PEMODELAN STATISTIKA (Dari Data ke Model dan Analisanya untuk Data Pertanian) Dr. Hanna Arini Parhusip

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN STATISTIKA (Dari Data ke Model dan Analisanya untuk Data Pertanian) Dr. Hanna Arini Parhusip"

Transkripsi

1 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 PEMODELAN SAISIKA Dari Daa ke Model da Aalisaa uuk Daa Peraia Dr. Haa Arii Parhusi Absrak Pada makalah ii diujukka bagaimaa melakuka emodela dega saisika dimulai dari daa khususa ada bidag eraia. Pemodela ag dimaksud khususa dega regresi liear. Secara sederhaa regresi liear dijelaska uuk regresi klasik da daa ime series auoregresi da regresi dalam GSAR Geeralized Sace ime Auoregressive. GSAR sediri dibedaka mejadi aiu GSAR sadar haa auoregresi da memerhaika lokasi da GSAR ermodifikasi aiu GSAR ag meggabugka regresi klasik da GSAR klasik. Beberaa cooh juga diujukka agar daa membau embaca dalam melakuka emodela dega saisika khususa regresi. Daa ag diguaka khususa daa iklim da eraia Boolali ada ahu 9-. Kaa kuci : regresi, GSAR, GSAR ermodifikasi. LAAR BELAKANG Pada kehidua sehari-hari ag kia jumai serigkali meruaka daa aau abel dimaa kia harus meerjemahka daa ersebu secara kualiaif da megambil keuusa berdasarka daa ag dieroleh. Uuk iu maka dierluka eusua daa dalam beuk ag lebih koiu da obekif sehigga jika dieroleh daa baru ag berada ada sekiar daa ag ada eai daa baru buka sebagai daa observasi maka kia daa megierreasika daa baru berdasarka daa ag lama. Uuk iulah maka kia erlu meaaka daa observasi dalam beuk model. Jika model ag diilih lebih diierreasika secara saisik, maka ekik-ekik da aa bahasa saisika dimaa variabel sebagai variabel radom. Sebalika jika daa ag diobservasi sebagai daa deermiisik, maka kia lebih baak megguaka kosa kaa maemaika. Pada bagia ii kia aka meggabugka keduaa. Pada ulisa ii beberaa cooh kasus khususa eag eraia aka disajika di sii. Pemodela Saisika ada bagia ii haa dibaasi ada uuk regresi khususa regresi mulivaria. Esesi regresi adalah meaaka variabel deede biasa disebu variabel reso sebagai fugsi variabel ideede biasa disebu variabel redikor. Sebelum melakuka emodela, maka erlu ula dikeahui bagaimaa daa dalam beuk ak berdimesi agar kia daa megierreasika dega mudah karea bebas dimesi. Beberaa rasformasi daa diguaka logarima, membagi daa dega maksimum daa, aau membagi daa dega raa-raa daa uuk ia variabel. Pada diskusi beriku ii daa elah ak berdimesi. Selai iu, daa serigkali meruaka daa ime series. Beberaa ekik memerluka agar daa disaioerka erhada mea da variasia. Beberaa ekik klasik uuk iu idak dibicaraka disii, sehigga diasumsika daa sudah saioer.. PEMODELAN REGRESI LINEAR Maeri ii elah diulis secara deail dalam buku Parhusi,dkk, 4 dega berbagai kasus ag sudah dielajari.. Regresi liear sederhaa

2 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 Pada regresi liear sederhaa berari bahwa model haa mejelaska hubuga variabel ak bebasvariabel reso erhada variabel bebas juga disebu variabel redikor dimaa seia asaga memeuhi i i i. i=,,, dicari berdasarka daa. Secara geomeri, jika ada iik maka kia daa megilusrasika garis lurus melalui kedua iik iu dega disebu ierce sedagka sebagai gradie. Karea baaka daa lebih dari iik maka erlu dicari ag erbaik sehigga kia masih daa membua garis ag diagga megilusrasika hubuga liear aara ia asaga daa i, i, i=,...,.uuk medaaka arameer erbaik diguaka goodess of fi aiu memiimalka deviasi kuadra aara daa ag diobservasi dega model, aiu deviasi = i, daa - i,model. Ada berbagai selisih/deviasi karea hal ii. Misal dega SS oal sum square adalah jumlah oal aara selisih daa observasi dega raa-raa dari hasil model. Sekaliu aia arameer sudah dieroleh erbaik aiu, elah dieroleh sehigga maka selisih aara i, daa model, i da i, model idak bisa selalu. Oleh karea iu selisih ii disebu residual sum square ag disimbolka SS R. Selai iu daa ula dielajari selisih aara ilai raa-raa daa observasi dega garis regresi. Jumlah kuadra selisih ii dikeal dega model sum squares SSM. Caaa : Iga, kia daa meggambarka hubuga i, i sebelum meeaka ersamaa sebagai model ag kia ilih. Jika daa i, i idak berola liear, maka kia erlu memilih model ag lai da kemugkia besar ak liear.. Regresi liear Mulivaria klasik Misalka kia memuai variabel ak bebas [,..., ] da variabel bebas dega megasumsika bahwa daa disima dalam sebuah mariks radom X dimaa eleme baris meaaka observasi X= [X...X ] da baaka kolom meaaka variabel X,..., X. Perhaika bahwa seia vekor X j memuai observasi ag diulis sebagai vekor kolom sehigga jika mariks X diulis erkomoea sebagai adalah X X X X i Model regresi liear dega variabel ak bebas uggal dalam beuk X X.... X. Dega observasi sebaak maka ia observasi ke-i memeuhi model aiu

3 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril dimaa suku-suku error diasumsika memuai sifa-sifa. ; j E 4.a. j Var kosa da 4.b.,, k j Cov k j. 4.c Dalam oasi mariks vekor, ersamaa mejadi. Diulis 5 Perhaika bahwa kolom erama mariks haa memuai komoe berilai da kolom ke- higga ke + adalah vekor-vekor X,..., X.Parameer regresi aiu vekor = dieroleh dega leas square aiu memiimumka i j ij j i R. 6 Dalam oasi vekor mariks diulis liha uuk regresi uivaria = =. Oleh karea iu urua erama R erhada masig-masig variabel aiu,..., diulis sebagai vekor iga kalkulus ebuah baak ag harus sama dega aiu R R R,..., = =. Dieroleh aau. Jadi uuk medaaka kia harus meelesaika aiu. 7 Paragraf ii lebih maemais. Meuru aljabar liear idak selamaa ivers mariks ada. Uuk iu erlu disaraka bahwa daa dieroleh jika ada. Perlu dikeahui ula bahwa hasil ag dieroleh ada ersamaa 7 mejami emiimum R asalka mariks osiive

4 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 defiie ilai eige semua osiif. Eksresi dieroleh dari R R = ag meruaka mariks Hessia R. eraa emiliha variabel ag daa dilibaka dalam model mejadi diskusi berbagai eelii. Salah saua ada lieraur Kuer, dkk. 8. Ada berbagai meode ag diguaka dalam lieraur ersebu eai ea mesaraka >.. Regresi GSAR Geeralized Sace ime Auo Regressive Model Geeralized Sace ime Auo Regressive GSAR erama kali dierkealka oleh Borovkova, Louhaa, da Ruchjaa Parhusi,dkk,4 sebagai geeralisasi dari model Sace ime Auoregressive SAR. Megiga bahwa model ii masih baru dalam duia saisika maka dalam makalah ii aka diujukka megeai simulasi eusua model GSAR uuk memeroleh model ag ea da aabila model idak ea aka diujukka megaa model ersebu dikaaka idak ea... Model GSAR klasik Secara maemais, oasi dari model GSAR sama dega oasi model SAR. Perbedaa uamaa erleak ada ilai-ilai arameer ada lag sasial ag sama dierbolehka idak sama Suharoo, Subaar, 6. Persamaa model GSAR uuk orde waku da orde sasial dega megguaka lokasi ag berbeda dalam beuk mariks sebagai beriku, w w e w w e 8.a w w e Ada berbagai macam meode eeua bobo lokasi ada model GSAR eai meode ag alig umum diguaka adalah bobo lokasi seragam karea bersifa sederhaa da mudah uuk dieuka Ruchjaa,. Salah sau eeua ilai bobo seragam adalah sebagai beriku : w ij dega i meruaka baaka lokasi ag berdekaa dega lokasi ke-i. Esimasi arameer model GSAR aiu ' i daa diselesaika dega megguaka meode kuadra erkecil ag daa dieroleh dega cara ag sama ada regresi klasik sebagaimaa diujukka ada ersamaa 7... GSAR ermodifikasi Model 8.a dimodifikasi uuk dalam beuk uuk. 8.b Persamaa 8.b daa disusu secara sama uuk da. Aggalah bahwa semua arameer harus dieuka, dimaa w ij juga dieuka sebagaimaa ada regresi klasik. Uuk selajua beberaa modifikasi juga dilakuka ag diujukka ada Bab. Persamaa 8.a mejelaska bahwa kuaias ergaug dari da. Aria kuaias ii regresi erhada diria sediri auoregressive ada waku sebeluma. Aka eai 4

5 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 edekaa ii idak selalu ea. Pada Bab ii eulis meujukka beberaa cooh modifikasi uuk daa ag sama ag diguaka ada Bab aau diambil dari Parhusi da Edi 4..4 Pemodela ak Liear Pemodela ak liear diguaka keika emodela liear mugki idak cuku bagus, aau uuk meguragi baaka arameer ag harus dieuka, maka diilih model ak liear aria variabel ak bebas sebagai fugsi dari variabel bebas. Pada makalah emodela ak liear idak diujukka secara deail.. CONOH-CONOH HASIL PEMODELAN. Regresi klasik da auoregresi Daa raa-raa emeraur, kelembaba udara, da curah huja ag dieroleh dari daa iklim oleh Komado Pedidika NI Agkaa Udara Pagkala NI AU Adi Soemarmo ahu - 9 diguaka ada Peeliia ii. Adau cooh daa diujukka ada abel. abel. Raa-raa Suhu Udara ahu -9 Bula Jauari Februari Mare Aril Mei Jui Juli Agusus Seember Okober November Desember Kasus : Regresi Klasik Diasumsika bahwa model regresi liier dari daa dega curah huja sebagai variabel ak bebasadalah = β + β X + β X + ε i Dalam oasi mariks -vekor, ersamaa i mejadi = β β β + ε ε ε 5

6 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 diulis ii Mariks ada kolom erama adalah da kolom ke- da ke- adalah vekor-vekor,. Parameer regresi aiu vekor = β β β dieroleh dega leas square aiu memiimumka i j ij R. i j Dega megikui rosedur ada ersamaa Bab daa dieroleh da A ; A iii = Kia daa meggembagka ide regresi dega melakuka auoregresi regresi erhada diria sediri dimaa daa meruaka daa ag ergaug waku. Ide ii dierkealka agar embaca daa memahami ide GSAR Geeralized Sasial ime Auoregressive Regressio: regresi ag daaa ergaug ada waku da lokasi ag aka dibicaraka lebih laju. Kasus : Auoregresi Diasumsika model auoregresi dari daa curah huja sebagai variabel ak bebas ada saa = α + α + α X + α X + ε Daa diulis W v Uuk mecari esimasi arameer α adalah = W αdega megalika ruas kiri da ruas kaa dega W maka dieroleh W = W W α Sehigga daa dieroleh arameer α aiu α = W W W vi α = A W vii dega A = W W W = Aka dibukika bahwa ada ersamaa vii da α ada ersamaa viiada da erbaik aiu dega:. Mariks A ada kedua ersamaa dikaakaiverible jika deermia dari mariks A ersebu. A iveribel aria eelesaia dari mariks A uggal Peressii, dkk Error/residu meruaka jarak/beda aara daa akual dega daa edekaa dari model hasil fugsi ujua aiu E= S edekaa S daa S daa. % iv 6

7 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5. Jika A adalah ivers A ag eksak maka secara komuasi diulis A + E, dimaa E mariks error komoe-komoea meruaka bilaga ag cuku kecil sehigga A+E iverible. Kemudia errora adalah Hor da Johso,985 A A + E = A I + A E A Aka dicari A I + A E A maka erlu meaaka beuk I + A E dalam beuk lai. Aalog dega dere + aka dieroleh I + A E = A k= k+ A E k A, = k= k+ A E k A, jika ρ A E < Dega ρ A E adalah sekral radius ilai eige dari mariks A E. erdaa baak defiisi. dalam mariks, diaaraa aiu orm Euclid, orm maksimum, da orm Frobeius. Dalam kasus ii ag diguaka dalam erhiuga adalah orm euclid. Cooh meghiug orm Euclid: Misalka diuai mariks A =, erlu disusu mariks A aiu A = 4 4 uuk mecari orm euclid = ma λaa dega λ adalah ilai eige. Nilai eige dari AA adalah. da 9.9. Jadi orm euclid dari A adalah 9.9 = 5.47 web. Diasumsika A E <, baas aas kesalaha relaif dega meghiug ivers adalah A A+E A Ruas kaa dikalika A A sehigga Didefiisika A E A E A A = A E A E jika A E <. * A A A A E E A = A A A A A E κ A A A jika A osiguler viii jika A siguler Persamaa iv disebu codiioal umber dari ivers mariks dega meliha orm mariks.. Persamaa * dega ** mejadi A E A E A A = A A A A E E A = κ A E κ A E A Jadi error relaif uuk ivers mariks erbaas ergaug dari ilai κa sehigga κa idak boleh erlalu besar. Codiioal umbermariks ada MALAB juga megguaka ersamaa iv. Meuru Aderso, dkk 999 jika codiioal umber dibawah maka ilai i diaaka erbaik karea error ivers erbaas ke aas. Uuk meghiug codiioal umber diguaka eriah cod ada MALAB. 4. Sifa iik kriis miimum diujukka dega ie mariks Hessia H f mariks ag disusu urua kedua dari fugsi erhada masig-masig variabel bebas. H f = R = A w + A Av = A A i Aalog ada kalkulus, iik kriis v a sebagai emiimum lokal jika ilai eige dari mariks Hessiaa bersifa osiive semi defiie ag aria ilai eige H f Kia aka membahas Kegiaa eeliia ag berkaia dega meode ersebu. A. E A A ** Kasus. 7

8 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 Variabel ag diguaka : Raa-raa curah huja ahu -9 X : Raa-raa suhu udara ahu -9 X : Raa-raa kelembaba udara ahu -9 Pada kasus ii aka dibahas hubuga liier aara suhu da kelembaba udara erhada curah huja sebagai variable ak bebas. Dari daa ag dieroleh olehkomado Pedidika NI Agkaa Udara Pagkala NI AU Adi Soemarmo aiu daa iklim daerah Surakara-Boolali ahu -9, diolah kembali dega meraa-raa sehigga dieroleh daa ada abel. abel. Raa-raa suhu udara, curah huja, da kelembaba udara ia bula diahu -9 No Bula Curah huja Suhu udara Kelembaba udara Jauari Februari Mare Aril Mei Jui Juli Agusus Seember Okober November Desember Kasus.4 Variabel ag diguaka : Raa-raa curah huja ahu -9 ada saa X : Raa-raa kelembaba udara ahu -9 ada saa dega =,,4 Pada kasus ii aka dibahas aakah ada hubuga liier variabel curah huja ada saa -,X da X kelembaba udara ada saa da -erhada variable curah huja ada saa abel. Raa-raa curah huja da kelembaba udara Parhusi, dkk,4 Bula X Jauari Februari Mare Aril Mei Jui Juli Agusus Seember Okober November Desember abel. 4 Daa curah huja da kelembaba udara ia bula lajua,sesuai dega ama variabel Parhusi, dkk,4 X X 8

9 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril Meguji Normalias daa Daa ag ada diuji ormaliasa dega ekik chi-kuadra. Pegujia ormalias daa dilakuka dega megguaka ala bau MALAB. Uuk daa ag aka diaalisa dieroleh bahwa erhiuga uji ormal daa memuai ersease ormal ada kasus adalah 8.% da ada kasus adalah 8.88% sebagaimaa diujukka ada Gambar.Daa disimulka kedua daa sudah cuku ormal uuk daa diaalisis lebih laju. Gambar. Uji ormalias daa mulivaria Melakuka Aalisis Regresi Mulivaria da Auoregresi Mecari model regresi liier sera mecari hubuga aau egaruh variabel ak bebas curah huja dega masig-masig variabel bebasa aiu kelembaba sera suhu udara. Kasus 5. Dega megguaka = β + β X + β X + ε maka dilakuka erhiuga uuk memeroleh arameer. Dega baua rogram R maka didaalah model regresi egaruh kelembaba da suhu erhada curah huja adalah sebagai beriku: = X X dega: raa-raa curah huja; X : raa-raa suhu udara; X :raa-raa kelembaba udara. Hasil ag dieroleh dega rogram R didaa bahwa -value uuk variable da X dibawah.5 sehigga daa dikaaka sigifika.namu idak ada variable X dega ilai -value adalah.8496 da lebih besar dari.5.aria koribusi X idak sigifika erhada ersamaa = β + β X + β X + ε. Nilai F saisik adalah.68, sedagka F,,. 95 = Sehigga ilai F saisik lebih besar dariada F,,. 95.Oleh karea iu j diolak. Sehigga ersamaa model regresi liiera mejadi = β + β X + ε. Dega megguaka rogram SPSS juga didaai hasil ag sama sebagaimaa diujukka ada abel 6. Hasil keluara di aas sama dega hasil ag dieroleh dega rogram R ag sebeluma elah dijalaka. aiu ilai arameer ada kolom B ag meujukka ilai,, sera ilai Sig. adalah ilai -value. 9

10 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 Hubuga ia variabel Dari hasil Gambar oleh rogram R kia juga daa meliha hubuga variabel ak bebas curah huja dega masig-masig variabel iak bebasx da X suhu da kelembaba udara. Dari gambar ersebu daa disimulka ada hubuga liier variabel dega X,amu idak ada variabel da X Gambar. Gambar Hasil aalisis regresi dega rogram R abel.5 Hasil keluara regresi rogram R Es imae Sd. Error value Pr> Ierce *** X X e-5 *** Sigif.codes: ***. **. *.5.. Coefficies a Model abel 6.. Hasil keluaradega rogram SPSS Usadardized Coefficies Sadardized Coefficies B Sd. Error Bea Sig. 95% Cofidece Ierval for B Lower Boud Uer Boud Cosa emeraure Celcius Kelembaba Nisbi a. ak bebas Variabel: Curah Huja Demikia ula hubuga aar variable daa diliha dari korelasi aar variabel ag berbeda. Hasil uji korelasi meujukka bahwa berkorelasi dega X sedagka idak berkorelasi dega X. Variabel X da X juga idak berkorelasi. Perlu diujukka dega ag dieroleh adalah ag erbaik ag aria memiimumka R. Hal ii dilakuka dega meghiug deermia A, error fugsi, meghiug Codiioal Number Aag daa diliha ada abel 7 abel 7. Sifa dari ag dieroleh Kodisi ag diamai Deermia Mariks A Hasil.84 6

11 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 Error 7.69 % Codiioal umber Sifa H f osiive semi defiie Dieroleh deermia mariks A, sehigga sisem ersamaa liiera memuai eelesaia uggal. Error cuku kecil aiu 7.69% Dari codiioal umber ag dieroleh masih lebih kecil dari baas maksimuma aau Codiioal umber < Kemudia dieroleh juga ilai eige =[ ; 5 ; 7764] ag aria sifa H f adalah osiive semi defiiesehigga arameer ag dieroleh diaaka sebagai ag erbaik karea memiimumka R. Kasus 6. Diasumsika = α + α + α + α + ε maka dilakuka erhiuga uuk memeroleh arameer. Dega baua rogram R maka didaalah model sebagai beriku: = Gambar. Gambar hasil aalisis regresi ada abel dega rogram R Parhusi, dkk,4 Hasil ag dieroleh dega rogram R didaa bahwa -value uuk semua variable lebih besar dari.5 sehigga daa dikaaka idak sigifika. Nilai F saisic/f hiug adalah 5.46, sedagka F,,. 95= F abel.sehigga ilai F saisik lebih besar dariada F.Oleh karea iu dierima. Dega kaa lai hioesis ul dierima. Aria model,,.95 j liear diaas idak daa dierima karea alig idak ada arameer ag idak sigifika. Dari hasil ag dieroleh deermia marik A, kemudia Codiioal umber ag masih lebih kecil dari baas maksimuma. Codiioal umber< , sera sifa H f osiive defiie daa dikaaka bahwa arameer ag dieroleh ada haa saja belum ag erbaik diliha dari error ag masih cuku besar aiu.98%. abel 8. Sifa sifa dari Kodisi ag diamai Hasil Deermia Mariks A W W Error.98 Codiioal umber 9.7 Sifa H f osiive defiie

12 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 Berdasarka uraia embahasa di aas daa disimulka Daa ag diolah aiu raa-raa curah huja, suhu sera kelembaba udara didaerah Boolali ahu -9 berdisribusi ormal. erdaa hubuga liier ag sigifika aara variabel ak bebas curah huja dega variabel iak bebas X kelembaba udara, amu idak dega variabel X suhu udara. Model regresi liier ag dieroleh adalah = β + β X + ε = X + ε Hasil aalisis auoregresi ag memerlihaka curah huja ada saa dimulai bula ke- aiu Februari diegaruhi idaka oleh curah huja ada saa -, kelembaba udara ada saa da - medaaka model adalah = α + α + α + α = Haa saja model ag didaa iu idak mejadi model ag erbaik diliha dari hasil seia variabel ag idak sigifika da juga error ag masih erlalu besar ada sifa.. Beberaa Hasil Model GSAR ermodifikasi Kasus 7. Guaka model 8.b uuk daa curah huja dari kecamaa Selo, Amel da Ceogo. Hasil ii memberika kesalaha ag lebih kecil sebagaimaa diujukka ada Gambar 4. Jika meggai model 8.b ada ruas kaa dega, eraa memberika kesalaha/error lebih besar aiu sekiar 8%. Sebalika dega model 9 maka error erjadi ada sekiar %. Demikia ula jika hal ii juga dilakuka uuk ad, maka dieroleh error ag serua. Perhaika ula bahwa k da k idak berieraksi secara liear secara sigifika karea medekai uuk semua lokasi. Jadi kia daa meimulka bahwa keiga variabel berieraksi ada waku ag bersamaa. Oleh karea iu kia daa merigkas model ersamaa 8.b baris erama mejadi. 9 Demikia ula model ii juga daa diimlemeasika ada daa ag memua luas laha deg kekriisa di Boolali sebagaimaa aka diujukka selajua. Proses ii elah diujukka secara deail Parhusi da Edi, 5 dega beberaa modifikasi ag lai. Kasus 8. Guaka daa laha kriis ia kriis uuk lokasi di aas Selo, Amel Ceogo dalam memodelka besara laha kriis ia lokasi.

13 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 Gambar 4. Pedekaa curah huja dega ersamaa 9 ada Selo Horizoal : ideks, Verikal: baaka curah ak berdimesi, karea daa sudah disasioerisasi Parhusi da Edi, 4 Laha kriis ada keiga lokasi juga dimodelka dega ersamaa 8.b. eraa beruru =uru error adalah haa.478%,.4 %,.9% uuk Selo, Amel da Ceogo. Gambar 5 megilusrasika cooh edekaa GSAR uuk baaka curah huja di Selo. Gambar 5. Regresi GSAR uuk curah huja di Selo. Daa *,o,da model * diujukka dega garis Parhusi,dkk, 4. Koefisie bobo uuk seia ersamaa liear ada ersamaa 8.b diujukka ada abel 9. Uuk rodukivias adi, model ag sudah dimodifikasi idak daa diguaka karea error ag cuku besar beruru-uru uuk 5.58%,.54%,.746% uuk Selo, Amel da Ceogo. Salah sau hasil diujukka ada Gambar 6. Oleh karea iu GSAR harus dimodifikasi lagi. abel 9. Parameer ada model modifikasi GSAR uuk daa luas laha kriis ada Selo, Amel da Ceogo Nilai arameer Error % Selo Amel Ceogo Selo Amel Ceogo Gambar 6. Pedekaa da daa hasil roduksi adi di Selo sebagai model roduksi adi ag ergaug roduksi adi di Selo ada waku sebeluma, da roduksi adi dari Amel da Ceogo Parhusi da Edi, 5 Kasus Area laha kriis diagga bergaug ada baaka curah huja disekiara juga area laha kriis sekiara. 4 5 dimaa

14 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 4 : area laha kriis lokasi ke- ada waku, : area laha kriis lokasi ke- ada waku, : area laha kriis dari lokasi ke- ada waku, : baaka curah huja ada lokasi ke- ada waku, : baaka curah huja ada lokasi ke- ada waku, : baaka curah huja ada lokasi ke- ada waku. Model memberika error.464 % dega ilai arameer adalah Dari sisi aljabar liear, de X X ' medekai ag aria mariks medekai sigular. Karea error cuku kecil, kia daa membua edekaa model ersamaa uuk lokasi ag lai Amel da Ceogo. Jadi model ersamaa daa diulis dalam beuk umum: e e e. Vekor erama ada ruas kaa meaaka arameer kosa ada regresi. Vekor kedua megilusrasika kuaias ag sama misal laha kriis dari lokasi sekiara. Sedagka vekor keiga meaaka kuaias ag lai misal curah huja. Jika dibadigka dega GAR ag sadard, model GSAR dari ersamaa lebih valid.. Modifikasi GSAR uuk roduksi adi.. Bobo dega regresi klasik Pada aragrah ii aka diujukka bagai-maa model GSAR kembali dimodifikasi. Misalka luas laha kriis da curah huja uuk masig-masig lokasi dimodelka dalam beuk. Kemudia baaka adi ag diae meruaka fugsi liear laha kriis da curah huja. Jadi model GSAR mejadi model laha kriis ada lokasi ke- P. model baaka curah huja uuk ada ke- P. w P P P model baaka adi ada lokasi ke- P. Jadi uuk lokasi model modifikasi GSAR uuk ae adi memua sisem ersamaa liear aiu Parhusi da Edi, 5 P.4 P.5

15 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 P P P w w P P P w P.6 Dibadigka dega model-model sebeluma, model P.6 memua lebih sediki variabel. Demikia ula uuk oimasi, model ii lebih meguugka. Model ii diguaka uuk meusu fugsi ujua roduksi adi ada Selo, Amel da Ceogo Parhusi da Edi, 5. Pemiliha variabel redikor lebih laju Pada eeliia erdahulu Parhusi da Edi, 4 curah huja da luas area laha kriis sebagai variabel redikor selai baaka adi ada waku sebeluma sebagai variabel auoregresi. Aka eai uuk megeahui roduksi adi ada ia kecamaa, laha kriis idak daa mejadi fakor dalam meeuka oimal roduksi adi sebagaimaa ada awal eeliia karea beberaa lokasi memuai luas laha kriis. Sebeara idak adaa laha kr iis ada lokasi ersebu meujukka bahwa lokasi ersebu cuku subur dibadigka lokasi ag memiliki area kriis. Aka eai karea beberaa idak memuai laha kriis, kia idak daa membua model dega variabel redikor ag sama. Oleh karea iu variabel redikor ag diilih adalah variabel redikor aural ag memugkika erumbuha adi aiu curah huja da luas laha dimaa luas laha meruaka area ag daa diae. Hasil oimal curah huja da luas laha haa aka meujukka kemamua lokasi ersebu uuk roduksi oimal ada berdasarka daa curah huja da luas laha ae... GSAR ermodifikasi dega bobo seragam GSAR ermodifikasi disusu berdasarka regresi dari lokasi ag dikerjaka secara simula dimaa model ersebu berbeuk : Ariai, dkk, 4, aiu w wr e ;.a w w R e ;.b w w R e..c dega i = variabel daa roduksi adi ada waku di lokasi i, i =,,. i = variabel luas laha ae ada waku di lokasi i, i =,,. R i = variabel curah huja adi ada waku di lokasi i, i =,,. N k = diag k,..., k da k = diag k,..., k meruaka arameer model w = bobo weigh ag diilih uuk memeuhi w da w ii j Model.a-.c elah diguaka uuk meaaka roduksi adi da juga jagug Ariai, dkk, 4 uuk ia kecamaa di Boolali. Model ii lebih sederhaa da daa diimlemeasika ada ecel. Model.a-.c mejadi fugsi ujua dalam roses oimasi agar daa dirediksi roduksi oimal berdasarka daa ag ada. ekik-ekik oimasi dijelaska secara rici Parhusi, 4. ij 5

16 PEMODELAN SAISIKA-Dr. Haa Arii Parhusi disajika ada kegiaa raiig of raier Field School of radiioal Climae Forecasig wih Local Wisdom Praaamagsa based Praaamagsa Sofware for Effecive Paer Plaig ad Pes Earl Deecio, Aril 5 KESIMPULAN Pada makalah ii elah diujukka roses regresi sederhaa dari regresi klasik, auoregresi da regresi GSAR sadar mauu GSAR ermodifikasi. Proses eusua model diujukka dega beberaa cooh khususa ag erkai dega curah huja, laha kriis da roduksi adi di Boolali. Ucaa erima kasih : Makalah ii sebagai hasil kegiaa dega edaaa Uied Board, ahu 5. DAFAR PUSAKA Aderso E, Bai, C Bischof, S Blackford, J Demmel, J Dogarra, J Du Croz, A Greebaum, S Hammarlig, A McKee & D Sorese.999. LAPACK User's Guide hird Ediio, SIAM, Philadelhia. h:// Ariai, P.D, Parhusi, H.A, Liawai.4. Model GSAR ermodifikasi uuk Produkivias Jagug di Boolali, Prosidig Semiar Nasioal UNNES,8 Nov 4, ISBN ;hal.4-5 hs:// : doi.4/ Parhusi, H.A.4. Oimasi akliear, ISBN , isara Grafika Salaiga, hlm. Parhusi, H.A & Edi, W.M.4. Aalisa Daa Iklim Boolali dega Regresi Klasik da Meode GSAR, Prosidig Semiar Nasioal Maemaika da Pedidika Maemaika, ISBN , hal.9-,4 Mei 4, Uiversias PGRI Roggolawe,uba. Parhusi,H.A, Edi, S.W.M., Praseo, S..J. 4. Aalisa Daa Pemodela Uuk Ilmu Sosial da Sais, ISBN , isara Grafika Salaiga,98 hlm,5 cm. Parhusi, H.A & Edi, S.W.M, 5. Oimal Producio of Padd Fields Usig Modified GSAR Models, Ieraioal Joural of Agriculural Sciece ad echolog IJAS, Vol., Issue, Februar 5 ISSNolie : ; ISSN ri: doi:.455/ijas.5... Ruchjaa. B. N,. Pemodela Kurva Produksi Miak Bumi Megguaka Model Geeralisasi SAR. Forum Saisika da Komuasi. IPB : Bogor. 6

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266 JURNAL SAINS DAN SENI ITS Vol., No., () 337-3 (3-9X Pri) D-66 Peramala Ideks Harga Saham Perusahaa Fiasial LQ Megguaka Meode Auoregressive Iegraed Movig Average (ARIMA) da Vecor Auoregressive (VAR) Rivai

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

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

Muhammad Firdaus, Ph.D

Muhammad Firdaus, Ph.D Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel

Lebih terperinci

Bab III Komentar terhadap distribusi vec(r)

Bab III Komentar terhadap distribusi vec(r) Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi

Lebih terperinci

A. LATAR BELAKANG MASALAH

A. LATAR BELAKANG MASALAH PENDAHULUAN A. LAAR BELAKANG MASALAH Model koreksi kesalaha ECM - Error Correcio Model merupaka model regresi liier ag meeuka keseimbaga jagka pajag di aara beberapa variabel. Di dalam model koreksi kesalaha

Lebih terperinci

4-1 Proses Bernoulli (1)

4-1 Proses Bernoulli (1) 4 isribusi Variabel Radom iskri Proses Beroulli isribusi Biomial isribusi Geomerik isribusi Hiergeomerik Proses & isribusi Poisso Pedekaa uuk isribusi Biomial /7/4 TI-3 Teori Probabilias - I 4- Proses

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

Metode Regresi Linier

Metode Regresi Linier Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian

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 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) 2337- (2-928X Pri) D-83 Peramala Jumlah Tamu di Hoel X dega Pedekaa Arima, Fugsi Trasfer, da Afis Viy Merlida Hardiaa, ri Susilaigrum da Suharoo Jurusa Saisika,

Lebih terperinci

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

Barekeng, Juni hal Vol. 1. No. 1

Barekeng, Juni hal Vol. 1. No. 1 Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

Distribusi Normal Multivariat

Distribusi Normal Multivariat Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias

Lebih terperinci

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009 BAB II TEORI DASAR 2.1. Proses Pemesia Muli-Ais Proses pemesia muli-ais didefiisika sebagai proses pemesia ag dilakuka dega mesi frais/millig (CNC) dega pergeraka lima-ais (5- ais), aau biasa disebu pemesia

Lebih terperinci

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha JMP : Volume Nomor 2, Oober 2009 SOUSI PERSAMAAN DIFERENSIA BOTZMANN INEAR Agus Sugadha Faulas Sais da Tei, Uiversias Jederal Soedirma Purwoero, Idoesia Email : agussugadha@ymail.com ABSTRACT. I his research,

Lebih terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta BAB II LANDASAN TEORI Pada bab ii aka dibahas megeai defiisi suatu rig serta beberaa sifat yag dierluka dalam embahasa oliomial ermutasi Pejelasa megeai rig dimulai dega defiisi dari suatu sistem matematika

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong RSNI T-0-005 Sadar Nasioal Idoesia Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog ICS Bada Sadardisasi Nasioal B SN RSNI T-0-005 Dafar isi Dafar isi... i Prakaa... ii Pedahulua... iii

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI.

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI. ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI Diajuka Kepada Fakulas Maemaika Da Ilmu Pegeahua Alam Uiversias Negeri

Lebih terperinci

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS Viy Merlida Hardiaa, 2 ri Susilaigrum da 3 Suharoo Jurusa Saisika, Fakulas MIPA, Isiu Tekologi uluh ember (ITS) Jala

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

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

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

PENGGUNAAN BOOTSTRAP DATA DEPENDEN UNTUK MEMBANGUN SELANG KEPERCAYAAN PADA PARAMETER MODEL PERAMALAN DATA STASIONER

PENGGUNAAN BOOTSTRAP DATA DEPENDEN UNTUK MEMBANGUN SELANG KEPERCAYAAN PADA PARAMETER MODEL PERAMALAN DATA STASIONER JURNAL TEKNIK INDUSTRI VOL. 8, NO., JUNI 2006: 54-60 PENGGUNAAN BOOTSTRAP DATA DEPENDEN UNTUK MEMBANGUN SELANG KEPERCAYAAN PADA PARAMETER MODEL PERAMALAN DATA STASIONER Siaa Halim, Herma Mallia Jurusa

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci