KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
|
|
- Widya Hermanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs. Suhud Wahyudi, M.Si. JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012
2 ABSTRAK Setiap tahun, jutaan manusia di seluruh dunia meninggal karena penyakit menular. Memodelkan proses penyebaran penyakit menular akan mempermudah dalam mengerti dinamika penyebaran penyakit dalam suatu populasi. Pada Tugas Akhir ini dianalisis sebuah model probabilitas transisi penyebaran penyakit menular untuk model epidemik SIR, dengan tetap memperhatikan keunggulan pendekatan model yang sudah ada (misalnya asal penularan dan dinamika penyebaran) dan memanfaatkan penggunaan efisiensi dari teknik program dinamik untuk membentuk model yang diinginkan. State space dalam model ini dapat direduksi dengan agregasi state. Hasil yang didapat dari penelitian Tugas Akhir ini adalah didapat probabilitas transisi model Markov waktu diskrit untuk penyebaran penyakit menular dan model epidemik SIR, serta probabilitas transisi untuk rantai markov tereduksi pada penyakit menular melalui agregasi state. Dalam Tugas Akhir ini juga didapat simulasi grafik hubungan jumlah individu tiap kelas kompartemen dan hubungan probabilitas penggerak kejadian SI(t) serta IR(t) terhadap waktu. Kata kunci: agregasi state, model epidemik SIR, model Markov waktu diskrit, state space, teknik program dinamik
3 1 PENDAHULUAN 2 TINJAUAN PUSTAKA 3 METODE PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 PENUTUP 6 DAFTAR PUSTAKA
4 PENDAHULUAN LATAR BELAKANG MASALAH Berbagai jenis patogen manusia dan Sirkulasi penyakit menular [1] Kebijakan kesehatan dinamik Model stokastik penyebaran penyakit menular Diperoleh melalui teknik program dinamik Proses stokastik markov Diskrit Kontinu Diskrit
5 LATAR BELAKANG MASALAH (LANJUTAN) SIR merupakan model epidemik dengan karakteristik bahwa: S (susceptibles): individu rentan terinfeksi suatu penyakit I (infected): individu yang terinfeksi R (recovered): individu yang terinfeksi akan sembuh Penelitian Sebelumnya: 1. Sari (2009): menganalisis tentang hubungan kesetimbangan Model epidemik SIS baik secara deterministik dan stokastik. 2. Hardiningsih, A.Y (2010): menganalisis tentang kestabilan titik setimbang pada model deterministik dan mean distribusi probabilitas pada model stokastik untuk model epidemik SIR.
6 LATAR BELAKANG MASALAH (LANJUTAN) Memanfaatkan penggunaan efisiensi dari teknik program dinamik Model markov waktu diskrit untuk penyebaran penyakit menular pada model Epidemik SIR State space dapat direduksi dengan agregasi state Dapat dibentuk peluang kepercayaan tentang keadaan aktual penyebaran penyakit berdasarkan data yang diobservasi
7 RUMUSAN MASALAH Bagaimana membentuk model Markov waktu diskrit untuk penyebaran penyakit menular. Bagaimana membentuk probabilitas transisi model Markov untuk model epidemik SIR. Bagaimana mereduksi state space model Markov untuk penyakit menular melalui agregasi state. BATASAN MASALAH 1 2 Pembangunan model Markov waktu diskrit dari penyakit menular memenuhi persyaratan teknik program dinamik. Model epidemik yang digunakan adalah model epidemik tipe SIR waktu diskrit Model stokastik waktu diskrit merupakan model Rantai Markov dengan state space berhingga. Model epidemik SIR tidak dibahas tentang pemberian vaksinasi atau sejenisnya. Jumlah populasi suatu wilayah tertentu diasumsikan tetap (konstan).
