PENDEKATAN BAYES EMPIRIK PADA PENDUGAAN STATISTIK AREA KECIL BERBASIS MODEL POISSON-GAMMA DENGAN PEUBAH PENYERTA 1)
|
|
- Farida Halim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PNDKATAN BAS MPIRIK PADA PNDUGAAN STATISTIK ARA KCIL BRBASIS MODL POISSON-GAMMA DNGAN PUBAH PNRTA ) Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Bas mprk mrupakan salah sau mo paa pnugaan ara kcl ang apa gunakan unuk mnuga paramr ara kcl. Ara kcl fnskan sbaga subpopulas (ara) ang brukuran conoh kcl. Mo Bas mprk n cocok gunakan paa aa cacahan ngan mol Posson-Gamma slan mo Bas hrarkh.tujuan pnlan n aalah mngkaj pnggunaan mo Bas mprk paa pnugaan sask ara kcl brbass mol Posson-Gamma ngan pubah pnra. Hasl pnlan mnunjukkan bahwa pnuga sask ara kcl unuk aa cacahan akn pnuga rsko rlaf Bas mprk ar mol Posson-Gamma ngan pubah pnra mmbrkan hasl pnugaan ngan klan ang lbh ngg banngkan pnuga langsung sanar moral rao. Kaa kunc: Bas mprk posson-gamma sask ara kcl mol PNDAHULUAN Laar Blakang Pnugaan ara kcl (small ara smaon) mrupakan suau knk saska unuk mnuga paramr-paramr subpopulas ang ukuran conohna kcl. Tknk pnugaan n mmanfaakan aa ar oman bsar (akn spr aa snsus aa surv sosal konom nasonal) unuk mnuga pubah ang mnja prhaan paa oman ang lbh kcl. Ara kcl fnskan sbaga subpopulas ang ukuran conohna kcl shngga pnugaan langsung ak apa mnghaslkan ugaan ang l (Rao 3). Ara kcl rsbu apa brupa koa kabupan kcamaan sa/klurahan klompok suku klompok jns klamn aau klompok umur. Pnugaan langsung (rc smaon) paa subpopulas rlaf ak mmlk prss ang ) Makalah n sampakan paa Smnar Nasonal Pnlan Pnkan an Pnrapan MIPA FMIPA Unvrsas Ngr ogakara anggal 5 Agusus 7
2 mmaa karna kclna jumlah conoh ang gunakan unuk mmprolh ugaan rsbu. Tknk pnugaan alrnaf lan kmbangkan unuk mnngkakan kfkfan ukuran conoh an mnurunkan gala baku akn pnugaan ak langsung (nrc smaon) pnugaan n brsfa mmnjam kkuaan ar pngamaan conoh ara ang brkaan ngan mmanfaakan nformas ambahan akn ar aa snsus an caaan amnsraf (Rao 5). Pnuga ang haslkan paa pnugaan ak langsung n aalah pnuga prks ak bas lnr rbak mprk aau mprcal bs lnar unbas prcon slanjuna sbu BLUP pnuga Bas mprk aau mprcal Bas sngka B an pnuga Bas hrarkh aau hrarchcal Bas ang sngka HB. Mo BLUP mrupakan mo ang rapkan paa mol campuran lnr namun mol campuran lnr rancang unuk pubah konnu shngga ak cocok unuk aa bnr aau cacahan. Shngga unuk aa bnr aau cacahan gunakan mo B an HB unuk mlakukan pnugaan ara kcl. Salah sau pnrapan pnugaan ara kcl unuk aa cacahan aalah paa pmaan pnak. Paa pmaan pnak ukuran conoh (jumlah kasus brpnak) ang kcl mrupakan suau masalah ang srng haap karna arana ang sanga kcl pnak jarang rja aau kuana. Shngga pnugaan langsung alam mnuga rsko rlaf au sanar moral rao (SMR) mnja ak apa analkan. Mo alrnaf unuk mnangan prmasalahan rsbu aalah mo Bas mprk ngan mol ang srng gunakan aalah mol Posson-Gamma. Klbhan ar mo Bas mprk n anarana kmukakan olh Marshall (99) akn mampu mnampung nformas anar ara ang maksukan mruks jumlah kuara ngah gala an Prngl (995) ang mnaakan bahwa knk Bas mprk cocok gunakan karna mnghaslkan pnuga rsko rlaf ang lbh anal banngkan pnuga kmungknan maksmum. Upaa prbakan pnugaan rsko rlaf apa lakukan ngan mmasukkan pubah pnra k alam mol Posson-Gamma.
3 Rumusan Masalah Bagamana pnggunaan mo Bas mprk paa pnugaan sask ara kcl brbass mol Posson-Gamma ngan pubah pnra? Tujuan Pnlan Pnlan n brujuan unuk mngkaj pnggunaan mo Bas mprk paa pnugaan sask ara kcl brbass mol Posson-Gamma ngan pubah pnra. Manfaa Pnlan Pnlan n harapkan apa mnambah wawasan pmbaca mngna pnugaan ara kcl unuk aa cacahan. TINJAUAN PUSTAKA Mol Ara Kcl Mol ara kcl mrupakan mol asar alam pnugaan ara kcl. Mol n klompokkan mnja ua akn mol lvl ara asar an mol lvl un asar (Rao 3). Paa mol lvl ara asar asumskan bahwa pubah ang mnja prhaan mrupakan fungs ar raa-raa pubah rspon g unuk g ( ) rnu ang brkaan ngan aa pnra ara kcl ( ) T an mngku mol lnr sbaga brku : K ngan p T b v K m () b aalah konsana brnla posf ang kahu an ( ) T L p aalah vkor kofsn rgrs brukuran p. Sangkan v aalah pngaruh acak ara kcl ang asumskan mmlk sbaran nk an salng bbas akn σ ν ( ) v Var () v Srngkal pngaruh acak v anggap mnbar normal.
4 Unuk mlakukan nfrns nang raa-raa ara kcl paa mol () msalkan bahwa pnuga langsung aa an ( ) K m g (3) ngan gala conoh bbas sra ( ) Var( ) ψ Basana ragam conoh ψ kahu. (4) Dngan mnggabungkan prsamaan () an (3) maka prolh mol T b v K m (5) ngan v an salng bbas. Mol (5) n mrupakan kasus khusus ar mol campuran lnr an knal pula sbaga mol Fa-Hrro alam lraur ara kcl (Rao 3). Fa an Hrro (979) mnggunakan mol lvl ara asar rsbu unuk mnuga pnapaan pr kapa bag bbrapa ara kcl Amrka Srka ngan populas kurang ar. Sangkan unuk mol lvl un asar mngasumskan bahwa aa x x x aa unuk masng-masng anggoa populas j j K pnra un T j jp alam masng-masng ara kcl namun kaang cukup ngan raa-raa populas X kahu saja. Slanjuna pubah prhaan j anggap brkaan ngan x j mngku mol rgrs lnr gala rsarang sau ahap sbaga brku : T j j j x v ; j K N K m (6) Pngaruh acak ara kcl ~ j kjj ngan konsana j v n mmpuna sbaran nk an salng bbas k kahu an sbaran nk an bbas pula sra bbas ngan v ( ~ ) Var( ~ ) σ j j ~ j pubah acak ang mmlk (7) Srngkal asumskan bahwa v an brsrbus normal. Mol lvl ara gunakan pula alam pmaan pnak (Ghosh & Rao 994) akn ngan mnganggap bahwa banakna pngamaan suau kasus ar n ara kcl ~ Posson( ) an ( ν ) ~ gamma mnaakan rsko rlaf 3
5 4 ara k- ang ak kahu an aalah nla harapan banakna suau kasus paa ara k-. Pnuga srhana rsko rlaf paa pmaan pnak aalah sanar moral rao aau sngka sbaga SMR (Wakfl & llo 999) ang slanjuna sbu sbaga pnuga langsung alam pnugaan ara kcl. SMR mrupakan pnuga sask rsko rlaf ang brguna unuk mngahu sbaran gografs pnak. Pnuga n prolh ar asums umum pmaan pnak bahwa banakna pngamaan suau kasus au n Posson ~ ngan fungs pluang aalah m f ; K K (8) Fungs kmungknan aalah f L (9) Logarma naural ar fungs kmungknan aalah ln ln ln L () Shngga L ln () mrupakan pnuga ak bas ang unjukkan ngan harapan pnuga paramr sama ngan paramrna. () ngan (3) Pnuga bag akn n mrupakan pnuga kmungknan maksmum ang brsfa ak bas.
6 Mo Bas mprk Mo Bas srhana au msalkan kmungknan f ( ) pror ~ π ( ) ~ an aau apa brupa vkor an π asumskan kahu maka sbaran posror ar aalah p f ( ) π ( ) ( ) ngan m f ( ) π ( ) m. (4) Bla nformas paramr paa sbaran awal ak kahu lalu ngan mmanfaakan aa prolh nla ugaan paramrna maka mo Bas n sbu sbaga Bas mprk. Mo Bas mprk mrupakan mo ang cocok gunakan alam mnangan aa bnr an aa cacahan paa pnugaan ara kcl. Mo Bas mprk alam konks pnugaan ara kcl scara rngkas aalah (Rao 3):. mnapakan fungs kpkaan pluang akhr (posror) ar paramr ara kcl ang mnja prhaan. mnuga paramr mol ar fungs kpkaan pluang marjnal 3. mnggunakan fungs kpkaan pluang posror ugaan unuk mmbua nfrns paramr ara kcl ang mnja prhaan. Mol Posson-Gamma ngan Pubah pnra Wakfl (6) mmprknalkan mol Posson-Gamma ngan pubah pnra ang scara analk lbh muah krjakan an alam pnugaan. Paa ahap prama asumskan bahwa Posson( ) mnaakan mol rgrs shngga T K p pnra ap an T n ~ ngan ( ) L p x x x x mrupakan vkor pubah mrupakan vkor kofsn rgrs. Tahap kua asumskan bahwa ( ) ngan raa-raa an ragam aalah f ( ) ( ) ~ gamma ang slanjuna sbaga pror. Fungs pluang ar ~ Posson( ) K n (5) 5
7 6 Fungs kpaaan pluang ar ~ gamma aalah > π (6) Shngga fungs brsamana prolh ; > f K (7) Slanjuna fungs marjnalna aalah f m ) ( (8) Fungs marjnal aas mrupakan fungs sbaran bnomal ngaf ngan raaraa an ragam brku : [ ] [ ] [ ] Var (9) Shngga ragam mnngka sbaga fungs kuarak ar raa-raa an paramr skala apa mngakomoas ovrsprs. Brku cara mmprolh raa-raa an ragam ar sbaran bnomal ngaf. baas : : msal
8 7. Shngga [ ] Var. Slanjuna ugaan paramr pror au an apa prolh ar sbaran marjnal ngaf bnomal ~ mnggunakan pnugaan ) ( ) ( ) ( Msal : Msal :
9 8 kmungknan maksmum ang mrupakan pnlsaan ar knk rgrs bnomal ngaf. Brasarkan orma Bas maka fungs posror aalah sbaga brku : > m f π () Shngga gamma ~. Dar fungs posror rsbu prolh pnuga Bas bag an ragam posror bag aalah B ) ( an g V () Pnuga Bas bag mrupakan nla harapan ar posror brku : Sangkan unuk mnapakan ragam posror bag car rlbh ahulu. baas : : msal
10 9 Shngga ragam posror bag aalah [ ] V Slanjuna pnuga Bas mprk bag mnuru Wakfl (6) aalah sbaga brku : [ ] B B RR γ γ () ngan γ [ ] [ ] xp T x RR [ ] RR aalah nla harapan rsko rlaf k- ang mrupakan pnuga ak langsung aalah pnuga langsung (sanar moral rao) ar an masng-masng mnaakan banakna pngamaan an nla harapan banakna suau kasus.
11 Kopmuman hubungan anara pubah pnra ngan pubah ang mnja prhaan lha ar ukuran klaakan mol rgrs bnomal ngaf (goonss of f) an pmrksaan ssaan scara grafs. Ssaan paa mol rgrs bnomal ngaf n brba ngan ssaan paa rgrs lnr basa. Mol rgrs bnomal ngaf mrupakan bagan ar mol lnr rampa. Ssaan paa mol lnr rampa aalah ssaan Parson an ssaan vanc ang rumuskan sbaga brku (Agrs ) : r P Var an rd sgn( ) ( ) ~ ~ ngan ω [ ( ) b( ) b( )] (3) aalah vanc. Shngga pmrksaan scara grafs ar mol rgrs bnomal ngaf rsbu aalah ngan mmbua plo anara prkor lnr ngan ssaan Parson aau ssaan vanc. DATA DAN MTOD Daa Pnlan Daa ang gunakan alam pnlan n mrupakan aa skunr ang prolh ar lraur. Daa rsbu ambl ar Srn an Crss () akn nang kankr bbr Skolana. Daa n brupa banakna pnra kankr bbr (sbaga pubah rspon) an nla harapan banakna pnra kankr bbr ang rcaa slama 6 ahun ar 975 sampa 98 paa masng-masng 56 srk (ara kcl) Skolana. Sbaga pubah pnra aalah prsnas bkrja paa bang pranan prkanan an khuanan. Mo Pnlan Mo pnlan ang gunakan alam mnuga rsko rlaf suau ara rjangk pnak aalah brasarkan pnuga langsung sanar moral rao (SMR) an pnuga Bas mprk ar mol Posson-Gamma ngan pubah pnra ang urakan sbaga brku :
12 A. Pnuga langsung brasarkan sanar moral rao (SMR) aalah. Mnnukan au nla harapan banakna suau kasus paa subpopulas k- ngan rumus m m n n ngan mnaakan banakna pngamaan suau kasus paa subpopulas k- n mnaakan banakna nvu paa subpopulas k- an m mnaakan jumlah subpopulas. Subpopulas n apa brupa srk. Paa aa kankr bbr nla harapan banakna suau kasus paa subpopulas k- suah kahu.. Mnnukan SMR au. 3. Mnnukan ugaan kuara ngah gala (KTG) au ( ) ( ) kg. Dprolh mkan karna pnuga langsung. brsfa ak bas shngga KTG( ) Var( ) 4. Pross hungan lakukan ngan Mcrosof Offc xcl. B. Pnuga Bas mprk brasarkan mol Posson-Gamma ngan pubah pnra. Mnnukan an ngan PROC GNMOD paa SAS vrs 9... Mnnukan pnuga Bas mprk brasarkan B B ( ) γ ( γ ) T T x ngan γ ( ) x T x an 3. Mnnukan kuara ngah gala ngan mnggunakan mo Jackknf au : Anggap bahwa B k ( ) B k ( ) l l l lalu M m m m l ( ) B B l Dngan mncar an l ang mrupakan pnuga kmungknan l maksmum ang prolh ar aa k-l ang hapus maka hung
13 M g m m ( ) [ g ( ) ] l l g m l Pnuga Jackknf bag kuara ngah gala pnuga Bas mprk brkan olh kg J ( B ) M M 4. Pross hungan paa langkah sampa 3 lakukan ngan SAS/IML vrs 9. an Mcrosof Offc xcl. Paa pnlan n gunakan prangka lunak SAS vrs 9. ngan PROC GNMOD an IML unuk mmprolh ugaan paramr pror an pnuga Bas mprk. C. Pmrksaan ssaan paa rgrs bnomal ngaf. Mnnukan ssaan Parson.. Mmbua plo anara prkor lnr ngan ssaan Parson. 3. Pross sampa lakukan ngan mnggunakan PROC GNMOD paa SAS vrs 9.. Prbanngan kbakan anara SMR an pnuga Bas mprk ar mol Posson-Gamma ngan pubah pnra ngan mlha nla gala baku. HASIL PNLITIAN DAN PMBAHASAN Dskrps Daa Tabl mnajkan sbaran ar aa kankr bbr paa 56 srk Skolana (Srn & Crss ). Brasarkan Tabl apa kahu bahwa aa srk ang ak rjangk pnak ang naakan olh nla mnmum pnuga langsung sanar moral rao (SMR). Paahal alam knaaanna bsa saja srk rsbu mmpuna rsko rlaf rjangk pnak. Tnggna nla harapan banakna pnra kankr bbr akn sbsar mrupakan akba ar bsarna jumlah pnuuk paa srk rsbu. Sangkan brasarkan nla smpangan baku nla harapan banakna pnra kankr bbr mmlk kragaman ang lbh bsar banngkan banakna pnra kankr bbr (pngamaan).
14 Tabl Sask skrpf ar aa kankr bbr Skolana Mnmum Maksmum Raa-raa Smpangan baku Pngamaan Harapan SMR Pnugaan Rsko Rlaf Paa pnlan n unuk mngahu ugaan rsko rlaf suau srk rjangk pnak kankr bbr au ngan pnuga langsung SMR an pnuga Bas mprk ar mol Posson-Gamma ngan pubah pnra. Kbakan pnugaan rsko rlaf ukur ar ngka klan ang unjukkan olh bsarna gala baku. Grafs hubungan anara pnuga rsko rlaf ngan gala bakuna sajkan paa Gambar an..5. Gala Baku SMR Gambar Plo SMR ngan gala baku..5. Gala Baku Pnuga B ngan pubah pnra Gambar Plo pnuga Bas mprk ngan pubah pnra an gala baku. Gambar an scara umum mnunjukkan bahwa smakn bsar nla pnuga rsko rlaf smakn bsar gala bakuna. Pnuga Bas mprk 3
15 ngan pubah pnra mmbrkan klan ang lbh bak banng SMR. Hal n rlha bahwa unuk pnuga Bas mprk ngan pubah pnra smakn bsar nla pnuga rsko rlaf smakn kcl gala bakuna jka banngkan ngan pnuga lan. Tabl Pnugaan aa kankr bbr Skolana Raa-raa SMR Pnuga Bas mprk ngan pubah pnra Rsko Rlaf Kuara Tngah Gala.465. Gala Baku Paa Tabl prolh nformas bahwa scara raa-raa pmasukan pubah pnra paa mol Posson-Gamma mmbrkan klan ang lbh bak au ngan nla gala baku ang lbh kcl banng SMR. Hal n sbabkan olh pubah pnra ang apa molkan scara opmum ngan pubah ang mnja prhaan. Hubungan ang opmum rsbu jlaskan olh nla goonss of f an ssaan ang rapa paa Tabl 3 Gambar 3 an Gambar 4 brku. Tabl 3 Krra unuk mngukur klaakan mol Crron DF Valu Valu/DF Dvanc Scal Dvanc Parson Ch-Squar Scal Parson X Log Lklhoo Ukuran klaakan mol aas prolh ar knk rgrs bnomal ngaf ngan prsamaan rgrs aalah : ln.35.7x Dar Tabl 3 ampak bahwa mol rgrs bnomal ngaf n laak gunakan karna nla Valu/DF unuk masng-masng krra bsarna kurang ar ua. Sangkan Gambar 3 an 4 juga mnunjukkan rpnuhna klaakan 4
16 mol ngan prsamaan rgrs mncrmnkan sbaran ar aa an ssaan cnrung ak brpola. 7 6 Varabl / /_uga 5 4 / 3 5 x 5 5 Gambar 3 Hubungan anara rsko rlaf (/) ngan prsnas bkrja paa bang pranan prkanan an khuanan (x). Parson Rs ual L nar Pr c or Gambar 4 Prkor lnr ngan ssaan Parson. SIMPULAN Bbrapa smpulan ang prolh ar hasl pnlan n aalah :. Pnuga rsko rlaf Bas mprk ar mol Posson-Gamma ngan pubah pnra mmbrkan hasl pnugaan ngan klan ang lbh ngg banngkan pnuga langsung sanar moral rao. 5
17 . Prbakan pnugaan ngan mmasukkan pubah pnra paa mol Posson-Gamma mnghaslkan pnuga Bas mprk ngan klan ang mnngka bla hubungan anara pubah pnra ngan pubah ang mnja prhaan apa molkan scara opmum an brasal ar aa snsus aau aa amnsraf. DAFTAR PUSTAKA Agrs A.. Cagorcal Daa Analss. Nw Jrs: John Wl & Sons. Baarr MJ Brgr JO. 4. Th nrpla of Basan an Frquns analss. [rhubungbrkala]. hp:// [5 Nopmbr 6]. Carln BP Lous TA.. Bas an mprcal Bas Mhos for Daa Analss. Nw ork: Chapman & Hall. Claon D Kalor J mprcal Bas smas of ag-sanar rlav rsks for us n sas mappng. Bomrcs 43: Dan CB MacNab C.. Mollng of ras ovr a hrarchcal halh amnsrav srucur. Th Canaan Journal of Sascs 9: Fa R Hrro RA smas of ncom for small placs: an applcaon of Jams-Sn procurs o cnsus aa. Journal of h Amrcan Sascal Assocaon 74: Ghosh M Rao JNK Small ara smaon: an apprasal. Sascal Scnc 9: Gll J.. Basan Mhos: A Socal an Bhavoral Scncs Approach. Boca Raon: Chapman & Hall. Ksmann Noopuro KA Kurna A. 6. Rsk of ngu hammorhagc fvr n Bkas Muncpal wh small ara approach. Ths papr was prsn n Th Frs Inrnaonal Confrnc on Mahmacs an Sascs Banung Inonsa. [Jun 6]. MacNab C al. 4. smaon n Basan sas mappng. Bomrcs 6: Manon al mprcal Bas procurs for sablng maps of US cancr moral ras. Journal of h Amrcan Sascal Assocaon 84:
18 Marshall RJ. 99. Mappng sas an moral ras usng mprcal Bas smaors. Appl Sascs 4: McCullagh P Nlr JA Gnral Lnar Mols. Lonon: Chapman & Hall. Pascuo C al.. Sascal ssus n h analss of sas mappng aa. Sascs n Mcn 9: Pgorsch WW. 99. Maxmum lklhoo smaon for h ngav bnomal sprson paramr. Bomrcs 46: Prngl DG Dsas mappng: A comparav analss of maxmum lklhoo an mprcal Bas smas of sas rsk. [rhubung brkala]. hp:// [7 Jul 6]. Rao JNK Som rcn avancs n mol-bas small ara smaon. Surv Mhoolog 5: Rao JNK. 3. Small Ara smaon. Nw ork: John Wl an Sons. Rao JNK. 5. Small ara smaon: mhoologcal ssus an applcaons. Prsn a h workshop Small Ara smaon an h Local Trror Caholc Unvrs of h Sacr Har Pacna Ial. [Ma 3 5]. SAS Insu Inc. 4. SAS/STAT 9. Usr s Gu. [rhubung brkala]. hp://suppor.sas.com/ [7 Mar 7]. Srn HS Crss N.. Posror prcv mol chcks for sas mappng mols. Sascs n Mcn 9: Tsuakawa RK Mx mol for analng gographc varabl n moral ras. Journal of h Amrcan Sascal Assocaon 83: Wakfl J llo P Issus n h sascal analss of small ara halh aa. Sascs n Mcn 8: Wakfl J. 6. Dsas mappng an spaal rgrsson wh coun aa. [rhubung brkala]. hp:// [7 Jun 6]. asu al.. An mprcal valuaon of varous prors n h mprcal Bas smaon of small ara sas rsks. Sascs n Mcn 9:
Pendekatan Bayes Empirik Pada Pendugaan Statistik Area Kecil Berbasis Model Poisson-Gamma Dengan Peubah Penyerta
Pnkaan Bas mprk Paa Pnugaan Sask Ara Kcl Brbass Mol Posson-Gamma Dngan Pubah Pnra Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Absrak Bas mprk mrupakan salah sau mo paa pnugaan ara kcl ang apa
Lebih terperinciPENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.
Lebih terperinciPENGUKURAN BULLWHIP EFFECT DENGAN MODEL AUTOREGRESSIVE
PENGUKURAN BUWHIP EFFECT ENGAN MOE AUTOREGRESSIVE Ta Talha Program Su Tknk Inusr, Fakulas Tknk Unvrsas an Nuswanoro Jalan Nakula I No. 5- Smarang E-mal : a@osn.nus.ac. Absrak Kurangnya nformas apa mnmbulkan
Lebih terperinciBAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi
BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada
Lebih terperinciESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)
ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka
Lebih terperinciBAB IV TURUNAN FUNGSI. Setelah mengikuti pokok bahasan ini mahasiswa diharapkan mampu menentukan turunan fungsi yang diberikan.
BAB IV TURUNAN FUNGSI Sla kia mmbaas i an kkoninuan fungsi paa bab sblumna, kia akan mmbaas nang urunan ang konspna ikmbangkan ari konsp i Pmbaasan urunan ibagi mnjai ua bagian, bagian prama mmbaas pngrian,
Lebih terperinciPENDUGAAN 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 terperinciIMPLEMENTASI MODEL PENGUKURAN BULLWHIP EFFECT MENGGUNAKAN MODEL MA(1)
IMPEMENTASI MOE PENGUKURAN BUWHIP EFFECT MENGGUNAKAN MOE MA() Ta Talha Jurusan Tknk Inusr Fakulas Tknk Unvrsas an Nuswanoro Jalan Nakula I No. 5- Smarang Emal : a@osn.nus.ac. Absrac In supply chan managmn
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu
Lebih terperinciRESPONS STRUKTUR SDOF AKIBAT BEBAN SINUSOIDAL DENGAN METODE INTEGRAL DUHAMEL
RESPONS STRUKTUR SO KT EN SNUSOL ENGN METOE NTEGRL UHMEL Rn Suryana Jurusan Tknk Spl akulas Tknk Unvrsas Rau Kampus na Wya Jl. H.R. Sobranas Km.,5 Pkanbaru mal : rn@unr.ac. Hnra Sarfka Jurusan Tknk Spl
Lebih terperinciHubungan antara K dengan koefisien fugasitas:
Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =
Lebih terperinciBAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN
BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN Pmbahasan harga opsi idak dapa dilpaskan dari pmbahasan nang skurias lain yang brhubungan dngan haga opsi. Shingga prlu dibahas masalah
Lebih terperinciLOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS
Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla
Lebih terperinciBAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]
BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan
Lebih terperinciBAB NILAI EIGEN DAN VEKTOR EIGEN
BAB 8 RUANG EIGEN Masalah nilai dan vkor ign banyak skali dijumpai dalam bidang rkayasa, spri maslah ksabilan sism, opimasi dngan SVD, komprsi pada pngolahan cira, dan lain-lain. Unuk lbih mmahami masalah
Lebih terperinciINTERFERENSI DAN DIFRAKSI. Mata Kuliah: Gelombang & Optik Dosen: Andhy Setiawan
TRFRS DA DFRAKS Maa Kulah: Glombang & Opk Dosn: Anhy Sawan A. nfns nfns mupakan ppauan ua aau lbh glombang sbaga akba blakunya pnsp supposss. nfns ja bla glombang glombang sbu kohn, yau mmpunya pbaan fas
Lebih terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciBAB IV DATA DAN ANALISA
BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari
Lebih terperinciPerhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial
Prhungan Pr dngan Asus Wau Anar Kla Brdsrbus Esponnsal Fahauz Zuharoh Jurusan Pnddan Maaa, STKIP, YPUP Maassar Info: Jurnal MSA Vol. 2 o. Eds: Januar Jun 24 Arl o.: 3 Halaan: 5-22 ISS: 2355-83X Prod Maaa
Lebih terperinciBAB III TURUNAN FUNGSI
BAB III TURUNAN FUNGSI Sandar Kompnsi Mahasiswa mmahami konsp urunan unsi dan knik-knik an dapa diunakan unuk mnnukan urunan, baik unsi ksplisi maupun unsi implisi,. Kompnsi Dasar Slah mmplajari pokok
Lebih terperinciPengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja
8 Pngaruh Pnyspan Indukor dan Kapasor pada Sambungan Saluran Udara dan Kabl Dsrbus kv rhadap Prambaan Glombang gangan Surja Moch. Dhofr Absrak Dalam ulsan n dpaparkan pngaruh sspan L sr aau C parall danara
Lebih terperinciCatatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan
Caaan Kuliah 8 Mahai dan Mnganalisa Opiisasi Prubuhan. Sia dari Fungsi Eksponnsial Fungsi ksponnsial adalah ungsi ang variabl bbasna uncul sbagai pangka. Bnuk uu : b ; b > diana : variabl dpndn Conoh :
Lebih terperinciKresnanto 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 terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciTransformasi Peubah Acak (Lanjutan)
Dpt. Statistika IPB, 0 Transormasi Pubah Acak Lanjutan B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod ungsi sbaran. Misalkan diktahui kp bagi p.a. adalah x. Jika didinisikan p.a. lainna
Lebih terperinciINTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL
INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL A Sawa Program S Mamaka Isr a Saska Faklas Sas a Mamaka Uvrsas Krs Saya Wacaa Jl Dpogoro 5-6 Salaga 57
Lebih terperinciMODEL MATEMATIS DAN SIMULASI PERGERAKAN HARGA SAHAM SKRIPSI
MODEL MATEMATI DAN IMULAI PERGERAKAN HARGA AHAM KRIPI Dajukan Unuk Mmnuh alah au yara Mmprolh Glar arjana ans Program ud Mamaka Dsusun Olh : RIDWAN RAHADIYANTO NIM : 334 PROGRAM TUDI MATEMATIKA JURUAN
Lebih terperinciBAB 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 terperinciTransformasi Satu Peubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
Transformasi Satu Pubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Dpartmn Statistika IPB, 06 Transformasi Pubah Acak (Lanjutan) B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod fungsi sbaran.
Lebih terperinciTransformasi Satu Peubah Acak (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017
Transformasi Satu Pubah Acak Bagian II) Dr. Kusman Sadik, M.Si Dpartmn Statistika IPB, 07 Transformasi Pubah Acak Lanjutan) B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod fungsi sbaran.
Lebih terperinciFIXED EFFECT MODEL PADA REGRESI DATA PANEL
ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan
Lebih terperinciESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS
Program Sudi MMT-ITS, Surabaya Agusus ESTIMASI PARAMETER UA LEVEL MOEL GSTARX- Andria Prima iago dan Suharono Program Sudi Magisr Saisika, Insiu Tknologi Spuluh Nopmbr Jl Arif Rahman Hakim, Surabaya,,
Lebih terperinciPENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES
Prosng Semnar Nasonal Matematka an Penkan Matematka (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Statstka, hal. 14-18 PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES NENENG SUNENGSIH
Lebih terperinciBAB 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 terperinciMODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA
MODIFIKAI METODE RELE UNTUK MODEL PENDUDUK QUAI-TABIL CECEP A.H.F. ANTOA EKOLAH PACAARJANA INTITUT PERTANIAN BOGOR BOGOR 28 Hak Cipa milik Insiu Pranian Bogor, ahun 28 Hak Cipa ilinungi unang-unang 1.
Lebih terperinciUJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan
UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns
Lebih terperinciBAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM
BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak
Lebih terperinciBAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH
BAB 4 MODEL MATEMATIKA PENGARUH TERAPI OBAT TERHADAP DINAMIKA VIRUS HIV DALAM TUBUH Sjak bbrapa ahun yang lalu, ilmuwan asal Amrika Marin Nowak dan Sbasian Bonhoffr mncoba mmplo daa dari pnliian oba ani-hiv.
Lebih terperinciFilosofi Dasar. Konsep Dasar Susunan Antena. Superposisi Medan Listrik. Oleh : Nachwan Mufti Adriansyah, ST, MT
Oulin TTG3D3 Anna Mul#4a Anna an Prpagasi Knsp Dasar Susunan Anna Olh : Nachwan Mufi Ariansah, ST, MT Filsfi Dasar: Suprpsisi Man Lisrik Susunan Sumbr Tiik Isrpis Prinsip Prkalian Diagram an Sinsa Paa
Lebih terperinciKONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan
KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,
Lebih terperinciRingkasan Materi Kuliah PEMETAAN LAPLACE
Ringaan Mari Kuliah PEMETAAN APACE Pndahuluan Diini ia ajian mod lain unu mnlaian pramaan difrnial linar dngan ofiin onana Mod ini diu mod pmaan aplac Olh mod ini uau maalah nilai awal dipaan uau pramaan
Lebih terperinciMODEL DINAMIS RANTAI MAKANAN TIGA SPESIES
MODL DINAMIS RANTAI MAKANAN TIGA SPSIS Wj Bu Pratkno an Sunarsh Program Stu Matmatka FMIPA UNDIP Jl. Prof. Soarto SH Smarang 575 Astract. Thr spcs foo chan mols ar mol that xprss th ntracton of thr populatons
Lebih terperinciKAJIAN ANALISIS REGRESI DENGAN DATA PANEL
Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta
Lebih terperinciELEKTROMAGNETIK TERAPAN 1. GELOMBANG LINTAS MEDIUM
LKTROMAGNTIK TRAPAN. GLOMBANG LINTAS MDIUM OUTLIN. Glombang Lnas Mdum a) Glombang Jauh Nomal b) Glombang Jauh Mng PNDAHULUAN Jka glombang daa sbasama mlwa aau lbh mdum. Tdapa kmungknan plakuan hadap glombang,
Lebih terperinciJumlah 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 terperinci2.1 Persamaan Gerak Roket dalam Ruang Tiga Dimensi
BAB DASAR TEOR. Prsamaan Grak Rok dalam Ruang Tiga Dimnsi Prsamaan grak rok di bidang ruang iga dimnsi pada Taa Acuan Koordina Bnda diurunkan dari Prsamaan Dinamik Rok [Rf. ] sbagai briku: Grak Translasi
Lebih terperinciESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN
ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM
Lebih terperinciANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA
ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPROYEKSI PENDUDUK PROVINSI MALUKU DENGAN MENGGUNAKAN MODEL PERTUMBUHAN LOGISTIK PADA BEBERAPA TAHUN MENDATANG
ROYESI ENDUDU ROVINSI MALUU DENGAN MENGGUNAAN MODEL ERTUMBUHAN LOGISTI ADA BEBERAA TAHUN MENDATANG [unuk mmnuhi ugas maa kuliah modlan] Disusun olh: 1. CAROLINA LAISINA 2. ELSA M. TAHALEA 3. FRISA NAHUWAY
Lebih terperinciSISTEM PENGOLAHAN ISYARAT. Kuliah 5 Transformasi Fourier
TKE 403 SISTEM PENGOLAHAN ISYARAT Kuliah 5 Transformasi Fourir Bagian II Indah Susilawai, S.T., M.Eng. Program Sudi Tknik Elkro Fakulas Tknik dan Ilmu Kompur Univrsias Mrcu Buana Yogyakara 009 KULIAH 5
Lebih terperinciBAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.
BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan
Lebih terperinciEMPAT MODEL APROKSIMASI BINOMIAL HARGA SAHAM MODEL BLACK-SCHOLES
MPAT MODL APROKIMAI BINOMIAL HARGA AHAM MODL BLACK-CHOL Al Azz Jsan Mamaka Faklas ans an Tknolog Unvsas Islam Ng UIN Malana Malk Iahm Malang -mal: alazz_nmlg@yahooom Asak Kam akan mnyajkan ma nk nla aam-aam
Lebih terperinciMODEL MATEMATIKA SISTEM MEKANIKA
MODEL MAEMAIKA SISEM MEKAIKA PEGAAR Paa bagian ini akan ibaha mngnai pmbuaan mol mamaika ari im mkanika baik alam bnuk pramaan iffrnial, fungi alih maupun iagram blok. Prgrakan ari lmn im mkanika apa ikripikan
Lebih terperinciEFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV
Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.
Lebih terperinciAPLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a
APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang
Lebih terperinciPerbandingan Perhitungan Jumlah Penduduk Tahunan dengan Interpolasi Spline dan Simulasi Asumsi Gompertz
Prosiding Smiraa FMIPA Univrsias Lampung, Prbandingan Prhiungan Jumlah Pnduduk Tahunan dngan Inrpolasi Splin dan Simulasi Asumsi Gomprz Ds Alwin Zayani Jurusan Mamaika FMIPA Univrsias Sriwaya E-mail: dalwinzayani@yahoo.com
Lebih terperinci( ) 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 terperinciJurusan Teknik Sipil, Universitas Riau, Jl. Subrantas KM 12.5 Pekanbaru
KINERJA STRUKTUR GEDUNG BERATURAN DUAL SYSTEM (CONCRETE FRAME RC ALL STRUCTURES) MENGGUNAKAN METODE DIRECT DISPLACEMENT BASED DESIGN DAN CAPACITY SPECTRUM METHOD Raja Parulan Purba 1), Zulkar Djauhar ),
Lebih terperinciPEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE
PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka
Lebih terperinciBAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan
BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,
Lebih terperinciModel Gelombang Panjang dengan Metoda Elemen Hingga Diskrit. Syawaluddin Hutahean 1)
Huahan Vol. 0 No. Januar 003 urnal TEKNIK SIPIL Modl Glombang Panjang dngan Moda Elmn Hngga Dskr Syawaluddn Huahan ) bsrac Ths papr nroducs Dscr Fn Elmn Mhod (DFEM) o solv long war wav quaon. Ths mhod
Lebih terperinciANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO
ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan
Lebih terperinciBab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat
Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinci8.1 NILAI EIGEN DAN VEKTOR EIGEN
RUANG EIGEN Masalah nilai dan vko ign banyak skali dijumpai dalam bidang kayasa, spi maslah ksabilan sism, opimasi dngan SVD, kompsi pada pngolahan cia, dan lain-lain. Unuk lbih mmahami masalah nilai dan
Lebih terperinci9. TEKNIK PENGINTEGRALAN
9. TEKNIK PENGINTEGRALAN 9. Inegral Parsal Formula Inegral Parsal : Cara : plh u yang urunannya lebh sederhana Conoh : Hung u dv uv v du e d msal u =, maka du=d dv e d v e d e sehngga e d e e d e e C INF8
Lebih terperinci5 Model sebaran pergerakan
5 Mol sbaran prgrakan Pmolan bangktan prgrakan tlah trangkan paa bab 4 scara rnc. D stu prkrakan bsarnya prgrakan yang haslkan ar zona asal an yang trtark k zona tuuan. Bsarnya bangktan an tarkan prgrakan
Lebih terperinciBab 6 Sumber dan Perambatan Galat
Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat
Lebih terperinciBAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.
BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciIII MODEL OPTIMALISASI ALOKASI ASET
6 III MODEL OPTIMALISASI ALOKASI ASET Dskipsi Pmasalahan Misalkan invsasi as i alam kning anuias vaiabl ipisah mnjai ua subkning, yaiu sub-kning as bbas isiko an sub-kning as bisiko. Dalam kaya ilmiah
Lebih terperinciAnalisis Variansi Multivariat
Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciOleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciKAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2
Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciMODEL DAN ANALISIS DATA SURVIVAL MENGGUNAKAN SEBARAN LOG-LOGISTIK NURMAULIDAH G
MODEL DAN ANALII DATA URVIVAL MENGGUNAKAN EBARAN LOG-LOGITIK NURMAULIDAH G 54325 DEPARTEMEN MATEMATIKA FAKULTA MATEMATIKA DAN ILMU PENGETAHUAN ALAM INTITUT PERTANIAN BOGOR BOGOR 27 2 ABTRACT NURMAULIDAH.
Lebih terperinciANALISA ANALITIS KARATERISTIK ARUS MOTOR DC YANG DISUPLAI PENYEARAH DIODA SATU FASA
K, ol. 5, No. Pbruar SSN: 978-5 NS NTS KTSTK US MOTO C YNG SUP PNYH O STU FS ky Salana Tknk lkro Polknk Ngr bon vkysalana@yahoo.o STK Ths suy nns o look a h hararss of urrn rawn by h oor whn suppl by a
Lebih terperinciPROSIDING. Rancang Bangun Penjadwalan Pekerjaan Pada Grid Computing. Ardi Pujiyanta 1, Selo 2
PROSIDING Smnar Nasonal MIPA 2016 Naskah dsmnarkan pada 5 Novmbr 2016 dan dpublkaskan pada hp://conf.unns.ac.d/ndx.php/mpa/mpa2016/schdconf/prsnaons Rancang Bangun Pnjadwalan Pkrjaan Pada Grd Compung Ard
Lebih terperinciFUNGSI EKSPONEN, TRIGONOMETRI DAN HYPERBOLIK BAB I FUNGSI EKSPONEN
BAB I FUNGSI EKSPONEN Dfinisi Fungsi ksponn aalah fungsi f yang mnntukan k. Rumusnya ialah f(. Fungsi ksponn ngan pubah bbas + yi ( an y bilangan ral aalah (cos y + i sin y. Dari finisi ini, jika : y 0
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciMaximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson
Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Mau lhood Esao Modl ar da og-ar dala Rgrs Posso Yul Wbawa Jaa Nugraha Jurusa Sasa FMIPA-UII Kapus Trpadu UII Jl Kalurag KM
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata
Lebih terperinciFAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS TEKNOLOGI YOGYAKARTA UJIAN TENGAH SEMESTER GANJIL TAHUN AKADEMIK 2017/2018 PROGRAM STUDI: TEKNIK SIPIL
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS TEKNOLOGI YOGYAKARTA UJIAN TENGAH SEMESTER GANJIL TAHUN AKADEMIK 7/8 PROGRAM STUDI: TEKNIK SIPIL Mata Ujan : Statstka (Kelas Har, Tanggal : Rabu, 8 November 7 Dosen
Lebih terperinciII. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan
II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam
Lebih terperinciII. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN
II. PERANAN TATITIK DALAM ANALII PERCOBAAN Hal-hal yang prl dplajar. 1. baran Normal dan sbaran t- stdnt. Mmbandngan da harga rata-rata sampl. a. Prbandngan da harga rata-rata sampl tda brpasangan npard
Lebih terperinciTOPIK 5 Bagian 1. andhysetiawan
OPIK 5 Baan andhysawan Pndahuluan ransforas Fourr dan Funs Dla Drac Modulas Doubl Sd Band DSB andhysawan Modulas ross rubahan karakrsk suau loban nuru ola loban lan, dnan cara nuankan boncnkan suau loban
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB 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 terperinciANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS)
ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P0 JURUSAN SENEN LEBAK BULUS) Nincy Ayu Lstari 1 Nahdalina Fakultas Tknik Sipil Univrsitas
Lebih terperinciPENENTUAN MOMEN KE-3 DAN KE-4 DARI DISTRIBUSI GAMMA, BETA DAN WEIBULL SKRIPSI
PNNTUAN MOMN K- DAN K- DARI DISTRIBUSI GAMMA, BTA DAN WIBULL SKRIPSI Olh : VITA NURYANI NIM : 5 JURUSAN MATMATIKA FAKULTAS SAINS DAN TKNOLOGI UNIVRSITAS ISLAM NGRI (UIN) MALANG MALANG 8 PNNTUAN MOMN K-
Lebih terperinciAnalisis Jalur / Path Analysis
Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan
Lebih terperinciSolusi Persamaan Schrodinger 1-dimensi untuk Potensial Deng Fan MenggunakanKonstruksi Supersimetri
ISSN: 57-533X Solusi Prsamaan Shroingr 1-imnsi untuk Potnsial Dng Fan MnggunakanKonstruksi Suprsimtri 1. Wahyulianti, A. Suparmi, C. Cari 1, Program Stui Ilmu Fisika Pasasarjana Univrsitas Sblas Mart,
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
Lebih terperinciPertemuan 10 MENDIFERENSIALKAN FUNGSI TERSUSUN
Peremuan 0 MENDIFERENSIALKAN FUNGSI TERSUSUN Jika Y z F (z) f() Y F[f()] (Fungsi Tersusun) p p q q r r Auran Ranai Meneferensialkan : Benuk Y [f()] g() V Aau Y imana V f() g() Y V Y V V ln V + Penerivaifan
Lebih terperinciPeranan Formulasi Inversi pada Fungsi Karakteristik Suatu Variabel Acak
Pranan Formulasi Invrsi pada Fungsi Karakrisik Suau Variabl Acak Jon Maspupu Pusfasainsa LAPAN, Jl Dr Djundjunan No 33 Bandung 473, lp 66 Ps 6 Fax 64998 E-mail: jon_mspp@yaoocom Absrac: In probabiliy ory,
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinci! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013
! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN
Lebih terperinciBAB 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