KAJIAN MODEL REGRESI ASYMTOTIC

Ukuran: px
Mulai penontonan dengan halaman:

Download "KAJIAN MODEL REGRESI ASYMTOTIC"

Transkripsi

1 Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 KAJIAN MODEL REGRESI ASYMOIC Yul Ada, Da Cahawat, da Nov Yat Juua Matemata MIPA UNSRI Abta Model Rege ole meml ebaa data ag tda le, dugaa aamete ag memag da ga le, bedtbu omal dega ata-ata ol da vaa. Model Rege Amtotc bebeda dega model Rege ole laa, dmaa betu umuma, memua ug model ag teah ataa aamete le da ole. Kaea tu, edugaa aametea daat dah atu megguaa Metode Kuadat eecl MK utu aamete le da MK lea utu aamete ole. D aa daj caa meetua dugaa aamete model Rege Amtotc dega megguaa MK da MK lea. Hal aja meujua bahwa dugaa aamete ag megalam ba adalah. Utu memeba aga tda ba dlaua eaametea tehada. Uua ba meuaa uua emaga tehada eamaa ga le ag beaa dtetua oleh ug deeal etama da edua da leta baa ada uu edua deet alo. Kata Kuc : ege, amtotc, ole PENDAHULUAN Je hubuga ata eubah dalam model ege ted ata hubuga le da hubuga ole. Ja eubah beba da eubah teat behubuga ecaa le maa dmodela dega model ege le, edaga ja ata eubah meujua hubuga ecaa ole maa dmodela dega ege ole. Pembetua model ege ole dguaa aat aum elea dtola ag debaba oleh adaa data ag memg da ola ga le. Salah atu model ege ole adalah model ege amtotc. Model bebeda dega model ege ole la eet model eoe atu ab, model geomet atu b a da model hebola atu b Sudjaa, 996, dmaa ata aamete dalam atu a model haa meml atu aamete le da aamete ole. Betu model amtotc adalah. Amtotc adalah ga ag membetu uatu uva teta tda memotog ga le. Model ege amtotc meml aamete le atu da da aamete ole atu. Model ege amtotc memua ug model ag teah ataa atu aamete le da gabuga ataa aamete le da aamete ole ehgga eduga aamete daat daha Smth, 00. Model ege amtotc dguaa dalam etaa, bolog da dalam bdag a laa. Model ege amtotc coco dguaa utu data etumbuha ag jumlah dataa edt Ratow, 983. Betu ug aamete model ege amtotc daat dah, ehgga dalam edugaa aametea megguaa Metode Kuadat eecl MK utu aamete le da MK melalu lea utu aameet ole. Adau elebha da MK dega lea atu memudaha dalam edugaa aamete aea uga mejad lebh edehaa. Pegguaa MK meebaba adaa ba, oleh aea tu model ege ole elu duj eleaa utu meetua tejada ba. Hal daeaa egguaa MK utu eduga aamete model ege le tda megalam ba edaga utu aamete model ege ole aa megalam ba Ratow, 983. M-67

