PENERAPAN LOGIKA FUZZY DALAM PEMODELAN PERKIRAAN TINGKAT INFLASI DI INDONESIA Application of Fuzzy Logic for modeling Inflation Rate in Indonesia

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENERAPAN LOGIKA FUZZY DALAM PEMODELAN PERKIRAAN TINGKAT INFLASI DI INDONESIA Application of Fuzzy Logic for modeling Inflation Rate in Indonesia"

Transkripsi

1 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso PENERPN LOGIK FUZZY DLM PEMODELN PERKIRN TINGKT INFLSI DI INDONESI ppcato of Fuzz Logc for modeg Ifato Rate Idoesa Oeh: Muhso (Staf Pegajar FISE Uverstas Neger Yogakarta) bstract Modeg for fato rate Idoesa was doe b some researcher wth covetoa mode. The covetoa mode ca ot be apped f the data are gustc varabes. Fuzz sstem ca be used to overcome the weak of ths method. The goa of ths research s to estabsh the mode for forecastg fato rate Idoesa based o fuzz tme seres data. I ths research, forecastg fato rate use tabe ook up scheme method based o mutvarate fuzz tme seres data. Ths research s doe b the foowg steps: ) determe put-output data; ) determe fuzzfcato for put-output data; 3) determe fuzz rues base b tabe ookup scheme method; 4) costruct fuzz ferece ege; 5) costruct defuzzfcato; 6) costruct fuzz sstem for modeg fato rate Idoesa; 7) determe vadato for mode used MSE crtera. The resuts of ths research are ) we deveop 8 fuzz modes; ) The mode wth Gaussa membershp fucto, mmum ferece ege, 5 fuzz rues has mmum MSE vaue, Therefore ths mode ca be used to predct fato rate Idoesa based o fato prevous, credt terest rate, moe supp, gross atoa product ad echage rate of Rupah. Ke words: fato, fuzz sstem, fuzz tme seres. Pedahuua Perekooma Idoesa megaam krss ekoom ag berkepajaga sejak pertegaha tahu 997,. Tada-tada berakhra krss ekoom tu beum tampak sampa sekarag, sehgga megakbatka perekooma Idoesa semak terpuruk. Serg dega terjada krss ag berkepajaga tersebut, harga barag da jasa pu semak megkat tajam. Kebjaksaaa pemertah ag meakka harga Baha Bakar Mak (BBM) pada tahu 005 teah berakbat meakka harga barag. Pemertah seau megamb kebjaksaaa utuk meeka aju pertumbuha fas, bahka pemertah seau meargetka bahwa aju fas harus d bawah dua 78

2 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 dgt. Ha dakuka agar beba masarakat tdak semak berat akbat adaa keaka harga tersebut. Oeh karea tu hampr d setap kebjaksaaa ekoom ag damb pemertah seau mempertmbagka dampaka terhadap keaka harga barag da jasa. Faktor-faktor ag dapat mempegaruh fas atara a adaah tgkat fas sebeuma, jumah uag ag beredar, a tukar rupah, tgkat buga da pedapata asoa. Kemuda berdasarka peeta Muhso,. (999), dega metode regres, dperoeh hubuga ag sgfka atara jumah uag ag beredar, a tukar rupah, tgkat buga, pedapata asoa da tgkat fas d Idoesa. Saah satu cara a utuk memodeka tgkat fas d Idosa berdasarka faktor-faktor d atas adaah dega sstem fuzz. Sstem fuzz adaah sstem ag terdr dar fuzzfkas, bass atura fuzz, mes feres fuzz da defuzzfkas. Sstem fuzz ddasarka pada ogka fuzz. Kemuda ogka fuzz ddasarka pada pegetahua para pakar utuk meetuka atura-aturaa. Jad keebha dar sstem adaah proses pemodeaa tdak haa berdasarka pada data-data rea tetap juga berdasarka pegetahua para ah dbdaga. Saah satu mode fuzz ag dapat dguaka utuk pemodea berdasarka data-data waktu sebeuma adaah mode fuzz tme seres. Pegembaga mode fuzz tme seres uvarat teah dakuka oeh Hwag (998), Huarg (00), Che, (996, 00), Sah da Degtarev (004), Che da Hsu (004). Seajuta Wag, L.X. (997) teah megembagka mode fuzz berdasarka data sampe dega metode tabe ook up scheme, gradet descet trag, recursve east squares da custerg. Pemodea data fuzz tme seres mutvarat teah dakuka oeh Lee (006) da Ja (007) ag prosedur perhtugaa mash sagat kompeks khususa utuk data ag baak. Utuk peramaa tgkat fas d Idoesa mode regres fuzz terbukt mempua keakurata ag ebh bak dbadgka dega metode regres ( bad, dkk., 006). Berdasarka uraa d atas tmbu permasaaha Bagamaa membetuk mode perkraa tgkat fas d Idoesa berdasarka jumah uag ag beredar, a tukar rupah, tgkat buga da pedapata asoa dega megguaka data fuzz tme seres mutvarat. B. Kaja Pustaka. Sstem Fuzz Sstem fuzz adaah suatu sstem dega puta adaah -tupe baga rea atau hmpua fuzz da outputa adaah baga rea ag dbetuk dega 79

3 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso megguaka fuzzfkas, bass atura fuzz, mes feres fuzz da defuzzfkas. Suatu bass atura fuzz terdr dar hmpua atura jka-maka fuzz ag berbetuk: Jka adaah () dega da adaah da.da adaah, maka adaah, B berturut-turut adaah hmpua fuzz d U R da V R, (,,, ) da adaah varabe put output dar sstem fuzz tersebut,,,, M atu baaka atura daam bass atura fuzz. Fuzzfkas adaah suatu pemetaa ag memetaka ttk * U R ke suatu hmpua samar d U. da tga tpe fuzzfkas atu sgeto, Gaussa da segtga. Sedagka defuzzfkas adaah suatu pemetaa dar hmpua samar B d V R ke suatu ttk bera rea V. da tga tpe defuzzfkas atu ceter of gravt, ceter overage da maksmum. Kemuda dega megguaka ogka fuzz, mes feres fuzz megkombaska atura jka maka fuzz dega suatu pemetaa dar hmpua d U ke suatu hmpua samar B d V. Beberapa betuk dar mes feres fuzz ag basa dguaka daam sstem fuzz adaah mes feres pergadaa, mmum, Lukasewcs, Sadeh, Dees-Rescher. Meggat jes-jes fzzfkas, defuzzfkas da mes feres fuzz tersebut, maka ada 45 tpe sstem fuzz ag merupaka kombas dar jes-jes tersebut. B Bass atura fuzz fuzzfkas defuzzfkas * d U * d V Mes feres fuzz hmpua fuzz d U hmpua fuzz d V Gambar.: Pembetuka sstem fuzz 80

4 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 Defs (Wag, 997): Suatu fuzzfkas sgeto memetaka suatu ttk bera rea * U ke suatu sgeto fuzz d U dega a keaggotaa dar * pada adaah da 0 utuk ag aa dega fugs keaggotaaa adaah μ ( ), 0, * jka utuk * () Defs (Wag, 997): Suatu mes feres pergadaa adaah berbetuk : M μ ( ) mak sup ( μ ( ) μ ( ) μ ( )) B B U (3) dega adaah hmpua fuzz d U da B adaah hmpua fuzz d V. Defs 3(Wag, 997): Msaka B adaah gabuga atau rsa dar M hmpua fuzz, adaah pusat dar hmpua fuzz ke-, w adaah tgga, maka defuzzfkas rata-rata pusat aka meetuka * sebaga berkut : * M w M w (4) Jka hmpua fuzz B adaah orma dega pusat, maka meurut Wag(997), sstem fuzz dega bass atura fuzz, mes feres pergadaa, fuzzfkas sgeto da defuzzfkas rata-rata pusat adaah M μ ( ) f ( ) M μ ( ) (5) dega put U R da f() V R. da sstem fuzz dega bass atura fuzz, mes feres mmum, fuzzfkas sgeto da defuzzfkas rata-rata pusat adaah 8

