PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto
|
|
- Dewi Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 M-8 PENYELEAIAN PENGOPTIMUMAN PORTOOLIO UY MENGGUNAKAN PENDEKATAN UNGI LAGRANGE ugyarto MIPA Matematka Uverta Ahmad Dahla Yogyakarta Kampu III Jl Prof oepomo Jatura Yogyakarta e-mal:ugyarto@uadacd Abtrak Dalam makalah aka dtuukka bagamaa perumua maalah pegoptmuma portofolo ke dalam betuk maalah metode umerk dapat dbuat elautya dkemukaka uga atu cara peyeleaa yag megguaka metode lagrage bag maalah terebut ebaga gambara ecara rl daka atu cotoh peghtuga bag maalah pemlha portofolo Kata kuc: Portofolo metode lagrage fuzzy PENGENALAN Teor portofolo megadaka bahwa utuk atu tgkat reko vetor lebh meyuka pulaga yag tgg berbadg yag redah erupa uga utuk atu tgkat pegembala yag dharapka vetor lebh meyuka reko redah berbadg yag tgg Maalah pegoptmuma portofolo bertuua utuk meetuka berapa bayakkah uag yag epatutya dperutukka pada etap veta ehgga umlah pegembala yag dharapka lebh bear atau ama dega pegembala fuzz teredah atau umlah vara fuzz kurag darpada atau ama dega vara fuzz terbear Dalam makalah drumuka atu maalah pegoptmuma portofolo fuzz ebaga pedekata program ler kuadratk TATA TANDA Malka A alah hmpua emua blaga fuzz tertutup terbata yatu ka A maka memeuh : φ } : { R Utuk etap ] 0 { } ] [ : R adalah atu elag tertutup terhgga pada R Beberapa artmetk pada blaga fuzz adalah epert yag berkut: A A 0] ddapat bahwa [ ] [ ] [ ] [ ] { } { } [ ] mak mak
2 ugyarto/peyeleaa Pegoptmuma Portofolo Dkataka bahawa elag keyaka bag yag berdekata dega blaga fuzz egtga alah [ ] 0] [ ] Lemma [] Malka bahwa f R adalah atu fug kotu berla yata baa A Jka ddefka f f maka Utuk ebarag 0] f A f f 0] f mak r r f PERUMUAN MAALAH Pertmbagka dua perumua maalah pegoptmuma portolo yag baa dguaka dega blaga fuzz yag tdak meghalka portofolo efe yatu a Memumka vara fuzz pecapaa tgkat pegembala fuzz tertetu b Makmumka pulaga fuzz pecapaa tgkat vara fuzz Malka portofolo tu mempuya pegembala yag dharapka fuzz vara fuzz E E E E p E / p k k p T σ k E k E X CX p k Dalam model a L adalah pulaga fuzz mum dalam model b M adalah vara fuzz makmum Mmumka vara fuzz pulaga fuzz yag dberka σ E E L dega emua varabel radom tak egatf alah eumlah uag tetap dperutukka kepada veta k adalah pegembala fuzz tervetaka darpada veta dalam maa ke-k dalam k yag lepa k p C [ σ ] adalah atu matrk metr em deft potf bag blaga fuzz M-8
3 Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 Makmumka pulaga fuzz vara fuzz yag dberka E σ M dega emua varabel radom adalah tak egatf Def [] a ebarag hmpua bag peyeleaa bag yag memeuh kedala dalam debut hmpua b Malka Q alah hmpua emua peyeleaa bag Dkataka peyeleaa optmum bag ka * utuk emua Q Dalam tata tada artmetk fuzz maalah boleh dtul ebaga σ σ [ ] [ E E ] [ E E ] [ L L ] dega emua varabel radom tak egatf 0] Darpada 6 kta memperoleh dua maalah P P * Q adalah atu P 6 σ tertakluk kepada E E L dega emua varabel radom tak egatf 0] σ E E L P 7 P 8 dega emua varabel radom tak egatf 0] Maalah 7 8 dapat deleaka megguaka yarat Kuha-Tucker atau la-la metode M-8
4 ugyarto/peyeleaa Pegoptmuma Portofolo CONTOH Tga a telah dplh utuk veta 0000 $ Melput tahu pembayara fuzz dvde blaga fuzz tga dalam e etap dolar tervetaka dberka dalam tabel yag berkut Tahu-tahu Iveta a a a a a Iveta a a a a a Iveta a a a a a etap eleme / permaalaha mempuya dua kepetga yatu: Gabuga pegembala tahua yag dharapka darpada veta tad met tdak kurag darpada 800 $ Jumlah 000 $ aka meghalka tgkat peghala 8 % Vara maa depa ecara tahua/ pembayara dvde eharuya ekecl mugk Berapa bayakkah eharuya dvdu berveta dalam etap a utuk mecapa keperlua? ekarag aggaplah matrk pembayara fuzz dvde A : a a A a a a a Peyeleaa : a a a a a a a a a k k k k [ 9 ] [ 7] [ 6 8] [ ] [ 8 0] [ ] [ ] [ 7] [ 0 ] [ ] [ 6] [ 8 0] [ 7] [ 8 0] [ ] Jumlah [ 0 0] [ 0 0] [ ] k k [ 8 6 ] [ ] k [ 0 9] [ ] k [ ] [ ] [ 6 6] [ 0 9] [ 0 00 ] [ 8 96] [ 8 6 6] [ ] [ 0 9] [ ] [ 6 9] [ ] Jumlah [ ] [ ] k k k k k k k M-8
5 Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 [ 8 77] [ 9 98] [ 80 6 ] [ 0] [ 7 0] [ 8 0 ] [ 6 0 9] [ 0 6] [ ] [ ] [ ] [ 7 6 0] [ ] [ 6 0 ] [ ] Jumlah [ ] [ ] [ ] eteruya dperoleh 8 0 E [ ] E [ 6 8] [ 9 ] ehgga dapat dhtug σ σ σ Dega demka maalah P mead : E [] [] [] [] [] [] [] [] [ 8] [ 8 6] [ 9] etelah d keluarka dperoleh P P : P P M-8
6 ugyarto/peyeleaa Pegoptmuma Portofolo eleaka ebaga P ebaga Lack maka ug Lagrage : H λ 0000 λ 0000 λ λ 7 λ 8 λ λ λ λ λ Meghalka λ λ λ utuk Dega cara yag ama perolehka uga utuk ehgga utuk 0 [ ] [ ] [ ] * [ ] utuk KEIMPULAN Dalam pegguaa fuzz bag maalah epert dalam makalah pemlha la awal maalah yarat bata dtambah pula dega pegguaa komputer yag dalam hal aka melbatka ralat tgkat ketelta ebaga alteratf peghtuga ela megguaka Teorema Lagrage maka megguaka terval artmatka erta pedekata fuzz aka dperoleh bahwa peghtuga mum makmum dbuat ecara berama ehgga tdak mugk keluar dar rata-rata elag yag dpertmbagka tu Pada daarya aa ketepata adalah 99% DATAR PUTAKA [] DDubo H P 987 The mea value of a fuzzy umber uzzy et ad ytem : [] Erqueta Vercher J D B Joe Vceta egura 007 uzzy portfolo optmzato uder dowde rk meaure uzzy et ad ytem 8: [] Markowtz H 9 Portfolo electo Joural of ace 7: 77-9 [] Markowtz H M 99 Portfolo electo: Effcet Dverfcato of Ivetmet Blackwell M-86
BAB III TEOREMA GLEASON DAN t-desain
BAB III TEOREMA GLEASON DAN t-desain Dalam ubbab 3., kta aka mempelaar alah atu fat petg dar kode wa-dual geap. Sfat terebut dberka oleh Teorema 3.(Teorema Gleao), Teorema ecara megeaka telah meetuka betuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah
Lebih terperinci5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS
5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem
Lebih terperinciBAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA
9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta
Lebih terperinciPELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M
PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG oleh DWI HANDAYANI M 9 SKRIPSI dtul da dauka utuk memeuh ebaga peryarata memperoleh gelar Saraa Sa Matematka FAKULTAS
Lebih terperinciANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si
ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor
Lebih terperinci100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400
h t t p : / / m a t e m a t r c k. b l o g p o t. c o m Meetuka uur-uur pada dagram lgkara atau batag Rgkaa Mater : Uur uur pada dagram lgkara yag pokok haya hal :. Meetuka bear baga dalam lgkara ( dapat
Lebih terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS
PENAKIR RAIO YANG EFIIEN UNTUK RATA-RATA POPULAI PADA AMPLING ACAK EDERHANA MENGGUNAKAN MEDIAN DAN KOEFIIEN KURTOI abarah * Haro H rat Mahawa Program Matematka Doe Jurua Matematka Fakulta Matematka da
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciSOLUSI TUGAS I HIMPUNAN
Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN :
Vol. 4. No. 3, 5-59, Deember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agu Rugyoo Jurua Matematka FMIPA UNDIP Abtrak Dberka popula
Lebih terperinciPenyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)
ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1
8 III. MEODOLOGI PEELIIA A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela X SMA eger Bagurejo Lampug egah tahu pelajara 009/00 ebayak 75 orag yag terdtrbu dalam lma kela dmaa tgkat kemampua
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciSUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS
C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciKALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.
KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah
Lebih terperinciIII. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP
III. METODE PENELITIAN A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela VII emeter gajl SMP Ba Mulya Badar Lampug Tahu Pelajara 0/0 dega jumlah wa ebayak 03 wa yag terbag dalam 3 kela. Sampel
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciMATEMATIKA INTEGRAL RIEMANN
MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk
Lebih terperinciBAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.
BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar elaag Salah atu baga petg yag tda dapat dpaha dalam eolah tgg da uverta adalah maalah peadwala mata ulah dega edala watu yag dga (prefere doe, mahawa, da bayaya ruaga yag terbata.
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinci2.2.3 Ukuran Dispersi
3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka
Lebih terperinciPRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE
RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciPENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )
PENGUJIAN HIPOTESIS PROSEDUR UMUM Lagkah : tetuka hpote 0 (H 0 ) da at hpote (H ) malya: H 0 : µ 00 H : µ 00 atau H : µ > 00 atau H : µ < 00 PROSEDUR UMUM Lagkah : tetuka je dtrbu yag cocok: bla > 30 da
Lebih terperinciNotasi Sigma. Fadjar Shadiq, M.App.Sc &
Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciBAB 4 SISTEM DINAMIK ORDE-TINGGI
Stem Damk Ore-Tgg 47 BAB 4 SISTEM DINAMI ORDE-TINI Stem amk ore-tgg gabuga ua atau lebh tem amk ore-atu. Cotoh:. Level cotrol paa tagk-tagk, bak yag tem o- terka oteractg ytem maupu yag terterak teractg
Lebih terperinciBAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciI adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu
METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut
Lebih terperinciSIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS. Saniagus Munendra 1) Hery Susanto 2)
SIFAT-SIFAT RADIKAL DARI SUATU SUBMODUL DARI MODUL PERKALIAN BEBAS Saagu Muedra 1) Hery Suato 2) Abtra: Sfat-fat yag berlau pada radal uatu deal teryata tda emuaya berlau pada oep radal uatu ubmodul Raaee
Lebih terperinciINTERPOLASI. FTI-Universitas Yarsi
BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala
Lebih terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciUKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI. Rentang Antar Kuartil. Rentang= 3/26/2012
/6/0 UKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI KANIA EVITA DEWI S.PD., M.SI. Ukura mpaga merupaka tattk yag meggambarka peympaga data-data terhadap rata-rataya Semak bear ukura mpaga emak meyebar
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciPenarikan Contoh Acak Sederhana (Simple Random Sampling)
Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciSTATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)
STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.
Lebih terperinciPELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA
PELABELAN HARMONIS GANJIL PADA GRAF KINIR ANGIN BELANDA DAN GABUNGAN GRAF KINIR ANGIN BELANDA Fery Frmasah ), Kk Aryat Sugeg ) Abstrak : Gra G V G, EG dega V G adalah hmpua smpul da G hmpua busur dsebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEOR. Aal Regre alah atu tuua aal data adalah utuk memperkraka/memperhtugka beara efek kuattatf dar perubaha uatu keada terhadap keada laa. etap kebaka polc, bak dar pemertah maupu wata, elalu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciMINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI
MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciUKURAN SIMPANGAN DAN UKURAN VARIASI UKURAN SIMPANGAN. Rentang= 4/1/2013 KANIA EVITA DEWI S.PD., M.SI.
//03 UKURAN SIMPANGAN DAN UKURAN VARIASI KANIA EVITA DEWI S.PD., M.SI. UKURAN SIMPANGAN Ukura mpaga merupaka tattk yag meggambarka peympaga data-data terhadap rata-rataya Semak bear ukura mpaga emak meyebar
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciBAB III METODE PENELITIAN
BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk
Lebih terperinci4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data
//203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura
Lebih terperinciPELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP
PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciBAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciBAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinci47 Soal dengan Pembahasan, 46 Soal Latihan
Galer Soal 7 Soal dega Pembahasa, Soal Latha Dragkum Oleh: ag Wbowo, S.Pd Jauar 0 MatkZoe s Seres Emal : matkzoe@gmal.com log : www.matkzoe.wordpress.com HP : 0 97 97 Hak pta Dldug Udag-udag. Dlarag megkutp
Lebih terperincidan µ : rata-rata hitung populasi x : rata-rata hitung sampel
Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujua Peelta Berdaarka rumua maalah pada BAB I, peelta kuattatf yag aka dlakaaka bertujua utuk megetahu adaya perbedaa hal belajar peerta ddk pada metode Numbered Head
Lebih terperinciRuang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA
Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka
Lebih terperinciBAB III ISI. x 2. 2πσ
BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)
Lebih terperinciINTERVAL KEPERCAYAAN
INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperincib) Untuk data berfrekuensi fixi Data (Xi)
B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini merupakan jenis penelitian kuantitatif, karena data yang
BAB III METODE PENELITIAN A. Je Peelta Je peelta merupaka je peelta kuattatf, karea data yag dperoleh adalah data kuattatf megea hal belajar wa, yag dguaka utuk megaal data dega megguaka hpote keamaa dua
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEOR. Aal Regre Salah atu tuua aal data adalah utuk memperkraka/memperhtugka beara efek kuattatf dar perubaha uatu keada terhadap keada laa. Setap kebaka (polc), bak dar pemertah maupu wata,
Lebih terperinciPengujian Autokorelasi terhadap Sisaan Model Spatial Logistik
Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska
Lebih terperinci; θ ) dengan parameter θ,
Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciProsiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)
Prosdg NaPP as, Tekolog, da Kesehata IN:89-58 MODIFIKAI TATITIK UJI-t PADA TET INFERENIA MEAN MEREDUKI PENGARUH KEAIMETRIKAN POPULAI MENGGUNAKAN EKPANI CORNIH-FIHER Joko Ryoo taf.pegajar Fakultas Tekolog
Lebih terperinciBAB 1 ERROR PERHITUNGAN NUMERIK
BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software
Lebih terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinciBAB 1 STATISTIKA RINGKASAN MATERI
BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.
Lebih terperinciIMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB
Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d
Lebih terperinci3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut
3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas
Lebih terperinciBAB III METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314).
BAB III METODE MULTISTAGE CLUSTER SAMPLIG A. Pedahulua Metode ulttage cluter aplg adalah proe pegabla apel ag dlakuka elalu dua tahap pegabla apel atau lebh (Cochra, 977:34). Pearka apel dega etode ebeara
Lebih terperinciRangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data
Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga
Lebih terperinciMenghitung Kinerja Investasi
Meghtug Kerja Ivestas Dalam perjalaa vestas, la suatu asset bsa berubah dar waktu ke waktu akbat perubaha kods pasar. Sela tu, sebaga baga dar proses vestas, vestor perlu mematau da megevaluas kerja vestas
Lebih terperinciPenyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)
Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,
Lebih terperinciPENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS
PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciBAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN
Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN
PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da
Lebih terperinciXI. ANALISIS REGRESI KORELASI
I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas
Lebih terperinci