BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan antaa (nol) sampa (satu) atau dalam pesentase. Peluang menunjukkan pestwa yang tdak mungkn tejad, sedangkan peluang menunjukkan pestwa yang past tejad. P(A),99 atnya pobabltas bahwa kejadan A akan tejad sebesa 99 % dan peluang A tdak tejad adalah sebesa %. Ada tga hal pentng dalam angka membcaakan peluang, yatu pecobaan (epement), uang sampel (sample space), kejadan (event), dan ttk sampel (sample pont). Pecobaan (epement) adalah pengamatan tehadap bebeapa aktvtas atau poses yang memungknkan tmbulnya palng sedkt (dua) pestwa tanpa mempehatkan pestwa mana yang akan tejad. Ruang sampel (sample space) atau semesta (unvese) meupakan hmpunan da semua hasl (outcome) yang mungkn da suatu pecobaan (epement). Jad uang sampel adalah seluuh kemungknan pestwa yang akan tejad akbat adanya suatu pecobaan atau kegatan. Kejadan (event) adalah kumpulan da satu atau lebh hasl yang tejad pada sebuah pecobaan atau kegatan. Kejadan menunjukkan hasl yang tejad da suatu pecobaan. Dalam setap pecobaan atau kegatan hanya ada satu hasl. Pada kegatan jual bel saham, kalau tdak membel beat menjual. Pada peubahan haga tejad nflas atau deflas. Dua pestwa tesebut tdak dapat tejad besamaan.

2 Besanya nla kemungknan bag munculnya suatu kejadan adalah selalu dantaa (nol) dan (satu). Penyataan n dapat dtuls sebaga P(A), dmana P(A) menyatakan nla kemungknan bag munculnya kejadan A. Jka suatu pecobaan dapat menghaslkan N macam hasl yang bekemungknan sama (equally lkely) dan jka tepat tedapat sebanyak n hasl yang bekatan dengan kejadan A, maka peluang kejadan A adalah : n P ( A) (.) N Ttk sampel (sample pont) meupakan tap anggota atau elemen da uang sampel. Jka suatu opeas dapat dlakukan dengan n caa, dan bla untuk setap caa n opeas kedua dapat dlakukan dengan n caa, dan bla untuk setap caa n opeas ketga dapat dlakukan dengan n caa, dst, maka deetan k opeas dapat dlakukan dengan n, n,...,n k caa. Dalam peneltan n akan dbahas teo peluang besyaat dan peluang dua pestwa yang salng bebas, sebaga bekut :.. Peluang Besyaat Jka A dan B adalah dua buah pestwa yang d bentuk da uang sampel S, maka peluang besyaat da A dbekan B ddefenskan sebaga : P( A B) P( A B) Dengan P(A) (.) P( B) Dalam hal n, P( A B) adalah pehtungan peluang pestwa A, apabla pestwa B sudah tejad. Atau dapat dnyatakan bahwa peluang pestwa A dan B kedua-duanya tejad sama dengan peluang pestwa B tejad dkalkan dengan peluang pestwa A tejad apabla pestwa B sudah tejad.

3 .. Peluang Dua Pestwa yang Salng Bebas Dalam pembcaaan seha-ha, dua buah pestwa dkatakan bebas, jka tejadnya atau tdak tejadnya pestwa yang satu tdak dpengauh oleh tejadnya pestwa yang lan. Peumusan dua pestwa yang salng bebas ddasakan pada peumusan pekalan da peluang besyaat, yatu : P ( A B) P( B). P( A B) Kaena dua pestwa A dan B bebas, maka dalam pehtungan P( A B) tejadnya pestwa A tdak dpengauh oleh tejadnya pestwa B. Sehngga pestwa A dbekan pestwa B akan meupakan pestwa A tu send. Akbatnya, P ( A B) P( A). Dengan demkan : P ( A B) P( B). P( A) (.). Peubah Acak dan Dstbusnya.. Peubah Acak Peubah acak atau vaabel acak meupakan hasl-hasl posedu penyampelan acak (andom samplng) atau ekspemen acak da suatu data yang telah danalss secaa statstk. Peubah acak dapat dnyatakan dengan huuf besa (), sedangkan nla da peubah acak dnyatakan dengan huuf kecl (). Defns. : Peubah acak alah suatu fungs yang mengatkan suatu blangan eal pada setap unsu dalam uang sampel, (Walpole & Myes, 995: 5).

