omal sigula dega mea ol da maiks mome Λ sepei pada (3.3.3). 45

19 Selajuya, uuk x, x,..., x bedisibusi omal dega mea ol da maiks mome Λ, maka edapa asfomasi oogoal y Cx yag meggaika vaiabel lama x {x, x,..., x } dega vaiabel bau y {y, y,..., y } dimaa maiks mome asfomasiya, B CΛC adalah maiks diagoal dega - elema diagoal beilai da sau eleme laiya beilai ol. Aiya, vaiabel y, y,..., y - bedisibusi omal baku da y bedisibusi omal dega mea da vaiasi 0 (Came [6] hal 33). Dega demikia bedasaka (3.4.5) maka, i i i i i i x y y χ Dega demikia, bedasaka (3.4.4) saisik uji (3.4.7) bedisibusi khi kuada dega deaja kebebasa + yaiu, ( mij kl ( mij k pj kl )) i j k l ij k j kl m p χ + Selajuya, pada bab beikuya aka dipapaka lagkah-lagkah dalam megguaka saisik uji (3.4.5) dalam meguji ode baisa basa ukleoida dai spesies Homo Sapies. (3.4.4) (3.4.5) 46

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

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

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

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BILANGAN BAB V BARISAN BILANGAN DAN DERET Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

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

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

Lebih terperinci

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh, Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi II. TINJAUAN PUSTAKA Pada bab ii aka dibeika bebeapa kosep dasa, istilah istilah da defiisi yag eat kaitaya dega masalah yag haus dibahas yaitu megeai bayakya caa megkostuksi Dyck path dega pajag k upstokes

Lebih terperinci

TEKNIK FUNGSI PEMBANGKIT MOMEN

TEKNIK FUNGSI PEMBANGKIT MOMEN 0 TEKNIK FUNGSI PEMBANGKIT MOMEN Penenuan ungsi peluang aau ungsi densias dai ungsi peubah acak bisa juga dilakukan melalui ungsi pembangki momen Dalam penenuannya, enu saja haus digunakan siasia dai ungsi

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

p q r sesuai sifat operasi hitung bentuk pangkat

p q r sesuai sifat operasi hitung bentuk pangkat Adi Nuhidayat, S.Pd PEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMK KELOMPOK PARIWISATA, SENI DAN KERAJINAN, TEKNOLOGI KERUMAHTANGGAAN, PEKERJAAN SOSIAL, DAN ADMINISTRASI PERKANTORAN TAHUN PELAJARAN

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dega caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia adalah

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

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

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

Lebih terperinci

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR PERBNDINGN METODE BUNG MJEMUK DN TURN 78 DLM MENENTUKN SIS PINJMN SETIP PERIODE PD NUITS DUE ( Sudi Kasus: Kopeasi Uiesias Islam Negei Sula Syaif Kasim Riau ) TUGS KHIR Diajuka Sebagai Salah Sau Syaa Uuk

Lebih terperinci

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

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

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

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

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

PENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2)

PENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2) 5 PENDEKTN TEORITIK Model Pepidaha Massa Kafei Pepidaha massa kafei yag ejadi selama poses pelaua belagsug seaa difusi. Model pepidaha massa kafei dai dalam biji kopi diuuka bedasaka asumsi-asumsi sebagai

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 39 V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 5.. Pegembaga Mode Pemodea fuzzy eah ebuki sebagai ekik yag saga begua keika peaaa daam kodisi keidakpasia aau dega ifomasi yag idak pasi seig dijumpai

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor Pogam Pekuliahan Dasa Umum Sekolah Tinggi Teknologi Telkom Fungsi Veko [MA4] Deinisi Deinisi ungsi veko Fungsi veko meupakan auan yang mengkaikan ε R dengan epa sau veko F R Noasi : F : R R F î gĵ, g aau

Lebih terperinci

Fisika Dasar I (FI-321)

Fisika Dasar I (FI-321) Fisika Dasa I (FI-321) Topik hai ini (minggu 3) Geak dalam Dua dan Tiga Dimensi Posisi dan Pepindahan Kecepaan Pecepaan Geak Paabola Geak Melingka Geak dalam Dua dan Tiga Dimensi Menggunakan anda + aau

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

Lebih terperinci

MODEL ASIMETRIS GABUNGAN INVENTORY DAN ROUTING UNTUK MINIMISASI HARGA KOMODITI

MODEL ASIMETRIS GABUNGAN INVENTORY DAN ROUTING UNTUK MINIMISASI HARGA KOMODITI JURNAL MAEMAIKA DAN KOMPUER Vol. 7. No. 2, 42-5, Agusus 24, ISSN : 4-858 MODEL ASIMERIS GABUNGAN INVENOR DAN ROUING UNUK MINIMISASI HARGA KOMODII Sawadi, Susilo Haiyao Juusa Maemaika FMIPA UNDIP Absak

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

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

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

Lebih terperinci

PELUANG. Misalkan n = A,B,C,D Terjadinya 2 kemungkinan kejadian yaitu : AB, AC,AD, BA,BC,BD, CA,CB,CD, DA,DB,DC = 12 kemungkinan

PELUANG. Misalkan n = A,B,C,D Terjadinya 2 kemungkinan kejadian yaitu : AB, AC,AD, BA,BC,BD, CA,CB,CD, DA,DB,DC = 12 kemungkinan SMA - ELUANG A. Kaidah emutasi da kombiasi. emutasi : Bayakya kemugkia dega mempehatika uuta ada Misalka A,B,,D Tejadiya 2 kemugkia kejadia yaitu : AB, A,AD, BA,B,BD, A,B,D, DA,DB,D 2 kemugkia 4 ; 2 Rumusya

Lebih terperinci

kimia LAJU REAKSI II Tujuan Pembelajaran

kimia LAJU REAKSI II Tujuan Pembelajaran KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD)

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) Muhamad Zaki Riyato NIM: 02/156792/PA/08944 E-mail: zaki@mail.ugm.ac.id http://zaki.math.web.id Dose Pembimbig: Pof. D. Si Wahyui Pedahulua Sebelum melagkah

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Menentukan Pembagi Bersama Terbesar dengan Algoritma

Menentukan Pembagi Bersama Terbesar dengan Algoritma Meetuka Pembagi Besama Tebesa dega Algoitma Macelius Hey M. (135108) Pogam Studi Tekik Ifomatika Sekolah Tekik Elekto da Ifomatika Istitut Tekologi Badug, Jl. Gaesha 10 Badug 4013, Idoesia 135108@std.stei.itb.ac.id

Lebih terperinci

MASALAH PENELUSURAN (KASUS KONTINU)

MASALAH PENELUSURAN (KASUS KONTINU) MASALAH PENELUSUAN KASUS KONINU Oleh : Noii Hasi Dose Pogam Si Sisem Ifomasi UNIKOM Absak Sisem kool opimm aalah sa sisem yag meacag opimasi ilai, baik maksimm map miimm, ai sa fgsi objekif. Sisem ii bepa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN Dose Pegampu : Pof. D. Si Wahyui DISUSUN OLEH: Nama : Muh. Zaki Riyato Nim : 02/156792/PA/08944 Pogam Studi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1 BAHAN AJAR POLA, BARISAN DAN DERET BILANGAN Oleh : Muhammad Imo H 0 Modul Baisa da Deet Hal. BARISAN DAN DERET A. POLA BILANGAN. Pegetia Baisa Bilaga Baisa bilaga adalah uuta bilaga-bilaga dega atua tetetu.

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

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

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

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

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

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

Universitas Sumatera Utara

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

Lebih terperinci

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

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

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

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

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

BARISAN TAK HINGGA DAN DERET TAK HINGGA

BARISAN TAK HINGGA DAN DERET TAK HINGGA BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB III PENGEMBANGAN MODEL MATEMATIK

BAB III PENGEMBANGAN MODEL MATEMATIK A III PENGEMANGAN MODEL MATEMATIK Pada analisis manual ang akan dikembangkan, unuk menjamin bahwa eoi maupun umusan ang diuunkan belaku (valid) maka pelu dieapkan asumsi dasa. Sehingga hasil analisis manual

Lebih terperinci

DISTRIBUSI KHUSUS YANG DIKENAL

DISTRIBUSI KHUSUS YANG DIKENAL 0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi

Lebih terperinci

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

Pemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan

Pemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan Pemetaa Liea Yag Megawetka Ives azi Matiks Atas Lapaga ibeika matiks x atas lapaga Sutopo Juusa Matematika Fakultas Matematika da Pegetahua Alam Uivesitas Gadjah Mada sutopo_mipa@ugm.ac.id Abstact F lapaga

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

III. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian

III. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian III. BAHAN DAN METODE 3.1. Tempa dan Waku Peneliian Peneliian ini elah dilakukan di Lahan pecobaan Fakulas peanian dan peenakan UIN SUSKA Riau dan Laboaoium Agonomi Fakulas peanian dan peenakan UIN SUSKA

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar

DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar INFERENSI STATISTIKA DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA518 Topik dalam Statistika I: Statistika Spasial 6 September 01 Utriwei Mukhaiyar DISTRIBUSI SAMPEL Beberapa defiisi Suatu populasi terdiri

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci