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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 JMA, VOL 4, O2, DESEMBER, 25, PEMODELA ILAI TUKAR RUPIAH TERHADAP $US MEGGUAKA HIDDE MARKOV* BERLIA SETIAWATY dan DEWI OVIYATI SARI Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Jl Meant, Kampus IPB Damaga, Bogo 668 Indonesa ABSTRAK Pelau nla tua Rupah tehadap $US da tahun 998 sampa dengan 25 dcoba dmodelan dengan menggunaan Hdden Maov (Ellott, et al 995) Pendugaan paamete model dlauan mengunaan Metode Maxmum Lelhood dan pendugaan ulang menggunaan metode Expectaton Maxmzaton yang melbatan peubahan uuan Hasl yang dpeoleh uang ba aena galat antaa nla haapan dengan nla sebenanya cuup besa Kata unc: Ranta Maov, model Hdden Maov, metode Expectaton Maxmzaton, peubahan uuan PEDAHULUA la tua Rupah telah mengalam peubahan yang beflutuas Bahan pada saat ss eonom pada tahun 998 flutuas tesebut sangat besa dan tda beatuan (Gamba ) Hal n tda saja dpengauh oleh fato eonom, tetap juga oleh stuas polt dalam nege yang tda stabl, pegantan pementahan yang tda bejalan dengan semestnya dan stuas eamanan yang uang tejamn la Tua Kus US Dolla Tehadap Rupah Rp5, Rp4, Rp3, Rupah Rp2, Rp, Rp, Rp9, Rp8, Rp7, Rp6, Rp5, Rp4, Feb-98 Ma-98 Ap-98 May-98 Jun-98 Jul-98 Aug-98 Sep-98 Oct-98 ov-98 Dec-98 Jan-99 Feb-99 Ma-99 Ap-99 May-99 Jun-99 Jul-99 Aug-99 Sep-99 Oct-99 ov-99 Dec-99 Jan- Feb- Ma- Ap- May- Jun- Jul- Aug- Sep- Oct- ov- Dec- Jan- Feb- Ma- Ap- May- Jun- Jul- Aug- Sep- Oct- Bulan-Tahun ov- Dec- Jan-2 Feb-2 Ma-2 Ap-2 May-2 Jun-2 Jul-2 Aug-2 Sep-2 Oct-2 ov-2 Dec-2 Jan-3 Feb-3 Ma-3 Ap-3 May-3 Jun-3 Jul-3 Aug-3 Sep-3 Oct-3 ov-3 Dec-3 Jan-4 Feb-4 Ma-4 Ap-4 May-4 Jun-4 Jul-4 Aug-4 Sep-4 Oct-4 ov-4 Dec-4 Jan-5 Feb-5 Ma-5 Ap-5 May-5 Gamba la tua Rupah tehadap $US da tahun 998 s/ d 25 (Sumbe: Ban of Canada 2 Agustus 25)

