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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 erdr dar n obseras berbeda, yau x, x,..., x. dengan raaan 2 n m dan ragam j, j j ddefnskan sebaga pendapaan prem yang akan masuk ke perusahaan asurans seper raso kerugan aau sejumlah dana yang akan dasuranskan. Prem yang dbayarkan erganung dar nensas klam yang dberkan. Raaan dan ragamnya dasumskan salng bebas, maka fungs lkelhoodnya n ÕÕ j ( j, j ) f x m (33) Seap parameer (raaan dan ragam) dar seap grup daa klam berbeda dasumskan bebas, maka akan ddapakan raaan poseror yang merupakan penduga prem rsko. amun, secara umum formula n dak dgunakan karena dalam prosesnya dbuuhkan negras numerk yang rum. Raaan poserornya adalah E( m D) ò n Õ m f x m f m,,..., dmd,..., d j, j n n j (,..., n ) f x x (34) dmana D adalah kumpulan unuk semua daa (durakan pada Lampran 7). 2. Teor Kredblas Menuru Buhlmann e all. (982) sebagamana dkup Rene, penduga kredblas dak bsa dgunakan unuk klam yang besar. Seper yang elah djelaskan sebelumnya bahwa penduga kredblasnya akan sama dengan raaan poserornya bersfa keluarga eksponensal sederhana yang merupakan sask cukup unuk q dan fungs prornya merupakan naural conjugae pror. Gsler (992) sebagamana dkup Rene memperkenalkan suau model yang mengkombnaskan prosedur kredblas dengan suau daa rmmng. Hal n menark karena penggunaan sebaran Laplace lkelhood dan sebaran pror yang merupakan sebaran normal, maka raaan poseror yang ddapa merupakan penduga robus yang akan membenuk suau daa rmmng. Kunsch (992) sebagamana dkup Rene menggan penduga kredblas dengan penduga robus. Gsler dan Renhard (993) juga memperkenalkan suau meode khusus mencar penduga robus unuk mendapakan penduga prem rskonya, yang akan durakan lebh lanju pada sud kasus dbawah n. STUDI KASUS Dalam sud kasus dbawah n Gsler dan Renhard (993) memperkenalkan eor kredblas dan kredblas robus yang dgunakan unuk menganalss daa-daa klam agar mendapakan nla prem. la prem ersebu kemudan dbandngkan dengan penduga nla prem yang dhung menggunakan model Bayesan. Dnoaskan : x adalah nensas klam dar kaegor j rsko ke dalam ahun ke j unuk seap j (,..., ; j,..., n) dnyaakan dalam dar jumlah yang akan dasuranskan. adalah jumlah yang akan dasuranskan dan dnyaakan dalam mlyaran CHF (Confoederao Heleca Franc). n adalah jumlah ahun dan adalah jumlah kaegor rsko. Prem nddual seap kaegor rsko ke adalah n j x å xj, j

2 9 dengan n å. j j Berdasarkan Buhlmann dan Sraub (970), prem kredblas dar seap kaegor rsko ke adalah m m+ a x - m, ˆ dmana m adalah raaan porofolo dan a adalah fakor kredblas dar kaegor rsko ke b a b+ w dengan b dan wadalah ragam. Buhlmann dan Sraub juga memperkenalkan suau langkah unuk menduga nla m, b, dan wdar suau sampel dengan a ˆ m dengan a a å x å a n wˆ ååj xj -x n- ì j ˆ - b c íå x -x - - î 2 å - x åx 2 wˆü ý þ æ ö c å - ç è ø Dberkan caaan bahwa nla raaan porofolo berbeda dengan nla raaan prem. Gsler dan Renhard (993) mengasumskan bahwa raaan nddual m q Eé ë x q ù û adalah jumlah dar j ordnary-par dan excess-par m q m q + m 0 xs, dengan excess-par bebas erhadap kaegor m q rsko nddual. Ordnary-par dugaan berdasarkan dar sask robus 0 dan m xs dugaan berdasarkan obseras klamklam xs. Dkeahu n j å mn ( xj, cj ) j 2 æ ö dengan cj +ç ç è j ø n n åå j adalah obseras besar yang dsederhanakan dar seap kaegor rsko. Berdasarkan Gsler dan Renhard, penduga kredblas robus adalah ˆ m ˆ m + a - ˆ m + ˆ m dmana ˆ m n xs xs xs j j j xs x - j j j mn x, c j j j j b a b+ w åå a ˆ m, a a å å a Model yang elah durakan daas dgunakan unuk menghung prem pada daa klam dbawah n. j, Berku n dberkan daa-daa klam dar Swss Assocaon of Propery Insurers. Tabel Daa-daa klam dar Swss Assocaon of Propery Insurers o Jumlah yang Kaegor rsko Inensas Klam dasuranskan Tahun ( dalam CHF Kaegor ( dalam ) `000 ) Indusr Bau Mula 8,952, ,408, ,6, ,233, ,34,82.405

