PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU"

Transkripsi

1 PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: ABSTRAK Peramala produks d masa medaag saga peg d dalam proses evaluas pada dusr myak da gas bum. ARPS Decle Curve adalah meode yag palg umum dguaka uuk meramalka daa peurua produks. Meskpu meode mudah uuk dguaka eap kedakpasa parameerya sul uuk dpredks. Dega peela, aka dguaka meode sasc sebaga pembadg pada meode ARPS Decle Curve yau meode sasc dere waku dega ARIMA Box Jeks. Tujua dar peela adalah meramalka laju peurua produks d lapaga X dega megguaka meode ARPS Decle Curve da ARIMA Box Jeks, selajuya membadgka hasl peramala laju peurua produks dega kedua meode ersebu. Peela dkberaka pada daa laju peurua produks pada sumur A d lapaga myak X. Persamaa laju peurua produks yag dperoleh dega ARPS Decle Curve adalah = 560. e 0, Sedagka persamaa laju peurua produks dega meode ARIMA (2,,) adalah Y = ( + )Y + ( 2 )Y 2 2 Y 3 θ e, dega = 0,958 ; 2 = 0,07 ; da θ = 0,999. Meode ARIMA (2,,) meghaslka la MSE yag lebh kecl dar pada meode ARPS Decle Curve uuk meramalka laju peurua produks sumur A d lapaga myak X. Kaa kuc: ARPS Decle Curve, ARIMA Box Jeks, MSE, Peramala ABSTRACT Produco forecasg fuure s very mpora he evaluao process he ol ad gas dusry. ARPS Decle Curve s he mos commo mehod used o predc decle produco. ARPS Decle Curve, eve hough easy o use, brgs uceray of s forecas. Wh hs sudy, we wll use sascal mehods o compare he ARPS Decle Curve mehod whch s he mehod of sascal me seres wh ARIMA Box Jeks. The purpose of hs sudy s o predc he rae of decle produco he feld of X by usg ARPS Decle Curve ad ARIMA Box Jeks, he compare he resuls of forecasg he rae of decle produco by he wo mehods above. Ths sudy focused o he daa rae of decle produco a a well A X he ol feld produco decle rae. The euao obaed by ARPS Decle Curve s = 560. e 0, Whle he produco decle rae euao by he mehod of ARIMA (2,,) s Y = ( + )Y + ( 2 )Y 2 2 Y 3 θ e, wh = 0,958 ; 2 = 0,07 ; ad θ = 0,999. Mehods ARIMA (2,,) resuled MSE value whch s less ha he ARPS Decle Curve mehod o predc he rae of decle produco well A X ol feld. Keywords : ARPS Decle Curve, ARIMA Box Jeks, MSE, Forecasg

2 . PENDAHULUAN ARPS Decle Curve adalah meode yag palg erkeal uuk meramalka daa peurua produks. Meskpu meode mudah uuk dguaka eap kedakpasa parameerya sul uuk dpredks. ) Ka dapa dega mudah meemuka alasa hsors yag sesua dega kods yag megguaka parameer apapu dar meode expoeal/hyperbolc/ harmoc. Meskpu hal cederug membulka kedakpasa dar peramala. Dega peela, ka aka megguaka meode sasc sebaga pembadg pada meode ARPS Decle Curve yau meode sasc dere waku. Karea daa peurua produks dapa dlha sebaga dera yag dpsahka oleh waku, ka dapa lagsug meympulka bahwa meode sasc dere waku dapa dguaka uuk peramala. Tujua dar peela adalah meramalka laju peurua produks d lapaga X dega megguaka meode ARPS Decle Curve, meramalka laju peurua produks d lapaga X dega megguaka meode sasc dere waku da selajuya membadgka hasl peramala laju produks d lapaga X dega megguaka meode ARPS Decle Curve da Sask dere waku. Baasa permasalaha pada peela adalah peela dkberaka pada daa laju peurua produks pada sumur A d lapaga myak X. Meode yag dguaka adalah ARPS Decle Curve da ARIMA Box Jeks sebaga meode sask dere wakuya 2. METODE A. ARPS Decle Curve Aalss rae decle dapa megdefkas masalah produks sumur da mempredks/meramalka well performace yag ddasarka pada daa produks. ARPS Decle Curve (aalsa kurva peurua produks) adalah salah sau meode uuk melakuka peramala produks yag aka daag dmaa kosep dasarya adalah red aau pola produks dmasa lampu dperkraka aka erjad juga dmasa yag aka daag. Uuk melakuka peramala produks suau reservor aau sumur, ka harus mempuya daa produks yag cukup pajag. Kods produks dak berubah selama perode produks yag bersagkua sehgga aalss rae decle dapa dpercaya. 2) ARPS Decle Curve adalah meode yag palg umum dguaka dalam peramala produks karea mempuya beberapa kelebha-kelebha dsampg beberapa kelemahaya. Kemudaha uuk medapaka daa yag dbuuhka, kemudaha uuk memplo daa, haslya berbasska waku da kemudaha uuk melakuka aalsa adalah kelebha-kelebha dar decle curve. Adapu kelemahaya adalah dbuuhka kods produks dak ergaggu selama perode produks yag sedag daalss. Dalam hal, sejarah produks yag lalu harus da aka sama dega perode peramala. 2) Peramala laju peurua produks dega aalss Decle Curve mempuya beberapa mafaa daaraya uuk meghug cadaga pada selag waku, memperkraa produks yag aka daag, memperkraa waku cadaga habs da memperkraa laju produks yag ada. Decle Rae (D) ddefska sebaga yag meujukka seberapa bayak perubaha laju produks seelah sau perode waku ereu dbadgka dega laju produks sebelum perode waku ersebu. Effecve decle rae per u waku adalah laju peurua produks dar mejad selama selag waku ereu ( bula aau ahu) dbag dega laju produks mula-mula, aau secara maemas bsa dulska sebaga berku: D e...() Nomal decle rae adalah egave slope dar kurva yag dujukka hasl plo aara laju produks () vs waku (), seper yag dujukka Persamaa 2.3, berku: 2

3 Rosa, Peramala Laju Produks Myak... d l D d d d...(2) Hubuga aara effecve decle rae dega omal decle rae sebaga berku: Uuk sau me perode (yau = (bula/ahu/ da sebagaya) D l De De e D...(3) aau...(4) D lebh bayak dguaka darpada De karea D lebh mudah dalam megubah saua waku, yau haya melalu perkala aau pembaga dega fakor kovers waku. Jes Decle Curve ada ga pe yau; expoeal decle curve, hyperbolc decle curve da harmoc decle curve. Kega pe model decle dhubugka oleh persamaa Arps sebaga berku: 3) d b D d...(5) Keeraga: D da b adalah kosaa emprk yag dhug berdasarka daa produks. Jka b = 0, maka persamaa Arps ersebu mejad decle ekspoesal Expoeal decle merupaka yag palg kua da laju produks meuru lebh cepa dbadgka dega hyperbolc decle maupu harmoc. Oleh kareaya, expoeal decle serg dguaka uuk memperkraka kecederuga kurva laju produks uuk evaluas ekoom yag memerluka asums perkraa yag koservaf (pesmsk). Sedagka harmoc decle merupaka meode perkraa laju produks yag palg opmsk da hyperbolc decle berada daara keduaya. 2) Idefkas model decle curve saga peg dlakuka uuk megeahu jes decle yag cocok uuk derapka. Jka plo log () erhadap meujukka gars lurus aau plo erhadap Np meujukka gars lurus, maka jes decle adalah expoeal decle. Jka plo log () erhadap log () meujukka gars lurus, aau plo Np erhadap log () meujukka gars lurus, maka jes decle adalah harmoc decle. Jka plo yag dujukka sebelumya dak lurus, maka jes decleya adalah hyperbolc decle. 3). Idefkas model yag la dega membua plo aara d/d/ erhadap. 3) Gambar. berku dapa dguaka uuk megdefkas model decle. D dalam aplkasya, aalss rae decle sergkal megalam kesula karea dak sedk kasus dmaa secara alamah erjad kesalaha dalam daa produks. Tabel. Jes Decle Curve da Persamaaya Jes Decle Curve Laju Produks Produks kumulaf Expoeal Decle Curve e D Hyperbolc Decle b Harmoc Decle Curve bd Np D Np b bd Np l D D D Jka b =, maka persamaa Arps ersebu mejad decle harmok Jka 0 < b <, maka persamaa Arps ersebu mejad decle hperbolk Flukuas daa produks bulaa yag dakbaka oleh kejada-kejada yag dak dapa dkorol seper workover, ppele shudow, da sebagaya dapa saja 3

4 erjad. Dsampg u beberapa perubaha kods produks msalya pembora da komples sumur-sumur baru, smulas, da perubaha mekasme produks (perubaha me-jad arfcal lf aau jeks ar) dapa pula mempegaruh valdas hasl aalss rae decle. 2) Gambar. Plo Relave Decle Rae Terhadap Laju Produks B. ARIMA Box Jeks Tme seres adalah seragkaa pegamaa erhadap suau varabel yag dambl dar waku ke waku da dcaa secara berurua meuru urua waku kejadaya dega erval waku yag eap 4), dmaa seap pegamaa dyaaka sebaga varabel radom Y yag ddapaka berdasarka deks waku ereu () sebaga urua waku pegamaa, sehgga peulsa uuk daa me seres secara berurua adalah Y, Y 2, Y 3,..., Y. Meode sask dere waku basaya dguaka bla haya sedk yag dkeahu megea varablevarabel depede yag dapa dguaka uuk mejelaska varable depede. Meode dguaka juga bla daaya erseda dalam jumlah yag cukup besar sehgga membeuk me seres (ruu waku) yag cukup pajag. Auoregressve Iegraed Movg Average (ARIMA) dkembagka oleh Box Jeks sebaga salah sau meode sask dere waku, yag megguaka sau varabel depede, yag selajuya varabel u dkembagka mejad beberapa varabel depede. Meode merupaka gabuga dar meode peghalusa, meode regres da meode dekomposs. 5) Sebelum ahap-ahap pegembaga model ARIMA dlakuka, berku dkemukaka ala-ala aalss yag aka dguaka, yau Auocorrelao Fuco (ACF) da Paral Auocorrelao Fuco (PACF). Auocorrelao Fuco (ACF) merupaka ala uama dalam meode Box-Jeks. Koefse ACF adalah suau fugs yag meujukka besarya korelas (hubuga ler) aara pegamaa pada waku ke (doaska dega Y ) dega pegamaa pada waku-waku yag sebelumya (doaska dega Y, Y 2,,..., Y k ). Koefse ACF dlambagka dega r k, da drumuska sebaga berku: r k k ( Y Y )( Y k 2 ( Y Y ) Y )...(6) Paral Auocorrelao Fuco (PACF) merupaka ala uama yag la dalam aalss ARIMA. Paral Auocorrelao Fuco (PACF) yau korelas aara dua aau lebh varabel dere waku dalam beuk lag bla korbus varabel dere waku dalam beuk lag laya bersfa kosa. Paral Auocorrelao Fuco (PACF) dguaka uuk megukur deraja hubuga aara Y da Y-k, keka pegaruh dar lag waku yag la dhlagka. Keka aka dkorelaska aara Y da Y-2, perlu meghlagka pegaruh dar Y-. 6) Koefse PACF orde ke-k doaska dega k da dapa dhug dega regres aara Y dega Y-,..., Y-k. Y = b 0 + b Y + b 2 Y b k Y k....(7) Daa me seres merupaka daa yag berurua meuru waku. Daa yag dapa dolah dega megguaka me seres adalah daa yag sasoer bak dalam mea maupu varas. 7) Uuk daa yag sasoer 4