2 4 BERLIA SETIAWATY DA DEWI OVIYATI SARI Untu menjelasan pelau nla tua Rupah tesebut dbangun suatu model matemats Pada peneltan n model Hdden Maov Ellott, et al (995) dplh aena model n mempeenanan tejadnya peubahan paamete pada setap state, sehngga dhaapan lebh flesbel dalam menggambaan peubahan-peubahan yang damats sepet yang tejad pada nla tua Rupah tehadap $US Pendugaan paamete model dlauan menggunaan metode Maxmum lelhood dan metode expectaton maxmzaton seta data hstoes nla tua Rupah Dengan detahunya seluuh paamete, model Hdden Maov emudan dpaa untu menjelasan pelau nla tua Rupah selama n Tulsan n dmula dengan pemodelan nla tua Rupah menggunaan Hdden Maov Pada bagan 3 dbahas Pendugaan Paamete model Pada bagan 4 dbahas ntepetas model nla tua Rupah Sebaga penutup dsetaan pula esmpulan dan saan 2 MODEL HIDDE MARKOV Pada bagan n ta memodelan pelau nla tua Rupah tehadap $US dalam uun watu da Febua 998 sampa dengan Me 25, menggunaan model Hdden Maov Ellott, et al (995) Fato-fato yang menyebaban tejadnya peubahan nla tua Rupah tehadap Msalan banyanya $US dasumsan sebaga state da suatu anta Maov { X } fato tesebut adalah Pada setap state, data nla tua Rupah dbangtan oleh peubah aca Y yang menyeba dengan sebaan tetentu pada uang peluang (, F, P) Msalan bahwa hubungan antaa { X } dan { } d mana X AX V Y dtentuan oleh pesamaan: Y c, X, X X adalah anta Maov dengan mats tanss A ( aj ) = P(X = e j X - = e ),, j =, 2,, V adalah matngale ncements adalah peubah aca yang bebas stoast dent menyeba (,) c c, c2,, c,,2,,, d mana a j Asumsan bahwa penyebab peubahan nla tua Rupah tda detahu atau tda X tesembuny (hdden) d bal data pengamatan nla damat Sehngga poses { } tua Rupah { } Ellott et al (995) Y Jad pasangan, X Y meupaan model Hdden Maov Paamete model d atas bebentu ( a ),, j ; c, ;, j Menggunaan data pengamatan nla tua Rupah Y pada uun watu da Febua 998 sampa dengan Me 25 paamete model aan dduga Poses pendugaan paamete menggunaan metode maxmum lelhood dan metode expectaton

3 JMA, VOL 4, O2, DESEMBER, 25, maxmzaton yang algotmanya dambl da Setawaty dan Kstna (25) Dalam poses pendugaan paamete model, dambl = 2 Data nla tua Rupah yang dpeoleh da Ban of Canada (2 Agustus 25) adalah ataan nla tua Rupah haan Untu dsetsas watu dan untu menguang banyanya data, dambl ataan pebulan da data haan tesebut Sehngga menyataan ataan nla tua Rupah tehadap $US pada bulan e,, dengan adalah bulan Febua 998 Sehngga dalam uun watu Febua 998 sampa dengan Me 25 dpeoleh 88 buah data Y 3 PEDUGAA PARAMETER MODEL 3 Metode Expectaton Maxmzaton (Metode EM) Metode EM dembangan oleh Baum and Pete (966) dengan de dasa sebaga beut Msalan P : adalah oles uuan peluang yang tedefns pada uang (, G ) dan ontnu absolut tehadap P Msalan Y G Defnsan fungs lelhood untu menentuan penduga paamete bedasaan nfomas Y sebaga dp L( ) E Y dp dan penduga masmum lelhood ddefnsan sebaga ˆ ag max L( ) Secaa umum penduga masmum lelhood ˆ sult dhtung secaa langsung Algotma EM membean suatu metode teatf untu mengaposmas ˆ, dengan posedu sebaga beut Langah : Set p dan plh Langah 2: [Langah-E] Langah 3: Set ˆp dan htung Q [Langah-M] Tentuan ˆ ag max, p Q ˆ, E log dp dp Langah 4: p p Ulang langah 2 sampa tea behent dpenuh Catatan 33 ˆ : p Basan p membean basan L p 2 Menuut etasamaan Jensen, Q ˆ, ˆ log L( ˆ ) log L( ˆ ) 3 Q, p p p p dsebut pseudo-loglelhood besyaat Y ˆ : p yang ta tuun

4 6 BERLIA SETIAWATY DA DEWI OVIYATI SARI 32 Algotma untu menduga paamete Detahu paamete model bebentu ( a ),, j ; c, ;, j Aan dtentuan paamete ˆ ( ) ( aˆ ( )),, j ; cˆ ( ), ; ˆ ( ), j yang memasmuman pseudo-loglelhood besyaat sepet pada bagan 3 Algotma untu mempeoleh paamete tesebut yang dpeoleh da Setawaty dan Kstna (25) adalah sebaga beut Algotma untu menentuan paamete ˆ( ) Langah : Tetapan = 2 (banyanya state), M = 88 (banyanya data) y Input data { } Langah 2: Tetapan la awal ( ) A ( a ) c ( c ) j ( ) Catatan: EX dan memenuh A Langah 3: Lauan untu l sampa dengan M Tetapan a Ae, d mana e veto unt d X ss J O ( y) 2 ( y ) 2 Lauan untu sampa dengan l

5 JMA, VOL 4, O2, DESEMBER, 25, a Htung penduga eusf ( X ) ( X ), ( y ) a s s, ( J ), ( J ), ( y ) a ( X ), ( y ) ases ( J ) ( J ), s s,, ( O ), ( O ), ( y ) a ( X ), ( y ) a ( O ) ( O ),,, ( ( y)), ( ( y)), ( y ) a ( X ), ( y ) y a ( ( y)) ( ( y)),, 2 2 2, ( ( y )), ( ( y )), ( y ) a ( X ), ( y ) y a ( ( y )) ( ( y )), 2 2, d mana: y y : c e y () adalah fungs epadatan peluang (,) H X : H, (,,,,,,) a Htung penduga paamete s J aˆ s ( ) O cˆ ( ) ( y) O 2 2 ( y ) 2 c ( y) c O O ˆ ( ) b Tulsan Aˆ ( ) aˆ ( ) cˆ( ) cˆ ( ) ˆ ( ) ˆ ( ) s d Tentuan ˆ ( ) da pesamaan Aˆ ( ) ˆ ( ) ˆ ( ) e Ulang langah a sampa dengan d untu beutnya 3 Be nla

6 8 BERLIA SETIAWATY DA DEWI OVIYATI SARI A Aˆ( ) c cˆ( ) ˆ( ) 4 Ulang langah sampa dengan 3 untu l beutnya Langah 4: Untu sampa dengan M, ceta Aˆ ( ), ˆ (), cˆ ( ), ˆ ( ), ( X ) 4 ITERPRETASI MODEL Da algotma d atas dbuat pogamnya menggunaan Mathematca 52 Da hasl un pogam pada bagan 3 untu 2 dpeoleh paamete model sebaga beut ˆ 7 52 A, cˆ , ˆ (4) Pada state-, nla tua Rupah tehadap $US mempunya ataan cˆ dan smpangan ˆ Pada state-2, nla tua Rupah tehadap $US mempunya ataan cˆ dan smpangan ˆ ,84,8 Peluang,76,72 Gamba 4 Gaf Peluang P X 2 y, y,, y Da Gaf 4 telhat bahwa ja P X 2 y, y,, y 2 2 mendeat maa nla Rupah mengalam lonjaan yang cuup beat Hal n menunjuan bahwa nla P X 2 y, y,, y dapat djadan ndato untu melhat tejad lonjaan = = 2 = 4 = 6 = 8 Feb-98 Sep-99 Me- Jan-3 Sep-4 Bulan-Tahun 2 dasts pada nla tua Rupah

7 JMA, VOL 4, O2, DESEMBER, 25, Pebandngan nla tua Rupah dengan nla haapannya yang dtunjuan oleh Gaf 42 beut Kaena galat antaa nla tua Rupah dengan nla haapannya cuup besa, maa nla haapan da model Ellott n tda dapat dpaa sebaga alat untu memodelan pelau nla tua Rupah tehadap US Dolla upah ellot Gamba 42 Gaf nla tua Rupah tehadap US Dolla menggunaan model Ellot 6 KESIMPULA DA SARA Da uaan d atas telhat bahwa menggunaan model Ellott etal (995), pemodelan nla tua Rupah tngat auasnya tda telalu ba, oleh sebab tu pelu peneltan lanjutan menggunaan model lan, msalnya dengan mempehtungan nla tua sebelumnya sehngga meupaan suatu deet watu sepet model Hamlton (994) DAFTAR PUSTAKA [] Baum,LE and Pete, T 966 Statstcal nfeence fo pobablstc functons of fnte state Maov chans Annals of the Insttute of Statstcal Mathematcs, 37: [2] Ellot, R J, Aggoun, L dan Mooe, J B 995 Hdden Maov models, Spnge Velag, ew Yo [3] Hamlton, J D 994 Tme Sees Analyss Pnceton Unvesty Pess, ew Jesey [4] Setawaty, B dan Kstna, L 25 Pendugaan paamete model Hdden Maov Junal Matemata dan Aplasnya, Vol: 4, o

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

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

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

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

KAJIAN MODEL HIDDEN MARKOV KONTINU DAN APLIKASINYA PADA HARGA GABAH KERING PANEN NUR FATHONI

KAJIAN MODEL HIDDEN MARKOV KONTINU DAN APLIKASINYA PADA HARGA GABAH KERING PANEN NUR FATHONI KAJIAN MODEL HIDDEN MARKOV KONTINU DAN APLIKASINYA PADA HARGA GABAH KERING PANEN NUR FATHONI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

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

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

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

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

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

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

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

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

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

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

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 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

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 ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD Idam Had Ahmad dan Luca Ratnasa, Juusan Matemata, FMIPA UNDIP Jl. Pof. H. Soedato, S.H., Tembalang, Semaang Abstact. Lnea equaton system,

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

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

KONSTRUKSI RUANG TOPOLOGI LENGKAP

KONSTRUKSI RUANG TOPOLOGI LENGKAP KONSTRUKSI RUANG TOPOLOGI LENGKAP Sely Msdalfah Jsan Matemata FMIPA Unestas Tadlao Absta Hmpnan A mepaan semmet-semmet dpelas tedefns atas hmpnan X yang menghaslan sat eseagaman atas X yang aan membangn

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

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

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 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

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

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

BAB II METODE PENELITIAN. penelitian korelasional dengan menggunakan pendekatan kuantitatif dan

BAB II METODE PENELITIAN. penelitian korelasional dengan menggunakan pendekatan kuantitatif dan BAB II METODE PENELITIAN A. Metode Penelitian Bentuk penelitian yang dipegunakan dalam penelitian ini adalah bentuk penelitian koelasional dengan menggunakan pendekatan kuantitatif dan menggunakan umus

Lebih terperinci

2 Tinjauan Pustaka. 2.1 Dasar Mekanika Kuantum Persamaan Schrödinger 4,7

2 Tinjauan Pustaka. 2.1 Dasar Mekanika Kuantum Persamaan Schrödinger 4,7 Tnauan Pustaa. Dasa Meana Kuantum.. Pesamaan Schödnge 4,7 Postulat mendasa dalam meana uantum menyataan bahwa untu setap sstem, tedapat suatu fungs gelombang,ψ, dan suatu opeato tetentu. Opeas opeato yang

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

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

Prinsip Dasar Matematika

Prinsip Dasar Matematika Modul Pnsp Dasa Matemata Ds. Gatot Muhsetyo, M.Sc. P PENDAHULUAN nsp dasa matemata meupaan onsep-onsep utama yang dapat dgunaan sebaga model peman dalam menjawab atau menyelesaan masalah yang seupa, yatu

Lebih terperinci

ANALISIS PENGARUH PERUBAHAN KECEPATAN, KAPASITANSI DAN BEBAN PADA GENERATOR INDUKSI SATU FASA DENGAN MODEL RANGKAIAN EKIVALEN TIPE

ANALISIS PENGARUH PERUBAHAN KECEPATAN, KAPASITANSI DAN BEBAN PADA GENERATOR INDUKSI SATU FASA DENGAN MODEL RANGKAIAN EKIVALEN TIPE AAISIS PEGARUH PERUBAHA KECEPATA, KAPASITASI DA BEBA PADA GEERATOR IDUKSI SATU FASA DEGA MODE RAGKAIA EKIVAE TIPE Am Hamzah Juusan Ten Eleto, Faultas Ten Unvestas Rau, Peanbau 28293 am_hzh@un.ac. Absta

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

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

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

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode Deskriptif. Karena

METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode Deskriptif. Karena 35 III. METODOLOGI PENELITIAN 1.1 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode Deskiptif. Kaena penelitian ini mengkaji tentang Pengauh Kontol Dii dan Lingkungan Keluaga Tehadap

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

TINJAUAN KLASIK DAN RELATIVISTIK KESTABILAN ORBIT HAMPIR MELINGKAR DALAM MEDAN GAYA SENTRAL

TINJAUAN KLASIK DAN RELATIVISTIK KESTABILAN ORBIT HAMPIR MELINGKAR DALAM MEDAN GAYA SENTRAL ISSN: 141-0917 Junal Pengajaan MIPA, Vl. 6 N. Desembe 005 TINJAUAN KLASIK DAN RELATIVISTIK KESTABILAN ORBIT HAMPIR MELINGKAR DALAM MEDAN GAYA SENTRAL Oleh: Endi Suhendi dan Selly Feanie Juusan Pendidian

Lebih terperinci

DAFTAR ISI I. ALIRAN AIR DALAM TANAH (POMPA K) TEORI REMBESAN KONSOLIDASI DAN PENURUNAN STABILITAS LERENG. Mekanika Tanah II 0

DAFTAR ISI I. ALIRAN AIR DALAM TANAH (POMPA K) TEORI REMBESAN KONSOLIDASI DAN PENURUNAN STABILITAS LERENG. Mekanika Tanah II 0 DAFTA ISI I. ALIAN AI DALAM TANAH (POMPA K II. III. IV. TEOI EMBESAN KONSOLIDASI DAN PENUUNAN STABILITAS LEENG Meania Tanah II 0 I. ALIAN AI DALAM TANAH (POMPA K DEBIT AI SUMU MENENTUKAN DI LAPANGAN Ai

Lebih terperinci

Pemodelan Lintasan Komet pada Tata Surya dengan Variasi Massa dan Posisi Ria Ananda a, Joko Sampurno a*, Boni P. Lapanporo a

Pemodelan Lintasan Komet pada Tata Surya dengan Variasi Massa dan Posisi Ria Ananda a, Joko Sampurno a*, Boni P. Lapanporo a Pemodelan Lintasan Komet pada Tata Suya dengan Vaiasi Massa dan Posisi Ria Ananda a, Joo Sampuno a*, Boni P. Lapanpoo a a Podi Fisia, FMIPA Univesitas Tanjungpua Jalan Pof. D. Hadai Nawawi, Pontiana, Indonesia

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

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

Peningkatan Akurasi Kualitas Suara Hasil Transformasi Dengan Pemetaan Spektral Pada Kondisi Supervisi dan Nonsupervisi

Peningkatan Akurasi Kualitas Suara Hasil Transformasi Dengan Pemetaan Spektral Pada Kondisi Supervisi dan Nonsupervisi Penngatan Auas Kualtas Suaa Hasl Tansfomas Dengan Pemetaan Spetal Pada Konds Supevs dan Nonsupevs Dszal Fanton Pusat Peneltan Infomata- IPI dszal@nfomata.lp.go.d Abstact Ths pape descbes qualt of speech

Lebih terperinci

TINJAUAN PUSTAKA A. Perambatan Bunyi di Luar Ruangan

TINJAUAN PUSTAKA A. Perambatan Bunyi di Luar Ruangan Kebisingan yang belebihan akan sangat bepengauh tehadap indea pendengaan. Seseoang yang telalu seing beada pada kawasan dengan kebisingan yang tinggi setiap hainya dapat mengalami gangguan pendengaan sementaa

Lebih terperinci

Probabilitas Bersyarat, Independensi dan Teorema Bayes dalam Menentukan Peluang Terjadinya Suatu Peristiwa

Probabilitas Bersyarat, Independensi dan Teorema Bayes dalam Menentukan Peluang Terjadinya Suatu Peristiwa TADBIR : Junal Manajemen Penddan Islam Volume 4, Nomo : Febua 06 Pobabltas Besyaat, Independens dan Teoema Bayes dalam Menentuan Peluang Tejadnya Suatu Pestwa Lan G. Otaya Absta Pobabltas hanyalah suatu

Lebih terperinci

ANALISIS KELAS LATEN (LATEN CLASS ANALYSIS) UNTUK PENGELOMPOKAN DATA KATEGORIK. Timbul Pardede FMIPA-Universitas Terbuka.

ANALISIS KELAS LATEN (LATEN CLASS ANALYSIS) UNTUK PENGELOMPOKAN DATA KATEGORIK. Timbul Pardede FMIPA-Universitas Terbuka. ANALISIS KELAS LATEN (LATEN CLASS ANALYSIS) UNTUK PENGELOMPOKAN DATA KATEGORIK Tmbul Padede FMIPA-Unvestas Tebuka tmbul@mal.ut.ac.d Dalam analss kelompok pada bdang sosal, sengkal paa penelt mengunakan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

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

Lebih terperinci

Pengaruh Sudut Keruncingan Dan Diameter Finial Franklin Terhadap Distribusi Medan Listrik Dan Tingkat Tegangan Tembus

Pengaruh Sudut Keruncingan Dan Diameter Finial Franklin Terhadap Distribusi Medan Listrik Dan Tingkat Tegangan Tembus Pengauh Sudut Keuncingan Dan Diamete Finial Fanlin Tehadap Distibusi Medan Listi Dan Tingat Tegangan Tembus Hay Soeotjo Dachlan, Moch. Dhofi, Vico Fenanda Absta Penangap peti meupaan bagian utama dai sistem

Lebih terperinci

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) Intepetas pobablstk a fungs gelombang t suatu patkel telah kta pelaa yatu t yang menyatakan peluang menemukan patkel paa waktu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan

Lebih terperinci

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA KALKULUS VARIASI JURUSAN PENDIDIKAN ISIKA PMIPA UNIVERSITAS PENDIDIKAN INDONESIA Smak Petanaan! Bang A B Bentuk kuva apakah ang menunjukkan jaak tepenek ang menghubung-kan ttk A an ttk B alam bang ata

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB III PUNTIRAN. Gambar 3.1. Batang Silindris dengan Beban Puntiran

BAB III PUNTIRAN. Gambar 3.1. Batang Silindris dengan Beban Puntiran BAB III PUNIRAN Ba sebatang matea mendapat beban puntan, maka seat-seat antaa suatu penampang ntang penampang ntang yang an akan mengaam pegesean, sepet dtunjukkan pada Gamba 3.1(a). Gamba 3.1. Batang

Lebih terperinci

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor

BAB I (Minggu ke- 1,2,3) Konsep Dasar. Vektor 5 I (Mnggu e- 1,,3) Konsep Dasa. Veto PENDHULUN Leanng Outcome: Setelah mengut ulah n, mahasswa dhaapan: Mampu menelasan pebedaan besaan sala dan veto dan mampu menelesaan setap asus nemata ang dbean.

Lebih terperinci

SOLUSI NUMERIK PERSAMAAN BOLTZMANN

SOLUSI NUMERIK PERSAMAAN BOLTZMANN JMA, VOL., NO.1, JULI, 00, 7-44 7 SOLUSI NUMERIK PERSAMAAN BOLTZMANN ENDAR H. NUGRAHANI Departemen Matemata, Faultas Matemata dan Imu Pengetahuan Alam, Insttut Pertanan Bogor Jln. Merant, Kampus IPB Dramaga,

Lebih terperinci

BAB III ANALISIS JALUR

BAB III ANALISIS JALUR BAB III ANALISIS JALUR. Pendahuluan Analisis Jalu adalah suatu eluasan dai model egesi yang digunaan untu menguji ecocoan dai matis oelasi tehada dua atau lebih model ausal yang sedang dibandingan dan

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

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB II PERPINDAHAN PANAS

BAB II PERPINDAHAN PANAS II PEPINDHN PNS.. Umum Pepndahan panas adalah pepndahan eneg yang tejad pada benda atau mateal yang besuhu tngg e benda atau mateal yang besuhu endah, hngga tecapanya esetmbangan panas. Kesetmbangan panas

Lebih terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT

ANALISIS MODEL PERSEDIAAN BARANG EOQ DENGAN MEMPERTIMBANGKAN FAKTOR KADALUARSA DAN FAKTOR ALL UNIT DISCOUNT LAORAN HASIL ENELITIAN ANALISIS MOEL ERSEIAAN BARANG EO ENGAN MEMERTIMBANGKAN FAKTOR KAALUARSA AN FAKTOR ALL UNIT ISOUNT Tauf Lmansyah LEMBAGA ENELITIAN AN ENGABIAN KEAA MASYARAKAT UNIVERSITAS KATOLIK

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

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

Lebih terperinci

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator

Hand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator HUKUM GAUSS Fluks Lstk Pemukaan tetutup Hukum Gauss Kondukto dan Isolato 1 Mach 7 1 Gas gaya oleh muatan ttk - 1 Mach 7 Gas gaya akbat dpol - 1 Mach 7 Fluks Lstk Defns: banyaknya gas gaya lstk yang menembus

Lebih terperinci

Bab III Analisis dan Rancangan Sistem Kompresi Kalimat

Bab III Analisis dan Rancangan Sistem Kompresi Kalimat Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang JURNAL MATEMATIKA DAN KOMPUTER ol. 4. No., - 22, Aprl 2, ISSN : 4-858 SUBRUANG MARKED Suryoto Jurusan Matemata, FMIPA-UNDIP Semarang Abstra Msalan suatu ruang vetor berdmens ngga atas lapangan omples C,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode deskriptif,

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode deskriptif, 30 BAB III METODOLOGI PENELITIAN A. Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode deskiptif, suatu metode penelitian yang ditujukan untuk untuk menggambakan fenomenafenomena

Lebih terperinci

DERET BALMER DARI ATOM HIDROGEN

DERET BALMER DARI ATOM HIDROGEN DERET BALMER DARI ATOM HIDROGEN I. Tujuan: Menentukan haga konstanta ydbeg dan spectum atom hydogen II. Teo Dasa Pengamatan menunjukan bahwa gas yang besuhu tngg memancakan cahaya dengan spectum gas yang

Lebih terperinci

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN SFT - SFT MTRKS UNTER, MTRKS NORML, DN MTRKS HERMTN Tasa bstak : Tujuan peneltan n adalah untuk mengetahu pengetan dan sfat sfat da matks unte, matks nomal, dan matks hemtan. Metode peneltan yang dgunakan

Lebih terperinci

KORELASI. menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi. kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.

KORELASI. menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi. kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi. KORELASI Tedapat tiga macam bentuk hubungan anta vaiabel, yaitu hubungan simetis, hubungan sebab akibat (kausal) dan hubungan Inteaktif (saling mempengauhi). Untuk mencai hubungan antaa dua vaiabel atau

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1. Keangka Pemikian Konseptual Setiap oganisasi apapun jenisnya baik oganisasi non pofit maupun oganisasi yang mencai keuntungan memiliki visi dan misi yang menjadi uh dalam setiap

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

BAB III RANCANGAN PENELITIAN. tujuan utama yang ingin dicapai melalui penelitian ini adalah untuk memperoleh

BAB III RANCANGAN PENELITIAN. tujuan utama yang ingin dicapai melalui penelitian ini adalah untuk memperoleh 44 BAB III RACAGA PEELITIA.. Tujuan Penelitian Bedasakan pokok pemasalahan yang telah diuaikan dalam Bab I, maka tujuan utama yang ingin dicapai melalui penelitian ini adalah untuk mempeoleh jawaban atas

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan

Lebih terperinci