ESTIMASI KOEFISIEN KORELASI POLIKORIK MENGGUNAKAN METODE BAYESIAN DENGAN GIBBS SAMPLER

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMASI KOEFISIEN KORELASI POLIKORIK MENGGUNAKAN METODE BAYESIAN DENGAN GIBBS SAMPLER"

Transkripsi

1 STIMSI KOFISIN KORLSI OLIKORIK MNGGUNKN MTOD BYSIN DNGN GIBBS SMLR d Setw d_set_03@hoo.com rogrm Stud Mtemtk Fkults Ss d Mtemtk Uversts Krste St Wc Jl Doegoro -60 Sltg 07 Idoes strct I ths er t s descred how to fd the olchorc correlto coeffcet usg Bes method wth Gs Smler. The method s mlemeted usg WBUGS. Smulto stud s doe to descre how the method s used. Ke-words: tw stud Bes method Gs Smler olchorc correlto coeffcet edhulu Koefse korels olkork olchorc correlto coeffcet meruk sutu ukur keterkt ssocto tr du vrle ordl Rosco d ollce 006. Koefse korels tetrkork meruk ksus khusus dr korels olkork l kedu vrel egmt ordl ersft dkotom. egukur koefse ddsrk d gg hw du vrel lte g erdstrus orml vrt meghslk sg skor ordl. sg skor ordl dt dtemuk d sft ologs trt d sg kemr dlm stud sg kemr tw stud. Dlm mklh dsjk gm metode Bes deg Gs Smler dguk utuk megestms koefse korels olkork erdsrk dt smuls g t dt dguk dlm stud sg kemr. Dsr Teor Mslk Y d Y dlh ukur dr sutu trt olkotom d ggot sg kemr Kt meggg hw vektor Y Y t tergtug d vrel lte t d sutu ts threshold d mellu ersm Y = jk = jk < = 3 jk > utuk = Dsumsk hw t memu dstrus orml vrt d dt ddekomoss mejd : deg 0 ~ N 0

2 ~ N. Dlm hl t d t slg es d [- Mtrks t ddekomoss mejd du g tu t d t deg dlh g dr t sehgg Corr = d t dlh g dr t sehgg d slg es Koefse korels olkork ddefsk seg koefse korels tr d tu = Corr = V V Cov rolts ersrt hw Y = derk d dlh Y rolts ersrt hw Y = derk d dlh Y d rolts ersrt hw Y = 3 derk d dlh 3 Y Jk derk d mk vrel Y d Y slg es rolts ersrt dr Y jk derk d dt dtetuk deg cr g sm Bts j dt dstdrdss mejd j j j V 3 utuk j = Mslk emet dlh fugs dests dr vektor Y Y d j j dlh dests ersrt dr Y j derk d utuk j = Fugs lkelhood utuk vektor Y Y dlm sg kemr dlh L f

3 h g deg f dlh dests gug dr g dlh dests ersrt dr derk d h dlh dests mrgl dr g msg-msg derk oleh ex f ex g ex h d deg = Dlm hl tdk termt uoservle Fugs lkelhood g derk dt dgg seg lkelhood legk full lkelhood deg lkelhood g seer dmrglss ts mssg dt Utuk megkostruksk Gs smler derluk fugs lkelhood legk Fugs lkelhood k sedg deg ex [ [ x L utuk x. Deg kt l fugs lkelhood utuk sg kemr k sedg deg ex [ z L utuk z d = ror kojugt utuk rmeter = d = dlh dr kelurg dstrus gmm sehgg fugs dests ror dlh ex ex dstrus ror utuk rmeter dlh [ 3 I

4 d dstrus kojugt ror utuk rmeter d dr kelurg dstrus orml sehgg fugs dests ror : ex 6 6 ex Dlm hl 8 dlh rmeter dlh g sesu Berdsrk d gg hw rmeter slg es mk fugs dests ersm dlh 3 kt fugs dests sedg deg L. Fugs dests osteror ersm dt memeuh ex[ w w dt deg u w c c w d u v utuk v Berdsrk d fugs dests ersm dt dstrus ersrt euh full codtol dstruto utuk msg-msg rmeter dt dtk seg erkut : g l ex[ ex[ 3 u g l ex[ [ I v g l 6 ex w g l 8 7 ex w g l Utuk vrel lte dstrus ersrt euh dt dtetuk deg ex g l d

5 g l ex Utuk megkostruksk Gs Smler dguk lgortm seg erkut : Islss rmeter [ 0 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 [ 0 d dset j= Dgktk [ j g l deg g l errt rmeter g l 3 Dgktk j g l 3 Dgktk [ j g l Dgktk [ j g l 6 Dgktk [ j g l 7 Dgktk [ j g l 8 Dgktk [ j g l 9 Lgkh sm 8 utuk j = 3 sm rt Mrkov Mrkov ch hsl dr Gs Smler mejd koverge Dstrus ersrt euh dr rmeter meruk dstrus 3 + u g meruk dstrus stdrd sehgg smlg dr rmeter mudh dmlemetsk Dstrus ersrt euh g l tdk d g meruk ggot kelurg stdrd Utuk memel dguk lgortm Metrools-Hstg deg dests g dusulk dlh dests eksoesl deg me tu ex 0 Dstrus ersrt euh utuk jug uk meruk dstrus o-stdrd Utuk memeroleh smel kt megguk lgortm Metrools-Hstg deg dests g dusulk deg m{ - -} < < mx{ + } d seg cotoh dml = 03 Leh juh dstrus ersrt euh dr jug meruk dstrus o stdrd Dstrus dt ddekt deg megguk lgortm Metrools-Hstg deg dstrus roosl N rmeter d utuk = dt dkerjk deg cr g sm 3 Stud Smuls Hsl d emhs ket rogrm R dguk utuk memgktk dt ktegorkl d smel sg kemr g dgg tergtug d vrel lte g erdstrus orml vrt ku deg koefse korels. Dlm smuls dlh utuk megguk 600 sg kemr d megguk ut koefse korels olkork = 0; 0; 08 seg ut g dguk utuk mejelsk eggu metode terseut. Tel meruk cotoh dr hsl smuls terseut l dguk = 0. Dr tel terseut terlht hw dr 600 sg kemr

6 terdt 7 sg deg kemr memu ktegor sedgk kemr memu ktegor 9 sg deg kemr memu ktegor sedgk kemr memu ktegor d seterus. Tel. Tel kotges dr k kemr d sg kemr g ersttus ktegor ktegor d ktegor 3 Kemr Kemr Ktegor Ktegor Ktegor 3 Ktegor Ktegor Ktegor Bl smuls dlkuk = kl mk k deroleh hsl legk seert dtk d Tel. Utuk megestms esr koefse olkork deg metode g telh djelsk d ts dmlemetsk dlm WBUGS vers ror g dguk utuk rmeter d dlh ror Berdsrk d ror vrs dr vrel lte g dtk deg V = + k memerk rolts g tgg d tervl 00 d ror dr dguk dstrus N0 sehgg dlm dg ersm 3 rmeter memerk rolts g tgg d tervl sehgg ror dstrus N 0 0 k meruk emlh g erls utuk rmeter Dlm hl dguk med dr rt Mrkov dlm MCMC utuk megestms d Nl dlm td kurug memerk estms tervl kredel credle tervl 9 % utuk hsl estms Bes Gmr d Gmr msg-msg memerk lot MCMC d estms dest kerel dest estmto utuk rmeter-rmeter g derluk Berdsrk d Tel terlht hw metode Bes memerk estms g reltf memusk kre sesu deg rmeter g dguk utuk memgktk dt ktegorkl sg kemr. Tel. Dt hsl smuls dr trt ktegorkl d sg kemr. No

7 Tu Tu Gmr lot MCMC d estms dests deg ukur smel 0000 utuk ts d Tel 3. Hsl estms korels olkork deg megguk metode Bes. No Kesmul d Sr Dlm mklh telh djelsk gm megguk metode Bes deg Gs Smler utuk meetuk koefse korels olkork. Deg megguk dt hsl smuls g dgktk megguk ut

8 g dlh mk l-l ut terseut dt destms ulg deg megguk metode Bes. Beer eelt g reltf ru terkt deg eggu metode Bes dlm stud tw dt dlht d mklh ves d rkl 003 v de Berg et l. 006 d Setw 008. eelt leh ljut dt dlkuk utuk dt-dt rel d stud tw tu fml stud. Dftr ustk [ Berg S. M. v de Setw. Brtels M. olderm T.J.C. v der Vrt.W. Boomsm D.I. 006 Idvdul Dffereces uert Oset Grls : Bes stmto of Hertltes d Geetc Correltos Behvor Geetcs 36 : [ Cowles M. K. 00 Revew of WBUGS. m. Stt. 8: [3 ves L. J. d rkl. 003 Mrkov Ch Mote Crlo roches to lss of geetc d evrometl comoets of hum develometl chge d G tercto. Behv. Geet. 33: [ Rosco. d. ollce 006 Geerlzto of the olchorc Correlto Coeffecet Dt lss Clssfcto d the Forwrd Serch Srger Berl. [ Setw. 008 stms Bes Utuk eetu Besr egruh Geetk Terhd Sft Feot d Stud Smuls rosdg Semr Nsol Mtemtk d eddk Mtemtk ISBN :

Estimasi Bayesian untuk Penentuan Besarnya Pengaruh Genetik terhadap Sifat Fenotip dan Studi Simulasinya

Estimasi Bayesian untuk Penentuan Besarnya Pengaruh Genetik terhadap Sifat Fenotip dan Studi Simulasinya sts Bes utuk Peetu Besr Pegruh Geetk terhd St Feot d Stud Suls d Setw d_set_@hoo.o Progr Stud Mtetk Fkults Ss d Mtetk Uversts Krste St W Jl. Doegoro 5-6 Sltg 57 Idoes strt Tws tht hve rtulr tegorl trt

Lebih terperinci

BAB VI ANALISIS REGRESI

BAB VI ANALISIS REGRESI BAB VI ANALISIS REGRESI A. Pedhulu Alss regres merupk slh stu lss yg ertuju utuk megethu pegruh sutu vrel terhdp vrel l. Vrel yg mempegruh dseut depedet vrle/vrel es () d vrel yg dpegruh dseut depedet

Lebih terperinci

( X ) 2 ANALISIS REGRESI

( X ) 2 ANALISIS REGRESI ANALII REGREI A. PENGERTIAN REGREI ecr umum d du mcm huug tr du vrel tu leh, tu etuk huug d keert huug. Utuk megethu etuk huug dguk lss regres. Utuk keert huug dpt dkethu deg lss korels. Alss regres dperguk

Lebih terperinci

PROSIDING SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA

PROSIDING SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA ISBN : 978-979-65--8 PROSIDING SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK Pegkt Kults Peelt d Peeljr Mtetk utuk Me World lss Uverst Yogkrt 8 Noveer 008 Peeleggr : Jurus Peddk Mtetk FMIP UNY Kerjs deg Hu

Lebih terperinci

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES

ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES LEMMA VOL I NO., NOV 24 ESTIMASI DAN RELIABILITAS PADA DISTRIBUSI WEIBULL DENGAN METODE BAYES Adev Mur Adel Progrm Stud Peddk Mtemtk, Uversts Mhutr Muhmmd Ym, Solok devmur@gml.com Abstrk. Peelt bertuju

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

Bab 4 ANALISIS REGRESI dan INTERPOLASI Als Numerk Bh Mtrkuls B 4 ANALISIS RGRSI d INTRPOLASI 4 Pedhulu Pd kulh k dpeljr eerp metde utuk mempredks d megestms dt dskret Dr sutu peelt serg dlkuk peglh dt utuk megethu pl dt tu etuk kurv g dggp

Lebih terperinci

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1)

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1) CATATAN KULIAH Pertemu XIII: Alss Dmk d Itegrl () A. Dmk d Itegrs Model Stts : mecr l vrel edoge yg memeuh kods ekulrum tertetu. Model Optms : mecr l vrel plh yg megoptms fugs tuju tertetu. Model Dmk :

Lebih terperinci

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6 home se to ecellece Mt Kulh : Klkulus Kode : TSP 0 SKS : SKS Itegrl Pertemu - 6 home se to ecellece TIU : Mhssw dpt memhm tegrl fugs d plksy TIK : Mhssw mmpu mecr tegrl fugs Mhssw mmpu megguk tegrl utuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Ltr Belkg Smp st, model Regres d model Alss Vrs telh dpdg sebg du hl g tdk berkt. Meskpu merupk pedekt g umum dlm meergk kedu cr pd trf permul, model Alss Vrs dpt dpdg sebg hl khusus model

Lebih terperinci

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA Prosdg Semr Nsol Ss d Peddk Ss IX Fkults Ss d Mtemtk UKSW Sltg Ju 04 Vol 5 No. ISSN :087-09 OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGAASINYA mbg Srt Derteme Sttstk FMIPA-IPB Eml: tmbg_srt@yhoo.com

Lebih terperinci

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel Prktkum 0 Peyeles Persm Ler Smult - Metode Elms Guss Sedel PRAKTIKUM 0 Peyeles Persm Ler Smult Metode Elms Guss Sedel Tuu : ler smult Mempelr metode Elms Guss Sedel utuk peyeles persm Dsr Teor : Metode

Lebih terperinci

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt tersebut

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt t tersebut

Lebih terperinci

BAB V ANALISIS REGRESI

BAB V ANALISIS REGRESI BAB V ANALISIS REGRESI Setelh mempeljr mhssw dhrpk dpt : Meghtug prmeter regres Melkuk estms d uj prmeter regres 3 Meemuk model regres g tept Dlm kehdup serg dtemuk d sekelompok peuh g dtr terdpt huug,

Lebih terperinci

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

Dr.Eng. Agus S. Muntohar Department of Civil Engineering Pertemu ke-7 Persm Ler Smult Oktober 0 Metode Iters Guss-Sedel Dr.Eg. Agus S. Mutohr Deprtmet of Cvl Egeerg Metode Guss-Sedel Merupk metode ters. Prosedur umum: - Selesk ser lbr vrbel tdk dkethu msg-msg

Lebih terperinci

ANALISIS ALIRAN DAYA BEBAN TIDAK SEIMBANG PADA FEEDER BLANG BINTANG GH LAMBARO BANDA ACEH

ANALISIS ALIRAN DAYA BEBAN TIDAK SEIMBANG PADA FEEDER BLANG BINTANG GH LAMBARO BANDA ACEH Semr Nsol d ExoTekk Elektro 2012 SSN : 2088-9984 ANALSS ALRAN DAYA BEBAN TDAK SEMBANG PADA FEEDER BLANG BNTANG GH LAMBARO BANDA ACEH Syhrl 1, Syukryd 2,Rdh Frdus 3 1,2,3.Tekk Eerg Lstrk Uversts Syh Kul

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TORI. egtr roses Mrkov dt dklsfksk sesu deg sft wktu egmt roses sert stte scey. Wktu egmt roses dt bersft dskrt muu kotu d stte scey bersft dskrt muu kotu bk terbts muu tk terbts.. Dt Defs..

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA.

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA. PENAKI AIO ANG EFIIEN UNTUK ATA-ATA POPULAI MENGGUNAKAN KOEFIIEN EGEI OUT PADA AMPING ACAK EDEHANA M Okto Mork Arsm Ad Hpos rt moktomoo@hoo.co.d Mhssw Progrm Mtemtk Dose Jurus Mtemtk Fkults Mtemtk d Ilmu

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

Bentuk Umum Perluasan Teorema Pythagoras Jrl Grde Vol No Jr 6 : 9-4 Betk Umm Perls Teorem Pythors Ml stt By Kerm Ulsr les Jrs Mtemtk Fklts Mtemtk d Ilm Peeth lm Uversts Bekl Idoes Dterm Septemer 5; dset Desemer 5 strk - Peelt memhs perls teorem

Lebih terperinci

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline

Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... Kj Metode Estms Prmeter dlm egres Semrmetrk Sle Whyu Wowo, Sr Hrytm, I Nyom Budtr whyu.stk@gml.com Jurus Mtemtk, Uversts Gdjh Md Yogykrt Jurus

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI PENCOCOKAN KURVA (CURVE FITTING) Iterpols : Iterpols er Iterpols Kudrtk Iterpols Poloml Iterpols grge Regres : Regres er Regres Ekspoesl Regres Poloml INTERPOASI Iterpols dguk utuk meksr l tr (termedte

Lebih terperinci

Teknik Komputasi Ujian Akhir Semester (UAS)

Teknik Komputasi Ujian Akhir Semester (UAS) Tekk Komputs U Akhr Semester UAS Dose : Dr. Ir. Nzor Az MT. Nm : Yog Prhstomo NIM : 06006 Kels : XB MAGISTER ILMU KOMPUTER UNIVERSITAS BUDI LUHUR 0 Hlm 0 Tekk Komputs: U Akhr Semester UAS A. Sol Dkethu

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

Bab 4 ANAKOVA (ANALISIS KOVARIANSI) Bb 4 ANAKOVA (ANALISIS KOVARIANSI) ANAVA vs ANREG ANAVA ANREG megu perbdg vrbel tergtug () dtu dr vrbel bebs () mempredks vrbel tergtug () mellu vrbel bebs () Ksus: Peelt deg vrbel : 1 Prests Mhssw Kemmpu

Lebih terperinci

TEOREMA ABEL-DINI DAN DUAL KÖTHE-TOEPLITZ PADA DERET GANDA

TEOREMA ABEL-DINI DAN DUAL KÖTHE-TOEPLITZ PADA DERET GANDA Prosdg Semr Nsol Ss d Peddk Ss VIII, Fkults Ss d Mtemtk, UKSW Sltg, 5 Ju 203, Vol 4, No, ISSN:2087 0922 TEOREM BEL-DINI DN DUL KÖTHE-TOEPLITZ PD DERET GND Sumrdoo, Soer DW 2 & Sum 3 PPPPTK Mtemtk, Mhssw

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK Pegtr Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. Msly dlm termodmk, model Deye utuk megtug kpsts ps dr ed pdt.

Lebih terperinci

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor BAB ANAVA JALAN Merupk pegembg dr ANAVA 1 Jl Jk pd ANAVA 1 l 1 Fktor Jk pd ANAVA l Fktor Model Ler Asums: Model efek Tetp! 1,..., 1,..., Stu fktor g dtelt Av 1 l k k 1,,..., 1,,..., b k 1,,..., Du fktor

Lebih terperinci

CNH2B4 / KOMPUTASI NUMERIK

CNH2B4 / KOMPUTASI NUMERIK CNHB4 / KOMPUTASI NUMERIK TIM DOSEN KK MODELING AND COMPUTATIONAL EXPERIMENT PENCOCOKAN KURVA Pedhulu Dt g bersl dr hsl pegmt lpg pegukur tu tbel g dmbl dr buku-buku cu. Nl tr turu tegrl mudh dcr utuk

Lebih terperinci

Model Tak Penuh. Definisi dapat di-uji (testable): nxp

Model Tak Penuh. Definisi dapat di-uji (testable): nxp Model T Peuh Defs dpt d-u (testle): Sutu c c 'c 'c H 'c 'c dpt du l d stu set fugs g dpt - ddug m m ' sehgg H er c ' ' slg es ler tu C c ' c m ' Perht : Kre r X p r p m m r c' (X' X) c X' X c' C(X' X)

Lebih terperinci

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA)

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA) BAB 1 Alss Vrs stu fktor Sgle Fctor Alss Of Vrce (ANOVA) ANALISIS VARIANSI SATU FAKTOR D MetStt 1 sudh dkel uj hpotess rt-rt du populs A d B g berdstrbus Norml Bgm jk terdpt lebh dr du populs? Alss vrs

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange Prktkum. Iterpols Ler, Kudrtk, Poloml d Lgrge PRAKTIKUM Iterpols Ler, Kudrtk, Poloml, d Lgrge Tuju : Mempeljr berbg metode Iterpols g d utuk meetuk ttkttk tr dr buh ttk deg megguk sutu fugs pedekt tertetu.

Lebih terperinci

Menaksir Matriks Teknologi Kota Cimahi Berdasarkan Tabel Input Output Provinsi Jawa Barat Menggunakan Metode Location Quontient

Menaksir Matriks Teknologi Kota Cimahi Berdasarkan Tabel Input Output Provinsi Jawa Barat Menggunakan Metode Location Quontient Sttstk, Vol. 9 No., 75 8 Nopemer 9 eksr trks Tekolog Kot Cmh Berdsrk Tel Iput utput Provs Jw Brt egguk etode octo Quotet TETI SFIA ANTI Jurus Sttstk Uversts Islm Bdug Eml: utet@yhoo.com ABSTRAK Tel Iput

Lebih terperinci

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG GEOMETRI EUCLID EG(, p ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG Bmg Irwto d Yu Hdyt Jurus Mtemtk FMIPA UNDIP Jl. Prof. H. Soedrto, S.H, Semrg 5075 Astrt. A Bled Iomplete Blok (BIB) desg

Lebih terperinci

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY Oleh : Yusup Fkults Ilmu Komputer, Uversts AKI Semrg Astrt The frto of No Homoge Lerty Ajustmet System towr Cholesky Doule

Lebih terperinci

Jl. HR. Soebrantas No. 155 Simpang Baru, Panam, Pekanbaru,

Jl. HR. Soebrantas No. 155 Simpang Baru, Panam, Pekanbaru, Jurl Ss Mtetk d Sttstk, Vol. No. Jul 6 ISSN 6-5 Metode Guss-Sedel d Geerlss Guss-Sedel utuk Meyelesk Sste Pers Ler Kopleks Cotoh Ksus: SPL Kopleks deg pers d vrel tr ry, Le Tr Lestr, Jurus Mtetk, kults

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Megethu rcg d eses. Megethu model ler 3. Meuruk Jumlh Kudrt (JK) 4. Melkuk uj lss vrs 5. Melkuk uj perbdg gd Apkh ber kot dlm rokok dpt megkbtk Kker? Sel kker

Lebih terperinci

INTEGRAL DELTA DAN SIFAT-SIFATNYA. Delta Integral and Properties of Delta Integral

INTEGRAL DELTA DAN SIFAT-SIFATNYA. Delta Integral and Properties of Delta Integral Jurl Brekeg Vol. 7 No. Hl. 3 8 (03) INTEGRAL DELTA DAN SIFAT-SIFATNYA Delt Itegrl d Propertes of Delt Itegrl MOZART WINSTON TALAKUA, MARLON STIVO NOYA VAN DELSEN Stf Jurus Mtemtk, FMIPA, Uptt Alum Jurus

Lebih terperinci

CATATAN KULIAH Pertemuan IV: Model-model linier dan Aljabar Matriks (2)

CATATAN KULIAH Pertemuan IV: Model-model linier dan Aljabar Matriks (2) TTN KULH ertemu V: Moel-moel ler lr Mtrks (). Mer Mtrks vers Sutu mtrks () mempuy vers l terpt sutu mtrks B, seh B B. Mtrks B seut vers mtrks, tuls -, y merupk mtrks uur skr ermes. Syrt keer r Mtrks vers

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT Rz Phlev, Arsm Ad, Sgt Sugrto Mhssw Progrm Stud S Mtemtk Dose Jurus Mtemtk Fkults

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS TINJUN TOITIS 1Pegel Ivests Pd dsry ortofolo erl dr ermslh vests Utuk tu seelum memhs ortofolo, dsr-dsr vests k dhs secr sgkt yg mecku tu defs, tujuy, gm rosesy, d s elkuy 11 Defs Ivests Ivests dlh em

Lebih terperinci

3SKS-TEKNIK INFORMATIKA-S1

3SKS-TEKNIK INFORMATIKA-S1 SKS-TEKNIK INFORMATIKA-S Momd Sdq PERTEMUAN : 9- INTEGRASI NUMERIK METODE NUMERIK TEKNIK INFORMATIKA S SKS Momd Sdq MATERI PERKUIAHAN SEBEUM-UTS Pegtr Metode Numerk Sstem Blg d Kesl Peyj Blg Bult & Pe

Lebih terperinci

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT Prosdg Semr Nsol Mtemtk d Terpy 06 p-issn : 550-084; e-issn : 550-09 KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT St Muhwh Uversts Jederl Soedrm st_muhwh@yhoo.co.d

Lebih terperinci

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0. KKKF BAHAGAN A 6 MARKAH Arh : Jw SEMUA sol. Kepekt kter pecemr pt, d dlm secw teh trk yg drk selm eerp jm derk oleh: pt = 5e -.5t + 5e -.75t Crk ms, t, dlm ut jm yg dperluk utuk kter jk kepekt yg dkehedk

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Desg d coduct expermets volvg sgle. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc wth resdul plots 4. Use multple comprso

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 30-37 Jurl Mtemtk Mur d Terp Vol. 4 No. Desember : - 7 PENGGUNN BENTUK SMITH UNTUK MENENTUKN BENTUK KNONIK MTRIKS NORML DENGN ENTRI-ENTRI BILNGN KOMPLEKS Thresye Progrm Stud Mtemtk Uversts Lmbug Mgkurt Jl. Jed..

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metode Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metode Elms Guss Tuju : Mempeljr metode Elms Guss utuk peyeles persm ler smult Dsr Teor : Metode Elms Guss merupk

Lebih terperinci

x 1 M = x 1 m 1 + x 2 m x n m n = x i

x 1 M = x 1 m 1 + x 2 m x n m n = x i Iterl Tertetu..6 oe d ust ss Ttk Bert slk d du ed s-s elk ss sesr d y dletkk pd pp er de jrk erturut-turut d d d dr ttk pey pd - y ered. Ked terseut k se jk dpeuh d d. d d Sutu odel tets y k dperoleh pl

Lebih terperinci

DUALITAS DAN ANALISIS SENSITIVITAS

DUALITAS DAN ANALISIS SENSITIVITAS /5/008 DUALITAS DAN ANALISIS SENSITIVITAS Dr. Mohd Adul Mukhy, SE., MM. Prl Prole P ze z cx suject to Ax x 0 optu vlue s z* Dul Prole xze suject to D v π πa c optu vlue s v* Theore. (Strog Dulty) If oth

Lebih terperinci

DEFINISI INTEGRAL. ' untuk

DEFINISI INTEGRAL. ' untuk DEINISI INTEGRAL Dlm mtemtk d eerp stl sepert des, teorem, lemm Istl petg kre meujuk keeksstes Des dl peryt yg erl er kre dsepkt, d tdk perlu duktk Teorem dl peryt yg dpt duktk keery Lemm dl teorem kecl,

Lebih terperinci

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNAN DERET BERTINKAT BERDAAR BILANAN EULERIAN DENAN OPERATOR BEDA Aleder A uw Jurus Mtetk, Fkults s d Tekolog, Uversts B Nustr Jl. K.H. yhd No. 9, Plerh, Jkrt Brt 48 gug@bus.edu ABTRACT Cscde seres

Lebih terperinci

BAB VI SIFAT-SIFAT LANJUTAN INTEGRAL RIEMANN

BAB VI SIFAT-SIFAT LANJUTAN INTEGRAL RIEMANN BAB VI SIFAT-SIFAT LANJUTAN INTEGAL IEMANN Sift-sift Ljut Itegrl iem Teorem 6.1 Jik f [, ] d f [, ] deg < < mk f [, ]. Leih ljut f x dx f x dx + () f x dx f [, ] d f [, ], mislk () f x dx A 1 d () f x

Lebih terperinci

Metodologi Penelitian

Metodologi Penelitian MOUL PERKULIAHAN VIII Meodolog Peel ANALISA REGRESI Fkuls Pogm Sud Tp Muk Kode MK susu Oleh Psc Sj Mgse Tekk 54 3 Hmzh Hll Eleko 8 Asc Kulh keemp memu me eg lss pedks deg megguk meode kud ekecl: eges le

Lebih terperinci

PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA

PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR ABSTRAK ANA FARIDA.

Lebih terperinci

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31 INTEGRAL TERTENTU Defs: Prs P pd ervl [,] dlh suu suse erhgg P = {,,,, } dr [,] deg = < < < < = Jk P = {,,,, } prs pd [,] mk Norm P, duls P, ddefsk seg P = m{ - =,,,, } Cooh: = = Pd ervl [, ], suu prs

Lebih terperinci

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx.

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx. Nuryto,ST.,MT d c. INTEGRAL TAK TENTU KONSEP DASAR INTGRAL f. ALJABAR INTEGRAL f. TRIGONO CONTOH SOAL SOAL LATIHAN UJI KOMPETENSI Itegrl merupk opersi ivers dri turu. Jik turu dri F dlh F = f, mk F = f

Lebih terperinci

Modul 8. (Pertemuan 12 s/d 16) DERET FOURIER

Modul 8. (Pertemuan 12 s/d 16) DERET FOURIER Modul 8. (Pertemu s/d 6) DERET FOURIER 8. FUNGSI PERIODIK DAN FUNGSI KONTINU TERPOTONG Defiisi Fugsi f diseut fugsi periodik il terdpt p > sedemiki sehigg utuk setip erlku f ( p) f ( ). Nili p > terkecil

Lebih terperinci

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012 8/9/0 ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) Elty Srv, S., M. Fkults ekk Jurus ekk Idustr Uversts Krste Mrth Bdug ANOVA Dsr perhtug ANOVA dtetpk oleh Rold A. Fsher. Dstrus teorts yg dguk dlh

Lebih terperinci

1 yang akan menghasilkan

1 yang akan menghasilkan Rset Opers Probblstk Teor Per (Ge Theor) Nughthoh Arfw Kurdh, M.Sc Deprteet of Mthetcs FMIPA UNS Lecture 6: Med Strteg: Ler Progrg Method A. Metode Cpur deg Progr Ler Terdpt hubug g ert tr teor per d progr

Lebih terperinci

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada BAB PENDAHULUAN. Ltr Belkg Sektor perkebu merupk sub sektor pert yg mejd slh stu fktor yg dpt medukug kegt perekoom d Idoes. Slh stu sub sektor perkebu yg cukup besr potesy dlm perekoom Idoes dlh perkebu

Lebih terperinci

HUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA

HUBUNGAN DERET BERTINGKAT BERDASARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA HUBUNGAN DERET BERTINGKAT BERDAARKAN BILANGAN EULERIAN DENGAN OPERATOR BEDA Aleder A.. Guw Jurus Mtetk d ttstk, Fkults s d Tekolog, Bus Uversty Jl. KH. yhd No. 9, Plerh, Jkrt Brt 48. gug@bus.edu ABTRACT

Lebih terperinci

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif Vol. 3 No. 80-85 Ju 007 Bts Nl Ege Mksl D Mtks Tk Negtf A. Kes Jy Abstk Ide ut skps dlh utuk edptk etode dl eetuk bts d l ege ksl d tks tk egtf deg bedsk bts Fobeus. Ytu R d dlh ulh bs tu kolo u d R dlh

Lebih terperinci

Pendahuluan Aljabar Vektor Matrik

Pendahuluan Aljabar Vektor Matrik Pedhulu Aljr Vektor trik Defiisi: trik A erukur x ilh sutu susu gk dl ersegi et ukur x, segi erikut: = A tu A = ( ij ) Utuk eytk elee trik A yg ke (i,j), yitu ij, diguk otsi (A) ij. Ii errti ij = (A) ij.

Lebih terperinci

METODE NUMERIK SISTEM PERSAMAAN ALJABAR LINIER (SPL) SIMULTAN.

METODE NUMERIK SISTEM PERSAMAAN ALJABAR LINIER (SPL) SIMULTAN. METODE NUMERIK SISTEM PERSAMAAN ALJABAR LINIER (SPL) SIMULTAN http://mul.lecture.u.c.id/lecture/metode-umerik/ Sistem Persm Liier Misl terdpt SPL deg uh vriel es Mtriks: m m m m Peyelesi Sistem Persm Liier

Lebih terperinci

TRANSFORMASI-Z RASIONAL

TRANSFORMASI-Z RASIONAL TRANSFORMASI-Z RASIONAL. Pole d Zeo Zeo di sutu tsfomsi- dlh ili-ili deg X() = 0. Pole di sutu tsfomsi- dlh ili-ili deg X() =. Jik X() dlh fugsi siol, mk () Jik 0 0 d 0 0, kit dt meghidi gkt egtif deg

Lebih terperinci

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse

PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI. Fitria Rahma Sari dan Dana Indra Sensuse PENERAPAN METODE ANALYTIC HIERARCHY PROCESS DALAM SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ASURANSI Ftr Rhm Sr d D Idr Sesuse Fkults Ilmu Komputer, Uversts Idoes, Depok, Idoes d@cs.u.c.d Astrk Memlh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Alss Regres Alss regres dlh tekk sttstk yg ergu utuk memerks d memodelk huug dtr vrel-vrel. Peerpy dpt djump secr lus d yk dg sepert tekk, ekoom, mjeme, lmu-lmu olog, lmu-lmu sosl,

Lebih terperinci

1. Aturan Pangkat 3. Logartima

1. Aturan Pangkat 3. Logartima KL UN Mtetk MA IPA 9/ No. KL Ruus. Meetuk egs pert g dperoleh dr perk kespul.. p q. p q. p q ~ (p q) = ~p ~q ~ (eu/etp p) = Ad/Beerp ~p p. ~q q r ~ (p q) = ~p ~q ~ (Ad/Beerp p) = eu/etp ~p q ~p p r p q

Lebih terperinci

Perbedaan Interpolasi dan Ekstrapolasi

Perbedaan Interpolasi dan Ekstrapolasi Iterolsi Iterolsi Perbed Iterolsi d Ekstrolsi Iterolsi Liier L Iterolsi Kudrt L h h Iterolsi Qubic L h h h Iterolsi dg Poliomil 5 Tble : Si equidisttly sced oits i [- ] y 5 -..846 -.6. -..5..5.6...846

Lebih terperinci

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor Bb 1 Av stu Alss Vrs (Alss Of Vrce / ANOVA) stu fktor Lerg Objectves 1. Desg d coduct expermets volvg sgle d two fctors. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc

Lebih terperinci

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI UNIVERSITAS INDONESIA PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI 07066003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK

Lebih terperinci

BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ. Definisi 3.1 Matriks Toeplitz adalah suatu matriks., dengan nilai,, dan indeks yang

BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ. Definisi 3.1 Matriks Toeplitz adalah suatu matriks., dengan nilai,, dan indeks yang BAB III NORM MATRIKS PADA HIMPUNAN DARI MATRIKS-MATRIKS TOEPLITZ 3. Mtriks Toeplitz Defiisi 3. Mtriks Toeplitz dlh sutu mtriks [ t ; k, j = 0,,..., ] : T =, k j, deg ili,, d ideks yg diguk setip etriy

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial Prktkum. Regres Regres Ler, Regres Ekspoesl, d Regres Poloml Poltekk Elektrok eger Surb ITS 47 PRAKTIKUM Regres Ler, Regres Ekspoesl d Regres Poloml. Tuju : Mempeljr metode peeles regres ler, ekspoesl

Lebih terperinci

TEOREMA DERET PANGKAT

TEOREMA DERET PANGKAT TEOEMA DEET PANGKAT Kosep Dsr Deret pgkt erupk sutu etuk deret tk higg 3 + ( + + 3( +... ( disusik,, d koefisie i erupk ilg rel. Julh prsil utuk suku pert etuk di ts dlh s yg dpt ditulisk segi s ( + (

Lebih terperinci

BAB 2 SISTEM BILANGAN DAN KESALAHAN

BAB 2 SISTEM BILANGAN DAN KESALAHAN Metode Numerik Segi Algoritm Komputsi 5 BAB SISTEM BILANGAN DAN KESALAHAN.. Peyji Bilg Bult Bilg ult yg serig diguk dlh ilg ult dlm sistem ilg desiml yg didefiisik : N ( )...... Cotoh : 67. 6. 7.. Bilg

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI b LNDSN TEORI. Hmpu Fuzzy Tdk semu hmpu yg dump dlm kehdup sehr-hr terdefs secr els, msly hmpu org msk, hmpu org pd, hmpu org tgg, d sebgy. Msly, pd hmpu org tgg, tdk dpt dtetuk secr tegs pkh seseorg dlh

Lebih terperinci

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA UNIVERSITAS INDONESIA PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA 0706695 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI MATEMATIKA DEPOK JULI

Lebih terperinci

BAB 2 LANDASAN TEORI. adalah

BAB 2 LANDASAN TEORI. adalah BB LNDSN EORI. rsose Ivers d Determi Mtriks Defiisi.. il terdt sutu mtriks [ ij ] erordo m mk trsose dri mtriks dlh erordo m g dihsilk deg memertukrk ris d kolom mtriks ; itu kolom ertm dri dlh ris ertm

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer Aljr Lier Elemeter MA SKS Silus : B I Mtriks d Opersiy B II Determi Mtriks B III Sistem Persm Lier B IV Vektor di Bidg d di Rug B V Rug Vektor B VI Rug Hsil Kli Dlm B VII Trsformsi Lier B VIII Rug Eige

Lebih terperinci

INTERPOLASI PERTEMUAN : S K S - T E K N I K I N F O R M A T I K A - S1 M O H A M A D S I D I Q

INTERPOLASI PERTEMUAN : S K S - T E K N I K I N F O R M A T I K A - S1 M O H A M A D S I D I Q INTERPOLASI 3 S K S - T E K N I K I N F O R M A T I K A - S M O H A M A D S I D I Q PERTEMUAN : - SEBELUM-UTS Pegtr Metode Numerik Sistem Bilg d Keslh Peyji Bilg Bult & Pech Nili Sigiik Akursi d Presisi

Lebih terperinci

Integrasi Numeris dengan Menggunakan Polinomial Lagrange. Syawaluddin H 1) Hang Tuah 2) Widiadnyana Merati 2) Leo Wiryanto 2) f (x) =

Integrasi Numeris dengan Menggunakan Polinomial Lagrange. Syawaluddin H 1) Hang Tuah 2) Widiadnyana Merati 2) Leo Wiryanto 2) f (x) = Huhe, Vol. No. dkk. Aprl 5 url TEKNIK SIPIL Iegrs Numers deg Megguk Poloml Lgrge Sywludd H Hg Tuh Wddy Mer Leo Wryo Asrk Pd pper dsjk pegemg egrs umers erdsrk poloml Lgrge. Meod yg dhslk mrp deg meod Guss-qudrure,

Lebih terperinci

Bab 3 SISTEM PERSAMAAN LINIER

Bab 3 SISTEM PERSAMAAN LINIER Alis Numerik Bh Mtrikulsi B SISTEM PERSAMAAN LINIER Pedhulu Pd kulih ii k dipeljri eerp metode utuk meelesik sistem persm liier Peelesi sistem persm deg jumlh vriel g tidk dikethui serig ditemui didlm

Lebih terperinci

A. Pusat Massa Suatu Batang

A. Pusat Massa Suatu Batang Perteu 7 Pust ss sutu Kepg, Setrod, d Teore Pppus A. Pust ss Sutu Btg Dskusk!. slk ss,,..., terletk pd tg pdt sgsg d ttk,...,,, d = jrk errh tr ss ke sutu ttk tetp 0 pd tg,,,...,. ss prtkel, oe prtkel

Lebih terperinci

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter IV. FUNGSI KARAKTERISTIK Pd bgi seljuty k dijbrk megei ugsi krkteristik. Pd peeliti ii k ditetuk ugsi krkteristik dri distribusi our-prmeter geerlized t deg megguk deiisi d kemudi k membuktik ugsi krkteristik

Lebih terperinci

BAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai

BAB 6 FITTING DATA ˆ (6.1) (6.2) (6.3) =. Nilai akan. akan minimum jika. minimum. Misal. 0. Jika ini dikerjakan maka akan diperoleh nilai BAB 6 FITTIG DATA Atu dseut dengn penookn dt tu menentukn kurv terk ng mellu set dt (sekumpuln dt) dengn keslhn mnmum. Ukurn keslhn dlh E (root men squre, kr kudrt rt-rt). Ad eerp mm pol fttng dt: menurut

Lebih terperinci

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai Mtemtik Dsr INTEGRAL TENTU Pegerti tu kosep itegrl tetu pertm kli dikelk oleh Newto d Leiiz. Nmu pegerti secr leih moder dikelk oleh Riem. Mteri pemhs terdhulu yki tetg itegrl tk tetu d otsi sigm k kit

Lebih terperinci

6. Selanjutnya langkah penyelesaian

6. Selanjutnya langkah penyelesaian MENYELESAIKAN SISTEM PERSAMAAN LINEAR FUZZY DALAM BENTUK A y DENGAN MENGURAIKAN y D Mstk, Mshd, Sr Gemwt Mhssw Progrm Std S Mtemtk Dose Jrs Mtemtk Fklts Mtemtk d Ilm Pegeth Alm Uversts R Kmps Bwdy Pekbr

Lebih terperinci

PENDEKATAN KEMUNGKINAN MAKSIMUM DAN BAYES UNTUK PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA (Kasus Komoditas Kentang) HARI WIJAYANTO

PENDEKATAN KEMUNGKINAN MAKSIMUM DAN BAYES UNTUK PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA (Kasus Komoditas Kentang) HARI WIJAYANTO PEDEKATA KEMUGKIA MAKSIMUM DA BAYES UTUK PEDUGAA PRODUKTIVITAS KOMODITAS HORTIKULTURA Ksus Komodts Ketg HARI WIJAYATO SEKOLAH PASCASARJAA ISTITUT PERTAIA BOGOR BOGOR 005 PERYATAA MEGEAI DISERTASI DA SUMBER

Lebih terperinci

Persamaan Linier Simultan

Persamaan Linier Simultan Persm Liier Simult Elimisi Guss Guss Jord Elimisi_GussJord Persm Liier Simult Persm liier simult dlh sutu etuk persm-persm yg ser ersm-sm meyjik yk vriel es. etuk persm liier simult deg m persm d vriel

Lebih terperinci

24/02/2014. Sistem Persamaan Linear (SPL) Beberapa Aplikasi Sistem Persamaan Linear Rangkaian listrik Jaringan Komputer Model Ekonomi dan lain-lain.

24/02/2014. Sistem Persamaan Linear (SPL) Beberapa Aplikasi Sistem Persamaan Linear Rangkaian listrik Jaringan Komputer Model Ekonomi dan lain-lain. // Alj Lie Elemete MUGE SKS Silus : B I Mtiks d Oesi B II Detemi Mtiks B III Sistem Pesm Lie B IV Vekto di Bidg d di Rug B V Rug Vekto B VI Rug Hsil Kli Dlm B VII Tsfomsi Lie B VIII Rug Eige // :8 MUGE

Lebih terperinci

Koefisien Regresi / persamaan regresi linier digunakan untuk meramalkan / mengetahui besarnya pengaruh variabel X terhadap variabel Y

Koefisien Regresi / persamaan regresi linier digunakan untuk meramalkan / mengetahui besarnya pengaruh variabel X terhadap variabel Y REGRESI Koefsen Regres / persmn regres lner dgunkn untuk mermlkn / mengethu esrny pengruh vrel terhdp vrel Vrel yng mempengruh ddlm nlss regres dseut vrel predktor ( ) Vrel yng dpengruh dseut vrel krterum

Lebih terperinci

Dia yang menjadikan matahari dan bulan bercahaya, serta mengaturnya pada beberapa tempat, supaya kamu mengetahui bilangan tahun dan perhitunganya

Dia yang menjadikan matahari dan bulan bercahaya, serta mengaturnya pada beberapa tempat, supaya kamu mengetahui bilangan tahun dan perhitunganya Pemeljr M t e m t i k... Di g mejdik mthri d ul erch, sert megtur pd eerp tempt, sup kmu megethui ilg thu d perhitug (QS Yuus:5 ) Pedhulu us Sift : - us derh rt dlh ilg riil tk egtif - persegipjg=pjg ler

Lebih terperinci

dan mempunyai vektor normal n =(a b c). Misal P(x,y,z) suatu titik berada pada bidang. 1. Persamaan bidangnya adalah n P P

dan mempunyai vektor normal n =(a b c). Misal P(x,y,z) suatu titik berada pada bidang. 1. Persamaan bidangnya adalah n P P Rug Vektor Tuju:. Megigt kembli persm gris d bidg di rug.. Memhmi ksiom rug vektor, kombisi liier d rug bgi.. Megigt kembli pegerti bebs d bergtug liier, bsis d dimesi. Arti geometris dri determi Jik A

Lebih terperinci

HANDS-OUT ANALISIS NUMERIK

HANDS-OUT ANALISIS NUMERIK HANDS-OUT ANALISIS NUMERIK Oleh : Drs Her Sutro, M T Dew Rchmt, SS, MS JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 8 Pertemu

Lebih terperinci

BAB V INTEGRAL DARBOUX

BAB V INTEGRAL DARBOUX Itegrl Droux BAB V INTEGRAL DARBOUX Pd thu 1875, mtemtikw I.G. Droux secr kostruktif memodifiksi defiisi itegrl Riem deg terleih dhulu medefiisik jumlh Droux ts (upper Droux sum) d jumlh Droux wh (lower

Lebih terperinci

Estimasi Koefisien Fungsi Regular- Dari kelas Fungsi Analitik Bieberbach-Eilemberg

Estimasi Koefisien Fungsi Regular- Dari kelas Fungsi Analitik Bieberbach-Eilemberg Estimsi Koefisie Fugsi Regulr- Dri kels Fugsi Alitik Bieberbch-Eilemberg Oleh Edg Chy M.A Jurus Mtemtik FPMIPA UPI Abstrk Tulis ii mejelsk tetg estimsi koefisie fugsi regulr- yg dideretk, sebgi fugsi yg

Lebih terperinci

m n II. PERSAMAAN LINEAR, PERTIDAKSAMAAN LINIER, FUNGSI LINIER A. Persamaan Linier 3. Persamaan Linear Tiga Variabel ( ax + by + cz = d )

m n II. PERSAMAAN LINEAR, PERTIDAKSAMAAN LINIER, FUNGSI LINIER A. Persamaan Linier 3. Persamaan Linear Tiga Variabel ( ax + by + cz = d ) I. OPERSI ILNGN REL. Pgt (Esoe. +. RNGKMN MTEMTIK. (.. ( 5. 6. 7. 8.. etu... ( ± ( + ± 5. ( Mesol Peeut etu Peh. (. + + C. Logt. log. log. log log. log log...( log log... log log... ( log... ( log. log+

Lebih terperinci