5 Rosa, Peramala Laju Produks Myak... maka la-la auokorelasya aka uru secara cepa meuju ol. Sedagka jka la-la auokorelasya uru secara lamba meuju ol selama beberapa waku maka daa ersebu dak sasoer. 6) Pemerksaa kesasoera dapa dlakuka dega baua me seres plo (TSPLOT) da auocorrelao fuco plo (Plo ACF). TSPLOT adalah peyaja daa dega megguaka scaer-plo yau peyaja dalam korda Caresus, sumbu egak adalah la varabel me seres da sumbu daar adalah waku. Sedagka plo ACF adalah peyaja la korelas aara pegamaa ke - dega pegamaa ke - k uuk la k=,2,... Daa me seres dkaaka sasoer dalam varas jka varasya kosa. Daa yag dak sasoer dalam varas perlu dlakuka proses rasformas agar varasya mejad kosa. Trasformas yag basa dguaka adalah rasformas Box- Cox. 4) Trasformas Box-Cox sergkal juga dsebu sebaga rasformas pagka ddefska sebaga berku Y lz, 0...(8) Z, 0 Pemlha la basaya dlakuka secara coba-coba (ral ad error) sampa dperoleh la sedemka hgga daa hasl rasformas sudah daggap sasoer dalam varas. We (990) megajurka uuk memlh la sedemka hgga ddapaka la sum of suares 2 dar Y Y daa hasl rasformas aka mejad mmum. Daa me seres dkaaka sudah sasoer dalam mea jka la meaya kosa. Daa dkaaka sasoer dalam me seres plo jka berada dsekar gars yag sejajar dega sumbu waku (). Daa yag dak sasoer dalam mea perlu dlakuka lagkah pembedaa (Dfferecg). Jka suau daa elah dlakuka rasformas berkal-kal amu belum sasoer dalam mea maupu varas maka cara megaasya adalah dega cara melakuka pembedaa (Dfferecg) sebelum rasformas. Model ARIMA merupaka salah sau beuk ekk pemodela daa me seres, sela regres da pemulusa (smoohg). Model ARIMA serg dguaka uuk melakuka peramala jka erdapa aggapa bahwa la varabel me seres pada saa (Y) dduga dapa dyaaka sebaga kombas ler la varabel me seres d masa yag lalu (Yr-k) da la kesalaha d masa yag lalu ( e k ). Model basaya dyaaka sebaga ARIMA (p,d,). 7) Dega oas Backshf, model ARIMA (p,d,) dapa dmodelka sebaga berku: 2 p d 2 B... B B Y B 2B... B e...(9) Dmaa p adalah orde auoregressve, adalah orde movg average, d adalah orde dfferecg, B adalah operaor lagkah mudur (backward shf operaor) k B Z Z k. Sedagka,...,p adalah koefse AR, dega,..., adalah koefse MA, e adalah error pada waku ke- sedagka Y adalah la varabel me seres pada waku ke-. 7) Tahapa defkas adalah peeua model awal. Ala yag dpaka umuk meeuka model awal adalah plo ACF (Auo Correlao Fuco) da PACF (Paral Auo Correlao Fuco). Plo PACF adalah peyaja la korelas parsal uuk la k=,2,.. Korelas parsal adalah korelas aara Y dega Y-k seelah pegaruh Y,,Y-k- dhlagka. We (990) megajurka meeuka model awal berdasarka pola ACF da PACF yag dsajka pada Tabel 2. Seelah keepaa erhadap suau model dkeahu lagkah selajuya adalah meramalka model erbak dega melha asumsya. Seelah model erbak dhaslka, maka model ersebu dguaka uuk meramalka kods yag aka daag. 5

6 Tabel 2. Pola ACF da PACF uuk Model AR(p), MA() da ARMA(p,) MULAI Model ACF PACF AR(p) Tals off (meuru megku beuk ekspoesal aau gelombag sus) Cus off seelah lag p MA() Cus off seelah lag Tals off (meuru megku beuk ekspoesal aau gelombag sus) ARMA (p,) Tals off seelah lag (-p) Tals off seelah lag (p-) Keguaa uama model dar daa me seres adalah uuk melakuka peramala. Hasl paramala dkaaka bak jka la ramalaya deka dega daa akual. 7) Uuk megukur kedekaa aara la akual da ramala dapa dguaka beberapa krera daaraya Mea Suare Error (MSE). Krera MSE deuka dega cara MSE M M 2 e l l...(0) dmaa l berla, 2,... M da e l adalah la resdual Uuk kepega aka evaluas peramala, sergkal daa me seres dbag mejad dua baga yau a. Daa yag dpaka uuk kepega pemodela, daa sergkal dsebu juga sebaga daa sample aau daa rag. b. Daa yag dpaka uuk kepega evaluas peramala, daa dsebu juga daa ou sample aau daa esg. 2. METODE Daa yag dguaka adalah daa laju peurua produks sumur A pada lapaga myak X ahu 203 da ahu 204. Daa yag dguaka sebayak 499 daa kemuda dbag mejad dua sebaga sampel sebayak 359 daa da ou sampel sebayak 40 daa. Daa sampel dguaka uuk kepega pemodela. Idefkas Masalah Peeua Tujua Sud Leraur Pegumpula daa Peramala dega ARPS Decle Curve berdasarka daa sampel Peramala dega meode ARIMA Box Jeks berdasarka daa sampel Meramalka daa ou sampel dega hasl persamaa dar kedua meode Meghug MSE dar kedua meode ersebu Membua kesmpula SELESAI Gambar 2. Alur Peela MULAI Megdefkas Model Meeuka Decle Rae Pegesmasa Parameer Model Meramalka Laju Peurua Produks SELESAI Gambar 3. Alur ARPS Decle Curve 6

7 Rosa, Peramala Laju Produks Myak... MULAI Pemerksaa Kesasoera Daa Pegdefkasa Model Pegesmasa Parameer Model A. Deskrps Lapaga Myak X Lapaga myak X erleak d wlayah Jawa Tmur. Reservor merupaka baua karboa yag eredapka pada awal Mocee ( 2 jua ahu yag lalu). Lapsa produkf erleak pada kedalama sekar 8520 f 8960 f. Gambar 5 merupaka kolom Sragraf, d kolom sebelah kr merupaka umur/usa pembeuk formasya sedagka d kolom sebelah kaa merupaka ama formasya. Semak ke bawah, umurya semak ua. Pada kolom sragraf ersebu, formas Ngmbag merupaka source rock dar reservor lapaga X yag merupaka baua duk dmaa baha pembeuk hdrokarbo yag berasal yau dar fosl da jasad rek yag ma da eredapka juaa ahu yag lalu. Syara dar source rock adalah baua ersebu cukup mpermeable (o fully mpermea-ble) sehgga pada formas Ngmbag doma Shale yag cukup gh (berwara hjau muda), kemuda erdapa Lmesoe yag permeable (berwara bru ua) sera Sad-soe yag juga permeable (berwara kug). Peguja Model Pegguaa Model Uuk Peramala SELESAI Gambar 4. Alur Meode ARIMA Box Jeks Sedagka daa ou sampel dguaka uuk kepega evaluas peramala. Meode yag dguaka uuk peramala laju peurua produks adalah ARPS Dele Curve da ARIMA Box Jeks. Sedagka pake sask yag dguaka adalah SPSS 2. Alur peela, alur meode ARPS Decle Curve da alur meode ARIMA Box Jeks dapa dlha pada gambar 2. 3 da PEMBAHASAN Gambar 5. Sragraf Lapaga Myak X Baua Reservorya erdapa pada Formas Tuba yag merupaka lmesoe (berwara bru ua da koak-koak), sehgga sumur-sumur yag ada d lapaga X memlk lmesoe/karboa. Reservor pada lapaga X mempuya seal/cap rock yag mpermeable yau formas Woocolo (berwara hjau agak ua da gars puus-puus). Reservor pada lapaga X mempuya mekasme eaga pedorog yau waer drve. Sumur-sumur d lapaga myak X sebayak 25 sumur. Dar 25 sumur u, sumur Shu, 3 sumur sebaga Waer Ijeco da sumur berproduks megguaka Arfcal lf yau ESP. Dar sumur-sumur yag berproduks meghaslka myak sebesar 609 BOPD da 9946 BWPD. Sumur A adalah salah sau daara sumur produks yag meghaslka raa-raa laju produks erbesar seap harya. B. Deskrpf Sask Aalsa saska deskrpf basa dguaka uuk megeahu kods dar daa, seper ukura pemusaa daa da ukura 7

8 peyebara daa. Pada peela daa yag dguaka adalah daa laju peurua produks myak sumur A pada lapaga myak X pada ahu 203 da 204. Sumur A sebaga sumur produks dplh dalam peela karea sumur meghaslka raa-raa laju produks erbesar seap harya. Daa yag dguaka uuk kepega pemodela ( sample) sebayak 359 daa. Hsogram daa ersebu dapa dlha pada gambar dbawah. Raa-raa laju peurua produks myak pada sumur A sebesar 482,5 BOPD. Sedagka sadar devas aau ukura peyebara daaya sebesar 85,636. Berdasarka hsogram erlha daa dega laju peurua produks myak aar 400 BOPD sampa 600 BOPD cederug mempuya frekues yag besar dbadgka daa laju peurua produks d bawah 400 BOPD. Tabel. 3. Deskrpf Sask Daa Laju Peurua Produks Descrpve Sascs M- Max- N mum Mum Mea Sd. Devao OIL_BPD C. Peramala Dega Megguaka ARPS Decle Curve Meode peramala produks dega megguaka ARPS Decle Curve dguaka uuk meramalka laju produks yag aka daag. ARPS Decle curve adalah meode yag palg umum dguaka dalam peramala produks karea mempuya bayak kemudaha. Uuk meeuka jes decle, maka lagkah perama adalah megdefkas model dega cara membua plo aara d/d/ dega, yag dapa dlha pada gambar 7. Pada gambar ersebu erlha hasl ploya mempuya red gars lurus medaar, sehgga dapa dsmpulka bahwa jes decleya adalah Expoeal Decle Curve. -d/d/ IDENTIFIKASI MODEL Gambar 7. Idefkas Model Decle Curve Harga Decle Rae (D) deuka berdasarka daa sample laju peurua produks dega persamaa sebaga berku: D l 2 2 D = 0, Kemuda ddapaka persamaa laju peurua produksya sebaga berku: e D 560. e 0, Gambar 6. Hsogram Daa Laju Peurua Produks Lagkah erakhr adalah megguaka persamaa laju produks ersebu uuk meramalka laju produks 40 har kedepa. Hasl peramala ersebu dapa dlha pada gambar 8. berku. 8

9 Rosa, Peramala Laju Produks Myak... ol-bpd day Selajuya adalah membua Plo Tme Seres, Plo ACF da Plo PACF dar daa yag sudah dlakuka dfferecg sau kal. Haslya dapa dlha pada gambar. Daa I sampel Forecasg wh Ekspoeal Decle Curve Daa akual Gambar 8. Hasl Peramala Megguaka ARPS Decle Curve D. Peramala Dega Megguaka Meode ARIMA Box Jeks Auoregressve Iegraed Movg Average (ARIMA) adalah salah sau meode sask dere waku yag dkembagka oleh Box Jeks sehgga dsebu ARIMA Box Jeks. Meode merupaka gabuga meode peghalusa, meode regres da meode dekomposs. Tekk aalssya megguaka sau varabel depede yag selajuya varabel ersebu dkembagka mejad varabel depede. Daa yag dapa dolah dega megguaka me seres adalah daa yag sasoer bak dalam mea maupu varas. Pemerksaa kesasoera dapa dlakuka dega baua me seres plo (TSPLOT) da auocorrelao fuco plo (Plo ACF). Plo me seres dguaka uuk megeahu pola laju produks berdasarka daa sampel, yag dapa dlha pada gambar 9. Berdasarka plo me seres, seap perode dapa dama bahwa raa-raa la daaya relaf dak kosa, sehgga daa ersebu dak sasoer dalam mea. Kedaksasoera daa juga dujukka oleh plo ACF yag megecl secara perlaha, yag megdkaska bahwa daaya dak sasoer. Uuk mesasoerka daa ersebu, maka dlakuka dfferecg sau kal, yau daa yag asl (Y) dga dega perbedaa perama daa asl ersebu, drumuska : Y Y- = I(). Gambar 9. Tme Seres Plo Daa Laju Peurua Produks Gambar 0. Plo ACF Daa Laju Peurua Produks 9

10 Dar hasl plo me seres daa hasl dfferecg kal ersebu dapa dkeahu bahwa laju peurua produks cederug membeuk red yag sejajar dega sumbu waku, sehgga dapa dkaaka bahwa daa sudah sasoer dalam mea da varas. Oleh karea u dapa dlajuka uuk lagkah berkuya yau meeuka model awal. Ala yag dpaka uuk meeuka model awal adalah plo ACF (Auo Correlao Fuco) da PACF (Paral Auo Correlao Fuco) Dar plo ACF da PACF aka dkeahu lag-lag yag keluar dar baas. Gambar. Tme Seres Plo Daa Laju Peurua Produks Dega Dfferecg Kal Gambar 3. Plo PACF Daa Laju Peurua Produks dega Dfferecg kal Berdasarka pola plo ACF da PACF dapa dduga bahwa model dar laju produks myak adalah ARIMA (,, ), ARIMA (2,, ) da ARIMA (,,2). Uuk meeuka model yag sesua, maka krera yag dguaka adalah : la RMSE erkecl, parameer yag sgfka da resdual yag bersfa whe ose. Dega baua program sasc SPSS 2 dapa dlha hasya pada abel d bawah. Berdasarka abel 4., maka model ARIMA (2,,) mempuya la MSE erkecl da semua parameer modelya sgfka pada = 0,2 sera mempuya resdual yag whe ose. Sehgga model ARIMA (2,,) adalah model yag sesua uuk daa laju peurua produks myak lapaga myak X daara dua model ARIMA yag la. Persamaa model ARIMA (2,,) dega oas Backshf, adalah: ( B 2 B 2 )( B)Y = ( θ B)e Y = ( + )Y + ( 2 )Y 2 2 Y 3 θ e = 0,958 2 = 0,07 Gambar 2. Plo ACF Daa Laju Peurua Produks dega Dfferecg kal θ = 0,999 0

11 Rosa, Peramala Laju Produks Myak... Tabel. 4. Hasl la RMSE, Sgfkas Parameer da Resdual Whe Nose uuk model ARIMA No. MODEL Sgfkas Parameer Parameer P-value Keeraga RMSE Resdual yag Whe Nose ARIMA (,,) AR () 0,886 MA () 0,886 Tdak Sgfka Tdak Sgfka 3,527 Tdak Whe Nose 2 ARIMA (2,,) AR () 0,000 Sgfka 30,705 Whe Nose AR (2) 0,9 Sgfka MA () 0,000 Sgfka 3 ARIMA (,,2) AR () 0,000 Sgfka 3,049 MA () 0,737 MA (2) 0, 762 Tdak Sgfka Tdak Sgfka Tdak Whe Nose ol-bpd 200 I sample acual ARIMA Decle Curve day Gambar 4. Hasl Peramala dega ARPS Decle Curve da ARIMA Box Jeks E. Membadgka Hasl Peramala dar Meode ARPS Decle Curve da ARIMA Box Jeks Model ARPS Decle Curve da Model ARIMA Box Jeks yag sudah dperoleh, selajuya dguaka uuk meramalka laju peurua produks 40 har kedepa. Uuk meeuka meode yag lebh sesua dar dua meode ersebu, maka dhug la MSE dar kedua meode ersebu dega rumus sebaga berku: MSE l e Y l Y 2 2 ˆ l l