3 0 Lanjuan o Kaegor rsko Jumlah yang Inensas Klam dasuranskan Tahun ( dalam CHF Kaegor ( dalam ) `000 ) 2 Indusr Logam 54,637, ,97, ,04, ,660, ,393, Indusr Kayu 6,039, ,27, ,770, ,96, ,209, Indusr Keras 5,03, ,862, ,637, ,474, ,962, Indusr Teksl 7,690, ,87, ,489, ,298, ,80, Indusr Makanan 3,58, ,0, ,027, ,654, ,395, Indusr Kma 8,033, ,599, ,505, ,665, ,548, Energ 2,969, ,257, ,524, ,390, ,346, Perokoan dan Perhoelan 44,9, ,32, ,405, ,309, ,759, Toal 89,99, ,784, ,49,

4 Lanjuan o Kaegor rsko Kaegor Tahun Jumlah yang dasuranskan Inensas Klam ( dalam CHF `000 ) ( dalam ) 4 87,649, ,767, Daa-daa ersebu erdr dar berbaga macam nensas klam dar semblan kaegor 9 rsko pemegang pols berbeda selama perode lma ahun beruru-uru n 5. Inensas klam yang dmaksud dsn adalah jumlah nla klamnya dbag dengan sejumlah yang akan dasuranskan. Inensas klam berperan penng dalam penghungan prem rsko. Karya uls n menggunakan sofware Mcrosof Excel dalam penghungannya unuk mendapakan nla-nla yang dngnkan berdasarkan meode yang elah dperkenalkan oleh Buhlmann dan Sraub sera Gsler dan Renhard. Dduga nla raaan porofolo sera nla ragam adalah ˆ m wˆ b ˆ la raaan premnya adalah x la yang ddapa, 2,..., n -6 {0.956, 0.808, 2.290,.395,.063, 0.776, 0.632, 0.339, 0.584} 0 Dduga nla klam ambahan adalah ˆ m xs Berdasarkan Gsler dan Renhard (993), nla ragam yau b dan w ddapakan berdasarkan modfkas dar model Buhlmann dan Sraub, yau -6 w b Raaan porofolo dar klam ordnary adalah ˆ m Raso ragam yang ddapa dar model Buhlmann dan Sraub adalah w b 0.03 sedangkan raso ragam yang ddapa dar model Gsler dan Renhard adalah w b 0.06 Ternyaa n 9 lebh kecl dbandngkan dengan raso ragamnya, maka penduga Bayeslah yang akan dgunakan sebaga penduga unuk membandngkan nla prem yang sudah ddapa. Raaan poseror berdasarkan Rene Schneper yang ddefnskan sebaga dugaan prem rsko. Tabel 2 Raaan poseror berdasarkan Rene Schneper Kaegor Rsko unuk Indusr Raaan Poseror