5 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso 8 ( ) ( ) m ( ) ( ) m ( ) M M f μ μ (6) Sstem fuzz pada persamaa (5) da (6) adaah pemetaa tak ear ag memetaka U R ke f(). V R Jka dph fugs keaggotaa μ da B μ ag berbeda-beda maka dperoeh sstem fuzz ag berbeda-beda pua. Msaka μ da B μ adaah fugs keaggotaa Gaussa, atu : ep ) ( a σ μ da (7) ( ) ) ( ep ) ( B μ (8) dega R o a, ),, ( ], 0, ( σ, maka sstem fuzz (5) mejad : M M a a f ep ep ) ( σ σ (9) Msaka ada N pasag put-output (, 0 0 ),,,3,,N. Seajuta aka dbetuk sstem fuzz f() ag sesua dega semua pasag N utuk sembarag ketepata ag dgka atu utuk setap 0 > ε, ε < ) ( f 0 0 dega,, 3,, N.

6 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 Jka dph a, σ σ s da ( ), maka sstem fuzz (9) 0 mejad N 0 0 ep σ f ( ) N 0 ep σ (0) dega 0 adaah pusat dar hmpua samar B. * Teorema (Wag, 997): Utuk setap ε > 0, terdapat σ > 0 sehgga sstem fuzz * (0) dega σ σ mempua sfat f ( ) 0 0 < ε, utuk,,,n. Berdasarka Teorema., Semak kec σ, semak kec kesaaha f ( 0 tetap grafk f() mejad tdak haus. Jka grafk f() tdak haus, maka f() 0) mugk tdak dapat dguaka utuk megeerasas data-data duar sampe. Oeh karea tu peru dcar σ sehgga f() dapat mewak data-data duar sampe da juga memmaka kesaaha dar data-data sampe. Parameterσ berdmes satu sehgga basaa tdak sut utuk meetuka σ ag sesua utuk masaah sesugguha. 0. Fuzz tme seres uvarat Sebeum megembagka prosedur peramaa berdasarka data fuzz tme seres mutvarat, berkut aka dberka beberapa defs fuzz tme seres da sfatsfata. Defs 4 (Sog ad Chssom, 993): Msaka Yt (), t..., 0,,,..., adaah hmpua baga dar R da f () t,,, 3,..., adaah hmpua fuzz ag ddefska pada Yt (). Msaka Ft () adaah hmpua ag aggotaa adaah f () t,,, 3,..., maka Ft () dsebut fuzz tme seres pada Yt (), t..., 0,,, 3,... Berdasarka Defs 4, Ft () merupaka hmpua dar varabe gustk da f () t adaah a gustk ag mugk dar Ft (). Na Ft () dapat berbeda-beda 83

7 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso utuk t ag berbeda sehgga Ft () merupaka fugs dar t. Berkut aka berka cara pemodea fuzz tme seres dega megguaka pedekata persamaa reas fuzz ag dakuka oeh Sog, Q da Chssom, B.S. (993). Defs 5 (Sog ad Chssom, 993): Msaka I da J adaah hmpua deks berturut-turut utuk Ft ( ) da Ft (), jka utuk setap f () t F() t, j J, ada f ( t) F( t ), I sedemka sehgga ada reas fuzz Rj (, t t) da f j() t f( t) o Rj(, t t) dega o adaah komposs mak-m, maka Ft () dkataka haa dpegaruh oeh Ft ( ). Seajuta dotaska dega: f( t) f j( t) atau dtus Ft ( ) Ft (). Berdasarka Defs 5, jka reas fuzz atara f () t da f j () t dketahu, maka dapat dtetuka a f j () t. Defs 6 (Sog ad Chssom, 993): Msaka I da J adaah hmpua deks berturut-turut utuk Ft ( ) da Ft (), jka utuk setap f () t F() t, j J, ada f ( t) F( t ), I sedemka sehgga ada reas fuzz Rj (, t t) da f j() t f( t) o Rj(, t t), Rtt (, ) j j U, j R (, t t) dega adaah operator gabuga, maka Rtt (, ) dsebut reas fuzz atara Ft () da Ft ( ) dega Ft () Ft ( ) o Rtt (, ). Berdasarka defs 6, utuk meetuka a Ft () harus dhtug semua a reas fuzz Rj (, t t ) kemuda dega megguaka komposs mak-m dega Ft ( ) dapat dperoeh a Ft (). Defs 7 (Sog ad Chssom, 993): Jka utuk t t, Rt (, t ) Rt (, t ) j atau Ra( t, t m) Ra( t, t m) atau Ro( t, t m) Ro( t, t m), maka Ft () dsebut fuzz tme seres tme varat, jka tdak demka Ft () dsebut fuzz tme seres tme varat. 84

8 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 Mode fuzz tme seres tme varat depede terhadap waktu t sehgga daam peerapaa ebh mudah dbadgka dega fuzz tme seres tme varat. Oeh karea tu peru dturuka suatu sfat suatu fuzz tme seres adaah tme varat. Teorema (Sog da Chssom, 993): Jka Ft () adaah fuzz tme seres da utuk setap t, baaka eeme dar () Ft berhgga f () t,,, 3,...,, da Ft () Ft ( ), maka Ft () adaah fuzz tme seres tme varat. Teorema 3 (Sog da Chssom, 993): Jka Ft () adaah fuzz tme seres tme varat, maka Rtt (, )... f ( t ) f ( t) f ( t ) f ( t)... j0 j f ( t m) f ( t m+ )... utuk suatu baga buat postf m da utuk setap m jm pasag hmpua fuzz ag berbeda. Berdasarka Teorema 3, utuk meghtug reas fuzz mejad ebh sederhaa karea tdak harus meghtug reas fuzz dar semua pasag ag mugk. Jad cukup dhat satu pasag dar eeme Ft () da Ft ( ) utuk semua t ag mugk. Ha berart utuk megkostrukska mode dar fuzz tme seres tme varat, cukup dperuka satu observas utuk setap t da membuat reas fuzz utuk setap pasag observas dar waktu t ag berbeda. Seajuta gabuga dar semua reas fuzz tu mejad reas dar mode tersebut. Teorema sagat bergua daam perhtuga sebab kadag-kadag dar suatu pegamata haa dpua satu data dar setap waktu t. 3. Fuzz tme seres mutvarat Msaka Ft () fuzz tme seres pada Yt (), t..., 0,,, 3,... Jka Ft () dpegaruh oeh ( F( t), F( t)),( F( t ), F( t)),..., ( F( t ), F( t )), maka reas fuzz dataka dega ( F( t), F( t)),...,( F( t ), F( t)), ( F( t), F( t )) Ft () da dsebut fuzz tme seres order dua faktor dega (), () utama da faktor sekuder. Seajuta defs dperuas utuk m faktor atu reas fuzz ag dataka dega ( F( t ), F( t),..., Fm ( t)),..., ( F t, F ( t),..., F ( t)), ( ) F t ( F( t), F ( t),..., F ( t )) Ft () m F t berturut-turut merupaka faktor m 85

9 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso dsebut fuzz tme seres order dega m faktor, dega F () t merupaka faktor utama da F ( ),..., ( ) t Fm t dsebut faktor sekuder. C. Metode Peeta D daam peeta mode utuk peramaa tgkat fas ddasarka pada data fuzz tme seres mutvarat order satu da ma faktor dega metode tabe ookup scheme. Order fuzz tme seres dph satu utuk megurag kompekstas perhtuga da metode tabe ook- up scheme dph utuk megurag baaka atura fuzz. Peeta dakuka dega megamb sampe data tgkat fas, jumah uag ag beredar, a tukar rupah, tgkat buga da pedapata asoa dar Bro Pusat Statstk Yogakarta mua tahu 980 sampa tahu 006. Data dar tahu 980 sampa tahu 005 dguaka utuk membetuk mode da data tahu 006 dguaka utuk predks. Tgkat keakurata dukur dega mea square error (MSE). Lagkah-agkah ag aka dakuka daam peeta adaah: a. Meetuka put-output data berdasarka data fuzz tme seres. b. Meetuka fuzzfkas Membetuk fugs keaggotaa ag ddefska pada doma dar put da output data. Meakuka fuzzfkas utuk data put da output dega berdasarka fugs keaggotaa ag teah ddefska. c. Meetuka bass atura fuzz Membetuk atura fuzz ag dbagu dar setap pasag put-output data sampe dega megguaka tabe ookup scheme. Kumpua dar atura fuzz aka membetuk bass atura fuzz. d. Membetuk mes feres fuzz Meetuka mes feres fuzz, daam peeta dguaka mes feres fuzz pergadaa da mmum. e. Membetuk defuzzfkas Meetuka jes defuzzfer, daam peeta dph defuzzfer rata-rata pusat. f. Megkostruks sstem fuzz sebaga mode perkraa tgkat fas d Idoesa. Berdasarka kombas dar fuzzfkas, bass atura fuzz, mes feres fuzz da defuzzfkas dtetuka mode fuzz utuk peramaa tgkat fas. g. Meetuka vadas mode ag dbuat dega meetuka MSE. 86

10 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 D. Has da Pembahasa Peramaa tgkat fas berdasarka data fuzz tme seres mutvarat dega metode tabe ook-up scheme dega puta adaah tgkat fas sebeuma, tgkat suku buga kredt, a tukar rupah terhadap US $, jumah uag beredar, pedapata asoa da outputa adaah tgkat fas adaah sebaga berkut:. Ddefska hmpua fuzz utuk setap doma dar semua varabe sehgga doma terparts oeh hmpua fuzz tersebut. D daam peeta utuk doma dar tgkat fas, tgkat suku buga kredt, jumah uag ag beredar (mar rupah), pedapata asoa (mar rupah), a tukar rupah, berturut-turut adaah [0 00], [0 5], [ ], [ ], [ ] da pada doma tersebut berturut-turut ddefska hmpua fuzz, kasus pertama sebaak 6, 6, 0, da 7, kedua sebaak 5, 6, 0, da 7, dega fugs keaggotaa Gaussa da segtga.. Dakuka fuzzfkas data utuk setap pasag put-output data (,,, 3,, 4,, 5, ; ), msaka fuzzfkas data tgkat fas pada tahu ke- adaah da utuk faktor sekudera adaah B,, B 3,, B 4,, B 5,, maka dbetuk reas fuzz (, B,, B3,, B4,, B5, ). Reas fuzz meghaska atura fuzz: Jka adaah da, adaah B, da 3, adaah B3, da 4, adaah B4, da 5, adaah B5,, maka adaah Berdasarka fuzzfkas data, utuk kasus pertama atu baaka fugs keaggotaa ag ddefska pada doma tgkat fas, tgkat suku buga kredt, jumah uag ag beredar (mar rupah), pedapata asoa (mar rupah), a tukar rupah berturut-turut 6, 6, 0, da 7, dperoeh 5 atura fuzz ag beum terseeks. Utuk kasus kedua atu baaka fugs keaggotaa ag ddefska pada doma tgkat fas, tgkat suku buga kredt, jumah uag ag beredar (mar rupah), pedapata asoa (mar rupah), a tukar rupah berturut-turut 5, 6, 0, da 7, dperoeh 5 atura fuzz ag beum terseeks. 3. Jka ada atura ag atecedea sama tetap kosekuea berbeda, maka ph atura ag derajata terbesar. Msaka atura fuzz:. 87

11 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso 88 Jka adaah da, adaah B, da 3, adaah B 3, da 4, adaah B4, da 5, adaah B5,, maka adaah. Derajat atura fuzz tersebut adaah ( ) ( ) ( ) ( ) ( ) ( ) B B B B,, 3, 3, 4, 4, 5, 5, Berdasarka agkah (3) dperoeh 7 atura fuzz utuk kasus pertama da 5 atura fuzz utuk kasus kedua. 4. Betuk bass atura fuzz ag terdr dar atura-atura ag dperoeh dar agkah (3). Tujuh beas atura fuzz membetuk bass atura fuzz utuk kasus pertama da 5 atura fuzz membetuk bass atura fuzz utuk kasus kedua. 5. Betuk mode fuzz ag ddasarka pada bass atura fuzz ag terbetuk. D daam peeta dguaka fuzzfkas sgeto, mes feres pergadaa (mmum) da defuzzfkas rata-rata pusat. Jad berdasarka prosedur pembetuka mode fuzz d atas, terdapat 8 mode fuzz. Mode fuzz ag dbetuk berdasarka metode d atas dguaka utuk peramaa tgkat fas tahu 006. Vadas dakuka dega meetuka a σ, σ,... σ sedemka sehgga MSE predksa mma. MSE adaah 5 5 f( ) 5 dega adaah tgkat fas tahu ke- da f ( ) adaah perkraa tgkat fas tahu ke- berdasarka mode fuzz dperoeh. Besara MSE utuk setap mode fuzz dapat dhat pada Tabe. Tabe : Perbadga besara MSE utuk mode fuzz dega 5 put-output. Mode Baaka Jes fugs Jes mes feres MSE atura fuzz keaggotaa fuzz 7 Gaussa pergadaa 6,75 5 Gaussa pergadaa 4, Gaussa mmum 6, Gaussa mmum 5, Segtga pergadaa 40, Segtga pergadaa 09, Segtga mmum 03, segtga mmum 0,60

12 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 Berdasarka Tabe, Mode fuzz (4) mempua MSE mma sebesar 5,790. dega tgkat keakurata predks utuk tgkat fas tahu 006 adaah 99,3803%. Msa f(,,, 3,, 4,, 5, ) adaah perkraa tgkat fas tahu ke- berdasarka put (,,, 3,, 4,, 5, ; ), maka mode fuzz (4) dega fugs keaggotaa Gaussa, mes feres mmum da 5 atura fuzz adaah f(,,,, ), 3, 4, 5, 5,, 3, 3, 4, 4, 5, 5, m ep,ep,ep,ep,ep σ σ σ3 σ4 σ5 5,, 3, 3, 4, 4, 5, 5, m ep,ep,ep,ep,ep σ σ σ3 σ4 σ5 dega,,, 3,, 4,, 5, berturut-turut adaah pusat dar hmpua fuzz put ke-, ke-, ke-3, ke-4, ke-5 ag dperoeh dar 5 atura fuzz da σ 0, σ 3, σ3 5, σ4 0, 8, σ5 0, 5. Grafk tgkat fas ag sebeara dega a perkraaa berdasarka mode fuzz (4) dapat dhat pada Gambar Gambar : Perbadga a sebeara da perkraa fas d Idoesa berdasarka mode fuzz (4). 89

13 Peerapa Logka Fuzz Daam Pemodea Perkraa Tgkat Ifas D Idoesa --- Muhso E. Kesmpua da Sara. Kesmpua Pemodea tgkat fas d Idoesa dega sstem fuzz mempua keebha dbadgka pemodea dega cara a atu proses pemodea fuzz megguaka formas daam betuk atura ag ddasarka pada data rea da pegetahua ah serta traspara daam pegamba keputusa sehgga mudah utuk duj da dpaham. Sea tu put dar sstem fuzz tdak harus baga rea sehgga jka kta tdak mempua datapu, kta bsa memodekaa dega batua pedapat ah ag dapat dataka daam atura fuzz. Peramaa tgkat fas dakuka dega megguaka metode tabe ook-up scheme berdasarka data fuzz tme seres mutvarat. Berdasarka kombas dar baaka hmpua fuzz, jes fugs keaggotaa da jes mes feres, dperoeh 8 mode fuzz dega tgkat keakurata ag berbeda-beda. Seajuta dega memh besara MSE mma, maka mode fuzz dega fugs keaggotaa Gaussa, mes feres mmum da baaka atura fuzz 5 dapat dguaka utuk peramaa tgkat fas.. Sara D daam peeta, mode ag optma dperoeh dega meetuka a parameter σ, σ,..., σ 6 dega cara coba-coba. Mode aka semak akurat jka semak baak atura fuzz da fugs keaggotaa ag dbetuk. Oeh karea tu peru dtet tetag baaka atura fuzz da fugs keaggotaa sedemka sehgga modea optma. Daftar Pustaka bad,.m., Subaar, Wdodo & Saeh, S..(006). Fuzz mode for estmatg fato rate. Procceedg of Iteratoa Coferece o Mathematcs ad Natura Sceces. Badug: Isttut Tekoog Badug Boedoo.985. Ekoom Moeter: Ser Pegatar Imu Ekoom. Yogakarta: BPFE Che, S.M..(996). Forecastg eromets based o fuzz tme seres. Fuzz Sets ad Sstems, 8, Che, S.M..(00). Forecastg eromets based o hgh-order fuzz tme seres. Cberetcs ad Sstems Joura, 33,

14 Jura Ekoom & Peddka, Voume 4 Nomor, November 007 Che, S.M. & Hsu, C.C..(004). ew method to forecastg eromets usg fuzz tme seres. Iteratoa Joura of pped Sceces ad Egeerg,,3, Huarg, K..(00). Heurstc modes of fuzz tme seres for forecastg. Fuzz Sets ad Sstems, 3, Hwag, J.R., Che, S.M. & Lee, C.H.. (998). Hadg forecastg probems usg fuzz tme seres. Fuzz Sets ad Sstems, 00, 7-8. Ja, T.., Bure, S.M.. & rd, C..(007). Mutvarate hgh order fuzz tme seres forecastg for car road accdets. Iteratoa Joura of Computatoa Itegece, 4,, 5-0. Lee, L.W., Wag, L.H., Che, S.M. & Leu, Y.H..(006). Hadg forecastg probems based o two-factors hgh order fuzz tme seres. IEEE Trasactos o Fuzz Sstems, 4,3, Lpse, R.G. ad Steer, P.O..(98). Ecoomcs. Sth Edto. New York: Harper ad Row Pubsher Muhso,..(999). Faktor-faktor ag Mempegaruh Ifas d Idoesa. Lapora peeta DIK FIS UNY Sah, M. & Degtarev, K.Y..(004). Forecastg eromets mode based o frst-order fuzz tme seres. Trasacto o Egeerg, Computg ad Techoog VI, Eformatka VI, Samueso, P.. ad Nordhaus, W.D..(986). Ekoom Jd I. (hbahasa: Jaka Wasaa M.). Jakarta: Eragga Sog, Q. & Chssom, B.S..(993). Forecastg eromets wth fuzz tme seres, part I. Fuzz Sets ad Sstems, 54, -9. Sog, Q. & Chssom, B.S..(993). Fuzz tme seres ad ts modes. Fuzz Sets ad Sstems, 54, Sog, Q. & Chssom, B.S..(994). Forecastg eromets wth fuzz tme seres, part II. Fuzz Sets ad Sstems, 6, -8. Sudarso.(993). Pegatar Ekoom Makro. Jakarta: Reka Cpta Suprato, J..(984). Ekoometrk, Buku Dua. Jakarta: Lembaga Peerbt Fakutas Ekoom UI Wag., LX..(997). Course Fuzz Sstems ad Cotro. New Jerse : Pretce-Ha, Ic. 9

Penggunaan Sistem Samar Pada Pemodelan Tingkat Inflasi Di Indonesia

Penggunaan Sistem Samar Pada Pemodelan Tingkat Inflasi Di Indonesia Pegguaa Sstem Samar Pada Pemodea Tgkat Ifas D Idoesa Oeh : Nuug Chusu Chotmah ahasswa Program Stud atematka FIP UNY gus ama bad Staf Pegajar Jurusa Peddka atematka FIP UNY uhammad Fauza Staf Pegajar Jurusa

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A ** MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka

Lebih terperinci

Penentuan Kelulusan Calon Mahasiswa Jalur SNMPTN Menggunakan Fuzzy Inference System Mamdani

Penentuan Kelulusan Calon Mahasiswa Jalur SNMPTN Menggunakan Fuzzy Inference System Mamdani Peetua Keuusa Cao Mahasswa Jaur SNMPTN Megguaka Fuzzy Iferece System Mamda Stud Kasus : Peermaa Mahasswa aru Potekk Neger Lhokseumawe Jaur SNMPTN) Rahmad Hdayat, Mutammmu Ua Dose Tekk Iformatka Potekk

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Masalah Norm Mmum (Karat) MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Karat da Dhorva Urwatul Wutsqa Jurusa Peddka Matematka FMIPA Uverstas Neger Yogakarta Abstract I ths paper, wll be dscussed

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

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

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Purwarupa Sistem Pakar dengan Mamdani Product untuk Menentukan Menu Harian Penderita DM

Purwarupa Sistem Pakar dengan Mamdani Product untuk Menentukan Menu Harian Penderita DM IJCCS, Vo.7, No.1, Jauary 2013, pp. 45~54 ISSN: 1978-1520 45 Purwarupa Sstem Pakar dega Mamda Product utuk Meetuka Meu Hara Pederta DM Nur Hasaah 1, Retatyo Wardoyo 2 1 Jurusa Tekk Iformatka, FTI UII,

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Kata kunci: system fuzzy, inflasi

Kata kunci: system fuzzy, inflasi Pemodean Tngat Infas d Indonesa dengan -- gus aman bad & uhson PEODEL TIGKT IFLSI DI IDOESI DEG EGGUK SISTE FUZZY Oeh: gus aman bad Staf pengajar d FIP Unverstas eger Yogaarta uhson Staf Pengajar Fautas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, smrd2007@gmal.com 2 Mathematcs Departmet, Gadah Mada Uverst, supama@ugm.ac.d

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

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

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

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

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

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

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

Angka Banding Manfaat dan Biaya

Angka Banding Manfaat dan Biaya METODE ANALISIS PERENCANAAN 2 Mater 3 : TPL 311 Oleh : Ke Marta Kaskoe Agka Badg Mafaat da Baya Dalam proyek pembagua, perlu dketahu apa mafaat dar proyek tersebut? Bagamaa keutuga ekoom atau keutuga sosal

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL

NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL NILAI EIGEN DAN VEKTOR EIGEN MATRIKS TERREDUKSI REGULER DALAM ALJABAR MAX-PLUS INTERVAL A-12 Sswato 1, Ar Suparwato 2, M Ady Rudhto 3 1 Mahasswa S3 Matematka FMIPA UGM da Staff Pegajar FMIPA UNS Surakarta,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation) Supart da Subaar Estmas Destas Mulus dega Metode Wavelet (Wavelet Method Smooth Desty Estmato) Oleh Supart ) da Subaar ) Let X Abstract =,,, be depedet observato data from a dstrbuto wth a ukow desty fucto

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

Extra 4 Pengantar Teori Modul

Extra 4 Pengantar Teori Modul Extra 4 Pegatar Teor odul Apabla selama dkealka suatu kosep aljabar megea ruag vektor, maka modul merupaka perumuma dar ruag vektor. Pada modul, syarat skalar dperumum mejad eleme pada suatu rg da buka

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

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

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

: sebagai standar pembanding bagi sifat-sifat gas nyata Larutan ideal : sebagai standar pembanding bagi sifat-sifat larutan nyata Pers. (3.

: sebagai standar pembanding bagi sifat-sifat gas nyata Larutan ideal : sebagai standar pembanding bagi sifat-sifat larutan nyata Pers. (3. as deal : sebaga stadar pembadg bag sfat-sfat gas yata Laruta deal : sebaga stadar pembadg bag sfat-sfat laruta yata ers. (3.47): g g ly Laruta deal ddefska sebaga laruta dega: (3.47) d l (4.) Utuk besara

Lebih terperinci

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar ertemua 3 Luas Daerah Bdag Datar, da Volume Beda adat dega Metode Bdag Irsa Sejajar A. Luas Daerah Bdag Datar 1. Luas Daerah Bdag Datar Yag Datas Oleh Kura f, sumu X, Gars a da Gars DEFINISI: Msalka D

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci