BAB II TINJAUAN PUSTAKA

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II TINJAUAN PUSTAKA"

Transkripsi

1 6 BAB II TINJAUAN PUSTAKA. TINJAUAN STATISTIK Tnjaun sas meupaan penjelasan mengena eo-eo sas. Dalam hal n eo sas yang dgunaan adalah enang peamalan. Peamalan dee wau dengan fungs ansfe yang ddea melalu ARMA... Konsep Dasa Tme Sees Tme sees meupaan seangaan pengamaan bedasaan uuan wau. Ana uuan wau pada suau vaabel yang bedeaan salng beoelas. Anya, ap pengamaan yang dambl da vaabel yang beoelas dengan vaabel u send pada wau sebelumnya secaa dnams (Abaham and Johannes: 9, 005). Pengamaan yang dlauan haus meml neval wau yang sama (ha, mnggu, bulan, ahun). Da pengamaan daa esebu, dapa dlha pola daa menuun, na aaupun mengalam slus. Pola yang ddapaan dgunaan unu denfas model yang selanjunya dgunaan unu peamalan. Model dee wau pada me sees ada dua, yau deemns dan model dee wau soas. Seangaan pengamaan daegoan dalam model dee wau deemns apabla nla da seangaan pengamaan esebu dapa dumusan secaa pas, aan eap ja pengamaan esebu belum dapa dumusan secaa pas dan ddea dengan pobabls dsebu poses soas (Mufdah, 00). 6

2 7.. Poses Soas dan Kesasonean Abaham and Johannes ( 9-94: 005) me sees dpandang suau pengamaan (Z,Z,Z 3,,Z n ) dapa daaan sebaga poses soas. Poses soas secaa umum meupaan dsbus n dmens. Auooelas ana pengamaan ρ(z, Z, Z 3, Z n ) dasumsan nomal, yang mana aa-aa E(Z ), E(Z ),...E(Z n )=µ; vaan adalah V(Z ), V(Z )...V(Z n ); dan nn ) / Covaan (Z,Z j ) dengan < j. Poses soas adalah suau poses vaabel andom yang nlanya da dapa denuan secaa pas, eap dumusan dengan pendeaan pobabls. Poses sasone adalah poses esembangan yang aan menjadan daa onsan. Kesasonean daa anya daa da na maupun uun aau fluuas daa beada dsea aa-aa dan vaan yang onsan. Peluang esembangan yang bedsbus pada wau (,,, m ) meml peluang dsbus yang sama dengan ( + ; +, m + ) (Abaham and Johannes: 94, 005). Mufdah (00) suau poses esasonean daa me sees ja me sees yang besfa sasone ua (scly saonay), dmana nla mean (), vaans ( ) dan ovaans ( ) da epengauh oleh wau pengamaan. Kedasasonean dalam me sees dbedaan menjad dua (), yau da sasone dalam mean (dsebaban da onsan) dan da sasone dalam vaans (dsebaban yang dependen ehadap dee wau). Tda sasone dalam mean dapa daas dengan melauan dffeencng (pembedaan) dan sablzng vaans (ansfomas) unu mensasonean vaans.

3 8..3 ACF dan PACF Fungs auooelas (ACF) adalah oelas anaa nla-nla suau dee beala yang sama dengan selsh wau (me lag) 0,, peode aau lebh. Paal Auocoelaon Funcon (PACF) adalah suau fungs unu menguu nga eeaan anaa Z dan Z + apabla pengauh da me lag,,..., - danggap epsah. Konds pengamaan da poses (Z ) yang sasone dunjuan dengan nla mean E(Z ) = µ, va(z ) = E{Z - µ} = adalah poses yang onsan. Covaan (Z,Z - ) yang meupaan fungs hanya da pembedaan wau ( ). (Abaham and Johannes: 94-09, 005). Poses ACF dan PACF dalam poses pendugaan model menggunaan sofwae mnab. Ve Model Tme Sees Bebeapa model me sees sepe AR dan MA. Ada juga model me sees yang meupaan pepaduan anaa AR dan MA (ARMA) yang meupaan model yang sudah sasone. Unu model yang belum sasone dgunaan model ARIMA. Pembahasan model-model me sees yau:..4. Model Auoegessve (AR) Pada model AR, dmana pelauan Z meupaan aa-aa devas pada wau e aan begea mundu da devas e p yau Z... Z p sehngga pesamaannya menjad Z Z Z... Z a p p (Abaham and Johannes: 99, 005). Model AR dsmbolan p dengan paamee yang

4 9 menunjuan model AR adalah. ACF unu poses AR adalah menuun mengu benu esponensal dan aau gelombang snus sedangan PACF poses MA, dengan suu = 0, unu > p aau cu off seelah lag p...4. Model Movng Aveage (MA) Model soas yang ebangun dalam penyangan model dengan eenuan anga yang a ebaas dan ψ da sama dengan nol. ( q q q,,..., 0, j ) meupaan poses penyesuan model MA. Pengamaan e- duang ( Z ) sama dengan (MA) menjad Z a a a... a q q aau Z ( B... B) q q (.) Uuan ψ a ebaas dan selalu mengu poses sasone (Abaham and Johannes: 3-4, 005). MA dengan ode q. Paamee yang menunjuan model MA adalah. Suu ACF unu model MA adalah = 0, unu > q aau cu off seelah lag q sedangan unu PACF ddomnas oleh ombnas lne da benu esponensal dan aau gelombang snus eedam ARMA Abaham and Johannes (30 : 005) menyaaan model ARMA meupaan model campuan anaa Auoegessve dan Movng Aveage dapa duls dengan ARMA (p,q) aau ARIMA (p,0,q) yang meupaan gabungan da AR (p) dan MA (q). Secaa umum benu pesamaan model campuan Auoegessve dan Movng Aveage adalah:

5 0 p d B Z q B a (.) ACF unu poses ARMA (p,q) adalah uun seelah lag e (q-p), sedangan PACF juga aan uun seelah lag e (q-p) ARIMA Model unu dee yang da sasone aau ARIMA (p, d, q). meupaan oefsen omponen AR deaja p. oefsen omponen MA dengan deaja q. Opeao bacwad dnyaaan dalam B. Pengamaan e- adalah Z, sedangan, a meupaan eo whe nose, a ~ IIDN (0, ) anya eo haus bedsbus nomal dan µ adalah aaan vaabel model. Pesamaannya adalah sebaga beu: a p d B B Z q B a (.3) Keeangan: p, d, q = ode AR, dffeencng, dan ode MA B = B B... p p B d = Inegaed p B B = B B... q q p B a = eo whe nose. Ode pembedaan yang benla bula dan da negaf dapa membean ndas ehadap esasonean suau model ARIMA (Abaham and Johannes: 37, 005).

6 ..5 Poses Whe nose Poses whe nose adalah suau poses ana vaabel andom yang beuuan da ejad oelas dan mengu dsbus eenu. Konds pengamaan da poses (Z ) yang sasone dunjuan dengan nla mean E(Z ) = µ, va(z ) = E{Z - µ} = adalah poses yang onsan. Covaan (Z,Z - ) yang meupaan fungs hanya da pembedaan wau ( ) (Abaham and Johannes: 94, 005 )...6 Posedu Box Jenns dalam ARIMA (p,d,q) Posedu Box Jenns unu mengdenfas model ARIMA (p,d,q) oleh Mufdah (00) sebaga beu:. Daa dee wau elebh dahulu dploan, da plo yang ada dapa dlha apaah daa yang ada mengu suau pola eenu, msalnya sebuah end, musman, meml penclan, meml vaans dan mean yang da onsan aau bahan da sasone. Apabla ddapaan daa yang da sasone dalam vaan maa dapa dlauan ansfomas dan dffeencng unu mensablan mean. Posedu dffeencng dapa menghaslan bebeapa nla yang negaf, maa sebanya meneapan ansfomas unu mensablan vaans sebelum memuusan menggunaan dffeencng.. Penghungan dan pengujan sampel ACF dan sampel PACF unu mengdenfas ode da p dan q menggunaan daa asl yang sasone. Teap apabla daa elah dansfomas aau ddffencng maa unu mengdenfas ode p dan q dlauan dengan menghung dan menguj

7 sampel ACF dan sampel PACF da daa yang elah dansfomas aau ddffencng esebu. 3. Paamee dalam model pelu dlauan esmas. Meode yang dgunaan unu esmas paamee dalam model adalah Meode Maxmum Lelhood. Selanjunya paamee model yang elah dhaslan duj sgnfansnya dalam model. Secaa umum, msalan adalah paamee pada model ARIMA Box-Jenns dan ˆ adalah nla asan paamee esebu, sea s.e.( ˆ ) adalah sanda eo da nla asan ˆ, maa uj sgnfans paamee dapa dlauan dengan ahapan sebaga beu : Hpoess: H 0 : = 0 H : 0 Sas uj: hung = Kepuusan: ˆ s. dev( ˆ) (.4) Tola H 0 ja hung > /, n-- yang bea paameenya sgnfan. 4. Dagnosc Checng Esmas paamee elah dlauaan, selanjunya penasan ecuupan model dengan melauan checng apaah asums dalam model elah epenuh.

8 3 Asums dasa adalah bahwa a adalah whe nose, yau a da beoelas sau sama lan (andom shocs) dengan mean nol dan vaans onsan. Pengujan whe nose juga dsebu sa uj Ljung dan Box aan mengu dsbus. Uj n dgunaan unu mengeahu esdual unu memenuh asums whe nose. Deaja bebas (K-p-q) yang hanya eganung pada jumlah paamee da model dee nose : Q n( n ) n ˆ ( n ) (.5 ) Kepuusan : Tola Ho ja Q >, ; df K pq D mana p dan q adalah ode da ARMA (p,q). Sas Q mendea dsbus ; df = -p-q dengan p dan q adalah ode da ARMA (p, q). Ja Q yang ddapa lebh besa da ; df = -p-q pada aaf sgnfan, maa modelnya da laya dgunaan. Unu menguj apaah esdual daa bedsbus nomal dgunaan uj Kolmogoov-Smnov. Hpoessnya sebaga beu: a Ja nla p-value < 0,05 maa daa da beasal da populas yang bedsbus nomal. b Ja nla p-value > 0,05 maa daa beasal da populas yang bedsbus nomal (Asw dan Suana, 006).

9 4..7 Kea Pemlhan Model Teba Ja ada bebeapa model yang laya yang memenuh asums, maa dpeluan ea-eea eenu dalam pemlhan model eba, adapun ea-ea esebu anaa lan : a. Hasl daa anng Pada daa anng dgunaan pemlhan esdual mnmum dengan ea Aae Infomaon Ceon (AIC). AIC yang mendefnsan ea pemlhan model esdual yang demuan oleh Aae. AIC (M), dengan M meupaan banyanya paamee yang aan das. Pesamaan AIC (M) sebaga beu : meupaan vaan da esdual. AIC (M) = NLn + M (.6 ) b. Hasl daa Tesng Unu hasl esng n dgunaan ea sebaga beu (Mufdah, 00): () Selang Kepecayaan Selang epecayaan aau bsa dsebu juga enang epecayaan. Fungsnya unu menas nla acual. Nla aual meupaan nla sesua faa aau enyaaan. Ja nla aual beada d dalam selang epecayaan maa model laya unu dpaa dan ja nla aual beada d lua selang epecayaan maa model da laya dpaa.

10 5 () Nla Tengah Gala Pesenase Absolu (MAPE) Penguuan posenase nla gala yang mula dgunaan MAPE. Nla MAPE dpeoleh dengan umusan sebaga beu: MAPE = n n f x00 (.7)..8 Fungs Tansfe Sngle Inpu Fungs ansfe dapa dgunaan unu menjelasan pengauh fungs feuens pada leau Box, Jenns dan Rensel. Pesamaan fungs ansfe adalah y v ( B ) x n. Paamee v (B) menjelasan adanya ode fungs ansfe. Opeao (B) menunjuan opeao bacshf. Kea x dan n dasumsan mengaah pada bebeapa model ARMA pesamaan fungs ansfe y v ( B ) x n dapa dsebu sebaga ARMAX model (Abaham and Johannes:, 005 ). Model fungs ansfe adalah suau model yang menggambaan nla peds masa depan da suau dee beala (oupu aau y ) ddasaan pada nla-nla masa lalu da dee u send (x ) dan bedasaan pula pada sau aau lebh dee beala yang behubungan dee (npu x ) dengan dee oupu esebu. Model fungs ansfe meupaan fungs dnams, yang pengauhnya da hanya pada hubungan lne anaa wau e- npu x dan wau e- oupu y, eap bepengauh juga ehadap hubungan saa npu x dengan saa, +, +,, + pada oupu y. Benu umum model fungs ansfe sngle npu (x ) dan sngle oupu (y ) adalah (Abaham and Johannes: 9, 005) :

11 6 y v ( B ) x n (.8 ) eeangan : y = dee oupu x = dee npu = pengauh ombnas da seluuh fao yang mempengauh y v(b) = (v 0 + v B + + v B ), d mana adalah ode fungs ansfe. s ( B) 0 B B... s B, yang menyaaan besanya enaan level (mean) dan B B... B menyaaan benu delay aau decay da poses sebaga espon masng-masng. Besanya s pada (B) menunjuan awal ejadnya penundaan, sedangan pada (B) menunjuan benu d mana ja = mengabaan espon beupa delay aau decay dan = mengabaan espon beupa gelombang snus (We, 006). Semenaa b meupaan wau jeda seelah. v b s B (.9) y s x a ( B) (.0) Deahu bahwa: ω s (B) = ω 0 ω B - - ω s B s

12 7 δ (B) = δ B - - δ B θ(b) = - θ B - θ B - - θ q B q (B) = - B - B B p p θ(b) dan (B) menunjuan opeao MA dan auoegesf unu gangguan (nose), ω(b) dan δ(b) mengganan v(b) yang meupaan onsana...9 Tahapan Pembenuan Fungs Tansfe Mufdah (00) unu dee npu (x ) dan dee oupu (y ) eenu dalam benu daa menah, edapa empa ahap uama dan bebeapa sub-ahap ddalam poses yang lengap da pembenuan model fungs ansfe sebaga beu:. Tahap I : Idenfas Model Fungs Tansfe Tahap denfas dgunaan unu melha pelau dan aaes da daa yang ada (daa npu dan oupu). Dalam ahap n aan dpeoleh fungs ansfe ሻdenganܤሺݒ langah-langah sebaga beu: a. Mempesapan dee npu dan oupu Pembenuan fungs ansfe daa da dee npu maupun oupu haus sasone. Apabla daa belum sasone maa elebh dahulu dlauan ansfomas maupun dffeencng aau eduanya aga dpeoleh daa yang sasone. b. Pewhenng dee npu

13 8 Daa yang sasone sudah ddapaan, maa selanjunya dlauan pewhenng dee npu dengan caa menyusun embal suu-suu pada pesamaan beu: f (.) ௧ ߙ ௧ ݔ(ܤ) q (ܤ) menjad: q x p (.) Paamee adalah suau dee yang whe nose dengan mean nol dan vaan a. c. Pewhenng dee oupu Poses ansfomas dee oupu dengan menggunaan ansfomas yang sama dengan dee npu. Hal n dlauan unu menjaga negas hubungan fungsonal. Pewhenng dee oupu n, esdual yang ddapaan belum enu whe nose aena dee oupu dpasa dmodelan sama dengan dee npunya. Pesamaan yang dpeoleh adalah sebaga beu: x y (.3) x d. Menghung fungs oelas slang aau (Coss Coelaon Funcon) CCF. Fungs oelas slang (CCF) sanga beguna unu menguu euaan dan aah ana vaabel andom. Dbean dua poses soas ݔ ௧ dan ݕ ௧, eduanya adalah poses sasone unvaae, maa ovaans slang anaa eduanya

14 9 meupaan fungs da pebedaan lag (s-). Sehngga ddapaan fungs ovaans slang anaa ݔ ௧ dan ݕ ௧ adalah: γ xy () = E [(x - µ x ) ( y + - µ y ) ] eeangan = 0, ±,±, (.4) dan fungs oelas slangnya (CCF) adalah: xy xy (.5) x y x, y adalah sanda devas unu x dan y. Kedua fungs esebu d aas pada dasanya juga meupaan fungs auoovaan dan auooelas. Teap yang membedaan adalah bahwa fungs auoovaan aau auooelas smes ehadap ogn, sedangan CCF da smes. Fungs oelas slang da hanya menyaaan euaan hubungan anaa dua vaabel eap juga menyaaan aah hubungannya. Dalam hal n peneapannya adalah menjamn ebenaan dalam melauan posula model unu meyanan apaah bena saa ejadnya nevens esebu langsung bepengauh ehadap daa espon (lag 0). Apabla CCF esebu sgnfan pada lag posf, bea bahwa pengauh da vaabel npu esebu bau easa seelah lag e-.

15 0 e. Penasan langsung bobo espons mpuls Dalam hal n oelas slang anaa a ௧ dan b ௧ dalan dengan sanda devas da dee b ௧ dan dbag oleh sanda devas da dee a ௧. Rumusannya adalah sebaga beu: ˆ v ˆ ˆ ˆ ( ) (.6) f. Peneapan (b,, s) unu model fungs ansfe Seelah dpeoleh nla CCF maa dapa denuan nla b,, dan s sebaga dugaan awal. Ada bebeapa auan yang dapa dgunaan unu menduga nla b,, dan s da suau fungs ansfe (We, 006), yau: ) Nla b menyaaan bahwa ݕ ௧ da dpengauh oleh ݔ ௧ sampa pada peode + b. Besanya b sama dengan jumlah bobo espon mpuls ݒ yang da sgnfan bebeda da nol. Dengan deman yang elha adalah deean awal ݒ yang nlanya mendea nol ݒሺ ݒǡ ଵ ǡǥ ݒ ଵ ). ) Nla s menyaaan unu sebeapa lama dee ݕ ௧ eus dpengauh oleh ௧ ௦. Sehngga dapa daaan bahwa nla s adalah ݔ.,.., ௧ ଶ ݔ ௧ ଵǡ ݔ jumlah da bobo espon mpuls ݒ ǡ sebelum ejadnya pola menuun. 3) Nla menunjuan bahwa ݕ ௧ dpengauh oleh nla masa lalunya. ݕ ௧ dpengauh ݕ ௧ ଵ, ݕ ௧ ଶ,..., ݕ ௧.

16 g. Penasan awal dee nose (n ) Da nla bobo espon mpuls ݒ ǡ, maa asan awal da dee nose dapa dhung dengan caa sebaga beu: n y vˆ( B) x = y ˆ ˆ s b B (.7) h. Peneapan p dan q unu model ARIMA da dee nose Model semenaa da nose emudan dapa ddenfas dengan menyeld sample ACF dan PACF aau dengan ala denfas dee wau unvaa yang lan, dan menghaslan: f ሺܤሻ ௧ = q ሺܤሻ ௧ (.8) Dengan mengombnasan pesamaan (.7) dengan pesamaan (.8) dpeoleh model fungs ansfe: ݕ ௧ = s( ) x ( ) b q( ) a ( ) p (.9). Tahap II: Penasan Paamee-paamee Model Fungs Tansfe Idenfas model fungs ansfe selesa dlauan. Langah selanjunya s yau mengombnasan pesamaan y x b dengan pesamaan q a. Maa ddapaan esmas paamee model fungs ansfe sebaga p beu:

17 y s q x b a. (.0) p 3. Tahap III: Uj Dagnoss Model Fungs Tansfe Tasan paamee yang dhaslan pada model awal pelu dlauan pengujan guna melha apaah model yang ddapa sudah memenuh asums yang elah deapan sehngga laya dgunaan sebaga model sebenanya. Ada bebeapa langah yang dapa dlauan dalam pengujan n, anaa lan: ) Pemesaan auooelas unu esdual model Dalam pemesaan n apabla model dee nose yang dhaslan elah sesua maa ACF dan PACF da esdual model fungs ansfe da aan menunjuan pola eenu. Pemesaan n dapa dlauan dengan menggunaan es Ljung-Box dengan fomulas sebaga beu: K Q = n (n+) n ( ) ˆ aˆ ( ) (.) Sas Q aan mengu dsbus dengan deaja bebas (-p-q) yang hanya eganung pada jumlah paamee da model dee nose (We, 006). ) Penghungan coss coelaon anaa esdual dengan npu pewhenng Unu mengeahu apaah suau dee nose ndependen dengan dee npunya maa dlauan pemesaan coss coelaon anaa omponen whe nose dee nose (a ) dengan dee npu ( ). Apabla edua omponen whe nose ndependen, maa fungs coss coelaon anaa (a ) dengan ( ) da aan menunjuan pola eenu dan beada danaa dua sanda devas (n-) /.

18 3 Pemesaan n juga dapa dlauan dengan menggunaan es Ljung-Box. dengan fomulas sebaga beu: Q = n (n+) ( n ) ˆ aaˆ ( ) (.) j Sas Q esebu aan mengu dsbus dengan deaja bebas (+) f, deahu f adalah jumlah paamee j dan j yang das da model fungs ansfe v(b) = s. 4. Tahap IV: Penggunaan Model Fungs Tansfe Unu Peamalan Ja ݕ ௧ dan ݔ ௧ eduanya sasone dan behubungan dengan model fungs ansfe beu: y = s ( ) x ( ) b q ( ) a ( ) p (.3) dan f ݔሻܤሺ ௧ = q ߙ ሻܤሺ ௧ (.4) pada edua pesamaan d aas a dan adalah dee whe nose yang ndependen dengan mean nol dan vaan a bla: u(b) = b B ( B) s ( B) = u 0 + u B + u B +... (.5) dan (B) = ( B) = + B + B +... (.6) ( B)

19 4 paamee p (B) dan q (B) pada pesamaan (.3) dan (.4) menunjuan opeao auoegessve dan movng aveage unu dee nose sedangan p (B) dan q (B) pada pesamaan (.5) dan (.6) menunjuan opeao auoegessve dan movng aveage unu dee npu. Unu pesamaan eo peamalan sebaga beu: l l l j j jl jl l j j l l j j a a y y (.7) Dan uada nla aa-aa eo amalan adalah : a l l m j jl jl m j l jl j j y y E (.8). Saham dan Indes Haga Saham Gabungan.. Saham Sua-sua behaga yang dpedagangan d pasa modal seng dsebu efe aau seuas, salah saunya yau saham. Pengean saham Menuu Husnan (005) seuas meupaan seca eas yang menunjuan ha pemodal (yau pha yang meml eas esebu) unu mempeoleh bagan da pospe aau eayaan ogansas yang meneban seuas esebu, dan bebaga onds yang memungnan pemodal esebu menjalanan hanya. Saham meupaan salah sau da bebeapa alenaf yang dapa dplh unu benvesas. Dengan membel saham suau peusahaan, bea a elah mengnvesasan dana

20 5 dengan haapan aan mendapaan eunungan da hasl penjualan embal saham esebu. Pasa modal meml pean yang sanga penng dalam peeonoman Indonesa, hal n ejad aena pasa modal bepean sebaga lembaga nemedas dana da pha peml epada pha yang membuuhan dana. Inemedas dapa menngaan poduvas peeonoman melalu avas pasa. Pasa modal meupaan ndas peembangan peeonoman suau negaa sehngga pasa modal dasumsan penng oleh suau negaa (Sunayah, 006)... Indes Haga Saham Gabungan (IHSG) Sunayah (006), IHSG adalah suau angaan nfomas mengena daa masa lalu pegeaan haga saham gabungan, sampa anggal eenu dan mencemnan suau nla yang befungs sebaga penguuan neja suau saham gabungan d busa efe. IHSG n bsa dgunaan unu menla suas pasa secaa umum aau menguu apaah haga saham mengalam enaan aau penuunan. IHSG juga melbaan seluuh haga saham yang ecaa d busa. IHSG yang ada d pasa modal sanga bepengauh ehadap nvesas poofolo yang aan dlauan oleh paa nveso. Ja eunungan IHSG aan menngaan maa nvesas poofolo yang aan dlauan oleh paa nveso juga aan mennga. Inveso aan memanau penambahan modal pada busa efe haapannya dapa menngaan menngaan eunungan nvesas poofolo (Manuung, 03).

21 6..3 Kuala Lumpu Soc Exchange (KLSE) Indonesa meml baas wlayah secaa daa dan lau dengan Malaysa. Baas daa dengan Malaysa yau d Pulau Kalmanan. Sedangan gas baas lau wlayah anaa Indonesa dengan Malaysa adalah d Sela Malaa. Gas yang menghubungan - oodna yang deapan seelah dlasanaan peundngan Febua-Mae 970 (Febyan, 03). Anaa Indonesa dan Malaysa mengadaan ejasama dalam bdang eonom. Kedua negaa esebu juga meml Indes haga saham yang egabung pada sau Regon. Malaysa meml ndes saham yau KLSE dan Indonesa dengan IHSG. Ana ndes saham negaa bedeaan salng bepengauh. Maulano (009) mengungapaan bahwa IHSG secaa esenal dpengauh oleh ndes busa asng. Indes busa asng yang palng bepengauh ehadap IHSG KLSE (Malaysa). Pengauh KLSE sebesa 4,5 % dengan oelas sebesa 0,935. Da uaan esebu maa KLSE danggap sebaga ndes saham negaa edea dengan oelas 0,935 yang anya ua dan seaah dalam mempengauh IHSG.

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

MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU. Zullaikah 1 dan Sutimin 2

MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU. Zullaikah 1 dan Sutimin 2 Junal Maemaa Vol, No, Agusus 8: 78-86, ISSN: 4-858 MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Juusan Maemaa FMIPA Unvesas Dponegoo Jl

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

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

kimia LAJU REAKSI II Tujuan Pembelajaran

kimia LAJU REAKSI II Tujuan Pembelajaran KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju

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

Reliabilitas. A. Pengertian

Reliabilitas. A. Pengertian Relablas A. Pengean Relablas adalah sejauh mana hasl ujan sswa eap aau konssen da posedu penlaan (Nko, 007:66). Menuu Ellen, suau es dkaakan elabel jka sko obsevas nla awal behubungan dengan sko yang sebenanya.

Lebih terperinci

MODUL 2 PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH

MODUL 2 PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH MODUL PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH A. Pendahuluan Pecobaan sau fako adalah suau pecobaan ang dancang dengan hana melbakan sau fako dengan bbeapa aaf sebaga pelakuan. Rancangan

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

PENDUGAAN DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ANALISIS KOVARIAN

PENDUGAAN DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ANALISIS KOVARIAN ISS: 339-541 JURAL AUSSIA, Volume 3, omo 3, Tahun 014, Halaman 499-508 Onlne d: hp://eounal-s1.undp.ac.d/ndex.php/gaussan PEDUAA DATA HILA PADA RACAA ACAK KELOMPOK LEKAP DEA AALISIS KOVARIA Vna Ryana F

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

APLIKASI BEDA HINGGA PADA PROSES STERILISASI MAKANAN KALENG

APLIKASI BEDA HINGGA PADA PROSES STERILISASI MAKANAN KALENG Souh Eas Asan Confeence on Mahemacs and Is Applcaons Poceedngs Insu enolog Sepuluh opembe Suabaya ISB 978 979 965 5 APIKASI BEDA HIGGA PADA POSES SEIISASI MAKAA KAEG uman Hanaf Madlah dan 3 Ded Adan 3

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

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

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

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

PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON

PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON PEETUA HARGA OPI UTUK MODEL BLACK - CHOLE MEGGUAKA METODE BEDA HIGGA CRAK-ICOLO Rully Chatas Inda Pahmana dan Ds. umad, M. Absta Ops meupaan suatu onta antaa penual ops dengan pembel ops, dmana penual

Lebih terperinci

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005)

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005) JMA, VOL 4, O2, DESEMBER, 25, 3-9 3 PEMODELA ILAI TUKAR RUPIAH TERHADAP $US MEGGUAKA HIDDE MARKOV* BERLIA SETIAWATY dan DEWI OVIYATI SARI Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut

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 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

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

BAB III METODOLOGI PENELITIAN. Winarno Surakhmad (1982:131) mengemukakan bahwa metode adalah

BAB III METODOLOGI PENELITIAN. Winarno Surakhmad (1982:131) mengemukakan bahwa metode adalah 3 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode peneltan dpeluan untu mencapa tujuan peneltan. Wnano Suahmad (98:3) mengemuaan bahwa metode adalah meupaan caa utama yang dpegunaan untu mencapa

Lebih terperinci

COMPLETELY RANDOMIZED DESIGN (CRD)

COMPLETELY RANDOMIZED DESIGN (CRD) COMPLETELY RANDOMIZED DESIGN (CRD) CRD Tdak ada kea pengelompokan: Lngkungan homogen Bahan homogen (pebedaan danaa expemenal un yang mempeoleh pelakuan yang ama dalam CRD debu ebaga expemenal eo) Ala homogen

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

PERATURAN BUPATI PACITAN NOMOR 7 TAHUN2008 TENTANG

PERATURAN BUPATI PACITAN NOMOR 7 TAHUN2008 TENTANG BUPAT PACTAN PERATURAN BUPAT PACTAN NOMOR 7 TAHUN2008 TENTANG UNT AKUNTANS PEMBANTU PENGGUNA ANGGARAN/BARANG WLAYAH TUGAS PEMBANTUAN (UAPPA/B-WTP) KABUPATEN PACTAN DENGAN RAMAT TUHAN YANG MAHA ESA! BUPAT

Lebih terperinci

Bab 4. Tomografi Seismik. Tomografi seismik adalah metode untuk merekonstruksi struktur bawah

Bab 4. Tomografi Seismik. Tomografi seismik adalah metode untuk merekonstruksi struktur bawah Bab 4 Tomogaf Sem Tomogaf em aalah meoe unu meeonu uu bawah pemuaan bum engan menggunaan aa benu gelombang wavefom aau aa wau empuh avel me a gelombang em. eoe n pegunaan unu mempeoleh pofl ebaan eal a

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

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

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Jurusan Maemaa FMIPA Unversas Dponegoro Jl Prof H Soedaro, SH, Tembalang Semarang Absrac In

Lebih terperinci

ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II BESERTA SIMULASINYA

ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II BESERTA SIMULASINYA ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II BESERTA SIMULASINYA SKRIPSI Dajukan dalam Rangka Penyelesaan Sud Saa unuk Mencapa Gela Sajana Sans Oleh

Lebih terperinci

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV *

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV * PEDUGAA PARAMETER MODEL HIDDE MARKOV * BERLIA SETIAWATY DA LIDA KRISTIA Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Jl Meant, Kampus IPB Damaga, Bogo 6680 Indonesa

Lebih terperinci

BAB III PENGEMBANGAN MODEL MATEMATIK

BAB III PENGEMBANGAN MODEL MATEMATIK A III PENGEMANGAN MODEL MATEMATIK Pada analisis manual ang akan dikembangkan, unuk menjamin bahwa eoi maupun umusan ang diuunkan belaku (valid) maka pelu dieapkan asumsi dasa. Sehingga hasil analisis manual

Lebih terperinci

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI METODE SIMPLEKS A Bentu Standa Model Pogam Lnea Pelu dngatan embal bahwa pemasalahan model pogam lnea dapat meml pembatas-pembatas lnea yang betanda,,, dan peubah-peubah eputusannya dapat meupaan peubah

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

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

4 Departemen Statistika FMIPA IPB

4 Departemen Statistika FMIPA IPB Suplemen Responsi Petemuan ANALISIS DATA KATEGORIK (STK351) 4 Depatemen Statistia FMIPA IPB Poo Bahasan Sub Poo Bahasan Refeensi Watu Ui Hipotesis Tiga Contoh atau Lebih Ui Fiedman (analisis agam dua-aah

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Defns Parwsaa dan Wsaawan Parwsaa adalah slah yang dberan apabla seseorang wsaawan melauan perjalanan u sendr, aau dengan aa lan avas dan ejadan yang erjad ea seseorang pengunjung melauan

Lebih terperinci

III. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian

III. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian III. BAHAN DAN METODE 3.1. Tempa dan Waku Peneliian Peneliian ini elah dilakukan di Lahan pecobaan Fakulas peanian dan peenakan UIN SUSKA Riau dan Laboaoium Agonomi Fakulas peanian dan peenakan UIN SUSKA

Lebih terperinci

LAPORAN PRAKTIKUM EKSPERIMEN FISIKA 1

LAPORAN PRAKTIKUM EKSPERIMEN FISIKA 1 LAPORAN PRAKTIKUM KSPRIMN FISIKA Inefemee Michelsn Mley diajuan unu memenuhi salah sau ugas maa uliah speimen Fisia Dsen pengampu: Ds. Palindungan Sinaga M.Si Oleh : Ani Hayani 40476 PLAKSANAAN PRCOBAAN

Lebih terperinci

Analisis Faktor-faktor yang Mempengaruhi Angka Harapan Hidup di Jawa Timur Menggunakan Regresi Semiparametrik Spline

Analisis Faktor-faktor yang Mempengaruhi Angka Harapan Hidup di Jawa Timur Menggunakan Regresi Semiparametrik Spline JURNAL SAINS DAN SENI POMITS Vo., No., 7-5 -98X Pn D-7 Anass Fao-fao ang Memengauh Anga Haaan Hdu d Jawa Tmu Menggunaan Reges Semaame Sne Au Pu Sugana dan I Noman Budanaa Juusan Sasa, Fauas Maemaa dan

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

TEKNIK FUNGSI PEMBANGKIT MOMEN

TEKNIK FUNGSI PEMBANGKIT MOMEN 0 TEKNIK FUNGSI PEMBANGKIT MOMEN Penenuan ungsi peluang aau ungsi densias dai ungsi peubah acak bisa juga dilakukan melalui ungsi pembangki momen Dalam penenuannya, enu saja haus digunakan siasia dai ungsi

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

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

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

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

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

MATERI DAN METODE. Pertanian dan Peternakan UIN Suska Riau. Penelitian ini berlangsung selama

MATERI DAN METODE. Pertanian dan Peternakan UIN Suska Riau. Penelitian ini berlangsung selama III. MATERI DAN METODE 3.1. Tempa dan Waku Peneliian Peneliian ini dilakukan di Laboaoium Lapang (Agosologi) Fakulas Peanian dan Peenakan UIN Suska Riau. Peneliian ini belangsung selama bulan yaiu pada

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

SIMULASI PERGERAKAN TRAJECTORY PLANNING PADA ROBOT LENGAN ANTHROPOMORPHIC. Moh. Imam Afandi

SIMULASI PERGERAKAN TRAJECTORY PLANNING PADA ROBOT LENGAN ANTHROPOMORPHIC. Moh. Imam Afandi SIMUASI ERGERAKAN TRAJECTOR ANNING ADA ROBOT ENGAN ANTHROOMORHIC Moh Imam Afand usl KIM-II, Kawasan usppe Serpong, Tangerang 54 INTISARI Robo lengan yang mampu bergera secara oomas membuuhan suau ssem

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

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

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

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G PEMODELA ILAI TUKAR RUPIAH TERHADAP US DOLLAR MEGGUAKA HIDDE MARKOV Oleh: DEWI OVIYATI SARI G5444 DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM ISTITUT PERTAIA BOGOR 6 PEMODELA ILAI TUKAR

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

PERAMALAN DENGAN MODEL ARCH SKRIPSI

PERAMALAN DENGAN MODEL ARCH SKRIPSI PERAMALAN DENGAN MODEL ARCH SKRIPSI Dajuan unu Memenuh Salah Sau Syara Memeroleh Gelar Sarjana Sans (S.S) Program Sud Maemaa Oleh: SUHARTINI NIM : 48 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS

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

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

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

ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING

ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING Ewin Panggabean Pogam Sudi Teknik Infomaika STMIK Pelia Nusanaa Medan, Jl. Iskanda Muda No 1 Medan, Sumaea Uaa 20154, Indonesia

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK ANAII EVOUI MATRIK AA TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPREENTAI MATRIK Tas an Junaed Absra Mar Asal Tujuan (MAT) sebaga salah sau benu nformas pola perjalanan mempunya peranan yang sanga penng

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP 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 terperinci

Fisika Dasar I (FI-321)

Fisika Dasar I (FI-321) Fisika Dasa I (FI-321) Topik hai ini (minggu 3) Geak dalam Dua dan Tiga Dimensi Posisi dan Pepindahan Kecepaan Pecepaan Geak Paabola Geak Melingka Geak dalam Dua dan Tiga Dimensi Menggunakan anda + aau

Lebih terperinci

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH)

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) erusaaan.uns.ac.d dglb.uns.ac.d PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY APARCH Oleh BONDRA UJI PRATAMA M007075 SKRIPSI duls

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

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 4 ANALISIS KORELASI

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

Lebih terperinci

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 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

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

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00

Lebih terperinci

REGRESI LINIER FUZZY PADA DATA TIME SERIES

REGRESI LINIER FUZZY PADA DATA TIME SERIES Regres Lner Fuzzy Pada Daa Tme Seres REGRESI LINIER FUZZY PADA DATA TIME SERIES Abdul Roza Progam Sud Maemaa Unversas Pesanren Tngg Darul Ulum Jombang abd.roza76@yahoo.co.d Absra Perembangan eor dan alas

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

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

METODE BEDA HINGGA UNTUK SOLUSI NUMERIK DARI PERSAMAAN BLACK-SCHOLES HARGA OPSI PUT AMERIKA SURITNO

METODE BEDA HINGGA UNTUK SOLUSI NUMERIK DARI PERSAMAAN BLACK-SCHOLES HARGA OPSI PUT AMERIKA SURITNO MEODE BEDA HINGGA UNUK OLUI NUMERIK DARI PERAMAAN BLACK-CHOLE HARGA OPI PU AMERIKA URINO EKOLAH PACAARJANA INIU PERANIAN BOGOR BOGOR 8 PERNYAAAN MENGENAI EI DAN UMBER INFORMAI Dengan n saya menyaaan baha

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

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Jl. Prof. Dr.Hamka Air Tawar Padang, 25131, Telp. (0751)444648, Indonesia

Jl. Prof. Dr.Hamka Air Tawar Padang, 25131, Telp. (0751)444648, Indonesia Analisis Kovaiansi pada Rancangan Acak Lengkap dengan Peubah Pengiing Beganda Menggunakan Pendekaan Maiks Wimi Saika #1, Lufian Almash *, Yenni Kuniawai #3 # Mahemaics Depaemen Sae Univesiy of Padang Jl.

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

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

ANALISIS MODEL INTERVENSI FUNGSI PULSE Studi Kasus : Peramalan Harga Saham Malaysia Airlines dan Jumlah Wisatawan Asing

ANALISIS MODEL INTERVENSI FUNGSI PULSE Studi Kasus : Peramalan Harga Saham Malaysia Airlines dan Jumlah Wisatawan Asing Bulein Ilmiah Ma. Sa an Teapannya (Bimase) Volume 04, No. 3 (05), hal 85-94. ANALISIS MODEL INTERVENSI FUNGSI PULSE Sui Kasus : Peamalan Haga Saham Malaysia Ailines an Jumlah Wisaawan Asing Muhamma Mukhlis,

Lebih terperinci

Teori perdagangan internasional. Meet 4 Hariyatno. Negara berkembang

Teori perdagangan internasional. Meet 4 Hariyatno. Negara berkembang Teoi pedagangan Mee 4 Haiyano Negaa bekembang Negaa bekembang = negaa dunia ke- =negaa belum maju (salvaoe :49 ) Cii negaa bekembang : ) Rendahnya pendapaan pekapia ) Tingginya angkaan keja diseko peanian

Lebih terperinci