5 2 Sehngga ddapakan prem rsko dar seap kaegor rsko. Tabel 3 Prem rsko murn dar beberapa kaegor rsko Kaegor Rsko unuk Indusr Raaan Porofolo Prem Inddual Prem Kredblas Prem Kredblas Robus Raaan Poseror Keerangan Indusr Bau Mula 5 Indusr Teksl 9 Perokoan dan Perhoelan 2 Indusr Logam 6 Indusr Makanan 3 Indusr Kayu 7 Indusr Kma 4 Indusr Keras 8 Energ Keerangan unuk abel d aas : Indusr Bau Mula la prem kredblas dperoleh sebesar (0.973), prem kredblas robus (.070), raaan poseror (.03), dan prem nddual (0.956). Semua nla yang dperoleh mendeka nla penduga, yau raaan poserornya (.03). Hal n berar nla penduga prem sama dengan prem rsko. Indusr Logam la prem kredblas dperoleh (.075) yang ernyaa nlanya lebh besar darpada prem kredblas robus (.027), dan jauh lebh besar dbandngkan dengan raaan poseror (0.80). Hal n dakbakan adanya penclan yang besar dar nla nensas klam, yau (2.863). Karena besar perbandngannya, maka prem yang dgunakan adalah prem kredblas robus (.027) yang mendeka nla penduga. Indusr Kayu la prem kredblas dperoleh (.52), prem kredblas robus (.244), kedua nla ersebu dbawah nla penduganya, yau raaan poseror (.6) dan raaan nddual (2.320). Prem yang ddapa dengan meode kredblas lebh sesua dbandngkan dengan meode kredblas robus. Indusr Keras la prem kredblas dperoleh(.292) dan ernyaa nlanya sedk lebh besar dbandngkan dengan prem kredblas robus (.28). Hal n dakbakan adanya penclan yang besar pada nensas klam yau (6.329). amun penclan ersebu dapa dhlangkan pengaruhnya dengan meode kredblas robus. Prem yang ddapa dengan menggunakan meode kredblas robus lebh sesua jka dbandngkan dengan meode kredblas. Indusr Teksl la prem kredblas dperoleh (0.992) dan ernyaa nlanya mendeka nla prem kredblas robus (.087). amun kedua nla ersebu lebh rendah darpada nla penduga yau raaan poseror (.3), sebab penduganya dpengaruh adanya klam yang rendah dalam lma ahun erakhr. Indusr Makanan la prem kredblas dperoleh (0.925), prem kredblas robus (.029), raaan poseror (0.9). Ternyaa nla prem kredblas mendeka nla penduga, yau raaan poseror sebesar (0.9). Hal n berar nla penduga prem sama dengan prem rsko. Indusr Kma Dperoleh nla prem kredblas (0.877), prem kredblas robus (0.977), kedua nla ersebu lebh besar dbandngkan nla penduga yau raaan poseror (0.77). Prem yang ddapa dengan menggunakan meode kredblas lebh sesua dbandngkan dengan meode kredblas robus.

6 3 Energ la prem kredblas dperoleh (0.739), prem kredblas robus (0.854), kedua nla ersebu lebh besar dbandngkan nla penduganya, yau raaan poseror (0.63). Sebaga ambahan, erdapa suau harga ngg yang mbul karena adanya penduga kredblas robus sehngga erdapa baya ambahan unuk rsko xs yang erdapa pada semua kaegor rsko. Prem yang ddapa dengan menggunakan meode kredblas lebh sesua dbandngkan dengan meode kredlblas robus. Perokoan dan Perhoelan Dperoleh nla prem kredblas (0.766), prem kredblas robus (0.906), kedua nla ersebu lebh besar dbandngkan nla penduga yau raaan poseror (0.69). Sebaga ambahan, erdapa suau harga ngg yang mbul karena adanya penduga kredblas robus sehngga erdapa baya ambahan unuk rsko xs yang erdapa pada semua kaegor rsko. Prem yang ddapa dengan menggunakan meode kredblas lebh sesua dbandngkan dengan meode kredlblas robus Raaan poseror dsn memberkan nla prem rsko murn yang berbeda dbandngkan dengan prem rsko yang dhaslkan dengan menggunakan eor kredblas, walaupun nlanya hampr mendeka. amun dalam aplkas basanya prem rsko yang dhung dengan menggunakan meode kredblas (prem kredblas) lebh sesua dbandngkan dengan analss Bayesan (raaan poseror). amun dalam kasus n, raaan poseror dpengaruh oleh nensas klamnya, bak yang rendah maupun yang ngg. Penduga kredblas robus dapa memberkan solus yang bak unuk nesas klam yang besar, dengan kaa lan dak erpengaruh secara sgnfkan karena adanya penclan dalam prem rskonya. SIMPULA Karya lmah n menjelaskan cara penghungan prem rsko murn dengan menggunakan meode Bayesan robus dan meode kredblas robus. Dar kedua meode ersebu ddapakan raaan poseror sebaga penduga unuk menduga prem rsko. Kemudan penduga prem yang dperoleh dengan menggunakan meode kredblas dan meode kredblas robus dbandngan dengan raaan poseror yang dperoleh dengan menggunakan analss Bayesan robus. Dar perbandngan ersebu ddapakan prem yang sesua dengan klam yang ada. Dalam aplkas basanya dgunakan prem yang dperoleh dengan menggunakan meode kredblas. amun jka erdapa penclan dalam daa klamnya dgunakan meode kredblas robus agar penclan ersebu dak berpengaruh pada hasl yang ddapa. Raaan poseror yang merupakan penduga robus dak erpengaruh secara sgnfkan karena adanya penclan-penclan dalam daa klam.

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 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

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

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

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 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

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

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

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

( 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 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

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

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

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

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

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

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

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

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

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

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

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

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

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

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

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

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

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

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

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

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

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

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat 10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass

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

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

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

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

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

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

! 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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI Landasan Teor 6 BAB II LADASA TEORI. PERAMALA PERMITAA Peramalan adalah suau proses dalam menggunakan daa hsores yang elah dmlk unuk dproyekskan ke dalam suau model dan menggunakan model n unuk memperkrakan

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

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

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

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

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

\ 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

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

(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

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik 6 BAB LANDASAN TEORI. Model Persedaan.. Model Deermnsk Model Deermnsk adalah model yang menganggap nla-nla parameer elah dkeahu dengan pas. Model n dbedakan menjad dua: a. Deermnsk Sas. D dalam model n

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

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

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

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

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

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang Fska Modern Persaaan Schroodnger dan Fngs Gelobang Apa Persaaan unuk Gelobang Maer? De Brogle eberkan posula bahwa seap parkel elk hubungan: h/ p Golobang aer ala n dkonfras oleh percobaan dfraks elekron,

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 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 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

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

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

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

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jens dan Sumber Daa Daa ang dgunakan dalam penelan n merupakan daa sekunder ang berasal dar berbaga nsans pemernah eruama Badan Pusa Sask. Daa ang dgunakan anara lan angka kemsknan,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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 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 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS

ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS Prosng Semnar Nasonal Volume 02, Nomor 1 ISSN 2443-1109 ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS Irmayan 1, Nur Asm Rahmawa 2 Unversas Cokroamnoo

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

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

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

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 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 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

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 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

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

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI oleh: RILA DWI RAHMAWATI NIM: 0350050 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

IV. METODOLOGI PENELITIAN

IV. METODOLOGI PENELITIAN IV. METODOLOGI PENELITIN 4.. Obek Penelan Obek penelan adalah Provns Sulawes Tengah, yang ddasarkan aas beberapa permbangan. Perama, Provns Sulawes Tengah memlk sumberdaya sekor peranan dan ndusr pengolahan

Lebih terperinci

BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON

BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

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

PENDUGAAN RASIO, BEDA DAN REGRESI

PENDUGAAN RASIO, BEDA DAN REGRESI TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka

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

' 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

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 HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard

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