8 TUJUAN 1. Membentuk model Markov waktu diskrit untuk penyebaran penyakit menular. 2. Membentuk probabilitas transisi model Markov untuk model epidemik SIR. 3. Mereduksi state space model Markov untuk penyakit menular melalui agregasi state. MANFAAT Manfaat yang diharapkan pada Tugas Akhir adalah untuk memberikan informasi mengenai pemanfaatan penggunaan efisiensi dari teknik program dinamik dalam membentuk model Markov waktu diskrit untuk penyebaran penyakit menular sehingga diharapkan dapat diambil langkah-langkah yang tepat untuk mencegah terjadinya epidemik yang semakin meluas.
9 TINJAUAN PUSTAKA Model Epidemik SIR Adapun asumsi pada Model Epidemik SIR ini adalah : a. Jumlah populasi N berukuran tetap (konstan) b. Laju kelahiran dan kematian sama c. Semua populasi yang baru lahir adalah individu yang rentan Berdasarkan asumsi-asumsi di atas disusun diagram kompartemen model epidemik SIR sebagai berikut : Berdasarkan diagram kompartemen pada Gambar 1. model epidemik SIR analog dengan model sebagai berikut [2]. dengan:
10 Program Dinamik Program Dinamik adalah suatu teknik matematis yang digunakan untuk membuat suatu keputusan dari serangkaian keputusan yang saling berkaitan satu dengan yang lainnya. Tujuan utama model ini adalah untuk mempermudah penyelesaian persoalan optimasi yang mempunyai karakteristik tertentu [3]. Ide dasar Program Dinamik ialah membagi persoalan menjadi beberapa bagian yang lebih kecil sehingga memudahkan penyelesaiannya. Pada persoalan Program Dinamik tidak ada formulasi matematis yang standar. Karena itu persamaan-persamaan yang dipilih harus dikembangkan agar dapat memenuhi masing-masing situasi yang dihadapi. Dengan demikian, antara satu persoalan dengan persoalan yang lainnya dapat mempunyai struktur penyelesaian persoalan yang berbeda. Proses Stokastik Proses stokastik adalah himpunan variabel acak dalam bentuk dengan T adalah beberapa himpunan indeks yang disebut parameter space dan S adalah ruang sampel dari peubah acak yang disebut state space. Untuk setiap t tertentu, menyatakan suatu peubah acak yang didefinisikan pada S. Untuk setiap s tertentu, berhubungan dengan fungsi yang didefinisikan pada T yang disebut lintasan sampel (sample path). Secara singkat proses stokastik adalah himpunan peubah acak yang menggambarkan dinamika dari suatu proses [4].
11 Rantai Markov Proses stokastik dengan waktu diskrit dengan adalah peubah acak diskrit yang didefinisikan pada state space yang berhingga S = {0, 1, 2,..., s} atau tak berhingga terhitung S = {0, 1, 2,...}. Proses stokastik Markov adalah suatu proses stokastik dimana perilaku/ kelakuan sistem pada waktu yang akan datang (besok) hanya bergantung pada keadaan sekarang dan tidak bergantung pada keadaan yang lalu atau dapat dikatakan hanya bergantung pada keadaan satu langkah ke belakang [4]. Definisi 1. Probabilitas Transisi t Langkah
12 Teorema 1. Persamaan Chapman-Kolmogorov [5] Maximum Likelihood Estimators Salah satu metode yang seringkali digunakan untuk mendapatkan estimator dari parameter adalah metode Maximum Likelihood Estimation (MLE). Hal ini dikarenakan metode MLE mempunyai sifat-sifat yang baik untuk sampel berukuran besar, antara lain asimtotik unbiased, asimtotik konsisten serta mempunyai sifat invarian. MLE dilakukan dengan memaksimumkan fungsi likelihood. Pada dasarnya, estimasi parameter dengan menggunakan MLE meliputi dua tahap, yakni mengkonstruksi fungsi likelihood dan memperoleh nilai estimator yang memaksimumkan fungsi likelihood tersebut. Misalkan X variabel random dengan fungsi probabilitas f(x,λ), dimana λ merupakan parameter yang tidak diketahui dan saling independen maka pengkonstruksian fungsi likelihood dapat dinyatakan dengan [6]
13 Peluang Bersyarat dan Distribusi Peluang Teorema 2. [7] Teorema 3. Aturan Bayes [7] Definisi 2. Distribusi Binomial [7]
14 Definisi 3. Distribusi Eksponensial [7] Definisi 4. Distribusi Poisson [7]
15 METODE PENELITIAN
16 ANALISIS DAN PEMBAHASAN Probabilitas Transisi Untuk Penyebaran Penyakit Menular 1. Menentukan kelas dan bentuk persamaan state dinamik. Jika diasumsikan bahwa ukuran populasi tetap dan sama dengan N, maka persamaan state dinamik untuk penyakit ini adalah: Dengan menggunakan persamaan (4), state penyakit sepenuhnya diidentifikasi jika diketahui (M-1) variabel dari State dari perubahan sistem sebagai peristiwa yang terjadi, disebut dinamika penggerak kejadian seperti yang dapat dilihat pada Gambar 2.
17 2. Menentukan distribusi probabilitas bersama dari penggerak kejadian dalam state penyakit pada waktu t. 3. Membentuk kendala dinamika penggerak dan kelayakan.
18 4. Membentuk probabilitas transisi untuk Rantai Markov
19 Estimasi Parameter Untuk Penyebaran Penyakit Menular 1. Mengkonstruksi fungsi likelihood untuk model penyebaran penyakit menular.
20 Dengan menggunakan prinsip probabilitas bersyarat pada persamaan (3), maka persamaan (14) menjadi
21 2. Memperoleh nilai estimator yang memaksimumkan fungsi likelihood
22 Probabiltas Transisi untuk Model Epidemik SIR 1. Menentukan kelas dan bentuk persamaan state dinamik. 2. Menentukan distribusi probabilitas bersama dari penggerak kejadian pada waktu t.
23
24
25
26 3. Membentuk kendala dinamika penggerak dan kelayakan.
27 4. Membentuk probabilitas transisi untuk Rantai Markov
28 Contoh Kasus Model Epidemik SIR
29 Reduksi State Space Model Markov untuk Penyakit Menular Melalui Agregasi State
30 KESIMPULAN 1 Dari hasil analisis Model Markov waktu diskrit untuk penyebaran penyakit menular, didapatkan kesimpulan sebagai berikut : Bentuk probabilitas transisi model Markov waktu diskrit untuk penyebaran penyakit menular adalah:
31 2 Bentuk probabilitas transisi model Markov untuk model epidemik SIR adalah: 3 Probabilitas transisi untuk rantai markov tereduksi pada penyakit menular melalui agregasi state adalah:
32 DAFTAR PUSTAKA [1]Yaesoubi, R., Cohen, T. (2011). Generalized Markov models of infectious disease spread: A novel framework for developing dynamic health policies. European Journal of Operation Research Vol. 215, Hal [2]Hardiningsih, A.Y. (2010). Kajian Model Epidemik SIR Deterministik dan Stokastik pada Waktu Diskrit. Surabaya: Jurusan Matematika ITS. [3] Ana, N. (2009). Penentuan Pola Release Air Waduk Gondang Berdasarkan Kondisi Musim Tahun Air Dengan Pendekatan Program Dinamik. Surabaya: Jurusan Matematika ITS. [4]Sari, W.A. (2009). Perencanaan Jumlah Tenaga Perawat di RSUD Dr. Soetomo Menggunakan Rantai Markov. Surabaya: Jurusan Matematika ITS. [5]Langi, Y.A.R. (2011). Penentuan Klasifikasi State pada Rantai Markov dengan Menggunakan Nilai Eigen dari Matriks Peluang Transisi. Jurnal Ilmiah Sains Vol. 11 No. 1, April 2011, Hal [6] Ekawati, R. (2009). Kajian Estimasi Parameter Modified Weibull Distribution dengan Maximum Likelihood Estimators dan Least Square Procedure. Surabaya: Jurusan Matematika ITS. [7]Walpole, R.E., Myers, R.H. (1986). Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Bandung: Penerbit ITB.
33
Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciKAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih
KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT Oleh: Arisma Yuni Hardiningsih 126 1 5 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Fakultas Matematika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan merupakan bagian yang penting dalam kehidupan manusia karena kesehatan memengaruhi aktifitas hidup manusia. Dengan tubuh yang sehat manusia dapat menjalankan
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok
Lebih terperinciTUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR
TUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR STUDY OF A NONSTANDARD SCHEME OF PREDICTORCORRECTOR TYPE FOR EPIDEMIC MODELS SIR Oleh:Anisa Febriana
Lebih terperinciOleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si
Oleh Nara Riatul Kasanah 1209100079 Dosen Pembimbing Drs. Sri Suprapti H., M.Si JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 PENDAHULUAN
Lebih terperinciOleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si
Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciMODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT
MODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT Wisnu Wardana, Respatiwulan, dan Hasih Pratiwi Program Studi Matematika FMIPA UNS ABSTRAK. Pola penyebaran penyakit
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
SEMINAR TUGAS AKHIR PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Oleh : Husien Haikal Fasha 1207 100 011 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciAnalisa Kualitatif pada Model Penyakit Parasitosis
Analisa Kualitatif pada Model Penyakit Parasitosis Nara Riatul Kasanah dan Sri Suprapti H Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini dibahas mengenai tinjauan pustaka yang digunakan dalam penelitian ini, khususnya yang diperlukan dalam Bab 3. Teori yang dibahas adalah teori yang mendukung pembentukan
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR
BAB IV PEMBAHASAN 4.1 Proses Pencabangan model DTMC SIR Proses pencabangan suatu individu terinfeksi berbentuk seperti diagram pohon dan diasumsikan bahwa semua individu terinfeksi adalah saling independent
Lebih terperinciIII. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD
III. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD 8 3.1 Model SIR Model SIR pada uraian berikut mengacu pada kajian Derouich et al. (2003). Asumsi yang digunakan adalah: 1. Total populasi nyamuk dan total populasi
Lebih terperinciAbstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran
ANALISIS KESTABILAN PENYEBARAN PENYAKIT CAMPAK (MEASLES) DENGAN VAKSINASI MENGGUNAKAN MODEL ENDEMI SIR Marhendra Ali Kurniawan Fitriana Yuli S, M.Si Jurdik Matematika FMIPA UNY Abstrak: Makalah ini bertujuan
Lebih terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. ekuilibrium bebas penyakit beserta analisis kestabilannya. Selanjutnya dilakukan
BAB III HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai model matematika penyakit campak dengan pengaruh vaksinasi, diantaranya formulasi model penyakit campak, titik ekuilibrium bebas penyakit
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinciPENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT
PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG Agustinus Simanjuntak Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya Pekanbaru
Lebih terperinciSIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI
SIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI Siti Komsiyah Mathematics & Statistics Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciELSA HERLINA AGUSTIN:
SIMULASI NUMERIK ESTIMASI PARAMETER MODEL DTMC SIS MENGGUNAKAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN PENDEKATAN NEWTON-RAPHSON Oleh ELSA HERLINA AGUSTIN 12321577 Skripsi Ini Ditulis untuk Memenuhi
Lebih terperinciKAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT
KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT QUEUES ANALYSIS M/M/ TYPE WITH SLOW AND FAST PHASE SERVICE SYSTEM Oleh: Erida Fahma Nurrahmi NRP. 1208 100 009 Dosen Pembimbing:
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014
JURUSAN MATEMATIKA Nurlita Wulansari (1210100045) Dosen Pembimbing: Drs. M. Setijo Winarko, M.Si Drs. Lukman Hanafi, M.Sc FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciPENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT
PENDEKATAN RANTAI MARKOV WAKTU DISKRIT DALAM PERENCANAAN KEBUTUHAN TEMPAT TIDUR RUMAH SAKIT Nama Mahasiswa : Enjela Puspadewi NRP : 1207 100 026 Jurusan : Matematika FMIPA Dosen Pembimbing : Dra. Laksmi
Lebih terperinciKestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate
Kestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate Mohammad soleh 1, Syamsuri 2 1,2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau Jln. HR. Soebrantas Km
Lebih terperinciMODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK PENDAHULUAN
MODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK H. SUMARNO 1, P. SIANTURI 1, A. KUSNANTO 1, SISWADI 1 Abstrak Kajian penyebaran penyakit dengan pendekatan deterministik telah banyak dilakukan.
Lebih terperinciOleh : Dinita Rahmalia NRP Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si.
PERMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG (MATHEMATICAL MODEL AND STABILITY ANALYSIS THE SPREAD OF AVIAN INFLUENZA) Oleh : Dinita Rahmalia NRP 1206100011 Dosen Pembimbing
Lebih terperinciAnalisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate
Analisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate I Suryani 1 Mela_YuenitaE 2 12 Jurusan Matematika Fakultas Sains dan Teknologi UIN Sultan Syarif Kasim Riau Jl
Lebih terperinciANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK.
ANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK.) I Gusti Ngr. Rai Usadha 1), Valeriana Lukitosari 2),
Lebih terperinciMODEL EPIDEMI CONTINUOUS TIME MARKOV CHAIN (CTMC) SUSCEPTIBLE INFECTED RECOVERED (SIR)
MODEL EPIDEMI COTIUOUS TIME MARKOV CHAI (CTMC) SUSCEPTIBLE IFECTED RECOVERED (SIR) oleh DETA URVITASARI M1836 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciAnalisis Kestabilan Pada Model Transmisi Virus Hepatitis B yang Dipengaruhi Oleh Migrasi
Analisis Kestabilan Pada Model Transmisi Virus Hepatitis B yang Dipengaruhi Oleh Migrasi 1 Firdha Dwishafarina Zainal, Setijo Winarko, dan Lukman Hanafi Jurusan Matematika, Fakultas MIPA, Institut Teknologi
Lebih terperinciAnalisis Model SIR dengan Imigrasi dan Sanitasi pada Penyakit Hepatitis A di Kabupaten Jember
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 346 Analisis Model SIR dengan Imigrasi dan Sanitasi pada Penyakit Hepatitis A di Kabupaten Jember (Analysis of SIR Model with
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA
ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA Mutholafatul Alim 1), Ari Kusumastuti 2) 1) Mahasiswa Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang 1) mutholafatul@rocketmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial adalah suatu persamaan yang di dalamnya terdapat turunan-turunan. Jika terdapat variabel bebas tunggal, turunannya merupakan
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciMODEL EPIDEMIK SIR UNTUK PENYAKIT YANG MENULAR SECARA HORIZONTAL DAN VERTIKAL
MODEL EPIDEMIK SIR UNTUK PENYAKIT YANG MENULAR SECARA HORIZONTAL DAN VERTIKAL ILMIYATI SARI 1, HENGKI TASMAN 2 1 Pusat Studi Komputasi Matematika, Universitas Gunadarma, ilmiyati@staff.gunadarma.ac.id
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema yang akan menjadi landasan untuk pembahasan pada bab III nanti, di antaranya model matematika penyebaran penyakit,
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciAnalisis Reduksi Model pada Sistem Linier Waktu Diskrit
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (216) 2337-352 (231-928X Print) A-25 Analisis Reduksi Model pada Sistem Linier Waktu Diskrit Yunita Indriana Sari dan Didik Khusnul Arif Jurusan Matematika, Fakultas
Lebih terperinciKESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI
KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI Mohammad soleh 1, Leni Darlina 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam
Lebih terperinciBAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau
BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan
Lebih terperinciBAB II KAJIAN TEORI. digunakan pada bab pembahasan. Teori-teori ini digunakan sebagai bahan acuan
BAB II KAJIAN TEORI Pada bab ini akan dijelaskan mengenai landasan teori yang akan digunakan pada bab pembahasan. Teori-teori ini digunakan sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi
Lebih terperinciKAJIAN ESTIMASI PARAMETER MODEL AUTOREGRESIF TUGAS AKHIR SM 1330 NUR SHOFIANAH NRP
TUGAS AKHIR SM 1330 KAJIAN ESTIMASI PARAMETER MODEL AUTOREGRESIF NUR SHOFIANAH NRP 1203 100 009 Dosen Pembimbing Dra. Laksmi Prita W, MSi Dra. Nuri Wahyuningsih, MKes JURUSAN MATEMATIKA Fakultas Matematika
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciIII PEMBAHASAN. μ v. r 3. μ h μ h r 4 r 5
III PEMBAHASAN 3.1 Perumusan Model Model yang akan dibahas dalam karya ilmiah ini adalah model SIDRS (Susceptible Infected Dormant Removed Susceptible) dari penularan penyakit malaria dalam suatu populasi.
Lebih terperinciOLEH : IKHTISHOLIYAH DOSEN PEMBIMBING : Dr. subiono,m.sc
OLEH : IKHTISHOLIYAH 1207 100 702 DOSEN PEMBIMBING : Dr. subiono,m.sc JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011 Pemodelan matematika
Lebih terperinciT - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR)
T - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR) Felin Yunita 1, Purnami Widyaningsih 2, Respatiwulan 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas
Lebih terperinciPerbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran Virus HIV/AIDS
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 17-29 Perbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran
Lebih terperinciKajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, 2015 2337-3520 2301-928X Print A-67 Kajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya Marselly Dian Saputri, Farida Agustini Widjajati,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan makhluk hidup ini banyak permasalahan yang muncul seperti diantaranya banyak penyakit menular yang mengancam kehidupan. Sangat diperlukan sistem untuk
Lebih terperinciMODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI
MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI Mohammmad Soleh 1, Siti Rahma 2 Universitas Islam Negeri Sultan Syarif Kasim Riau Jl HR Soebrantas No 155 KM 15 Simpang Baru Panam Pekanbaru muhammadsoleh@uin-suskaacid
Lebih terperinciANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA
ANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA ANALYSIS OF STABILITY OF SPREADING DISEASE MATHEMATICAL MODEL WITH TRANSPORT-RELATED INFECTION
Lebih terperinciI. PENDAHULUAN. Perkembangan teori statistika telah mempengaruhi hampir semua aspek. Dalam teori statistika dan peluang, distribusi gamma (
I. PENDAHULUAN 1.1. Latar Belakang dan Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR
ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR Oleh: Drs. M. Setijo Winarko, M.Si Drs. I Gusti Ngurah Rai Usadha, M.Si Subchan, Ph.D Drs. Kamiran, M.Si Noveria
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Influenza atau lebih dikenal dengan flu, merupakan salah satu penyakit yang menyerang pernafasan manusia. Penyakit ini disebabkan oleh virus influenza yang
Lebih terperinciEvaluasi Dampak Program Edukasi, Skrining Dan Terapi HIV Pada Model Penyebaran Infeksi HIV
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 05 T 7 Evaluasi Dampak Program Edukasi, Skrining Dan Terapi HIV Pada Model Penyebaran Infeksi HIV Marsudi, Noor Hidayat, Ratno Bagus Edy Wibowo
Lebih terperinciKestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik dan Migrasi
Kestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik Migrasi Mohammad soleh 1, Parubahan Siregar 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Sultan Syarif Kasim
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciBAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG. Pembimbing 1. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si.
BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG Pembimbing. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si. Program Studi Statistik, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER)
Jurnal Euclid, Vol.4, No.1, pp.646 ANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER) Herri Sulaiman Program Studi Pendidikan Matematika
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciKESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang)
KESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang) Melita Haryati 1, Kartono 2, Sunarsih 3 1,2,3 Jurusan Matematika
Lebih terperinciKAJIAN MODEL EPIDEMIK SIS DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT UNTUK PENYEBARAN MALARIA DI KABUPATEN JEMBER
KAJIAN MODEL EPIDEMIK SIS DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT UNTUK PENYEBARAN MALARIA DI KABUPATEN JEMBER SKRIPSI Oleh Alfi Nur Huda NIM 091810101045 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciMODEL SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS
e-jurnal Matematika Vol 1 No 1 Agustus 2012, 52-58 MODEL SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS K QUEENA FREDLINA 1, TJOKORDA BAGUS OKA 2, I MADE EKA DWIPAYANA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penyakit infeksi (infectious disease), yang juga dikenal sebagai communicable disease atau transmissible disease adalah penyakit yang nyata secara klinik (yaitu, tanda-tanda
Lebih terperinciMODEL EPIDEMI SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN PROSES POISSON. oleh LUCIANA ELYSABET M
MODEL EPIDEMI SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN PROSES POISSON oleh LUCIANA ELYSABET M0111051 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciPENYELESAIAN NUMERIK DAN ANALISA KESTABILAN PADA MODEL EPIDEMIK SEIR DENGAN PENULARAN PADA PERIODE LATEN
PENYELESAIAN NUMERIK DAN ANALISA KESTABILAN PADA MODEL EPIDEMIK SEIR DENGAN PENULARAN PADA PERIODE LATEN Oleh: Labibah Rochmatika (12 09 100 088) Dosen Pembimbing: Drs. M. Setijo Winarko M.Si Drs. Lukman
Lebih terperinciBAB I PENDAHULUAN. Model matematika merupakan sekumpulan persamaan atau pertidaksamaan yang
BAB I PENDAHULUAN A. Latar Belakang Model matematika merupakan sekumpulan persamaan atau pertidaksamaan yang mengungkap perilaku suatu permasalahan yang nyata. Model matematika dibuat berdasarkan asumsi-asumsi.
Lebih terperinciKAJIAN RELIABILITAS DAN AVAILABILITAS PADA SISTEM KOMPONEN PARALEL
KAJIAN RELIABILITAS DAN AVAILABILITAS PADA SISTEM KOMPONEN PARALEL SKRIPSI Oleh : RIANA AYU ANDAM PRADEWI J2E 009 012 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2014
Lebih terperinciSilabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh
Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole
Lebih terperinciFOURIER April 2013, Vol. 2, No. 1, MODEL PENYEBARAN PENYAKIT POLIO DENGAN PENGARUH VAKSINASI. RR Laila Ma rifatun 1, Sugiyanto 2
FOURIER April 2013, Vol. 2, No. 1, 13 23 MODEL PENYEBARAN PENYAKIT POLIO DENGAN PENGARUH VAKSINASI RR Laila Ma rifatun 1, Sugiyanto 2 1, 2 Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan
Lebih terperinciAnalisis Model Penyebaran Penyakit Menular Dengan Bakteri dan Hospes
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Analisis Model Penyebaran Penyakit Menular Dengan Bakteri Hospes Desy Khoirun Nisa, Drs. Kamiran, M.Si Jurusan Matematika, Fakultas MIPA, Institut Teknologi
Lebih terperinciANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 163-172 ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA Auliah Arfani, Nilamsari Kusumastuti, Shantika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciBAB I PENDAHULUAN. adalah penyakit menular karena masyarakat harus waspada terhadap penyakit
BAB I PENDAHULUAN A. Latar Belakang Kesehatan adalah suatu hal yang sangat penting dalam kehidupan karena jika seseorang mengalami masalah kesehatan maka aktivitas seseorang tersebut akan terganggu. Masalah
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang
Lebih terperinciADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB 1 PENDAHULUAN. metode yang bisaanya digunakan dalam estimasi parameter yakni Ordinary Least
BAB 1 PENDAHULUAN 1.1 Latar Belakang Data populasi dalam suatu penelitian berguna untuk mengetahui karakteristik objek yang akan menghasilkan gambaran akurat mengenai karakteristik objek tersebut. Statistik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial merupakan persamaan yang melibatkan turunanturunan dari fungsi yang tidak diketahui (Waluya, 2006). Contoh 2.1 : Diberikan persamaan
Lebih terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi Daryono Budi Utomo Jurusan
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 2 (2015), hal 101 110 PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS Dwi Haryanto, Nilamsari Kusumastuti,
Lebih terperinci