2 Yul A, Da C & Nov Y/Kaja Model Rege Peguja elea dugaa aamete dlaua dega uj t. Aabla eguja elea dtola beat dugaa aamete megalam ba. Hal megabata uua ba dugaa dugaa aamete elu dca da elajuta dcoba meca dugaa aamete bau atu membetu dugaa eaamete aga meeua da le dega aamete ebeluma melalu oe eaametea, ag dhaaadaat meghlaga tejada ba. Rumua Maalah Peumua maalah ag aa dbaha ada adalah meetua dugaa aamete ada model ege amtotc, meetua uua ba da eaameteaa. Bataa Maalah Metode edugaa aamete ada model ege amtotc dbata dega megguaa MK utu dugaa aamete le da MK melalu lea utu aamete ole. Peetua uua ba dugaa aamete uua ba dugaa aamete melalu metode Mamum Lelhood. Peguja elea dugaa aamete megguaa uj t. Peetua leta ba da dugaa aamete megguaa deet alo. ujua ujua ag aa dcaa dalam adalah :. Meetua dugaa aamete-aamete model ege amtotc.. Meguj elea da aamete-aamete model ege amtotc megguaa uj t. 3. Meetua uua ba da dugaa aamete. 4. Meetua eaametea model. Maaat Maaat ag deoleh da eula dhaaa daat :. Membea baha ujua utu meambah wawaa da egetahua tetag ege ole, huua model ege amtotc.. Membea tambaha lmu ag daat dguaa oleh mahawa atau at dalam bdag a la ela Matemata, mala bdag etaa, bolog atau bdag la ag eg memeguaa model-model etumbuha. Metodolog Metode ag dguaa dalam Stud Lteatu, atu :. Melaua edugaa aamete model megguaa MK da MK melalu lea.. Meguj elea dugaa aamete megguaa uj t. 3. Meetua uua ba da dugaa aamete melalu metode Mamum Lelhood. 4. Meca betu eaametea model. 5. Meguj elea dugaa eaamete hal eaametea. PEMBAHASAN Dalam Hal da Pembahaa aa dbaha tetag model ege amtotc ag dmula da edugaa aamete, ba emaga dugaa aamete, uj hote eleaa dugaaa aamete, dugaa eaametea, da ba dugaa eaametea. Selajuta aa dalaa tehada cotoh data ag eua.. Betu Umum Model Rege Amtotc Model ege amtotc dauma bebetu Dae&Smth, 99,, ε ε 4. dmaa :,, dega adalah eubah teat,,, adalah ug ole model Rege Amtotc edaga, da adalah aamete-aamete ag ada ada model Rege Amtotc. Model 4. data meujua bahwa ada model Rege Amtotc tedaat aamete le da aamete ole. Paamete le adalah da edaga aamete ole adalah Dae&Smth, 99. M-68

3 Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009. Pedugaa Paamete Pedugaa aamete dalam ege amtotc dlaua melalu oe emaha ataa aamete le da aamete ole. MK meuaa alah atu metode edugaa aamete ag memmuma Jumlah Kuadat Galat JKG. Galat meuaa elh ataa haga da haga dugaaa ŷ, dataa dega umu : ε 4. JKG dataa dega umu : JKG ε 4.3 MK dguaa utu meduga la-la aamete ada model 4. ehgga aa deoleh la dugaa, da. Peamaa 4. aabla dtul dalam betu la mejad : ε 4.4 Aabla Peamaa 4.4 mag-mag ua djumlaha lalu duadata aa meghala dmaa ε ε JKG. Sehgga aabla dtula embal mejad JKG Y 4.5 Utu medaata la dugaa aamete,, maa Peamaa 4.5 ddeeeala tehada aamete,. Selajuta utu medaata la ag mmum, hal edeeala hau ama dega ol, atu JKG JKG 0 0 a. Pedugaa aamete Nla eduga aa deoleh da Peamaa 4.5 dega medeealaa tehada atu : JKG 0 Peamaa 4.6 deleaa, aa deoleh eamaa beut : a Aabla Peamaa 4.6.a deleaa aa deoleh eamaa beut atu, 4.7 b. Pedugaa aamete Nla eduga aamete aa deoleh da Peamaa 4.5 dega medeeala tehada atu ebaga beut : JKG 0 Peamaa 4.8 deleaa, aa deoleh eamaa beut : 4.8 M-69

4 Yul A, Da C & Nov Y/Kaja Model Rege M a Peamaa 4.6.a juga dguaa utu meduga aamete. Peamaa omal 4.6.a adalah ebaga beut : 4.9 Peamaa 4.9 da Peamaa 4.8.a meuaa eamaa omal ag dguaaa utu medaata la dugaa aamete. Pedugaa aamete dlaua melalu oe elma ada Peamaa 4.8.a da Peamaa 4.9. Petama-tama, Peamaa 4.8.a dala dega da Peamaa 4.9 dala dega, ehgga deoleh eamaa beut : 4.0.a 4.0.b Lalu memalu oe elma deoleh eamaa,, Aabla meuaa eduga da, maa la adalah ebaga beut : 4. c. Pedugaa aamete Nla eduga aamete deoleh dega melaua oe emaha Peamaa 4., aea aamete adalah aamete ole. Betu emaha model Rege Amtotc dega dugaa aamete adalah ε 4. MK dguaa utu meduga haga aamete ga ege ε dega memmuma JKG ehgga aa deoleh haga dugaaa atu ε. Peamaa 4. dubah edalam betu le atu meglogatmaaa dega logatma atual l. Sehgga betu le 4.9 adalah ebaga beut : l -l l ε

5 l - l l ε l ε l l lε l l lε Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 l l 4.3 Da eamaa 4.3 maa Peamaa 4.3 mejad ebaga beut : JKG l l JKG l l l 0 l l l 0 l l 0 l - l l l Selajuta aa deoleh haga dugaaa dega megeoea Peamaa 4.4 tehada l, deoleh ebaga beut : l e l e - l e - Aabla meuaa aamete dugaa da, ehgga la adalah ebaga beut : l e Uua ba Dugaa Paamete Dugaa aamete ada model ege ole ag meml deeal aa megalam ba da ga elea. Ba da dugaa aamete debaba oleh daeah edugaa da uatu model ege ole membetu uatu uva, ehgga uua uatu uva aa membea M-7

6 Yul A, Da C & Nov Y/Kaja Model Rege ee eolea Ratow,983. Uua ba ag aa dca adalah uua ba ag udah d uj bahwa hote elea dugaa aamete dtola ag beat ada ataa dega dugaa aamete teebut ole Kaolcza, 995. Bedaaa teo amtot ag meataa bahwa dugaa vaa ba ebaga Metode Kuadat eecl mauu Mamum Lelhood adalah omal amtot Sebe, 003. Utu megaal adaa ba dugaa aamete melalu ea Deet alo. Bedaaa eamaa.4, aabla dauma bahwa ba dugaa aamete adalah otu ada deeal etama da edua maa ea Deet aloa adalah ebaga beut : b 4.6 Sebe, 003 Utu meetua bahwa dugaa aamete adalah ba maa aa dbuta bahwa ba dugaa aamete meml ebaa omal da alg beba dega ataa ol da vaa, meml deeal etama, da edua, da meml vaa covaa amtot, ag aa dduga melalu dugaa Mamum Lelhood. Betu umum model ege ole adalah ε. Ja,,..., meuaa eubah alg beba ag mag-mag bedtbu omal atu Y ~ N 0, maa,,..., adalah ebaga beut : ~ N 0, ~ N 0,... ~ N 0, Sehgga jumlah da adalah ebaga beut : Y va Y va Y... Y 4.7 adalah ug ole da adalah aamete ag tda detahu. Ja,,..., adalah amel aca da ebaa da,,..., maa ug Lelhooda adalah : L... L... L... Betu deeal ug Mamum Lelhood adalah : l L l l L l L... l L l l L l L... Peamaa d ata adalah eamaa omal da ug ole ada deeal etama. Peamaa omal teebut dataa dalam betu mat beuua, dmaa adalah M-7

7 Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 M-73 baaa aamete. Aabla dmala adalah,...,, Y adalah deeal etama daa L l tehada, adalah deeal etama da l tehada da adalah taoe deeal etama da l tehada maa betu mat Peamaa 4.8 adalah :,...,, 4.9 Y L L L l... l l 4.0 l l l l l l l l l 4. l l l l l l l l l 4. Adau deeal edua dugaa ug Mamum Lelhood adalah : l... l l l L L l l 4.3 Aabla megguaa ota-ota mat ada Peamaa 4.9,4.0,4.,4. daat dtula mejad : Y 4.4 Peamaa 4.4 dguaa utu meetua adaa mat vaa covaa da dugaa aamete model ege amototc. Poe utu meetua mat vaa covaa da adalah ebaga beut : Y Y Y 4.5

8 Yul A, Da C & Nov Y/Kaja Model Rege M-74 Bedaaa Peamaa 4.7 atu Y, maa Peamaa 4.5 mejad : 4.6 Ja dambl dua aamete,, maa betu mata adalah l l l l l l l l l l l l, l l l l l l 4.7 Ja uu ada dagoal adalah va da dagoal aa adalah cov, ehgga :, l Va, l, l Cov Atau, l Va 4.8, l, l Cov 4.9 Aum,,3,4 ebaga aat adaa ba dugaa aamete teeuh. Ja,,..., adalah eubah aca ag alg beba da mag-mag memua ataa, da maga bau, ehgga bedaaa teoema Lmt Puat ada Peamaa.4, maa : Y Z memua ebaa omal bau N 0, bla. Ja,,..., mag-mag adalah omal maa Y adalah ebaga beut : Y

9 Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 M-75 Y va va Y 4.30 Maa Y ~ N 0, da juga Z ~ N 0, edaga bla,,..., omal N 0, maa,, 0 N Y Utu meca eduga da megguaa 4.30 adalah ebaga beut : Y Y S S S dmaa S eduga da vaa dega deajat beba -. Ja adalah aamete da ug ole da adalah baaa aamete, maa : atau 4.3 Ja meuaaa vaa da dugaa aamete ag megalam ba, dega dema 4.7 mejad ebaga beut : Va l Cov l l 4.3 S Bedaaa ea deet alo ada Peamaa 4.6 utu dua aamete, maa ba dugaa aametea adalah ebaga beut : b 4.33 dega b adalah ba dugaa aamete memalu dugaa Mamum Lelhood, l l 4.34 Y S

10 Yul A, Da C & Nov Y/Kaja Model Rege M-76 l l 4.35 Peamaa 4.33 da 4.34 adalah mat vaa-covaa ag megalam ba, da deeal edua ug lelhood adalah ebaga beut : l l 4.36 dmaa,,,...,, u adalah ug lelhood da model ege l u. Ja, ehgga Peamaa 4.35 mejad ebaga beut : l l l 4.37 Mala H adalah deeal edua da ug Lelhood l tehada, bedaaa Peamaa 4.6 ehgga l H Dega meubttua Peamaa 4.34, 4.35 da Peamaa 4.36 e Peamaa 4.37, deoleh ebaga beut : Ba Ba 4.38 Ja adalah deeal etama da ug Lelhood da H adalah deeal edua da ug Lelhood, ehgga Peamaa 4.37 mejad ebaga beut : Ba Uj Kelea Dugaa Paamete Uj elea dugaa aamete dlaua utu melhat aamete dalam uatu model Rege meuaa aamete le atau aamete ole. Ja aamete meuaa aamete le ata aamete teebut tda ba edaga aabla aamete ole ata aamete teebut ba. Peguja elea dugaa aamete duj dega megguaa uj t atu dega meguj hote elea tehada dugaa aamete teebut. Ja hote elea dtema ata dugaa aamete meuaa aamete le da tda ba, edaga ja hote elea dtola ata dugaa aamete meuaa aamete ole da ba. Aabla hote elea dtola maa elu dlaua eaametea da model teebut utu memeba dugaa aamete ebeluma aga hote elea dtema. Meguj elea dlaua dega uj t utu melhat elea eta aamete ag tedaat dalam model Rege. Nla t htug adalah ebadga ataa dega maga bau. Ja meuaa dugaa da aamete da S meuaa maga bau da. Meubttua Peamaa 4.3 e Peamaa. deoleh la t utu ebaga beut : va htug t

11 Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 t htug l 4.39 Ktea eolaa uj t beata dega elea dugaa aamete. Aabla vaa dalam la t htug memua tuua ag tda beua otata ata meuaa aamete ole da daat dca ba edaga vaa dalam t htug memua tuua ag beua otata ata me uaa aameta le da ba a tda elu dca. 4.5 Uj Kelea Paamete Model Rege Amtotc Model ege Amtotc Peamaa 4. atu,, Ja,,..., adalah amel aca da ebaa,, maa ug Lelhooda adalah : L,,,,,,,, L,, l L,, l l 4.40 Deeal ug Lelhood tehada,, atu l L l, 4.4 l L l, 4.4 l L l, l 4.43 Peguja elea,, megguaa Setelah dlaua eguja, daat detahu aamete le atau ole. Ktea eolaa uj t beata dega elea aamete,,. Uj elea dugaa aamete,, model ege amtotc adalah ebaga beut : 4.5. Uj Kelea a. H 0 : le v H : ole b. Peguja t htug adalah l,, Va,, Va 4.45 Sehgga dega meubttua Peamaa 4.45 e Peamaa 4.44 deoleh ebaga beut : t htug I c. Kemula : Kaea t htug beua otata da tda ada eambaha hal maa H 0 dtema ata dalam model Rege amtotc adalah le da tda ba. M-77

12 Yul A, Da C & Nov Y/Kaja Model Rege M Uj Kelea a. H 0 : le v H : ole b. Peguja t htug adalah Va,, l,, Va 4.45 Sehgga dega meubttua Peamaa 4.45 e Peamaa 4.44 deoleh ebaga beut : t htug I c. Kemula : Kaea t htug beua otata da tda ada eambaha hal maa H 0 dtema ata dalam model Rege amtotc adalah le da tda ba Uj Kelea a. H 0 : le v H : ole b. Peguja t htug adalah Va l Va 4.45 Sehgga dega meubttua Peamaa 4.45 e Peamaa 4.44 deoleh ebaga beut : t htug I c. Kemula : Kaea t htug beua otata da tda ada eambaha hal maa H 0 dtema ata dalam model Rege amtotc adalah le da tda ba. Cov l l 4.3 S

13 Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 PENUUP Kemula ag daat dambl da embahaa ebaga beut :. Paamete alha da betha dalam model Rege amtotc meml dugaa aamete le edaga aamete gamma meml dugaa aamete ole ag bebetu eoe.. Paamete-aamete dalam model Rege amtotc ag megalam ba da eaametea haa. 3. Uuu ba gamma to meuaa uua emaga etmato/ ea gamma tehada eamaa ga le. Beaa dtetua oleh ug deeal etama da edua tehada gamma da model Rege amtotc. Leta baa ada uu edua Deet alo. 4. Reaametea gamma to ada model Rege amtotc meml dua betu umum atu dega membetu eaametea le da eaametea ole. 5. Dega data do uu da hal gadum megguaa uj t utu uj elea 0,658 deoleh bahwa t htug > t tabel ehgga hote elea 0,658 dtola. hal beat tda adaa hubuga le ataa do uu da hal odu gadum dega 0,658 ag beat juga do uu da hal odu gadum behubuga ecaa ole. Uua ba adalah 0,05 ag beat bahwa megalam emaga tehada ga le ejauh 0,05. Do uu da hal odu gadum behubuga ecaa le etelah dlaua eaametea dega φ -0,49. Saa Model Rege Amtotc haa meml atu aamete ole ehgga edugaa aametea cuu edehaa atu megguaa MK dega lea. Bag ag teta utu melaua aja model ege ole beuta daaa utu megaj model ege ole ag meml aamete ole lebh da atu da edugaa aametea megguaa metode teat dega metode Newto Raho. M-79

14 Yul A, Da C & Nov Y/Kaja Model Rege M-80

Koefisien Korelasi Spearman

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

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: asomath@ahoo.com ABSTRACT I ths ae we

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

PREDIKSI CUACA MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION-NEURAL NETWORK (PSONN)

PREDIKSI CUACA MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION-NEURAL NETWORK (PSONN) emar Naoal Matemata da Aplaa, Otober 07 urabaa, Uverta Arlagga PREDIKI CUACA MENGGUNAKAN ALGORITMA PARTICLE WARM OPTIMIZATION-NEURAL NETWORK (PONN Dta Rahmala, Teguh Herlambag Program tud Matemata, Uverta

Lebih terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

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

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

PERLUASAN MODEL CUTTING STOCK DUA DIMENSI

PERLUASAN MODEL CUTTING STOCK DUA DIMENSI PERLUAAN MODEL CUTTING TOCK DUA DIMENI Khuul Novagh Jurua Pedda Matemata Faulta Pedda Matemata da Ilmu Pegetahua Alam Uverta Pedda Idoea emal: huul@ahoo.com Abtra Terdapat m je baha bau berbetu pereg pajag

Lebih terperinci

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

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

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

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

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

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

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

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

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

Lebih terperinci

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

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

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

ESTIMASI INTERVAL KONFIDENSI UNTUK PROBABILITAS TRANSISI RANTAI MARKOV DISKRIT

ESTIMASI INTERVAL KONFIDENSI UNTUK PROBABILITAS TRANSISI RANTAI MARKOV DISKRIT eutakaauacd dglbuacd ESTIMASI INTERVAL KONFIDENSI UNTUK PROBABILITAS TRANSISI RANTAI MARKOV DISKRIT Oleh NUR ITSNAINI HASANAH M005054 SKRIPSI dtul da dauka utuk memeuh ebaga eyaata memeoleh gela Saaa Sa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 A II LANDASAN TEORI Pada bab aa dbahas bebeapa teo alaba le yag meduug dalam peuua Teo Peo-Fobeus pada ab III Teo-teo yag aa dbahas beupa subuag vaa, poyeto, des mats, deomposs coe-lpotet, seta om da

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

PEMODELAN DUA DIMENSI RESERVOIR GEOTERMAL SISTEM DUA FASA MENGGUNAKAN METODE FINITE DIFFERENTIAL. 3.1 Formulasi dan Aproksimasi Model Matematis

PEMODELAN DUA DIMENSI RESERVOIR GEOTERMAL SISTEM DUA FASA MENGGUNAKAN METODE FINITE DIFFERENTIAL. 3.1 Formulasi dan Aproksimasi Model Matematis BAB III EMODELAN DUA DIMENSI RESERVOIR GEOERMAL SISEM DUA FASA MENGGUNAAN MEODE FINIE DIFFERENIAL. Foma da Apoma Mode Maema Reeo a aa dmodea adaa eeo da da aa qd domaed. Mea aa da pada eoema mma bepa aa

Lebih terperinci

Prosiding Seminar Nasional Statistika ke-9 (SNS IX) ISBN NEGATIVE BINOMIAL REGRESSION FOR MODELLING OVERDISPERSED COUNT DATA

Prosiding Seminar Nasional Statistika ke-9 (SNS IX) ISBN NEGATIVE BINOMIAL REGRESSION FOR MODELLING OVERDISPERSED COUNT DATA Podg Sema Naoal Stattka ke-9 SNS IX ISBN 978-979-9700-5-5 NEGATIVE BINOMIAL REGRESSION FOR MODELLING OVERDISPERSED COUNT DATA E T Atut I Noma Budataa So Suao M.Dokh 3 Mahawa S-3 ada Juua Stattka FMIPA

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

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

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

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

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

Lebih terperinci

3. Integral (3) (Integral Tentu)

3. Integral (3) (Integral Tentu) Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

ANALYSIS SENSITIVITAS PADA PROGRAM INTEGER CAMPURAN

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

Lebih terperinci

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur Jural Matemata Itegrat ISSN 4-4 Vol. 9 No. Otober 0 pp. -9 Pelabela Total Super Ss Ajab Pada Gra Caterpllar Teratur Trya St Rahmah Nursham Muta Nur Estr Program Stud Matemata Jurusa MIPA Faultas Sas da

Lebih terperinci

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

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

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Analisis Persamaan Dirac untuk Potensial Pöschl-Teller Trigonometrik pada Kasus Spin Simetri Bagian Radial menggunakan Metode Iterasi Asimtotik

Analisis Persamaan Dirac untuk Potensial Pöschl-Teller Trigonometrik pada Kasus Spin Simetri Bagian Radial menggunakan Metode Iterasi Asimtotik a Quotu u / a Peamaa ac utu Potea Pöch-Tee Tgoomet paa Kau p met aga Raa egguaa etoe tea mtot a Peamaa ac utu Potea Pöch-Tee Tgoomet paa Kau p met aga Raa megguaa etoe tea mtot a Quotu u* upam a Uveta

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

PENDEKATAN REGRESI UNTUK ANALISIS VARIANSI

PENDEKATAN REGRESI UNTUK ANALISIS VARIANSI PENDEKATAN REGRESI UNTUK ANALISIS VARIANSI SKRIPSI Daua utu Memeuh Salah Satu Saat Mempeoleh Gela Saaa Sas Pogam Stud Matemata Oleh : DWI NOVIATI NIM : 994 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN:

Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN: eda Ifomata, Vol., No., Ju 004, -0 ISSN: 0854-4743 FUZZY QUANTIFICATION THEORY I UNTUK ANAISIS HUBUNGAN ANTARA PENIAIAN KINERJA DOSEN OEH AHASISWA, KEHADIRAN DOSEN, DAN NIAI KEUUSAN AHASISWA ENGGUNAKAN

Lebih terperinci

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1 68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

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

Lebih terperinci

H dinotasikan dengan B H

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

Lebih terperinci

PENERAPAN ANALISIS REGRESI DAN KORELASI DALAM MENENTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR KUALITATIF PADA TABEL KONTINGENSI

PENERAPAN ANALISIS REGRESI DAN KORELASI DALAM MENENTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR KUALITATIF PADA TABEL KONTINGENSI PNRAPAN ANALISIS RGRSI DAN KORLASI DALAM MNNTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR KUALITATIF PADA TABL KONTINGNSI Iwa Sugawa Mathematcs & Statstcs Depatmet, School o Compute Scece, Bus Uvesty Jl. K.H.

Lebih terperinci

Oleh : H. BERNIK MASKUN

Oleh : H. BERNIK MASKUN Uverstas Padjadjara, 3 November 00 (D.5) ANALISIS VARIANS UNTUK MENGUJI KEKUATAN LEKAT SEMEN ADHESIF PADA PERMUKAAN LOGAM KARENA EMPAT MACAM PERLAKUAN (Stud Esperme pada Bdag Ortodot Kedotera Gg) Oleh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

BAB II KAJIAN TEORI. tertentu (Martono, 1999). Sistem bilangan real dinotasikan dengan R. Untuk

BAB II KAJIAN TEORI. tertentu (Martono, 1999). Sistem bilangan real dinotasikan dengan R. Untuk 5 BAB II KAJIAN TEOI A. Sstem Blaga eal Sstem blaga real adalah hmpua blaga real ag dserta dega operas pejumlaha da perala sehgga memeuh asoma tertetu (Martoo, 999). Sstem blaga real dotasa dega. Utu lebh

Lebih terperinci

FORUM DIKLAT Vol. 01 No. 2 UJI STATISTIK UNTUK ANALISIS KEBUTUHAN DIKLAT (AKD) Oleh : Dra. Junarti, M.Pd*) Sari

FORUM DIKLAT Vol. 01 No. 2 UJI STATISTIK UNTUK ANALISIS KEBUTUHAN DIKLAT (AKD) Oleh : Dra. Junarti, M.Pd*) Sari FORUM DIKLAT Vol. 0 No. UJI STATISTIK UNTUK ANALISIS KEBUTUHAN DIKLAT (AKD) Oleh : Da. Juat, M.Pd*) Sa Aal Kebutuha Dklat (AKD) dapat membeka foma yag tepat kepada pembuat keputua megea, da metode dklat,

Lebih terperinci

METODE PRIMAL AFFINE-SKALING UNTUK MASALAH PROGRAM LINEAR

METODE PRIMAL AFFINE-SKALING UNTUK MASALAH PROGRAM LINEAR PLGI ERUPKN INDKN IDK ERPUJI EODE PRIL FFINE-SKLING UNUK SLH PROGR LINER Srps Dajua utu emeuh Salah Satu Sarat emperoleh Gelar Sarjaa Sas Program Stud atemata Oleh: jeg Retojwat NI : 343 PROGR SUDI EIK

Lebih terperinci

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

Analisis Aliran Daya

Analisis Aliran Daya Darublc www.darublc.cm Aalss Alra Daa udarat udrham Dalam aalss ragaa lstr, dlaua dealsas. umber dataa sebaga sumber tegaga deal atau sumber arus deal, da beba dataa sebaga medas dega araterst ler. umber

Lebih terperinci

Penelitian Operasional II Program Bilangan Bulat PROGRAM BILANGAN BULAT (INTEGER PROGRAMMING)

Penelitian Operasional II Program Bilangan Bulat PROGRAM BILANGAN BULAT (INTEGER PROGRAMMING) Peelta Operasoal II Program Blaga Bulat 37 3 PROGRAM BILANGAN BULAT (INTEGER PROGRAMMING) 3 PENDAHULUAN : Formulas Program Blaga Bulat da Aplasya Program Lear (LP) Program Lear basa dormulasa secara matemats

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

Diktat Kuliah Struktur Baja II

Diktat Kuliah Struktur Baja II Da Kla Baja Ole ac Bas,T, Baja elg ae edala aga dega ala sag as Weldg Teolog as & aca aca as aga dega as Tl aga dega as d Alas aga dega ala sag las el gaa asal el gaa oe el Gaa ag el,d, & Noal eecaaa Gelaga

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

x x x1 x x,..., 2 x, 1

x x x1 x x,..., 2 x, 1 0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata

Lebih terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang Latar Belaag PENDAHULUAN Seta egara memuya mata uag sebaga alat tuar. Pertuara barag dega uag yag terad d dalam eger tda aa membula masalah meggat la barag sudah dsesuaa dega la uag yag berlau. Masalah

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 5 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Dekrp Data Hal Peelta Setelah melakuka peelta, peelt medapatka hal tud lapaga utuk memperoleh data dega tekk te, etelah dlakuka uatu pembelajara atara kelompok

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMA YP Ula Badalampug yag belokas d Jl. Jedal R. Supapto No.88 Tajug Kaag Badalampug. Populas yag dguaka dalam peelta adalah seluuh sswa kelas

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

GEOMETRI BERHINGGA ATAS GF(P N ) UNTUK MEMBENTUK ORTHOGONAL SERIES DESIGNS

GEOMETRI BERHINGGA ATAS GF(P N ) UNTUK MEMBENTUK ORTHOGONAL SERIES DESIGNS Junal Sain & Matematia ISSN: 0854-0675 Volume 16 Nomo 3, Juli 008 Atiel Penelitian: 106-111 GEOMETRI BERHINGGA ATAS GF(P N ) UNTUK MEMBENTUK ORTHOGONAL SERIES DESIGNS Bambang Iawanto,Aniah Juuan Matematia

Lebih terperinci

BAB 4 SISTEM DINAMIK ORDE-TINGGI

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

Lebih terperinci

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 M-8 PENYELEAIAN PENGOPTIMUMAN PORTOOLIO UY MENGGUNAKAN PENDEKATAN UNGI LAGRANGE ugyarto MIPA Matematka Uverta Ahmad

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Taksiran Distribusi Aggregate Loss Asuransi Mobil Menggunakan Fast Fourier Transform (FFT) dalam Menentukan Premi Murni

Taksiran Distribusi Aggregate Loss Asuransi Mobil Menggunakan Fast Fourier Transform (FFT) dalam Menentukan Premi Murni Tasra Dstrbus Aggregate Loss Asuras Mobl Megguaa Fast Fourer Trasorm FFT dalam Meetua Prem Mur Tohap Maurug *, Mas Maaohas, Program tud Matemata, Faultas Matemata da Ilmu Pegetahua Alam, Uverstas am Ratulag

Lebih terperinci

Prosiding Seminar Nasional Manajemen Teknologi XVI Program Studi MMT-ITS, Surabaya 14 Juli 2012

Prosiding Seminar Nasional Manajemen Teknologi XVI Program Studi MMT-ITS, Surabaya 14 Juli 2012 Podg Sema Naoal Maajeme ekolog XVI Pogam Stud MM-IS, Suabaya 14 Jul 2012 PENENUAN INERVAL WAKU PERAWAAN PENCEGAHAN PERALAAN CENRIFUGE PADA PROSES PEMBUAAN SABUN MANDI BAANG DENGAN MENGGUNAKAN SIMULASI

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

Estimasi VaR Dengan Pendekatan Extreme Value * (Estimation of VaR by Extreme Value Approach)

Estimasi VaR Dengan Pendekatan Extreme Value * (Estimation of VaR by Extreme Value Approach) Estmas VaR Dea Pedeata Exteme Value Estmato of VaR by Exteme Value Appoach Suoo, Subaa 2 & Ded Rosad 3 Juusa Matemata FMIPA UNPAD Badu, e-mal : fsuoo@yahoo.com 2 Juusa Matemata FMIPA UGM Yoyaata, e-mal

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci