BAB 3 PEMBAHASAN. Contoh 1:
|
|
- Indra Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 PEMBAHASAN 3.1 Pengolahan Data Seperti yang telah dijelaskan sebelumnya, rantai markov atau proses markov akan digunakan untuk menganalisa data yang diperoleh dalam penelitian ini. Contoh kasus yang digunakan dalam tulisan skripsi ini adalah peluang penyediaan kamera dari sebuah toko, besarnya biaya yang dibutuhkan untuk memperbaiki mesin yang rusak dan peluang steady state yang diperoleh dari suatu sistem PABX yang memiliki 4 line hunting Contoh 1: Sebuah toko kamera menyediakan model kamera yang terbaru yang dapat dipesan tiap minggu. Misalkan D 1, D 2,. mewakili permintaan dari kamera (kamerakamera akan dijual jika tidak dihabiskan) selama minggu pertama, minggu kedua,., berturut-turut. Ini dapat diasumsikan bahwa D i adalah bebas dan variabel acak yang didistribusikan memiliki distribusi poisson dengan rata-rata 1. Misalkan X 0 mewakili jumlah kamera yang tersedia mula-mula, X 1 jumlah kamera yang tersedia pada akhir minggu 1, X 2 jumlah kamera yang tersedia pada akhir minggu 2, dan seterusnya. - Misalkan X 0 = 3 - Pada malam sabtu toko memasukkan pesanan dimana pesanan dikirim pada saat toko dibuka hari senin. - Toko mengeluarkan kebijaksanaan: Apabila tidak ada persediaan kamera, 3 kamera dipesan. Sebaliknya tidak dipesan jika persediaan ada. - Penjual mengalami rugi apabila permintaan melebihi barang-barang yang ada Tentukan Peluang Steady State dari permintaan kamera tersebut! X t adalah jumlah kamera yang disediakan pada setiap akhir minggu t, dimana X t mewakili state dari waktu t Xt = i, X t+1 bergantung pada D t+1 dan X t (Sifat Markov)
2 D t memiliki distribusi poisson dengan jumlah sama dengan 1. Artinya bahwa P(D t+1 = n) = e -1 1 n / n untuk n = 0, 1,.. P(D t = 0) = e -1 = P(Dt = 1) = e -1 = P(Dt = 2) = (1/2) e -1 = P(D t 3) = 1 ( ) = 0.08 Xt+1 = max(3-d t+1, 0) if X t = 0 and X t+1 = max(x t D t+1, 0) if X t 1, for t = 0,1,2,. Matriks transisi satu langkah P03 = P(D t+1 = 0) = P02 = P(D t+1 = 1) = P01 = P(D t+1 = 2) = P00 = P(D t+1 3) = P = Matriks Transisi 1 langkah P = Matriks Transisi 2 langkah
3 Matriks Transisi 4 langkah P (4) = P (2) P (2) Matriks Transisi 8 langkah P (8) = P (4) P (4) Peluang Steady State Peluang peralihan tingkat keadaan seimbang (Peluang Steady State) adalah peluang peralihan yang sudah mencapai keseimbangan, sehingga tidak akan berubah terhadap perubahan waktu yang terjadi atau perubahan tahap yang terjadi. Secara formal peluang peralihan tingkat keadaan seimbang didefinisikan sebagai berikut: dimana: = batas distribusi peluang tingkat keadaan seimbang dalam keadaan j = Peluang perpindahan dari state i ke state j setelah n langkah Peluang Steady State memenuhi persamaan steady state dibawah ini
4 Dari matriks P yang ada maka dicari P n untuk mengetahui matriks P itu regular atau tidak. Misalkan P 2 Karena P 2 merupakan matriks regular yaitu memiliki elemen-elemen yang positif, maka dapat ditentukan peluang Steady State dari matriks P + 1 = π 0 + π 1 + π 2 + π 3 + Sekarang perhatikan matriks peluangnya: Baris pertama menyatakan State 1 = State State State State 3 Demikian halnya dengan seterusnya. Sehingga sistem linear F = (I P t ) = 0 adalah I =
5 P = (I P) = Maka Sistem Linear F = (I P t ) = 0 adalah: Jika persamaan diatas diselesaikan dengan bentuk eselon baris tereduksi untuk matriks maka diperoleh: Vektor Steady State dari sistem tersebut adalah : 1. Peluang permintaan kamera terbaru pada state 0 atau mula mula dalam keadaan seimbang tanpa memperhitungkan keadaan awal adalah Peluang permintaan kamera terbaru pada state 1 atau pada akhir minggu 1 dalam keadaan seimbang tanpa memperhitungkan keadaan awal adalah Peluang permintaan kamera terbaru pada state 2 atau pada akhir minggu 2 dalam keadaan seimbang tanpa memperhitungkan keadaan awal adalah Peluang permintaan kamera terbaru pada state 3 atau pada akhir minggu 3 dalam keadaan seimbang tanpa memperhitungkan keadaan awal adalah 0.166
6 Contoh 2: Seorang pengusaha mencoba memperhitungkan berapa banyaknya biaya untuk perawatan mesin Mr. Andrew. Dia memperhitungkan bahwa biaya untuk perawatan $300 setiap hari jika mesin dalam perbaikan. Mereka memperkirakan bekerjanya mesin dengan baik menurut peraturan Rantai Markov. Jika mesin itu bekerja hari ini, maka peluang untuk bekerja waktu yang akan datang 95%. Berapa akan dibayar Mr. Andrew tiap tahunnya? Bekerja (w) Rusak (B) 0.4 Gambar 3.1 Peluang Mesin dalam kondisi Bekerja atau Rusak Untuk menjawab pertanyaan di atas. Diperoleh batas distribusi = ( ) untuk rantainya. dimana P = Maka: Dari persamaan di atas diperoleh: Maka diperoleh persamaan =, =
7 Maka mesin yang rusak diperkirakan 9 hari sekali. Maka biaya yang dibutuhkan untuk memperbaiki mesin tersebut Maka Biaya untuk tiap tahun diperkirakan $12,000 Contoh 3 Suatu sistem PABX memiliki 4 jalur sibuk (line hunting) dengan satu nomor yang sama. Rata-rata penggunaan jalur (line) dari luar / dalam diasumsikan tetap mengikuti proses Poisson dengan parameter. Lama bicara rata-rata juga tetap dan mengikuti proses eksponensial dengan parameter. Sistem ini memiliki lima status. Diketahui = 6 call / jam dan lama pembicaraan rata rata 15 menit ( pembicaraan / jam). Hitung peluang steady state sistem tersebut! Jawab: Karena ada lima status, E n, maka ada n jalur yang sedang digunakan. Maka dalam keadaan steady state diperoleh: S = 1 + S = 1 + S = 13,1875 untuk n = 0, 1, 2, 3, 4 = 0,07583 = 0,11374
8 = 0,25592 = 0,38389 Dengan melihat rata-rata peluang diatas maka dapat disimpulkan sistem akan cenderung sibuk walaupun jumlah jalur (line) ditambah. Namun apabila berkurang, misalnya jika berturut-turut 6, 5, 4, 3 akan menghasilkan kemungkinan ada line yang kosong yang lebih baik sebagai berikut: p 0 p p p = 0,13061 = 0,19592 = 0,24490 = 0,24490 p4 = 0, Peluang steady state yang diperoleh pada Sistem PABX adalah: 0,07583 = 0,11374 = 0,25592 = 0,38389 Dengan melihat peluang steady state dapat disimpulkan bahwa sistem tersebut akan cenderung sibuk walaupun jumlah line ditambah.
9 BAB 4 KESIMPULAN DAN SARAN 4.1 Kesimpulan Dari uraian bab-bab sebelumnya dapat diambil kesimpulan sebagai berikut: 2. Peluang steady state yang diperoleh pada perusahaan kamera tersebut adalah: Dimana peluang permintaan kamera terbaru pada state 0 atau mula mula sampai pada akhir minggu atau state 3 mengalami penurunan. Karena nilai steady statenya sudah sama dengan p n maka hasil yang diperoleh sudah benar. 3. Peluang steady state yang diperoleh pada Sistem PABX adalah: 0,07583 = 0,11374 = 0,25592 = 0,38389 Dengan melihat peluang steady state dapat disimpulkan bahwa sistem tersebut akan cenderung sibuk walaupun jumlah line ditambah. 4.2 Saran 1) Rantai Markov merupakan salah satu cara dalm pengambilan keputusan dimana aplikasinya dapat digunakan dalam berbagai bidang yaitu ekonomi, politik, kependudukan, industri, pertanian,
10 kesehatan dan lain lain. Untuk penerapan rantai markov pada waktu diskrit sudah banyak diteliti. Bagi seseorang yang ingin meneliti tentang rantai markov, dapat juga menerapkan rantai markov pada waktu kontinu dalam kasus-kasus yang lain. 2) Peluang steady state pada perusahaan kamera menunjukkan bahwa permintaan kamera tiap minggunya berkurang. Oleh karena itu penyediaan kamera tidak perlu ditambah lagi. 3) Peluang steady state pada sistem PABX menunjukkan sistem akan cenderung berada dalam kondisi sibuk. Untuk menanggulanginya maka harus semakin kecil, artinya penggunaan line atau jalur harus menurun supaya ada line yang kosong sehingga sistem tersebut tidak terlalu sibuk.
Penelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinci6.6 Rantai Markov Kontinu pada State Berhingga
6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada
Lebih terperinciBAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau
BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciSKRIPSI MARINTAN NOVALINA N
KAJIAN PELUANG STEADY STATE PADA RANTAI MARKOV SKRIPSI MARINTAN NOVALINA N 050813010 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2007 KAJIAN PELUANG
Lebih terperinciANALISIS MARKOV Proses Markov Matriks kemungkinan perpindahan keadaan / transisi
ANALISIS MARKOV Analisis Markov adalah suatu teknik matematik untuk peramalan perubahan pada variabelvariabel tertentu berdasarkan pengetahuan dari perubahan sebelumnya Pada analisis ini terlihat suatu
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciTEORI ANTRIAN PERTEMUAN #10 TKT TAUFIQUR RACHMAN PENGANTAR TEKNIK INDUSTRI
TEORI ANTRIAN PERTEMUAN #10 TKT101 PENGANTAR TEKNIK INDUSTRI 6623 TAUFIQUR RACHMAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS ESA UNGGUL KEMAMPUAN AKHIR YANG DIHARAPKAN Mampu membandingkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bidang statistika berhubungan dengan cara atau metode pengumpulan data, pengolahan, penyajian, dan analisisnya serta pengambilan kesimpulan berdasarkan data dan analisis
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, menjadikan statistika memegang peranan penting dalam kehidupan. Hampir semua fenomena yang terjadi
Lebih terperinciBAB III METODE PENELITIAN. Jl. Panjang No.25 Jakarta Barat. Penelitian dilakukan selama 2 Minggu, yaitu
BAB III METODE PENELITIAN A. Waktu Dan Tempat Penelitian Penelitian dilakukan di PT Plaza Toyota Green Garden yang berlokasi di Jl. Panjang No.25 Jakarta Barat. Penelitian dilakukan selama 2 Minggu, yaitu
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciBAB IV ANALISIS MARKOV
BAB IV ANALISIS MARKOV 1. Pendahuluan Model Rantai Markov dikembangkan oleh seorang ahli Rusia A.A. Markov pada tahun 1906. Pada umumnya Riset Operasional bertujuan untuk mengambil keputusan yang optimal
Lebih terperinciBAB IV MODEL HIDDEN MARKOV
BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen
Lebih terperinciBAB III PROSES POISSON MAJEMUK
BAB III PROSES POISSON MAJEMUK Pada bab ini membahas tentang proses stokastik, proses Poisson dan proses Poisson majemuk yang akan diaplikasikan pada bab selanjutnya. 3.1 Proses Stokastik Koleksi atau
Lebih terperinciBAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY
BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY 3.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang Ω,,. Misalkan ; adalah rantai Markov dengan state berhingga
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan seringkali dilakukan pengulangan yang biasanya dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul
Lebih terperinciANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM
Saintia Matematika Vol., No. 2 (2), pp. 9 9. ANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM Hasoloan M Nababan, Open Darnius Sembiring, Ujian Sinulingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciVolume 2 No 1 Desember 216 ISSN:288-3943 ANALISIS PERSEDIAAN BAHAN BAKU YANG OPTIMAL MENGGUNAKAN RANTAI MARKOV DI PT. PDM INDONESIA Muslena Layla Program Studi Komputerisasi Akuntansi Politeknik Trijaya
Lebih terperinciBAB I PENDAHULUAN. sumber yang dapat dipercaya, petunjuk atau reputasi yang telah dibuat.
1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pengambilan keputusan adalah pemilihan di antara alternatifalternatif mengenai sesuatu cara bertindak serta inti dari perencanaan. Suatu rencana dapat dikatakan tidak
Lebih terperinciOleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si
Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciBAB III HIDDEN MARKOV MODELS. Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan
BAB III HIDDEN MARKOV MODELS Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan yang dapat diamati. Tetapi terkadang ada urutan dari suatu keadaan yang ingin diketahui tetapi tidak dapat
Lebih terperinciBAB III METODE PENELITIAN. Kebon Jeruk yang berlokasi di Jl. Raya Perjuangan Kav.8 Kebon Jeruk Jakarta
BAB III METODE PENELITIAN A. Waktu Dan Tempat Penelitian Penelitian dilakukan di Instalasi Farmasi Rawat Jalan Siloam Hospitals Kebon Jeruk yang berlokasi di Jl. Raya Perjuangan Kav.8 Kebon Jeruk Jakarta
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciMarkov Chain. Game Theory. Dasar Simulasi
Markov Chain Game Theory Dasar Simulasi Analisis Perubahan Cuaca Perpindahan merek Operasi dan maintenance mesin Perubahan harga di pasar saham dll Menyusun matriks probabilitas transisi. Menghitung probabilitas
Lebih terperinci7/28/2005 created by Hotniar Siringoringo 1
Tujuan analisis output adalah menjawab pertanyaan yang diajukan di awal pembentukan model dengan benar. Bentuk pertanyaan mengindikasikan pengujian hipotesis, selang kepercayaan atau pendugaan parameter.
Lebih terperinciBAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilakukan di Kantor Penjualan Senayan City PT Garuda Indonesia (Persero) Tbk yang berlokasi di Senayan City, Jakarta. Penelitian dilakukan
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi secara beruntun dan dengan kemungkinan yang berbeda-beda. Sebagai contoh sekarang
Lebih terperinciBAB V STUDI KASUS: HASIL DAN PEMBAHASAN
BAB V STUDI KASUS: HASIL DAN PEMBAHASAN 5. Hasil dan Pembahasan Penulis melakukan pembatasan daerah penelitian dari data yang tersedia, yaitu hanya mencari posisi yang mengalami mutasi (misalkan posisi
Lebih terperinciAntrian Orang (antri mengambil uang di atm, antri beli karcis, dll.) Barang (dokumen lamaran kerja, mobil yang akan dicuci, dll) Lamanya waktu
TEORI ANTRIAN Antrian Orang (antri mengambil uang di atm, antri beli karcis, dll.) Barang (dokumen lamaran kerja, mobil yang akan dicuci, dll) Lamanya waktu menunggu tergantung kecepatan pelayanan Teori
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Peluang Definisi 2.1.1 Percobaan Acak (Ross 2000) Suatu percobaan yang dapat diulang dalam kondisi yang sama dan semua kemungkinan hasil yang muncul dapat diketahui tetapi
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciPertemuan 5 ANALISIS RANTAI MARKOV
Pertemuan 5 ANALISIS RANTAI MARKOV Objektif: 1. Mahasiswa dapat merumuskan masalah dalam analisis rantai markov 2. Mahasiswa dapat mencari penyelesaian masalah dalam prorses perhitungan probabilitas dengan
Lebih terperinciBAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak
BAB III PERUMUSAN PROBABILITAS DAN EKSPEKTASI DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak Model antrian ini para
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem pelayanan multiple (multiple-server system) atau biasa disebut multiserver single queue merupakan baris antrian tunggal yang dilayani
Lebih terperinciALJABAR LINEAR [LATIHAN!]
Pada dasarnya cara yang digunakan untuk memperoleh penyelesaian sistem persamaan linear adalah sama yaitu mengubah sistem persamaan linear menjadi matriks yang diperbesar, kemudian mengubah matriks yang
Lebih terperinci6.3 PROSES KELAHIRAN DAN KEMATIAN
6.3 PROSES KELAHIRAN DAN KEMATIAN Penjelasan dari proses-proses kelahiran murni dan kematian murni telah diskusikan pada bagian 6.1 dan 6.2 bahwa X(t) memungkinkan untuk naik ataupun turun. Jadi, apabila
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2. Pengertian Pemeliharaan Menurut Agus Ahyari (99) pemeliharaan merupakan suatu kegiatan mutlak yang diperlukan dalam perusahaan yang saling berkaitan dengan proses produksi, sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Pemeliharaan Untuk menjamin kontinuitas kegiatan operasional suatu sistem, keandalan setiap komponen peralatan sangat dijaga agar peralatan tersebut tidak mengalami kegagalan
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciPREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI MARKOV
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 347-352. PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sebagian besar mahasiswa ITB mengambil mata kuliah MA1122 Kalkulus I pada tahun pertama perkuliahannya. Mata kuliah ini merupakan salah satu mata kuliah yang
Lebih terperinci4.1.1 Distribusi Binomial
4.1.1 Distribusi Binomial Perhatikan sebuah percobaan dengan ciri-ciri sebagai berikut : Hanya menghasilkan (diperhatikan) dua peristiwa atau kategori, misal S (sukses) dan G (gagal) Dilakukan sebanyak
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Proses Stokastik Kode/sks : MAS 4113 /3 Semester : III Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS
Lebih terperinciBAB I PENDAHULUAN. Antrian dalam kehidupan sehari-hari sering ditemui, misalnya antrian di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Antrian dalam kehidupan sehari-hari sering ditemui, misalnya antrian di kasir supermarket, antrian di pom bensin, antrian saat bayar parkir, antrian pasien
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1. Pendahuluan Antrian adalah kejadian yang sering dijumpai dalam kehidupan seharihari. Menunggu di depan loket untuk mendapatakan tiket kereta api, menunggu pengisian bahan bakar,
Lebih terperinciBAB III MODEL ANTRIAN MULTISERVER DENGAN VACATION
BAB III MODEL ANTRIAN MULTISERVER DENGAN VACATION Dalam sebuah sistem antrian akan terdapat individu yang datang untuk mendapatkan pelayanan yang disebut dengan customer, juga individu yang akan memberikan
Lebih terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciSIMULASI ANTRIAN DI BENGKEL RESMI YAMAHA HARPINDO JAYA GOMBONG DAN SUMBER BARU GOMBONG
SIMULASI ANTRIAN DI BENGKEL RESMI YAMAHA HARPINDO JAYA GOMBONG DAN SUMBER BARU GOMBONG SKRIPSI Disusun Oleh: Hikmah Siswanto J2E004227 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciRekayasa Trafik Telekomunikasi Sistem Loss. TEU9948 Indar Surahmat
Rekayasa Trafik Telekomunikasi Sistem Loss TEU9948 Indar Surahmat SISTEM LOSS ERLANG Pemodelan menggunakan sistem loss Erlang B-Formula didasarkan pada tiga elemen berikut ini : a. Struktur, sistem terdiri
Lebih terperinciS - 9 PERGESERAN PANGSA PASAR KARTU SELULER PRA BAYAR GSM MENGGUNAKAN ANALISIS RANTAI MARKOV (Studi Kasus: Mahasiswa FMIPA UNSRAT Manado)
S - 9 PERGESERAN PANGSA PASAR KARTU SELULER PRA BAYAR GSM MENGGUNAKAN ANALISIS RANTAI MARKOV (Studi Kasus: Mahasiswa FMIPA UNSRAT Manado) Djoni Hatidja 1, Sri H. Abdullah 2, dan Deiby T. Salaki 3 1,2,3
Lebih terperinciHanna Lestari, ST, M.Eng. Lecture 11 : Rantai Markov
Hanna Lestari, ST, M.Eng Lecture 11 : Rantai Markov I. Pendahuluan Model rantai markov dikembangkan oleh A.A Markov tahun 1896. Dalam Analisis markov yang dihasilkan adalah suatu informasi probabilistik
Lebih terperinciMODEL ANTRIAN BUS ANTAR KOTA DI TERMINAL TIRTONADI
MODEL ANTRIAN BUS ANTAR KOTA DI TERMINAL TIRTONADI Wadzkur Rahmaan Luthfi Syarifudin, Hasih Pratiwi, Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu pengetahuan Alam Universitas
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciII LANDASAN TEORI. Contoh. Ditinjau dari sistem yang didefinisikan oleh:
5 II LANDASAN TEORI 2.1 Keterkontrolan Untuk mengetahui persoalan sistem kontrol mungkin tidak ada, jika sistem yang ditinjau tidak terkontrol. Walaupun sebagian besar sistem terkontrol ada, akan tetapi
Lebih terperinciMela Arnani, Isnandar Slamet, Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
PENDEKATAN LATTICE PATH UNTUK SISTEM ANTRIAN M/M/c Mela Arnani, Isnandar Slamet, Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Abstrak. Sistem
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah analisis data yang memanfaatkan informasi kronologis dari suatu kejadian atau peristiwa (event). Respon yang diperhatikan adalah waktu sampai
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik X = {X(t), t T} adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh ke suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Model Markov Dalam teori probabilitas, model Markov adalah model stokastik yang digunakan untuk memodelkan sistem yang berubah-ubah secara random di mana diasumsikan bahwa kondisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciPROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI
PROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI Contoh TIA 310 3 Contoh TIA 310 4 TIA 310 5 TIA 310 6 TIA 310 7 TIA 310 8 Cara Perhitungan 0.2 x 7 + 0.5 x 6 + 0.3 x 3 = 5.3 0 x 0 + 0.5 x 5 + 0.5 x 1 =
Lebih terperinciCatatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN. Herjanto (2008:2) mengemukakan bahwa manajemen operasi merupakan
BAB II TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN 2.1 Tinjauan Pustaka 2.1.1 Manajemen Operasi 2.1.1.1 Pengertian Manajemen Operasi Herjanto (2008:2) mengemukakan bahwa manajemen operasi merupakan kegiatan
Lebih terperinciTINJAUAN PUSTAKA. Kriptografi
TINJAUAN PUSTAKA Kriptografi Kriptografi adalah studi teknik matematika yang berhubungan dengan aspek-aspek pengamanan informasi seperti kerahasiaan, integritas data, autentikasi entitas, dan autentikasi
Lebih terperinciTeller 1. Teller 2. Teller 7. Gambar 3.1 Proses antrian pada sistem antrian teller BRI Cik Ditiro
Berikut ini adalah pembahasan mengenai sistem antrian teller BRI Cik Ditiro dan optimasinya berdasarkan model tingkat aspirasi. Deskripsi mengenai sistem antrian teller BRI Cik Ditiro dapat diuraikan sebagai
Lebih terperinciPENERAPAN SISTEM ANTRIAN PADA PELAYANAN PASIEN BADAN PENYELENGGARA JAMINAN SOSIAL (BPJS) RUMAH SAKIT
PENERAPAN SISTEM ANTRIAN PADA PELAYANAN PASIEN BADAN PENYELENGGARA JAMINAN SOSIAL (BPJS) RUMAH SAKIT (Studi Kasus: Rumah Sakit Dr. H. Marzoeki Mahdi Bogor) Suci Lisdawati, Sri Setyaningsih, dan Ani Andriyati.
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu menggunakan teori dan model antrian untuk menganalisa operasi 1. Penggunaan teori antrian 2. Struktur masalah antrian 3. Distribusi
Lebih terperinciVI. ANALISIS PANGSA PASAR KOPI ARABIKA DI KABUPATEN TANA TORAJA DAN ENREKANG. Dinamika sebaran pangsa pasar (market share) dari enam daerah
82 VI. ANALISIS PANGSA PASAR KOPI ARABIKA DI KABUPATEN TANA TORAJA DAN ENREKANG Dinamika sebaran pangsa pasar (market share) dari enam daerah produsen kopi arabika yang ada di Kabupaten Tana Toraja dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Dalam pelayanan ada beberapa faktor penting pada sistem antrian yaitu pelanggan dan pelayan, dimana ada periode waktu sibuk maupun periode dimana pelayan menganggur. Dan waktu dimana
Lebih terperinciP (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)
Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan
Lebih terperinciModel Antrian 02/28/2014. Ratih Wulandari, ST.,MT 1. Menunggu dalam suatu antrian adalah hal yang paling sering terjadi dalam kehidupan sehari-hari
Model Antrian M E T O D E S T O K A S T I K Menunggu dalam suatu antrian adalah hal yang paling sering terjadi dalam kehidupan sehari-hari Siapaun yang pergi berbelanja atau ke bioskop telah mengalami
Lebih terperinciAK6083 Manajemen Risiko Kuantitatif. Referensi: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools.
AK6083 Manajemen Risiko Kuantitatif Referensi: Silabus: McNeil, Frey, Embrechts (2005), Quantitative Risk Management: Concepts, Techniques and Tools Seputar risiko dan volatilitas Peubah acak dan fungsi
Lebih terperinciBAB 3 PEMBAHASAN. Tabel 3.1 Data Jumlah dan Rata-Rata Waktu Pelayanan Pasien (menit) Waktu Pengamatan
BAB 3 PEMBAHASAN 3.1. Uji Kesesuaian Distribusi Dalam penelitian ini kedatangan pasien diasumsikan berdistribusi Poisson dan waktu pelayanan diasumsikan berdistribusi Eksponensial. Untuk menguji kebenarannya
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
A39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi dan Daryono Budi Utomo Departemen Matematika, Fakultas Matematka dan Ilmu Pengetahuan Alam, Institut Teknologi
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis tingkat persediaan liner yang optimal dan ekspektasi keuntungan yang didapat PT Indonesia
Lebih terperinciANTRIAN. pelayanan. Gambar 1 : sebuah sistem antrian
ANTRIAN Jika permintaan terhadap suatu jasa melebihi suplai, akan mengakibatkan terjadi antrian. Masalah tersebut dapat terjadi pada berbagai keadaan. Sebagai contoh Kendaraan menunggu lampu lalu lintas,
Lebih terperinciBAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN. Analisis Markov merupakan sebuah teknik yang berhubungan dengan
6 BAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN 2.1 Landasan Teori 2.1.1 Analisis Rantai Markov Analisis Markov merupakan sebuah teknik yang berhubungan dengan probabilitas akan state di masa mendatang dengan
Lebih terperinciBILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :
BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak
Lebih terperinciP (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)
Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan
Lebih terperinciRANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)
RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM DOKTOR STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I. Deskripsi
Lebih terperinciANALISIS SISTEM ANTREAN PADA PELAYANAN TELLER DI PT BANK BPD DIY KANTOR CABANG SLEMAN TUGAS AKHIR SKRIPSI
ANALISIS SISTEM ANTREAN PADA PELAYANAN TELLER DI PT BANK BPD DIY KANTOR CABANG SLEMAN TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk
Lebih terperinciBAB I PENDAHULUAN. digunakan oleh masyarakat pada umumnya. Dahulu keramik hanya dimanfaatkan
BAB I PENDAHULUAN 1.1 Latar Belakang Keramik sudah dikenal di Indonesia sejak jaman Neolithikum. Keramik adalah salah satu dari peninggalan tersebut yang sampai saat ini masih banyak digunakan oleh masyarakat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah persediaan merupakan masalah yang penting untuk dikendalikan. Baik persediaan barang di toko untuk dijual maupun persediaan bahan baku untuk proses produksi.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Suatu antrian ialah suatu garis tunggu dari nasabah yang memerlukan layanan dari satu atau lebih fasilitas pelayanan. Kejadian garis tunggu timbul disebabkan oleh
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
SEMINAR TUGAS AKHIR PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Oleh : Husien Haikal Fasha 1207 100 011 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
25 BAB III (MSAR) 3.1 Model Markov Switching Autoregressive Model runtun waktu Markov Switching Autoregressive adalah salah satu model runtun waktu yang merupakan perluasan dari model Autoregressive (AR).Ide
Lebih terperinciPERBANDINGAN PENGGUNAAN RANTAI MARKOV DAN DISTRIBUSI CAMPURAN DATA TIDAK HUJAN DAN DATA HUJAN UNTUK MENSIMULASI DATA HUJAN HARIAN TUGAS AKHIR
PERBANDINGAN PENGGUNAAN RANTAI MARKOV DAN DISTRIBUSI CAMPURAN DATA TIDAK HUJAN DAN DATA HUJAN UNTUK MENSIMULASI DATA HUJAN HARIAN TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB II LANDASAN TEORI. pembahasan model antrian dengan working vacation pada pola kedatangan
BAB II LANDASAN TEORI Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian dengan working vacation pada pola kedatangan berkelompok (batch arrival) satu server, mencakup
Lebih terperinciRantai Markov Diskrit (Discrete Markov Chain)
#10 Rantai Markov Diskrit (Discrete Markov Chain) 10.1. Pendahuluan Berbagai teknik analitis untuk mengevaluasi reliability dari suatu sistem telah diuraikan pada bab terdahulu. Teknik analitis ini mengasumsikan
Lebih terperinciANALISIS PENERAPAN SISTEM ANTRIAN MODEL M/M/S PADA PT. BANK NEGARA INDONESIA (PERSERO)
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 2 (2015), hal 111 118. ANALISIS PENERAPAN SISTEM ANTRIAN MODEL M/M/S PADA PT. BANK NEGARA INDONESIA (PERSERO) Tbk. KANTOR CABANG PONTIANAK
Lebih terperinciuntuk setiap x sehingga f g
Jadi ( f ( f ) bernilai nol untuk setiap x, sehingga ( f ( f ) fungsi nol atau ( f ( f ) Aksioma 5 Ambil f, g F, R, ( f g )( f g ( g( g( ( f g)( Karena ( f g )( ( f g)( untuk setiap x sehingga f g Aksioma
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinci