CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR

Ukuran: px
Mulai penontonan dengan halaman:

Download "CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR"

Transkripsi

1 Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 COFIGURAL FREQUECY AALYSIS UTUK MELIHAT KARAKTERISTIK CALO IVESTOR POTESIAL PT BURSA EFEK IDOESIA DI JAWA TIMUR RESA SEPTIAI POTOH Jurusan Sasa FMIPA Unversas Padadaran J Bandung-Sumedang Km Janangor Ema : echachcha@yahoocom Absra Confgura Frequency Anayss (CFA) adaah saah sau meode yang dgunaan unu menganass daa aegor Banya meode yang dgunaan daam mempeaar poa asosas anara seeompo varabe aegor seper og-near dan regres ogs Pada pengapasannya, edua meode ersebu mempunya perbedaan dengan meode CFA Daam CFA, parameer buanah fous dar penguan yang dauan sera da meha apaah suau mode sudah dapa meneasan daa dengan ba seper yang erdapa pada meode og-near Ha an yang menad perbedaan anara CFA dan Lognear adaah bahwa CFA da hanya meha adanya hubungan anara varabe-varabe erenu yang basanya menad oupu pada mode Log-near eap uga ebh memperhaan pada onfguras-onfguras mana yang sang beraan sau sama an Daam pengapasannya, meode n aan dgunaan unu mengeahu secara eas araers dar caon nvesor poensa PT Bursa Efe Indonesa d daerah Jawa Tmur Kaa Kunc: Confgura Frequency Anayss, CFA, Daa Kaegor, Resa Sepan Ponoh PEDAHULUA Saah sau fenomena yang serng a ama adaah eradnya suau eadan d uar apa yang a harapan Banya eadan erad da sesua dengan apa yang sudah dpredsan, seper msanya cuaca yang da menenu, preds umah wsaawan yang berbeda auh dengan umah yang sudah dperraan, nvesor pasar moda yang ernyaa serng berubah-ubah umah dan avasnya, dan sebaganya Konds seper n peru dangan ebh anu apaah fenomena ersebu secara sgnfan memang benar adanya sera peru uga dpran aernaf penyeesaan masaah yang dapa dauan Pendeaan yang serng dauan adaah meha poa asosas danara faor-faor yang ada Daa aegor serng dgunaan daam penean-penean ersebu Saah sau fenomena yang menar unu dpeaar adaah duna pasar moda Seper yang a eahu bahwa pasar moda d Indonesa beum erau banya dmna Dar daa sub-reenng d Kusodan, deahu bahwa umah nvesor Indonesa saa n hanya sear nvesor Bandngan dengan Sngapura yang mempunya pendudu sear 3 ua wa eap mempunya nvesor sebanya ua-an (urang ebh sebesar 33%) Deman uga Maaysa, 6% dar popuas pendudunya yang berumah sear 8 ua wa merupaan nvesor yang cuup af d pasar moda (Herwdayamo) Peuang perambahan umah nvesor d Indonesa sebenarnya mash erbua ebar waaupun anangan pada saa n adaah eradnya rss goba yang enu saa membua para peau pasar moda harus ebh ga daam meauan pengembangan umah nvesor D Indonesa, sanga su unu mempreds umah nvesor saham rea sera su unu meha araers caon nvesor saham rea yang poensa Unu eperuan n, erdapa beberapa aernaf meode yang dapa dpergunaan danaranya: Regres Logs, Log-Lnear, dan CFA Dar ega meode ersebu, CFA merupaan aernaf yang menar unu dapasan arena meode n dapa meha apaah suau eadan ebh serng aau arang erad dar apa yang eah dpredsan M-3

2 Resa Sepan Ponoh / COFIGURAL FREQUECY AALYSIS METODE PEELITIA Daam bagan n aan dbahas enang Confgura Frequency Anayss (CFA) aannya dengan engnan PT Bursa Efe Indonesa unu meauan mappng araers caon nvesor saham rea Unu penganassan daa, dgunaan daa survey yang eah dauan oeh PT Bursa Efe Indonesa pada wayah Jawa Tmur Daa yang dgunaan adaah daa survey ga wayah yau Jawa Bara sebanya 457 responden, Jawa Tengah sebanya 566 responden dan Jawa Tmur sebanya 605 responden yang berbenu aegor doomus Pada penean unu meha araers caon nvesor rea erhadap benu nvesas saham yang dauan oeh PT Bursa Efe aara pada ahun 004, erdapa 4 faor yang aan dha eeraannya yau: Keeraran Responden erhadap benu nvesas saham Un pengamaan dbag menad dua aegor yau erar aan saham () dan da erar aan saham () Usa Responden Usa un pengamaan duur dar renang usa d bawah d bawah 40 ahun () dan usa d aas 40 ahun () 3 Jens Peeraan Jans Peeraan dbag menad dua aegor yau pegawa neger () dan non pegawa neger () 4 Penghasan Penghasan dbag menad dua aegor yau d bawah Rp ,00 () dan d aas Rp ,00 () Confgura Frequency Anayss Confgura frequency Anayss adaah suau meode yang dgunaan unu mengdenfas poa (onfguras) dar varabe aegor apaah erad edacocoan (dscrepances) dengan apa yang eah despeasan sebeumnya Dscrepances n erad a : Suau perswa ebh serng erad aau umah perswa yang erad ebh besar dar yang dharapan aau despeasan (CFA ype), dan Suau perswa ebh arang erad aau umah perswa yang erad ebh ec dar yang dharapan aau despeasan (CFA anype) Jens daa yang dgunaan daam CFA adaah pasangan aegor Ha n ddasaran aas pengeran dar onfguras (Lener, 969) yau pasangan aegor yang meneasan suau se dar suau abe sang Langah-Langah penguan dengan menggunaan CFA (Von eye, 00) Daam penguan onfguras dengan menggunaan CFA, erdapa ma angah yang peru dauan, yau sebaga beru: Pemhan base mode unu CFA dan pengesmasan freuens harapan dar suau se Pemhan suau onsep penympangan dar suau mode 3 Pemhan es unu meha sgnfans 4 Penabaran has penguan sgnfans dan pengdenfasan apaah onfguras masu e daam ype aau anype 5 Pengnerpreasan ype dan anype Pemhan base mode unu CFA dan pengesmasan freuens harapan dar suau se Log-Lnear serng dgunaan sebaga base mode daam CFA, dmana mode umum dar ognear adaah sebaga beru (Von eye, 00): og E = λ0 + λ + + λ λ +, maneffecs frsorder n eracon λ dmana 0 adaah nercep dan,, adaah ndes varabe sec ondorder n eracon M-3

3 Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 CFA da hanya meha adanya hubungan anara varabe-varabe erenu yang basanya menad oupu pada mode Log-near eap uga ebh memperhaan pada onfgurasonfguras mana yang sang beraan sau sama an Daam CFA, base mode dgunaan unu merefesan asums eora dar sfa suau parameer apaah semua varabe mempunya saus yang sama, aauah erbag menad predor dan rera Beru n aan deasan beberapa conoh mode og-near yang basa dgunaan Ja da ada varabe yang mempengaruh mode (zero-order), mode og-near secara umum (Von eye, 00) adaah sebaga beru: LogE( Y ) = µ dmana E(Y ) = freuens dharapan daam seap se µ = Inercep aau consan aau raa-raa umum Ja semua varabe mempunya saus yang sama, dan hanya Man effec aau efe uama yang dgunaan (frs-order), mode og-near secara umum (Von eye, 00) adaah sebaga beru: LogE( Y ) = µ + α + β + E( Y ) dmana = freuens dharapan daam seap se µ = Inercep aau consan aau raa-raa umum α = parameer pengaruh nga e- faor α β = parameer pengaruh nga e- faor β Base Mode yang dgunaan daam penganassan daa survey PT Bursa Efe Jaara adaah dengan menggunaan Meode Log-Lnear Base mode pada mode Log-Lnear yang dgunaan daam penganassan daa survey yang eah dauan oeh PT Bursa Efe Indonesa, erbag menad ga predor (usa, ens peeraan, dan penghasan) dan sau rera (eeraran erhadap saham) Karena u, pada penean n aan meha araers caon nvesor saham rea PT Bursa Efe Indonesa daam ga varabe yau usa, ens peeraan, dan penghasan dha dar ada aau danya eeraran responden erhadap saham Mode Log-Lnear unu daa survey ersebu adaah sebaga beru: og E( Y ) = µ + α + β + γ + δ + αβ + αγ + βγ + αβ γ () E( Y ) dmana = freuens yang dharapan daam seap se µ = Inercep aau consan aau parameer raa-raa umum α = Parameer pengaruh nga e- ( = (pegawa neger) dan = (non pegawa neger) faor α (Jens Peeraan) β γ δ α β = Parameer pengaruh nga e- ( = (d bawah 5 ua) dan = (d aas 5 ua) faor β (Penghasan) = Parameer pengaruh nga e- ( = (usa d bawah 40 ahun) dan = (Usa d aas 40 ahun) faor γ (Usa Responden) = Parameer pengaruh nga e- ( = (erar) dan = (da erar) faor δ (Keeraran erhadap saham) = Parameer pengaruh neras nga e- dan e- faor α (Jens Peeraan) dan β (Penghasan) M-33

4 Resa Sepan Ponoh / COFIGURAL FREQUECY AALYSIS α γ β γ α βγ = Parameer pengaruh neras nga e- dan e- faor α (Jens Peeraan) dan γ (usa) = Parameer pengaruh neras nga e- dan e- faor β (Penghasan) dan γ (usa) = Parameer pengaruh neras nga e-, e- dan e- faor α (Jens Peeraan), β (Penghasan) dan γ (usa) Unu meha ebenaran adanya neras anar predor, dapa dauan dengan menggunaan penguan man effec anar predor u sendr Ja erdapa ype aaupun anype, arnya memang benar erdapa neras anar predor Mode Log-Lnear unu meha ada aau danya neras anar predor adaah sebaga beru: og E( ) = µ + α + β + γ dmana E( Y µ α β γ ) Y = freuens dharapan daam seap se = Inercep aau consan aau parameer raa-raa umum () = Parameer pengaruh nga e- ( = (pegawa neger) dan = (non pegawa neger) faor α (Jens Peeraan) = Parameer pengaruh nga e- ( = (d bawah 5 ua) dan = (d aas 5 ua) faor β (Penghasan) = Parameer pengaruh nga e- ( = (usa d bawah 40 ahun) dan = (Usa d aas 40 ahun) faor γ (Usa Responden) E( Y ) Penasran erhadap espeas freuens onfguras ( ) dgunaan dengan menggunaan meode penasran Masmum ehood Fungs dar Dsrbus Munoma dengan freuens se Y,, Y, dengan peuang ap se θ adaah,,θ, beru: n = = y E( Y ) Unu mengesmas na dan na n eah denuan sebeumnya (fxed), adaah sebaga f ( y θ n) = n! ; θ = y y! (3) dengan menggunaan meode masmum ehood adaah: L = og n! y ogθ og y! + L = consan + y ogθ (4) n = y dmana = dan θ = θ Unu memasmaan mode, penasr masmum ehood dar parameer dperoeh dengan n = y memasmaan fungs ehood dengan consran nya yau θ = dan =, yang dapa dauan dengan menggunaan agrange muper yang aan memnmaan λ θ dan dar persamaan beru: M-34

5 Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 ( ) + y ogθ λ θ = consan sousnya adaah λ = 0 θ = 0 dan unu =, dperoeh: λ = n dengan mensubus λ = n e daam Persamaan 44 maa dperoeh: + y ogθ n( θ ) = consan θ aan dasr na dar parameer dan dperoeh: y θ = n = 0 θ (5) (6) Y θ = n n θ = Y Jad dapa dsmpuan bahwa masmum ehood esmaor dar E(Y) adaah n θ = Y (Dobson, 98) (7) n θ θ n θ θ θ Sehngga E(Y) = dan E(Y) = Pemhan suau onsep penympangan dar suau mode CFA mengasumsan suau base mode da dapa meneasan daa dengan ba Karena u, parameer buanah fous dar penguan CFA, eap yang dfousan daam CFA adaah penympangan yang erad pada mode danda dengan muncunya ype dan anype arnya bahwa has ahr dar CFA buanah meha apaah suau mode sudah dapa meneasan daa dengan ba seper yang dauan dengan menggunaan meode og-near Oeh arena u, he goodness of f, na χ yang meneasan enang ecocoan mode dengan daa, da menad perhaan daam CFA Sampng scheme pada penganassan daa survey n adaah dengan menggunaan munoma, maa u hpoess yang dgunaan adaah dengan menggunaan u ndependens yau dengan hpoess sebaga beru: E Y = nθ θ y H0 : E Y nθ θ H: y θ = θ = Deahu bahwa, n, dan n, sehngga y y e = n dmana =, ; =, ; =, ; =, (8) Mode og-near d bawah H0 adaah sebaga beru: η = og E( Y ) = µ + α + β + γ + δ + αβ + αγ + βγ + αβ γ (9) dengan asums bahwa α = = = = = = = β γ δ αβ αγ βγ αβγ = 0, η og e desmas oeh og θ og θ og n µ α β γ δ αβ αγ βγ αβ + = γ,,,, (0) M-35

6 Resa Sepan Ponoh / COFIGURAL FREQUECY AALYSIS dengan mensubusan e daam Persamaan 40, aan dperoeh esmas varans mnmum yau sebaga beru: µ = og y + og y og n IJK L () α og og og = y + y n µ L JK, () β, γ, δ Dengan cara yang sama d aas, dperoeh na sebaga beru: β og og og = y + y n µ L IK, (3) γ og og og = y + y n µ L IJ, (4) δ og og og = y + y n µ IJK,, (5) α β og og og µ γ = y + y n δ L K (6) α γ og og og µ β = y + y n δ L J (7) β γ og og og µ α = y + y n δ L I (8) α βγ og og og µ = y + y n δ L IJK (9) (Dobson: 98) Sas U yang dgunaan adaah ch uadara dengan rumusan sebaga beru: I J K L n e χ = e (0) (Dobson: 98) dengan degree of freedom adaah (IJK-)(L-) Krera U: Toa Ho a χ α hung χ dengan aa an erdapa asosas anar varabe dan erma H0 a χ α hung < χ dengan aa an mode og E( Y ) = µ + α + β + γ + δ + αβ + αγ + βγ + αβ γ derma Karena pada CFA dfousan pada onfguras aegor anar varabe dan da dfousan pada na dar parameernya dan ecocoan mode, maa dgunaan χ unu masng-masng onfguras dengan rumusan sebaga beru: ( n e ) χ = e () dengan χ abe adaah χ ( IJK )( L ), = onfguras e-(,,) Dengan rera U: M-36

7 Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 Toa Ho a χ α hung χ dengan aa an aan muncu ype aau anype dan erma H0 a χ α hung < χ dengan aa an mode og E( Y ) = µ + α + β + γ + δ + αβ + αγ + βγ + αβ γ derma Unu penguan endependenan dar predor, menggunaan man effec dengan mode sebaga beru: Y = n θ θ θ y E H0 : E Y n θ θ θ H: y θ = θ = θ = Deahu bahwa,, n, n dan n, sehngga y y y e = n dmana =, ; =, ; =, () η = og E( Y ) = µ + α + β + γ (3) dengan asums bahwa α = = β γ = 0 η og e desmas oeh og y y µ γ + og y + og y og n = + α + β + (4) dengan memasuan e persamaan d aas, aan dperoeh esmas varans mnmum yau sebaga beru: µ = og y + og y + og y og n (5) a α dapa dperoeh dengan memasuan e daam Persamaan 4 α = og y og y I (6) β, γ Dengan cara yang sama d aas, dperoeh na sebaga beru: β = og y og y J (7) γ = og y og y K (8) (Annee J Dobson) Sas U yang dgunaan adaah ch uadara dengan rumusan sebaga beru: n e χ dengan degree of freedom adaah (I-)(J-)(K-) Krera U: = e (Dobson: 98) (9) M-37

8 Resa Sepan Ponoh / COFIGURAL FREQUECY AALYSIS Toa Ho a χ α hung χ dengan aa an erdapa asosas anar varabe dan erma H0 a χ α hung < χ og E( Y dengan aa an mode ) = µ + α + β + γ derma Karena pada CFA dfousan pada onfguras aegor anar varabe dan da dfousan pada na dar parameernya dan ecocoan mode, maa dgunaan χ unu masng-masng onfguras dengan rumusan sebaga beru: ( n e ) χ = e (430) dengan χ abe adaah χ ( I )( ) ( ), = onfguras e-(,,) Dengan rera U: Toa Ho a χ α hung χ dengan aa an aan muncu ype aau anype dan erma H0 a χ α hung < χ og E( Y dengan aa an mode ) = µ + α + β + γ derma E z = E Dengan pendeaan norma, maa dperoehah rumusan Meode Bonferron unu Meha Sgnfans Konfguras Unu mendung sgnfans nomna α erhadap esaahan penguan darenaan na α unu ap onfguras berbeda dengan α eseuruhan, penyesuaan dapa dauan dengan memperhungan oa umah ampan penguan aau banyanya onfguras yang erad yau dengan rumusan sebaga beru: α * = α banyanya onfguras Sebeumnya, peru deahu na α sebaga baasan daam penguan Karena na α unu ap onfguras berbeda dengan α eseuruhan, maa dgunaan meode Bonferron dengan membag α = 005 dengan banyanya onfguras yang erad * α 005 α = = = dan unu meha neras anar predor adaah: ersebu Hpoess: * α 005 α = = = Ja sasa hung ebh ec dar α *, aan erdapa ype aau anype pada onfguras Sasa u: rera u: Ja z-vaue E [ ] H0 : = E E > E H : [ ] z = E [ ] aau < E E E (Von eye, 00) * α maa H0 derma aau da aan muncu ype aau anype, dapa daaan * α base mode eah mewa eberadaan dar onfguras ersebu, sedangan a z-vaue < M-38

9 Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 maa H0 doa aau aan muncu ype dan anype, dengan aa an mode ersebu da mewa eberadaan dar onfguras ersebu HASIL PEELITIA DA PEMBAHASA Daam penganassan daa, penus menggunaan sofware CFA 00 (Von eye, 00) Ada aau danya neras anar predor dapa dha dar oupu d bawah n: Tabe 43 oupu CFA Jawa Tmur frs-order Confguraon fo fe sasc p Type Type Oupu ersebu memperhaan bahwa erdapa adanya neras anar predor Karena u, penguan unu meha ada danya neras anar predor dan rera dapa dauan dengan oupu sebaga beru: Tabe 43 oupu CFA Jawa Tmur frs-order Confguraon fo fe sasc p Type Dar oupu abe 43 dapa deasan bahwa ype muncu pada onfguras 7 Dapa pua dsmpuan pua bahwa da erha adanya suau poa erenu dar masyaraa Jawa Tengah sebaga caon nvesor saham rea dha dar eeraran aan saham, namun dapa dama bahwa ernyaa masyaraa wayah Jawa Tmur yang seama n erar dengan saham adaah masyaraa yang beera sebaga non pegawa neger dengan penghasan d aas Rp 5 ua dan berusa d bawah 40 ahun M-39

10 Resa Sepan Ponoh / COFIGURAL FREQUECY AALYSIS KESIMPULA Kengnan PT Bursa Efe Indonesa unu meha araers caon nvesor saham rea dapa de dengan menggunaan CFA, namun berdasaran has pengoahan daa yang eah dauan, ernyaa araers caon nvesor saham d wayah Jawa Tmur yang seama n erar dengan saham adaah masyaraa yang beera sebaga non pegawa neger dengan penghasan d aas Rp 5 ua dan berusa d bawah 40 ahun Terdapa perbedaan anara CFA dan Log Lnear yau sebaga beru: Pada CFA, anass dfousan pada edacocoan (dscrepances) anara base mode dan daa yang dperhaan dengan ada danya ype dan anype berdasaran onfguras yang erad sedangan pada og-near,anass dfousan pada ecocoan mode yang memperhaan ada aau danya neras anar varabe Pada CFA, parameer dar base mode da erau menad perhaan arena dasumsan bahwa base mode da meneasan daa dengan ba sedangan pada Log Lnear, parameer baru dapa deasan a mode sesua dengan daa SARA Kebenaran nerpreas aas ype dan anype sanga ddasar oeh epa aau danya pemhan base mode dar CFA, arena u penus sanga menganuran agar pemhan base mode harus sesua dengan uuan penean Sofware CFA 000 (Von eye 00) hanya bsa menampung pang banya 0 varabe, arena u a umah varabe erau besar dsaranan menggunaan sofware annya seper SPSS, SAS, SYSTAT, LEM DAFTAR PUSTAKA von Eye, A 00 Confgura Frequency Anayss, Lawrence Erbaum Assocaes, Inc, London von Eye, A 00 Confgura Frequency Anayss Verson 000 A Program for B Wndows Operang Sysem, Mehods of Psycoogca Research Onne, Vo 6, o, 9-39, nerne hp://wwwpabs-pubshersde/mpr/ Dobson, Annee J 98 Inroducon o Sasca Modeng, Chapman and Ha, ew Yor Agung, I Gus gurah 00 Anass Hubungan Kausa Berdasaran Daa Kaegor, PT RaaGrafndo Persada, Jaara Agres, Aan 976 An Inroducon o Caegorca Daa Anayss, Jhon Wey and Sons, Inc, ew Yor Guara, D 978 Basc Economercs, McGraw-H Companes, Inc, ew Yor Sudana 996 Meode Sasa, Penerb Tarso, Bandung The Jaara Soc Exchange WebSe, hp://wwwsxcod Suprano, J 004 Anass Muvara Rnea Cpa, Jaara hp://wwwgoogecom M-40

( L ). Matriks varians kovarians dari

( L ). Matriks varians kovarians dari LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia JURNAL SAINS DAN SENI ITS Vol. 4, No., ( 337-3 (3-9X Prn D-7 Pemodelan Indes Pembangunan Gender dengan Pendeaan Regres Nonparamer Splne d Indonesa Nurul Fajryyah dan I Nyoman Budanara Jurusan Sasa, Faulas

Lebih terperinci

Bab III Studi Kasus Model Double Decrement

Bab III Studi Kasus Model Double Decrement Bab III Sudi Kasus Mode Doube Decremen Pada bab ini, akan dieaskan erebih dahuu mengenai beberapa definisi daam eori Doube Decremen. Seanunya akan dibahas benuk kuanifikasi dependensi daam kasus Doube

Lebih terperinci

Kata kunci: system fuzzy, inflasi

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

Lebih terperinci

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

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

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci

ANALISIS KOVARIANS DALAM RANCANGAN BUJUR SANGKAR YOUDEN

ANALISIS KOVARIANS DALAM RANCANGAN BUJUR SANGKAR YOUDEN ANALISIS KOVARIANS DALAM RANCANGAN BUJUR SANGKAR YOUDEN SKRIPSI Daukan Kepada Fakuas Maemaka dan Imu Pengeahuan Aam Unversas Neger Yogyakara unuk memenuh sebagan persyaraan guna memperoeh gear Sarana Sans

Lebih terperinci

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial 96 Vol. 3, No., 96-, Januar 7 Kombnas Penasran Model Lag Terdsrbus Dengan Espeas Adapf Dan Penyesuaan Parsal Adawaya Rangu Absra Dalam menasr Model Lag Terdsrbus, masalah yang mungn erjad adalah da adanya

Lebih terperinci

Boks Respon Suku Bunga dan Kredit Bank di Bali terhadap Kebijakan Moneter Bank Indonesia

Boks Respon Suku Bunga dan Kredit Bank di Bali terhadap Kebijakan Moneter Bank Indonesia Trwuan III-27 Boks Respon Suku Bunga dan Kred Bank d Ba erhadap Kebakan Moneer Bank Indonesa Pendahuuan Daam cakupan penean d wayah Ba beruuan unuk mengeahu seberapa besar dampak dar BI Rae sebaga acuan

Lebih terperinci

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

Analisis Model dan Contoh Numerik

Analisis Model dan Contoh Numerik Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein BAB 2 TINJAUAN TEORITIS 2.1 Pengerian Demografi Keadaan penduduk sanga era kaiannya dengan demografi. Kaa demografi berasal dari bahasa Yunani yang berari Demos adalah rakya aau penduduk,dan Grafein adalah

Lebih terperinci

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN ISBN : 978.60.36.00.0 PARIAL PROPORIONAL ODDS MODEL PADA USIA KAWIN PERAMA WANIA Mhraunnsa, Isman Zan Mahasswa Jurusan Sasa Insu enolog Sepuluh Nopember (IS) Surabaa Dosen Jurusan Sasa Insu enolog Sepuluh

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET BAB PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET MENGENAI METODE NUMERIK Persoalan yang melbaan model maemaa banya munul dalam berbaga lmu pengeahuan seper halnya dalam asus

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus

BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus 40 BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL 3.1. Pengamban Keputusan Int dar pengamban keputusan adaah memh aternatf, tentunya harus aternatf yang terbak (the best aternatve). Tujuan dar anass keputusan

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI EUJAG ada bagan n aan djeasan mengena beberapa eor yang berenaan dengan penean Tugas Ahr n. ubbab 2.1 menjeasan mengena perembangan dar en daam meauan Conen Based Image rereva CBIR. enjeasan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga

Lebih terperinci

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2.

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2. ROSIDING ISBN: 978-979-6353-3- Model Suu Bunga Mulnomal 4 S-5 Danang Teguh Qoyym *, Ded Rosad Jurusan Maemaa FMIA Unversas Gadah Mada *qoyym@ugm.ac.d Maalah n adalah merupaan pengembangan dar model suu

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Penerapan Jaringan Saraf Runge Kutta-Fungsi Basis Radial dan Metode Nonlinier Recursive Least-Square pada Identifikasi Sistem Dinamis

Penerapan Jaringan Saraf Runge Kutta-Fungsi Basis Radial dan Metode Nonlinier Recursive Least-Square pada Identifikasi Sistem Dinamis Penerapan Jarngan Sara Runge Kua-Fungs Bass Rada dan eode onner Recursve eas-square pada Idenas Ssem Dnams Ruy Soeaman Egawa Pane dan Iran Suba. Fauas enoog Inormas Insu enoog Sepuu opember IS Surabaya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012 InfiniyJurnal Ilmiah Program Sudi Maemaia STKIP Siliwangi Bandung, Vol 1, No.2, Sepember 2012 GRUP PERMUTASI SIKLIS DALAM PERMAINAN SUIT Oleh: Bagus Ardi Sapuro Jurusan Pendidian Maemaia, IKIP PGRI Semarang

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI 4. ALIDITAS DA RELIABILITAS DALAM MEMBUAT EALUASI Tujuan : Seelah mempelajari modul ini mahasiswa mampu membua ala evaluasi bau unu program pembelajaran Evaluasi pembelajaran adalah ahap ahir dalam prosedur

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Semnar Nasonal Ssem Informas Indonesa, - 4 Desember 03 SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Suparman Penddan Maemaa FKIP UAD

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan

Lebih terperinci

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan

Lebih terperinci

2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor

2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor Pencocokan Data. Pencocokan Data ke Gars Lurus Msakan kta mempunya n ttk data ekspermenta (, y ) dan dketahu bahwa hubungan teorts antara dan y adaah hubungan near (persamaan gars urus) dengan persamaan:

Lebih terperinci

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ini akan dibahas dasar-dasar eori yang akan digunakan dalam penulisan skripsi ini, yaiu model regresi dua level, meode penaksiran maximum likelihood, mariks parisi, kronecker

Lebih terperinci

KINETIKA REAKSI HOMOGEN SISTEM BATCH

KINETIKA REAKSI HOMOGEN SISTEM BATCH KINETIK REKSI HOMOGEN SISTEM BTH SISTEM REKTOR BTH OLUME TETP REKSI SEDERHN (SERH/IREERSIBEL Beberapa sisem reasi sederhana yang disajian di sini: Reasi ireversibel unimoleuler berorde-sau Reasi ireversibel

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

MODUL VI & VII FISIKA MODERN RELATIVISTIK

MODUL VI & VII FISIKA MODERN RELATIVISTIK MODUL VI & VII FISIKA MODERN RELATIVISTIK Tujuan insruksiona umum Agar mahasiswa dapa memahami enang Reaiisik Tujuan insruksiona khusus : Agar mahasiswa dapa menjeaskan enang Transformasi Gaieo Agar mahsiswa

Lebih terperinci

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang

BAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

BAB II TEORI DASAR ANTENA

BAB II TEORI DASAR ANTENA BAB II TEORI DASAR ANTENA.1. endahuluan Anena didefinisikan oleh kamus Webser sebagai ala yang biasanya erbua dari meal (sebagai iang aau kabel) unuk meradiasikan aau menerima gelombang radio. Definisi

Lebih terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada

Lebih terperinci

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD

Lebih terperinci

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Vol. 7. No. 3, 36-44, Desember 004, ISSN : 1410-8518 UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Budi Warsio, Dwi Ispriyani Jurusan Maemaia FMIPA Universias Diponegoro Absra Tulisan ini membahas

Lebih terperinci

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae

Lebih terperinci

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember)

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember) Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : 135-141 135 Esimasi Fungsi Tahan Hidup Virus Hepaiis di Kabupaen Jember (Esimaing of Survival Funcion of Hepaiis Virus in Jember) Mohamad Faekurohman Saf Pengajar

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa

Lebih terperinci

FIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI

FIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI KTSP & K-13 FIsika K e l a s XI KINEMATIKA Tujuan Pembelajaran Seelah mempelajari maeri ini, kamu diharapkan mampu menjelaskan hubungan anara vekor posisi, vekor kecepaan, dan vekor percepaan unuk gerak

Lebih terperinci

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan

Lebih terperinci

BAB IV PERHITUNGAN NUMERIK

BAB IV PERHITUNGAN NUMERIK BAB IV PERHITUNGAN NUMERIK Dengan memperhaikan fungsi sebaran peluang berahan dari masingmasing sebaran klaim, sebagai mana diulis pada persamaan (3.45), (3.70) dan (3.90), perhiungan numerik idak mudah

Lebih terperinci

BAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam

BAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional. JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen

Lebih terperinci

Metode Regresi Linier

Metode Regresi Linier Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami 11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga

Lebih terperinci