4 .. Dstbus Peubah Acak... Dstbus Peubah Acak Dskt Sengkal untuk memudahkan suatu pehtungan semua peluang peubah acak dnyatakan dalam suatu fungs nla-nla sepet f() yatu f ( ) P( ). Pada peubah acak dskt, setap nlanya dkatkan dengan peluang. Hmpunan pasangan beuutan (,f()) dsebut dstbus peluang peubah acak. Sebuah dstbus yang mencantumkan semua kemungknan nla peubah acak dskt bekut peluangnya dsebut peluang dskt, (Wbsono, 5: 4). Suatu peubah acak dskt dapat dnyatakan sebaga: f ( ) p( ) (.4) Defns. : Hmpunan pasangan teuut (,f()) meupakan suatu fungs peluang, fungs massa peluang, atau dstbus peluang peubah acak dskt bla, untuk setap kemungknan hasl :. f ( ). f ( ). f ( ) P( ) (Walpole & Myes, 995 :54) Defns. : Jka peubah dapat menema suatu hmpunan dskt da nla-nla,,..., n dengan peluang masng-masng P,P,... P n, dmana P +P P n, maka suatu fungs f() yang mempunya nla masng - masng P,P,... P untuk,,..., dsebut fungs peluang. Sehngga dapat dtulskan dengan f() P( ), yatu pobabltas P nla peubah ke- (yatu ) sama dengan f().

5 ... Dstbus Peubah Acak Kontnu Dstbus peluang bag peubah acak kontnu tdak dapat dsajkan dalam bentuk tabel, akan tetap dstbusnya dapat dnyatakan dalam pesamaan yang meupakan fungs nla-nla peubah acak kontnu dan dgambakan dalam bentuk kuva, (Wbsono,5:6). Suatu peubah acak kontnu dapat dnyatakan sebaga: ( ) f ( ) f d (.5) Defns. 4 : Fungs f() adalah fungs padat peluang peubah acak kontnu, yang ddefnskan atas hmpunan semua blangan eal R, bla. f() untuk semua R.. f ( ) d b a. P(a < < b) ( ) f d (Walpole & Myes, 995 :6).. Dstbus Peubah Acak Gabungan Sepet yang djelaskan pada subbab sebelumnya ada dua macam peubah acak, yatu peubah acak dskt dan peubah acak kontnu. Tetap kaena dstbus yang akan dtelt dalam peneltan n meupakan dstbus kontnu, maka hanya akan dbahas peubah acak kontnu. Jka S meupakan uang sampel da sebuah ekspemen, maka pasangan (,Y) dnamakan peubah acak gabungan, jka dan Y masng-masng menghubungkan sebuah blangan eal dengan setap anggota S.

6 (,Y) dsebut peubah acak gabungan kontnu, jka banyak nla-nla yang mungkn da dan Y masng-masng bebentuk sebuah nteval. Pehtungan peubah acak kontnu yang masng-masng behaga tetentu, memelukan sebuah fungs yang dnamakan fungs kepadatan gabungan. Yang ddefenskan sebaga bekut : ( y) P [( ) A] f, d dy (.6) Dengan A teletak dalam bdang-y. A Sebuah fungs da dua peubah acak kontnu dan Y dapat dgunakan sebaga fungs kepadatan gabungan, jka nla-nlanya yatu f (, y), memenuh sfat-sfat sebag bekut :. f (, y) untuk < <, < y <. [( ) ] (, ) P A f y d dy. Defens Momen Dalam menentukan nla ekspektas ata-ata dan nla ekspektas vaans, dmana nla nla kedua ukuan datas meupakan pangkat ke- dan pangkat ke- da nla ekspektas. Sehngga dapat dtentukan peumusan umum untuk menghtung nla ekspektas da pangkat ke- yang basa dsebut dengan momen. Momen ted da jens, yatu:.. Momen d Sekta Ttk Asal Momen ke- d sekta ttk asal da sebuah andom vaabel dapat ddefnskan sebaga E [( ) ] E[( ) ] asalkan nla ekspektas tu ada. Untuk dskt, maka fungs peluang f() : E [( ) ] f ) + f ( ) f ( ) ( n n

7 E [( ) ] n f ( ) (.7) Untuk kontnu, maka fungs peluang f() : E [( ) ] f ( ) (.8) Dalam hal n, E[( )] meupakan momen ke-. Sehngga dapat dpeoleh momen ke- sampa ke-4 d sekta ttk asal, sebaga bekut : Tabel. Momen d Sekta Ttk Asal Momen Momen d Sekta Ttk Asal Momen ke- E[( ) ] Momen ke- E [( ) ] E( ) Momen ke- E[( ) ] Momen ke- E[( ) ] Momen ke-4 E[( 4 ) ] 4 Da tabel d atas dapat dlhat momen petama d sekta ttk asal da suatu dstbus adalah nla ata-ata... Momen d Sekta Rataan Momen ke- d sekta ataan da sebuah andom vaabel dapat ddefnskan sebaga E [( ) ]. Teoema. : Momen petama da momen d sekta ataan benla. Bukt: E[( ) ] E[( )] E[ ] Sehngga dapat dpeoleh momen ke- sampa ke-4 d sekta ataan, sebaga bekut :

8 Tabel. Momen d Sekta Rataan Momen Momen d Sekta Rataan Momen ke- E [( ) ] Momen ke- E [( ) ] Momen ke- E [( ) ] Momen ke- E[( ) ] Momen ke-4 E [( 4 ) ] 4 Da tabel d atas dapat dlhat momen kedua d sekta ataan da suatu dstbus adalah nla vaans..4 Konves Momen d Sekta Ttk Asal ke Momen d Sekta Rataan Dengan menggunakan dall bnomal, maka dapat dpeoleh konves momen pusat ke- d sekta ttk asal ke momen pusat ke- d sekta ataan sebaga bekut: E [( ) ] ( ) (.9) Kemudan dengan mensubttuskan bebeapa nla ke dalam umus d atas, maka akan ddapat nla vaans, kemngan dan kutossnya. Dmana nla vaansnya ddapat da subttus nla, sebaga bekut : ( ) ( ) + ( ) + ( ) + (.) Sehngga ddapat nla vaansnya, yatu hasl da penguangan momen pusat ke- d sekta ttk asal ke- dkuang kuadat da momen pusat ke- d sekta ttk asal ke-. Atau seng d notaskan dengan : Va ( ) E( ) E( ) (.)

9 .5 Fungs Pembangkt Fungs Pembangkt adalah salah satu metode yang dapat dgunakan untuk menyelesakan pemasalahan. Dengan men-tanslas pesoalan ke dalam Fungs Pembangkt, maka kta dapat menggunakan sfat-sfat khusus da Fungs Pembangkt sebaga jalan untuk memecahkan masalah. Fungs Pembangkt n bsa kta pelakukan sebagamana fungs-fungs pada umumnya. Msal saja melakukan opeas dfeensal. Fungs Pembangkt memlk banyak penggunaan, msalnya untuk menyelesakan pemasalahan ekuens, countng, membuktkan denttas kombnatoka, maupun aplkas-aplkas lan yang beagam. Dalam peneapannya, banyak metode yang menggunakan Fungs Pembangkt sebaga alat penyelesaan masalah. Fungs pembangkt da basan blangan S (tehngga atau takhngga) a a, a,,... dapat ddefenskan dalam bentuk deet sebaga bekut :, a A ( ) a a + a + a + a a (.) Pada deet tesebut, pangkat da vaabel meupakan ndkato sedemkan hngga koefsen da adalah haga fungs numek pada. Untuk sebuah fungs numek a dgunakan nama A() untuk menyatakan fungs pembangktnya. Walaupun ada banyak jens-jens fungs pembangkt, tetap dalam peneltan n hanya akan d bahas fungs pembangkt eksponensal dan fungs pembangkt momen..5. Fungs Pembangkt Eksponensal Fungs pembangkt eksponensal meupakan salah satu alat penyelesaan masalah da bebeapa jens fungs pembangkt. Dmana fungs pembangkt n dambl da Deet Maclaun sebaga bekut : a + a + a!! + a! a! o a!

10 Jka nla a a, a, a,...,, maka dapat ddefenskan fungs pembangkt, a eksponensal adalah sebaga bekut e + +! +! ! o! (.) Dan untuk e ddefenskan sebaga bekut : e +!! ( )! o ( )! (.4) Dalam peneltan n hanya akan dbahas satu ekspans bnomal dalam bentuk fungs pembangkt eksponensal sebaga bekut : Teoema. : ( e ) n n n ( ) e Bukt : Dengan menggunakan umus Bnom Newton : Maka : ( n e ) n n n ( a + b) a b (.5) n n n ( ) n n ( ) ( e n n ( ) e ) n (( )( e )).5. Fungs Pembangkt Momen Menuut Ronald dan Raymond (995). Kegunaan yang jelas da fungs pembangkt momen n adalah untuk menentukan momen-momen dstbus. Akan tetap, kegunaan yang tepentng adalah untuk menca dstbus da fungs peubah acak. (Walpole & Myes. 995 : 6)

11 Defns.5 : Fungs pembangkt momen da suatu peubah acak ddefnskan untuk setap t blangan l t sebaga M E( e ) (Dudewch & Msha, 995 : ) Da defns.5, dapat duakan dalam kasus yang bebeda, yatu untuk peubah acak dskt dan peubah acak kontnu. Fungs pembangkt momen untuk peubah acak dskt da d yatu: M t t E( e ) e f ( ) (.6) Fungs pembangkt momen untuk peubah acak kontnu da d yatu: t t M E( e ) e f ( ) (.7) (Spegel, 99:8) Teoema. : Bla fungs pembangkt momen M (t) da peubah acak ada untuk t T, untuk T () >, maka E( ) dengan (n,,, ), maka E ( ) M (). () E ( ) M () d dt M t (Dudewch & Msha, 995 : ) Bukt : t Dketahu bahwa M E( e ), Dengan menggunakan deet Maclaun : e y + y + y! + y! y! Jka y dgant t maka : e y + t ( t ) +! ( t ) +! ( t ) ! Sehngga dpeoleh : M (t) E ( e t )

12 ( t ) ( t ) ( t ) E + t !!! E + E t ( t ) + E ( t ) + E ( t ) E ( ) ( )!!! + te( ) + E( ) + E( ) E( )! + te( ) + E( ) + E( ) E( )!!!!! Jka M (t) dtuunkan tehadap t, kemudan haganya sama dengan nol, maka akan dpeoleh: M ( ) ( ) ( ) t t. t E + E + E E( )!! M () E ( ) momen pusat ke- d sekta ttk asal M! 6t ( ) t E( ) + E( ) E( )! M () E ( ) momen pusat ke- d sekta ttk asal M M ( ) ()... Sampa tuunan ke-! ( )( ) t E( ) E( )! E momen pusat ke- d sekta ttk asal Jad untuk mendapatkan momen ke- da suatu peubah acak adalah dengan menuunkan fungs pembangkt momen sebanyak kal dan memasukkan nla t, sehngga tebukt bahwa: E ( ) d dt M t

13 Teoema.4 : Jka M (t) adalah fungs pembangkt momen da peubah acak dan a adalah suatu konstanta, maka fungs pembangkt momen da a adalah: M a (t) (at) M Bukt: M a (t) E( e ta ) ( ( ta) E e ) M (at) (Spegel, 99 : 8) Teoema.5 : Jka M (t) adalah fungs pembangkt momen da peubah acak, a dan b adalah suatu konstanta, maka fungs pembangkt momen da a + b adalah: Bukt : M a + b (t) M a + b (t) M ( at) e bt ( ( a + b) E e t ) at + bt E( e ) at bt E ( e ). E( e ) M ( at). e bt.5. Fungs Pembangkt Momen Gabungan Fungs pembangkt momen gabungan atau Jont MGF dapat ddefnskan sebaga fungs pembangkt momen yang dpeoleh bedasakan fungs peluang gabungan atau fungs denstas gabungan da dua peubah acak. Dalam hal n, fungs pembangkt momen gabungan dapat dgunakan untuk mempeoleh momen-momen, bak untuk satu peubah acak maupun dua peubah acak.

14 Sehngga fungs pembangkt momen gabungan da (, ) ddefnskan untuk blangan l (t, t ) sebaga: t + t M ( t, ) E( e ), t (.8) (Dudewcz & Msha, 995 : 5) Teoema.6 : Msal fungs pembangkt momen gabungan da (, ) ada, maka dan meupakan peubah acak yang salng bebas jka M ( t, ) M t ). M ( ) Bukt: t + t M ( t, ) E( e ), t t t E ( e. e ) t t E ( e ). E( e ) M t ). M ( ) ( t, t ( t Untuk peubah acak dan yang kontnu, maka fungs pembangkt momen gabungannya dnotaskan dengan : M ( t, t) e t + t f( ) f( ) d d (.9) Bedasakan fungs pembangkt momen gabungan da dan, dapat dtentukan fungs pembangkt momen masng-masng da dan yang dnamakan fungs pembangkt momen magnal da dan fungs pembangkt momen magnal da. Fungs pembangkt momen magnal da dpeoleh da fungs pembangkt momen gabungan dengan mensubsttuskan t, sehngga : t M ( t,) M ( t ) E( e ) (.) Fungs pembangkt momen magnal da dpeoleh da fungs pembangkt momen gabungan dengan mensubsttuskan t, sehngga : t M (, t ) M ( t ) E( e ) (.)

15 Sehngga ddapat hasl tansfomasnya, yang kemudan dapat dtentukan momen momen da peubah acak bedasakan fungs pembangkt momen magnalnya. Dmana momen ke- yang juga meupakan nla paamete ata-ata (), dhtung dengan meggunakan umus : E( ) M ( t,) M (,) t t t (.) Dan momen ke-nya dhtung dengan menggunakan umus: E( M ( t,) M (,) ) t t t (.) Da hasl htung momen ke- dan momen ke-, maka dapat dhtung nla paamete vaans (σ )nya dengan menggunakan umus : Va M (,) M (,) ( σ ) t t (.4) Pehtungan yang sama juga dapat dlakukan dalam menentukan nla paamete ata-ata () dan nla paamete vaans (σ ) da peubah acak bedasakan fungs pembangkt momen magnalnya dengan menggunakan umus d atas..6 Dstbus Eksponensal Tegeneals Dua Vaabel Dstbus eksponensal tegenaals (Genealzed Eponental Dstubuton) petama kal dpekenalkan oleh Gupta dan Kundu pada tahun 999. Dstbus n dambl da salah satu fungs kepadatan kumulatf yang dgunakan pada petengahan abad 9 (Gompetz-Vehulst) untuk membandngkan tabel kematan dan menghaslkan laju petumbuhan penduduk. Yang ddefenskan sebaga bekut : G( t) ( tλ α ρ e ) Kemudan dengan menstandasaskan ρ dan t, maka ddapat dstbus ekponensal tegeneals satu vaabel (Unvaate Genealzed Eponental

16 Dstbuton) dengan fungs kepadatan kumulatf (fkk) dan >, adalah sebaga bekut : F GE ( ; λ α α, λ) ( e ) da tuunan fungs kepadatan kumulatf d atas, juga ddapat fungs kepadatan peluangnya (fkp) adalah sebaga bekut : ( ; α, λ) αλ ( λ λ α F GE e e (.5) ) Dengan : peubah acak α paamete bentuk λ paamete skala e,78 Dmana α > dan λ > masng masng adalah paamete bentuk dan paamete skala. In jelas bla α, maka dstbus datas meupakan dstbus eksponensal. Sekaang untuk memfokuskan pada kajan paamete α, maka λ. Sehngga dstbus eksponensal tegeneals dengan paamete bentuk d notaskan dengan GE(α). Jka tedapat dua peubah acak (, ) yang bedstbus eksponensal tegeneals dengan asums salng bebas, maka dstbus eksponensal tegeneals dua vaabel (fungs kepadatan peluang gabungan da (, )), untuk >, > adalah : F (, ) α α e e α α ( ) ( ) e (.6).7 Estmas Estmas adalah menaks c-c tetentu da populas atau mempekakan nla populas (paamete) dengan memaka nla sampel (statstk). Dengan statstka beusaha menympulkan populas. Caa pengamblan keputusan tentang paamete behubungan dengan caa-caa menaks haga paamete. Jad, haga paamete

17 sebenanya yang tdak dketahu akan destmas bedasakan statstk sampel yang dambl da populas yang besangkutan. Sfat atau c estmato yang bak yatu tdak bas, efsen dan konssten:. Estmato yang tdak bas Estmato dkatakan tdak bas apabla a dapat menghaslkan estmas yang mengandung nla paamete yang destmaskan. Msalkan, estmato θˆ dkatakan estmato yang tdak bas jka ata-ata semua haga θˆ yang mungkn akan sama dengan θ. Dalam bahasa ekspektas dtuls E ( ˆ θ ) θ. Msalkan adalah vaabel andom dengan ata-ata dan vaan σ,,...,, n adalah sampel andom yang besanya n da, maka ata-ata sampel dan vaan sampel σ. S adalah estmato yang tdak bas da dan. Estmato yang Efsen Estmato dkatakan efsen apabla hanya dengan entang nla estmas yang kecl saja sudah cukup mengandung nla paamete. Estmato bevaans mnmum alah estmato yang efsen dantaa semua estmato untuk paamete yang sama. Jka ˆ θ dan ˆ θ dua estmato untuk θ dmana vaans untuk ˆ θ lebh kecl da vaans untuk ˆ θ, maka ˆ θ meupakan estmato yang efsen.. Estmato yang konssten Estmato dkatakan konssten apabla sampel yang dambl bebeapa pun besanya, pada entangnya tetap mengandung nla paamete yang sedang destmas. Msalkan, θˆ estmato untuk θ yang dhtung bedasakan sebuah sampel acak beuutan n. Jka ukuan sampel n makn besa mendekat ukuan populas menyebabkan θˆ mendekat θ, maka θˆ dsebut estmato konssten.

18 Estmas nla paamete memlk dua caa, yatu estmas ttk (pont estmaton) dan estmas selang (nteval estmaton)..7. Estmas Ttk Estmas ttk adalah estmas yang dalam nla populasnya (paamete) dtentukan hanya oleh satu nla saja. Nla yang dpaka menduga populas tesebut dnamakan estmato. Msalkan,..., statstk ˆ h (,,..., ), n meupakan sampel acak beukuan n da, maka θ yang bekatan dengan θ dnamakan penaks da θ. n Setelah sampel dambl, nla-nla yang dhtung da sampel tu dgunakan sabaga taksan ttk θ..7. Estmas Inteval Estmas nteval adalah estmas dalam suatu nteval dmana nteval tesebut dtentukan batas atas dan batas bawah suatu estmato. Metode n memuat nla-nla estmato yang mash danggap bena dalam tngkat (selang) kepecayaan tetentu (confdence nteval).

P(A S) = P(A S) = P(B A) = dengan P(A) > 0.

P(A S) = P(A S) = P(B A) = dengan P(A) > 0. 0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

Lebih terperinci

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata 3 BAB III BAGAN CUSUM 3.. Dasa statstk bagan kendal Cumulatve Sum untuk ata-ata Bagan Cusum dgunakan untuk mendeteks pegesean kecl pada mean atau vaans dalam poses oleh kaena adanya penyebab khusus secaa

Lebih terperinci

Bab 4 ANALISIS KORELASI

Bab 4 ANALISIS KORELASI Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas

Lebih terperinci

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN SFT - SFT MTRKS UNTER, MTRKS NORML, DN MTRKS HERMTN Tasa bstak : Tujuan peneltan n adalah untuk mengetahu pengetan dan sfat sfat da matks unte, matks nomal, dan matks hemtan. Metode peneltan yang dgunakan

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING

ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING J. Math. and Its Appl. ISSN: 1829-65X Vol. 7, No. 2, Novembe 21, 27 4 ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING Fada Agustn W. 1, Thatht Puwanngtyas 2 Juusan Matematka, FMIPA ITS Suabaya

Lebih terperinci

Bab III Reduksi Orde Model Sistem LPV

Bab III Reduksi Orde Model Sistem LPV Bab III Reduks Ode Model Sstem PV Metode eduks ode model melalu MI telah dgunakan untuk meeduks ode model sstem I bak untuk kasus kontnu maupun dskt. Melalu metode n telah dhaslkan pula bentuk da model

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang

Teori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang 39 BAB III METODE PENELITIAN 3.1. Desan Peneltan Untuk mencapa tujuan peneltan, maka dpelukan suatu metode yang tepat aga peneltan dapat dlaksanakan dengan bak. Sebagamana yang dkemukakan oleh Mohammad

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum ewton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

Bab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak

Bab 3. Teori Comonotonic. 3.1 Pengurutan Variabel Acak Bab 3 Teor Comonotonc Pada bab n konsep teor comonotonc akan dpaparkan dar awal dan berakhr pada konsep teor n untuk jumlah dar peubah - peubah acak 1. Setelah tu untuk membantu pemahaman akan dberkan

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) Intepetas pobablstk a fungs gelombang t suatu patkel telah kta pelaa yatu t yang menyatakan peluang menemukan patkel paa waktu

Lebih terperinci

MINGGU KE- V: UKURAN PENYEBARAN

MINGGU KE- V: UKURAN PENYEBARAN MINGGU KE- V: UKURAN PENYEBARAN Tujuan Instruksonal Umum :. Mahasswa mampu memaham apa yang dmaksud dengan ukuran penyebaran. Mahasswa mampu memaham berbaga pengukuran untuk mencar nla ukuran penyebaran

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator HUKUM GAUSS Fluks Lstk Pemukaan tetutup Hukum Gauss Kondukto dan Isolato 1 Mach 7 1 Gas gaya oleh muatan ttk - 1 Mach 7 Gas gaya akbat dpol - 1 Mach 7 Fluks Lstk Defns: banyaknya gas gaya lstk yang menembus

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum Newton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA KALKULUS VARIASI JURUSAN PENDIDIKAN ISIKA PMIPA UNIVERSITAS PENDIDIKAN INDONESIA Smak Petanaan! Bang A B Bentuk kuva apakah ang menunjukkan jaak tepenek ang menghubung-kan ttk A an ttk B alam bang ata

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS TI2131 TEORI PROBABILITAS MINGGU KE-3 & KE-4 1 Defns 1 Probabltas dar sebuah kejadan A adalah jumlah bobot dar tap ttk sampel yang termasuk dalam A. Selanjutnya: 0 < P(A) < 1,

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

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

Lebih terperinci

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

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

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

Ensambel Statistik Distribusi Binomial Nilai Rata-rata Sistem Spin Distribusi Probabilitas Kontinu

Ensambel Statistik Distribusi Binomial Nilai Rata-rata Sistem Spin Distribusi Probabilitas Kontinu BAB 3 Penganta Metode Statstk Ensambel Statstk Dstbs Bnomal la Rata-ata Sstem Spn Dstbs Pobabltas Kontn Rvew Bab : Konsep pobabltas sangat pentng dgnakan ntk memaham sstem makoskopk Penggnaan Konsep Pobabltas:.

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

Lebih terperinci

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

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

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

DIMENSI PARTISI GRAF GIR

DIMENSI PARTISI GRAF GIR Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,

Lebih terperinci

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data

Lebih terperinci

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

Teori Himpunan. Modul 1 PENDAHULUAN

Teori Himpunan. Modul 1 PENDAHULUAN Modul 1 Teor Hmpunan Dr. Subanar K PENDHULUN arena banyak karakterstk dar masalah probabltas dapat dnyatakan secara formal dan dmodelkan secara rngkas dengan menggunakan notas hmpunan elementer, maka pertama-tama

Lebih terperinci

WEIBULL TWO PARAMETER

WEIBULL TWO PARAMETER WEIBULL TWO PARAMETER Dalam teor probabltas dan statstk, dstrbus webull merupakan dstrbus probabltas yang berkelanjutan atau kontnyu. Dgambarkan secara detal oleh Walodd Webull pada tahun 1951 meskpun

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. pada tanggal 12 Juni 1991 yang terletak di Km. 12 Jl. Manyar Sakti Simpang Baru

BAB III METODOLOGI PENELITIAN. pada tanggal 12 Juni 1991 yang terletak di Km. 12 Jl. Manyar Sakti Simpang Baru BAB III METODOLOGI PENELITIAN A. Lokas dan Waktu Peneltan Peneltan n dlakukan d MTs Daul Hkmah Pekanbau yang bed kokoh pada tanggal 1 Jun 1991 yang teletak d Km. 1 Jl. Manya Sakt Smpang Bau Panam-Pekanbau

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

KRITERIA MEMILIH PENDUGA TITIK TERBAIK. Abstrak

KRITERIA MEMILIH PENDUGA TITIK TERBAIK. Abstrak KRITERIA MEMILIH PENDUGA TITIK TERBAIK Oleh : Sufr Abstrak Msalkan X varabel random dengan fungs padat peluang ( x / ), θ parameter populas yang tdak dketahu, dan T = t x ) ( f X adalah penduga ttk (statstk)

Lebih terperinci

DERET BALMER DARI ATOM HIDROGEN

DERET BALMER DARI ATOM HIDROGEN DERET BALMER DARI ATOM HIDROGEN I. Tujuan: Menentukan haga konstanta ydbeg dan spectum atom hydogen II. Teo Dasa Pengamatan menunjukan bahwa gas yang besuhu tngg memancakan cahaya dengan spectum gas yang

Lebih terperinci

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT) MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.

Lebih terperinci

Week 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda

Week 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda Week 5 Knstanta Saluan Tansms pme dan sekunde Knstanta kabel kax dan kabel paalel ganda 1 Pada pembahasan lalu: Besaan γ dan Z da sebuah saluan tansms memankan peanan pentng pada fenmena peambatan gelmbang.

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS

SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

I. PENGANTAR STATISTIKA

I. PENGANTAR STATISTIKA 1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan

Lebih terperinci

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

Lebih terperinci