PENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA"

Transkripsi

1 EAKIR RAIO ROORI AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG ACAK BERTRATA Devr Maulaa *, Arsma Ada, Haosa rat Maasswa rogram Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu egetaua Alam Uveras Rau Kamus Bawda eabaru 89, Idoesa * maulaa_devr@aoocod ABTRACT I ts artcle we revew tree roorto rato emators for te oulato mea o ratfed radom samlg, e tradtoal roorto rato emator, roorto rato emator usg coeffcet of regresso, ad roorto rato emator usg coeffcet of regresso ad curtoss as dscussed b g ad Audu [5] Te tree emators are based emators, te te mea square error of eac emator s determed Furtermore, tese mea square errors are comared to eac oter Ts comarso sows tat te roorto rato emator usg coeffcet of regresso ad curtoss more effcet ta oter emators Kewords: roorto, based emator, mea square error, ratfed radom samlg ABTRAK easr ag dbaas dalam artel meruaa tga easr raso roors utu rata-rata oulas ada samlg aca berrata, atu betu umum easr raso roors, easr raso roors megguaa oefse regres, da easr raso roors megguaa oefse regres da oefse urtoss seert ag dbaas ole g da Audu [5] Ketga easr meruaa easr bas emuda dtetua mea square error dar etga easr tersebut elajuta, mea square error dar masg-masg easr dbadga Hasl dar erbadga meujua bawa easr raso roors megguaa oefse regres da oefse urtoss leb efse dar easr laa Kata uc: roors, easr bas, mea square error, samlg aca berrata EDAHULUA Dalam suatu eelta serg dtemu aggota oulas ag tda omoge, adaal eteata asl eelta degaru juga ole omogetas Aggota oulas ag relatf omoge meml esalaa samlg ag relatf ecl, aa teta aabla aggota oulas tda omoge (sagat bervaras), maa esalaa samlg mejad relatf besar ag dsebaba area varas juga relatf besar Kemuda ja terdaat JOM FMIA Volume o Otober 4 4

2 aggota oulas ag tda omoge, maa aggota oulas tersebut dbetu mejad beberaa ratum atau dratfas segga ut-ut dalam seta ratum bersfat omoge elajuta samel ag aa dtelt dambl secara samlg aca sederaa (smle radom samlg) dar seta ratum Cara seert dsebut samlg aca berrata (ratfed radom samlg) [] Dalam artel, dbaas rata-rata samel ag meruaa easr utu ratarata oulas Cara la utu megata etelta easra adala megguaa metode easr raso Dalam metode, suatu varabel tambaa ag berarater X berorelas of varabel ag aa dtelt atu varabel ag berarater, dmaa formas tetag oulas ada varabel tambaa arus detau elajuta memafaata ubuga atara da, dmaa adala ut dar oulas ag berarater X da adala ut dar oulas ag berarater, maa daat derraa la dar varabel ag aa dtasr megasumsa bawa varabel X da setara [] Dalam embaasa varabel tambaaa terseda dalam betu atrbut, dmaa adala ut dar roors ag berorelas of ag ada dalam oulas ag sama, serta la roors dar atrbut dalam oulas arus detau Dalam al aa dtasr rata-rata oulas memerata roors data ag meml atrbut Msala bawa seta ut dalam oulas terleta dalam elas C ' da C, maa utu seta ut dalam oulas atau samel aa beratrbut = ja uta ada dalam C da ja terdaat dalam ' C catata C da salg asg [], ole sebab tu easr dsebut easr raso roors ecara umum easr ada metode meruaa easr bas, dmaa easr ag efse utu easr bas adala easr ag meml Mea quare Error (ME) terecl Msala A adala jumla ut ag beratrbut, ada oulas da A adala jumla ut dalam rata ag beratrbut, ' C a adala jumla ut samel dalam rata ag beratrbut, A adala roors ut oulas ag beratrbut, A adala roors ut dalam rata ag beratrbut, a adala roors ut samel dalam rata Dalam artel dbaas betu umum easr raso roors utu rata-rata oulas ada samlg aca berrata serta easr raso roors utu rata-rata oulas ada samlg aca berrata ag megguaa oefse regres da easr raso roors utu rata-rata oulas ada samlg aca berrata ag megguaa oefse regres da oefse urtoss Ketga easr meruaa revew dar easr ag dajua ole g da Audu [5] Bas da Mea quare Error (ME) dar masg-masg easr dbaas secara rc elajuta ME dar masg-masg easr dbadga easr ag efse utu easr bas adala easr ag meml ME terecl JOM FMIA Volume o Otober 4 5

3 BEBERAA KOE TATITIKA DA MATEMATIKA eara samel aca sederaa adala suatu metode utu megambl ut dar oulas beruura, dmaa seta eleme memua esemata ag sama utu terl mejad aggota samel egambla samel daat dlaua egembala atau taa egembala ada umuma samlg dlaua taa egembala agar arater ut-ut leb aurat [] ada samlg aca sederaa taa egembala, baaa samel ag aa terbetu adala C robabltas suatu ut aa terl mejad samel ada egambla ertama adala, ada egambla edua adala ( ) ( ) da seterusa, maa robabltas seluru ut-ut tertetu ag terl dalam egambla adala C Utu meetua bas da ME suatu easr, derlua beberaa defs da teorema sebaga berut Defs [ : 74] Kovaras dar asaga varabel da rata-rata masg-masg da ag dotasa cov adala X Cov( X, ) E Defs [ : 9] Msala * adala easr utu,, meruaa ruag arameter easr * dataa easr bas utu ja B * meruaa bas dar E * B * * Defs [ : ] Msala * adala easr bas utu,, Ω meruaa ruag arameter Mea quare Error dotasa ME * ag ddefsa sebaga * ME E * Teorema 4 (Teorema Talor) [4 : 4] Msala I a, b, msala ' " f : I R da f, f, f,, f adala otu ada da f ada ada a, b Ja I maa utu sembarag I terdaat suatu tt c, segga ' " f f f f f! f c But Daat dlat ada [4 : 4]! da! JOM FMIA Volume o Otober 4 6

4 Deret Talor utu dua varabel [4 : 46] f, adala suatu fugs dua varabel da Msala ada D da f f ada ada D utu D ' " f, f, f,, f,, ja D f, f,,!! JOM FMIA Volume o Otober 4 7 f,, maa f, adala otu Teorema 5 [ : 9] Ja da adala sebua asaga ag bervaras dtetaa ada ut dalam oulas da, adala rata-rata dar samel aca sederaa beruura, maa ovarasa dotasa But Daat dlat ada [ : 9] X f Cov(, ) eara samel aca berrata adala suatu metode egambla samel dmaa oulas beruura dratfas mejad beberaa ratum emuda samel dambl secara aca berdasara seta ratum arat-sarat ag arus deu utu daat megguaa samlg aca berrata atu, arus ada rtera ag sesua ag aa derguaa sebaga dasar utu meratfas oulas e dalam ratum, arus ada data edaulua dar oulas megea rtera ag dguaa utu membuat ratfas, da arus dsesuaa masud da tujua dar eelta em eara samel dalam ta-ta ratum dlaua secara samlg aca sederaa Teorema 6 [ : 5] Utu eara samel aca berrata, varas dar adala V meruaa embag ratum e, adala varas dalam oulas ada ratum e But Daat dlat ada [ : 5]

5 JOM FMIA Volume o Otober 4 8 Teorema 7 [ : 9] Ja, adala sebua asaga ag bervaras dtetaa ada ut dalam oulas da, adala rata-rata dar samel aca berrata beruura, maa ovarasa dotasa X w E X E ) )( ( )) )( (( w X E )) )( ((, X meruaa ovaras atara varabel da varabel dalam oulas ada ratum e But Daat dlat ada [ : 9] BIA DA ME EAKIR RAIO ROORI UTUK RATA-RATA OULAI ADA AMLIG ACAK BERTRATA Betu umum dar easr raso roors, easr raso roors megguaa oefse regres b, da easr raso roors megguaa oefse regres b da oefse urtoss masg-masg adala b b,, s s b, 4 Bas da ME betu umum easr raso roors ada ersamaa atu R B R R ME 4

6 R meruaa raso oulas, meruaa varas oulas beratrbut ada ratum e, meruaa ovaras atara atrbut da varabel dalam oulas ada ratum e Bas da ME easr raso megguaa oefse regres atu b ME B R b ada ersamaa meruaa oefse orelas atara varabel ada ratum e 5 Bas da ME easr raso roors megguaa oefse regres da oefse urtoss ada ersamaa atu B w ME R 6 w R 4 EAKIR RAIO ROORI AG EFIIE Utu meetua easr ag leb efse dar easr bas, daat dtetua cara membadga ME dar masg-masg easr easr ag leb efse meruaa easr ME terecl erbadga ME ME easr raso roors leb efse dar easr raso roors, ja b B R 7 JOM FMIA Volume o Otober 4 9

7 erbadga ME ME easr raso roors leb efse dar easr raso roors, ja erbadga ME ME B JOM FMIA Volume o Otober 4 RB R R 8 easr raso roors leb efse dar easr raso roors 5 COTOH ebaga coto utu embaasa d atas, dbera data ada Tabel megea rodus ad ag dasla d seluru Idoesa dar Bada usat tat ada tau [] Utu megetau rata-rata rodus ad memafaata formas tambaa atu ros ag meml rodutvtas ad datas 45 Kwtal/Ha O Tabel rodus Taama ad d Idoesa Tau Luas rodutvtas rodus ros ae (Kw/Ha) (To) (Ha) Ace , umatera Utara , umatera barat , Rau 8 6, Jamb , umatera elata , Begulu , Lamug ,4 8 9 Baga Beltug 48 7, Keulaua Rau 79 6,8 96 DKI Jaarta 76 59, 4 Jawa Barat 64 59,56 94 Jawa Tega , DI ogaarta , JawaTmur , Bate , Bal 49 57, usa Teggara Barat 475 5, usa Teggara Tmur 995, 7557 Kalmata Barat 47894, Kalmata Tega 4974,

8 Kalmata elata , Kalmata Tmur , ulawes Utara , ulawes Tega ,8 4 6 ulawes elata , ulawes Teggara 567 4, Gorotalo 56 5, ulawes Barat ,6 496 Maluu 69 4, 78 Maluu Utara 98 7, 7 aua Barat ,8 68 aua 9 44, 796 umber [] Dar jumla ros dbag mejad tga ratum berdasara embaga luas laa ae (Ha) tratum ertama terdr dar 9 ros rtera luas laa - Ha, ratum edua terdr dar ros rtera luas laa - 4 Ha da ratum etga terdr dar ros rtera luas laa 4 - Ha Kemuda dambl samel dar ta-ta ratum secara aca sederaa sebaa ros, atu samel beruura dar ratum ertama da masg-masg beruura 4 dar ratum edua da ratum etga Iformas ag derole dar data ada Tabel adala sebaga berut: := rodus ad (dalam satua To) := rodutvtas ad (dalam satua Kwtal/To) 4747,85,55, 4 R 78, 745 Tabel arameter da Koata dar oulas b 9 759, 8, ,9,,4,8,,8 6,4,5,7,5,4,,54,,4,5,7,,,,7,7 JOM FMIA Volume o Otober 4

9 B B,6,4,56,,8,66 Dega mesubtusa la-la ag derole ada Tabel e ersamaa 4, 5 da 6, maa derole ME dar masg- masg easr ag dmuat ada Tabel sebaga berut Tabel EAKIR la ME utu etga easr ME,4549,578,894 Berdasara asl ada Tabel da berdasara rtera easr ag efse ada ersamaa 7 da 8 maa daat dsmula bawa easr leb efse darada easr, easr leb efse darada easr da easr, segga easr ag alg efse adala easr 6 KEIMULA Berdasara embaasa ag tela demuaa ada artel, maa daat dsmula easr raso roors megguaa oefse regres da oefse urtoss leb efse darada betu umum easr raso roors da easr raso roors megguaa oefse regres ja sarat efses tereu DAFTAR UTAKA [] Ba, L J & M Egelart 99 Itroducto to robablt ad Matematcal tatcs ecod edto Dubur ress, Calfora [] Cocra, G 99 Te eara amel, Eds Ketga Terj Dar amlg Tecques, ole Rudasa & E R Osma eerbt Uveras Idoesa, Jaarta [] Htt://wwwbsgod/tm_g Dases ada taggal Jauar 4 uul 5 [4] lls G M & J Talor 97 Teor ad Alcatos of umercal Aalss, ecod Edto Academc ress, ew or [5] g, R V K & A Audu 8 Effcec of Rato Emators tratfed Radom amlg Usg formato o Aular Attrbute Iteratoal Joural of Egeerg cece ad Iovatve Tecolog, ():66-7 JOM FMIA Volume o Otober 4

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA MEA QUARE ERROR TERKEIL DARI KOMBIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPULAI PADA AMPLIG AAK BERTRATA R Kurat *, gt ugarto, Ruam Efed Maasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

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

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO REGRESI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN DUA KARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN DUA KARAKTER TAMBAHAN PENAKIR RAIO REGREI ANG EFIIEN UNTUK RATA-RATA POPULAI PADA AMPLING AAK EDERHANA MENGGUNAKAN DUA KARAKTER TAMBAHAN R Wuladar *, Rustam Eed, Haposa rat Mahasswa Program tud Matemata Dose Jurusa Matemata

Lebih terperinci

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

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

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

III. METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA ADAPTIF CLUSTER

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA ADAPTIF CLUSTER PEAKI AIO UTUK ATA-ATA POPUAI PADA AMPIG ACAK BETATA ADAPTIF CUTE Dita Ardii uam Efedi Buami Maasisa Program Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetaua Alam Uiversitas iau Kampus

Lebih terperinci

Regresi Logistik pada Data Rare Event

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

7. PERSAMAAN DIFFERENSIAL BIASA

7. PERSAMAAN DIFFERENSIAL BIASA Bab 7. PERSAMAAN DIFFERENSIAL BIASA Dalam bdag te serg duma ersamaa suatu eomea alam ag dataa dalam ersamaa deresal basa (PDB Coto: Problem la awal: ( dega ( Y Problem la batas: g( dmaa a

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

H dinotasikan dengan B H

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

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

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

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

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

Lebih terperinci

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

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

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA IMPUTAI MEGGUAKA PEAKIR REGREI UTUK MEAKIR RATA-RATA POPUAI PADA AMPIG GADA Berad Fudka Marpaug * Rustam Efed Haposa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

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

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci

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

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

Lebih terperinci

Pertemuan VII IV. Titik Berat dan Momen Inersia

Pertemuan VII IV. Titik Berat dan Momen Inersia Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA KOMBIASI PEAKSIR RASIO-PRODUK EKSPOESIAL UTUK RATA-RATA POPULASI MEGGUAKA PROPORSI PADA SAMPLIG GADA ke Selna *, Arsman Adnan, Sgt Sugarto Mahasswa Program S Matematka Dosen jurusan Matematka Fakultas

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

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

Lebih terperinci

8.4 GENERATING FUNCTIONS

8.4 GENERATING FUNCTIONS 8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah

Lebih terperinci

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, ) LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL EAKIR RAIO AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG AAK EDERHAA DEGA MEGGUAKA KUARTIL urt * Arsm Ad Frdus Mssw rogrm Mtemt Dose Jurus Mtemt Fults Mtemt d Ilmu egetu Alm Uversts Ru Kmus wd ebru 89 Idoes

Lebih terperinci

PENAKSIR YANG EFISIEN DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA. Mahasiswa Program S1 Matematika

PENAKSIR YANG EFISIEN DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA. Mahasiswa Program S1 Matematika PEAKIR AG EFIIE DARI KOMIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPUAI PADA AMPIG ACAK ERTRATA tevani amosir * Arisman Adnan Haposan irait Maasisa Program Matematia Dosen Jurusan Matematia Faultas Matematia

Lebih terperinci

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

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

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

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

Lebih terperinci

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

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

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

STATISTIKA ELEMENTER

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

Lebih terperinci

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

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

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H.

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H. KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING AAK SEDERHANA A. F. Indraan *, R. Efend, H. Srat Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato

Lebih terperinci

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur

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

Lebih terperinci

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b] Jural Sas da Matemata Vol (3): 58-63 () Fuctoally Small Rema Sums Fugs Tertegral Hestoc-uford ada [a,b] Solh, Sumato, St Khabbah 3,,3 Program Stud Matemata, FSM UNIP Jl Prof Soedarto, SH Semarag, 575 E-mal:

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

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

Lebih terperinci

PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KUARTIL DARI KARAKTER TAMBAHAN PADA SAMPLING ACAK SEDERHANA

PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KUARTIL DARI KARAKTER TAMBAHAN PADA SAMPLING ACAK SEDERHANA PEAKIR RAIO UTUK VARIAI POPULAI MEGGUAKA KUARTIL DARI KARAKTER TAMBAHA PADA AMPLIG ACAK EDERHAA Ari Elvita *, Arima Ada, Hapoa irait Mahaiwa Program Matematika Doe Jurua Matematika Fakulta Matematika da

Lebih terperinci

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru (28293), Indonesia ABSTRACT

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru (28293), Indonesia ABSTRACT PENAKI AIO DAN PENAKI EGEI YANG EFIIEN UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN DEVIAI KUATIL DAN KOEFIIEN KEWNE Lda Veroka *, gt ugarto, ustam Efed Mahasswa Program tud Matematka Dose

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

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

Lebih terperinci

PENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

PENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA PENAIR RAIO-PRODU EPONENIAL YANG EFIIEN UNTU RATA-RATA POPULAI PADA AMPLING ACA BERTRATA Dess Nuralita 1*, Ruam Efendi, Haposan irait 1 Maasiswa Program 1 Matematia Dosen Jurusan Matematia Faultas Matematia

Lebih terperinci

E ax by c ae X be Y c. 6.1 Pengertian Umum

E ax by c ae X be Y c. 6.1 Pengertian Umum 6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga

Lebih terperinci

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN MODIFIKAI PAKIR UTUK RAIO PADA AMPLIG BRPRIGKAT Deva rw, Arsma Ada, Rstam fed Devaerw@ahoo.com Mahasswa Program Matematka Dose Jrsa Matematka Fakltas Matematka da Ilm Pegetaha Alam Kamps Bawda Pekabar,893,Idoesa

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

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

Lebih terperinci

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

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

Lebih terperinci

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Prosiding Statistika ISSN:

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

Lebih terperinci

PENDAHULUAN. Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

PENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

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

Lebih terperinci

GARIS DAN BIDANG DALAM RUANG EUCLID BERDIMENSI N

GARIS DAN BIDANG DALAM RUANG EUCLID BERDIMENSI N GARIS DAN BIDANG DALAM RUANG EUCLID BERDIMENSI N SKRIPSI Dajua dalam raga meelesaa Stud Strata Satu utu mecapa gelar Sarjaa Sas Oleh Nama : M SOLIKIN ADRIANSAH NIM : 4504009 Program Stud Jurusa : Matemata

Lebih terperinci

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC

Lebih terperinci