12 Nla MSE dperoleh dega mecar resdual yau peguraga aara daa ou sampel dega daa hasl peramala laju peurua produks ersebu, kemuda dkuadraka da dbag dega bayakya daa sejumlah 40 daa. Haslya dapa dlha pada abel 5. Tabel. 5. Hasl MSE dar Expoeal Decle Curve da ARIMA Box Jeks NO MODEL MSE Expoeal Decle Curve 3029,9 2 ARIMA (2,,) 2,245 Berdasarka hasl peramala da la MSE, maka model ARIMA (2,,) meghaslka la MSE yag lebh kecl darpada model Expoeal Decle Curve dalam meramalka laju peurua produks sumur A d lapaga myak X. 4. SIMPULAN Kesmpula yag dapa dperoleh adalah raa-raa laju peurua produks myak pada sumur A sebesar 482,5 BOPD, sedagka sadard devas aau ukura peyebara daaya sebesar 85,636. Persamaa laju peurua produks dega ARPS Decle Curve adalah = 560. e 0, Persamaa laju peurua produks dega meode ARIMA (2,,) adalah Y = ( + 0,958 )Y,069 Y 2 + 0,07Y 3 0,999 e. Meode ARIMA (2,,) meghaslka la MSE lebh kecl dar pada meode ARPS Decle Curve uuk meramalka laju peurua produks sumur A d lapaga myak X. 5. DAFTAR PUSTAKA. Agusus Hady Uama. Peramala Laju Peurua Produks dega Sask Dere Waku da Geosask. Thess. Badug: Isu Tekolog Badug; Asep Kura Permad. Dka Tekk Reservor. Badug: Isu Tekolog Badug; Boyu Guo, Wllam C Lyos, Al Ghalambor. Peroleum Produco Egeerg. Oxford : Elsever; Wllam W.S. We. Tme Seres Aalyss Uvarae ad Mulvarae Mehods. Caada: Addso-Wesley; Lerb R. Aroag R. Peramala Bss. Ghala Idoesa; Makrdaks, Wheelwrgh ad Hydma. Forecasg Mehods ad Applcaos. Thrd Edo. Ued Saes of Amerca : Joh Wley & Sos, Ic.; Marzka Febraa Dev. Peramala Pejuala Beo Sap Paka (BSP) Muu K-225 d PT Vara Usaha Beo (Seme Gresk Group) Sdoarjo dega Pedekaa Meode Aalss Ierves da ARIMA BOX-JENKINS. Tugas Akhr. Surabaya: Isu Tekolog Sepuluh Nopember; Dafar Smbol = laju produks mula-mula = laju produks pada waku D e = effecve decle rae D = Nomal decle rae, /waku (selalu posf) d/d = perubaha laju produks akba berambahya waku Np = produks kumulaf r k = koefse ACF Y = pegamaa pada waku ke- Y = pegamaa pada waku k Y Y k = raa-raa varabel depede = pegamaa pada waku ke- Y = pegamaa pada waku Y = pegamaa pada waku 2 2 Y = pegamaa pada waku k k e = resdual pada waku ke - MSE N e = Mea Suare Error = bayakya daa = la resdual 2

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

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

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

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

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

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

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

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

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

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

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

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

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

Lebih terperinci

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

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

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

Lebih terperinci

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

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

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

Lebih terperinci

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

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

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

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

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Peremua 3 Oule: Meode Peramala: Expoeal Smoohg (Sgle) Double Expoeal Smoohg Wer s Mehod for Seasoal Problems Error Forecas MAD, MSE, MAPE, MFE aau Bas Referes:

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

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

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

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

BAB 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

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

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 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

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

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

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

Lebih terperinci

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar Jural ILMU DASAR Vol. No., uar 2 : 9 Peramala Dere Waku Mulvara Seasoal pada Daa Parwsaa dega Model Var-Gsar Seasoal Mulvara Tme Seres Forecasg O Toursm Daa by Usg Var-Gsar Model Dhorva Urwaul Wusqa )

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

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 III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

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

BAB 3 METODE PENELITIAN

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

Lebih terperinci

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa

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

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

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

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

Lebih terperinci

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN Jural EKSPONENSAL Volume 6, Nomor, Nopember 05 SSN 085789 Aalss Pegedala Persedaa Produk dega Meode Ecoomc Order Quay Mul em Megguaka Algorma Geeka uuk Megefseka Baya Persedaa Hasl Peramala Berbass Expoeal

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

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

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

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

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

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

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

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

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

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

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

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

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

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

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

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pegerta da Keguaa Peramala Peramala adalah kegata utuk memperkraka apa yag aka terjad d masa yag aka datag. Serg terjad sejag waktu (lme lag) atara kesadara aka perstwa atau kebutuha

Lebih terperinci

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

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

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

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

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

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

Lebih terperinci

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

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

Lebih terperinci

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

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

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

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

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

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

Universitas Sumatera Utara

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci