PENDUGAAN FUNGSI INTENSITAS GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT LIA YULIAWATI G

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDUGAAN FUNGSI INTENSITAS GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT LIA YULIAWATI G"

Transkripsi

1 PENDUGAAN FUNGSI INTENSITAS GLBAL DARI PRSES PISSN PERIDIK DENGAN TREN FUNGSI PANGKAT LIA YULIAWATI G5444 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUN ALAM INSTITUT PERTANIAN BGR BGR 8

2 ABSTRACT LIA YULIAWATI Estimatio of Gloal Itesity Futio of a Periodi Poisso Proess i the Presee of a Power Futio Tred Supervised y I WAYAN MANGKU ad RETN BUDIARTI This mausript disusses a method for estimatig gloal itesity futio θ of the periodi ompoet of a periodi Poisso proess i the presee of a power futio tred, whih is oserved at iterval [,] We assumed that the period of the periodi ompoet is ow (suh as: oe day, oe wee, et, the oeffiiet of the power futio tred is also assumed to e ow ut the periodi ompoet of the itesity futio is uow So, it is eeded a estimator for θ From the researh that has ee doe, it has ee prove that our estimator for θ is osistet if the legth of iterval oservatio of the proess goes to ifiity It is also has ee formulated asymptoti approximatios to the ias, variae, ad Mea Square Error (MSE of the estimator Fially, it is also give the asymptoti ormality of the estimator whe properly ormalized

3 ABSTRAK LIA YULIAWATI Pedugaa Fugsi Itesitas Gloal dari Proses Poisso Periodi dega Tre Fugsi Pagat Diimig oleh I WAYAN MANGKU da RETN BUDIARTI Pada arya ilmiah ii diahas suatu metode utu meduga fugsi itesitas gloal θ dari ompoe periodi suatu proses Poisso periodi dega tre fugsi pagat yag diamati pada iterval [,] Kita asumsia ahwa periode dari ompoe periodi terseut adalah dietahui (seperti: satu hari, satu miggu, da lai-lai, oefisie pada tre fugsi pagat juga diasumsia dietahui tetapi ita tida megetahui ompoe periodi dari fugsi itesitas terseut Sehigga diperlua suatu peduga agi θ Dari hasil pegajia yag dilaua, telah diutia ahwa peduga agi θ yag diaji adalah osiste jia pajag iterval pegamata proses meuju tahigga Selai itu juga dihasila pedeata asimtoti utu ias, ragam da Mea Square Error (MSE dari peduga Ahirya juga diahas seara ormal asimtoti agi peduga yag diaji

4 PENDUGAAN FUNGSI INTENSITAS GLBAL DARI PRSES PISSN PERIDIK DENGAN TREN FUNGSI PANGKAT Sripsi Seagai salah satu syarat utu memperoleh gelar Sarjaa Sais pada Faultas Matematia da Ilmu Pegetahua Alam Istitut Pertaia Bogor leh : LIA YULIAWATI G5444 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BGR BGR 8

5 Judul Nama NRP : Pedugaa Fugsi Itesitas Gloal dari Proses Poisso Periodi dega Tre Fugsi Pagat : Lia Yuliawati : G5444 Meyetujui, Pemimig I Pemimig II Dr Ir I Waya Magu, MS Ir Reto Budiarti, MS NIP NIP Megetahui, Dea Faultas Matematia da Ilmu Pegetahua Alam Istitut Pertaia Bogor Dr drh Hasim, DEA NIP Taggal Lulus :

6 RIWAYAT HIDUP Peulis dilahira di Sumedag pada taggal 3 Juli 987 seagai aa sulug dari tiga ersaudara, aa dari pasaga Wasmaa Hedrayaa da Waah Tahu 998 peulis lulus dari SDN Pua Mulya Badug Tahu peulis lulus dari SMPN Tajugsari Sumedag Tahu 4 peulis lulus dari SMAN Tajugsari Sumedag da pada tahu yag sama lulus selesi masu IPB melalui jalur Ujia Sariga Masu IPB (USMI Peulis memilih Jurusa Matematia, Faultas Matematia da Ilmu Pegetahua Alam Selama megiuti peruliaha, peulis mejadi asiste mata uliah Kalulus II pada tahu ajara 6/7, asiste mata uliah Persamaa Diferesial Biasa pada tahu ajara 6/7, asiste mata uliah Persamaa Diferesial Parsial pada tahu ajara 7/8, da asiste mata uliah Pegatar Teori Peluag pada tahu ajara 7/8 Peulis juga atif pada egiata emahasiswaa Gumatia (Gugus Mahasiswa Matematia seagai staf Departeme Keilmua periode 6/7 Selai itu, peulis juga terliat dalam eerapa egiata, atara lai megiuti Program Guru Tamaha Tigat Seolah Dasar 4/5, Aggota Tim Khusus Matematia Ria 6, Koordiator Tim Khusus Matematia Ria 7, Aggota Tim Aara Sais Expo 7, Pelatiha Peyegara Materi Matematia Uiversitas 7, da Peserta limpiade Matematia Nasioal Tigat Mahasiswa 7

7 KATA PENGANTAR Puji da syuur peulis pajata epada Allah SWT atas segala rahmat da aruia-nya serta shalawat da salam epada Nai Muhammad SAW sehigga arya ilmiah ii erhasil diselesaia Peyusua arya ilmiah ii juga tida lepas dari atua eragai piha Utu itu peulis meguapa terima asih yag seesar-esarya epada: Dr Ir I Waya Magu, MS selau dose pemimig I (terima asih atas semua ilmu, esaara, motivasi, da atuaya selama peulisa sripsi ii Ir Reto Budiarti, MS selau dose pemimig II (terima asih atas semua ilmu, sara, da motivasiya 3 Drs Siswadi, MSi selau dose peguji (terima asih atas semua ilmu da saraya 4 Semua dose Departeme Matematia (terima asih atas semua ilmu yag telah dieria 5 Bu Susi, Bu Ade, Bu Marisi, Mas Boo, Mas Dei, Mas Yoo, da Mas Ari 6 Keluargau terita: apa (terima asih atas erja erasya meyeolaha aamu ii higga searag, iu (terima asih aya atas semua doa, duuga, da asih sayagya Iu selalu mejadi iu terai seduia, Deli Diaa, Nailah Syafawai, Ne Erum, Ne Isah, Ai Kara, Wa Caih, Wa Tohir, Bi Aah, Teh Ae, Teh Ai, Teh Awag, Irma, Rumi, Hojah, Yai, da laiya (maasih atas doaya 7 Tema-tema Math 4: Muti, Diah, Ai, Dia, Armi, Ayu, Jaah, Feria, Ia, Titis, Fitrie, Ita, Nie, Liam, Eli, Tia, Nidia, Mahar, Ro fah, Eva, Uwie, Edit, Sita, Sifa, Maryam, Pey, Roma, Ey, Kurez, Ehie, Ria, Rita, Darwisah, Ria, Fariz, Ioy, Aji, Zali, Great, Udi, Mazid, Mora, Fred, Chuy, Dei, Ami, Yaya, Idris, Dia, Mahuri, Mimi, Rail, Cumi, Triyadi, da laiya (terima asih atas doaya Ayo epat meyusul 8 Tema-tema Math 4: Hapsari, Nie, Ilyas, Vera, Jae, Himah, Ahi, Lisda, Gita, Rie, oy, Wiwi, Bayu, Eyyi, Iput, Ridwa, Nyoma, Ayu, Ages, Muhtar, Fahri, Lela, Rima, Herry, Moo, ta, Hesti, Yui, Didi, Waro, Adi, y, Zil, Mega, Djawa, Carwidah, Yudi, Dau, Nofita, Dedy, Dwi, Titi, Auy, Tia da laiya (maasih uat duugaya 9 Tema-tema Math 43: Arum, Cii, Wira, da laiya (maasih duugaya Adi-adi 44: Sasi, Tari, Aomi, Tya, Tia, Sisa, Ery, Emil, Nufi, Yati, Dia, Devy, Nadia, Iha, Lia, Diar, Riri, Firi, Bio, Pram, Fey, Idi, Riri, Niit, Asti, Chae, Sista, Marha, Ray, Putri, Rifah, Karti, Risma, Tita, Zulmy, Aggit, Wita, Hari, da laiya (maasih atas semagat da duugaya Teh Walidah (maasih atas atua, sara, da motivasiya Para Pegajar MSC: K Syam, K Hepy, K Taufi, K Jae, K Idra, K Yudi, Dewi, Poppy, Ipul, Elis, Dita, Deri, Arum, Fifi, Egus, Iag, Basir, da laiya (maasih atas semagat da motivasiya 3 Keluarga Buls: Idri, Tia, da Adi (maasih atas atua da doaya 4 Noeg, Merry, Teh Ai, Mely, Bayu, Dii, Dei, da Novi (maasih atas persahaata da doaya 5 Tema-tema Kosta Istaa : Ifah, Riza, K Nio, Imah, Nera, Cira, Ema, K Naa, Dida, Tia, K Dia, Mira, Tia, Ula, Ayu, Fitri, Idri, Riza, Nida, K Idah, da K Iie(maasih atas semagat da duugaya Semoga arya ilmiah ii dapat ermafaat agi duia ilmu pegetahua hususya Matematia da mejadi ispirasi agi peelitia-peelitia selajutya Bogor, Jauari 8 Lia Yuliawati

8 DAFTAR ISI Halama DAFTAR ISI vii DAFTAR LAMPIRAN viii PENDAHULUAN Latar Belaag Tujua LANDASAN TERI Ruag Cotoh, Kejadia da Peluag Peuah Aa da Fugsi Seara Mome, Nilai Harapa da Ragam Peduga da Sifat-sifatya 3 Proses Poisso 4 Beerapa Defiisi da Lema Teis 5 HASIL DAN PEMBAHASAN Perumusa Peduga Bagi θ 6 Keosistea ˆ θ 7 Pedeata Asimtoti utu MSE dari ˆ θ 7 Seara Normal Asimtoti dari ˆ θ KESIMPULAN 3 DAFTAR PUSTAKA 4 LAMPIRAN 5 vii

9 DAFTAR LAMPIRAN Halama Pemutia Lema 6 Pemutia Lema 4 7 Pemutia Lema 5 8 viii

10 PENDAHULUAN Latar Belaag Dalam ehidupa sehari-hari, aya masalah yag dapat dimodela dega proses stoasti Misalya, proses edataga pelagga pada suatu atria di pusat servis (a, ator pos, supermaret, da seagaiya Proses edataga peggua lie telepo juga merupaa suatu proses stoasti Salah satu etu husus dari proses stoasti adalah proses Poisso periodi Proses ii adalah suatu proses Poisso dega fugsi itesitas erupa fugsi periodi Proses Poisso periodi atara lai dapat diguaa utu memodela proses edataga pelagga e suatu pusat servis dega periode satu hari, atau memodela feomea-feomea serupa Jia laju edataga pelagga terseut meigat memetu fugsi pagat terhadap watu, maa model yag leih tepat utu diguaa adalah proses Poisso periodi dega tre fugsi pagat Pada pemodela stoasti dari suatu feomea yag dimodela dega proses Poisso periodi dega tre fugsi pagat, fugsi itesitas dari proses terseut umumya tida dietahui Sehigga diperlua suatu metode utu meduga fugsi terseut Pada aya asus, ita haya memerlua iformasi tetag rata-rata dari fugsi itesitas suatu proses Poisso periodi Rata-rata dari fugsi itesitas ii pada selag watu satu periode diseut fugsi itesitas gloal Pada tulisa ii diaji suatu metode utu meduga fugsi itesitas gloal dari ompoe periodi suatu proses Poisso periodi dega tre fugsi pagat Tujua Tujua peulisa arya ilmiah ii adalah utu : (i Mempelajari perumusa peduga itesitas gloal pada proses Poisso periodi dega tre fugsi pagat (ii Meetua syarat miimal agar peduga yag diperoleh adalah osiste (iii Meetua pedeata asimtoti dari ias, ragam da MSE dari peduga yag diaji Meetua seara ormal asimtoti dari peduga yag diaji LANDASAN TERI Ruag Cotoh, Kejadia, da Peluag Suatu peroaa yag dapat diulag dalam odisi yag sama, yag hasilya tida isa dipredisi seara tepat tapi ita isa megetahui semua emugia hasil yag muul diseut peroaa aa Defiisi (Ruag Cotoh Ruag otoh adalah himpua semua hasil yag mugi dari suatu peroaa aa, da diotasia dega Ω (Grimmett ad Stirzaer 99 Defiisi (Kejadia Kejadia adalah suatu himpua agia dari ruag otoh Ω (Grimmett ad Stirzaer 99 Defiisi 3 (Kejadia Lepas Kejadia A da B diseut salig lepas jia irisa dari eduaya adalah himpua osog (Grimmett ad Stirzaer 99 Defiisi 4 (Meda-σ Meda-σ adalah suatu himpua F yag aggotaya terdiri atas himpua agia ruag otoh Ω, yag memeuhi syarat eriut: F Jia A F, maa A F 3 Jia A, A, F, maa Ai F i= Meda-σ di atas diseut meda Borel jia Ω = da aggotaya diseut himpua Borel (Grimmett ad Stirzaer 99

11 Defiisi 5 (Uura Peluag Misala Ω adalah ruag otoh suatu peroaa da F adalah meda-σ pada Ω Suatu fugsi P yag memetaa usur-usur F e himpua ilaga yata, atau P:F diseut uura peluag jia: P ta egatif, yaitu utu setiap A F, P(A P ersifat aditif ta higga, yaitu jia A, A, F dega A j A =, j, maa Ρ A = Ρ( A = = 3 P erorma satu, yaitu P(Ω = Pasaga (Ω, F, P diseut ruag uura peluag atau ruag proailitas (Hogg ad Craig 995 Defiisi 6 (Kejadia Salig Beas Kejadia A da B diataa salig eas jia: Ρ A B =Ρ A Ρ B ( ( ( Seara umum, himpua ejadia {A i ; i I} diataa salig eas jia: Ρ Ai= Ρ( Ai i J i J utu setiap himpua agia J dari I (Grimmett ad Stirzaer 99 Peuah Aa da Fugsi Seara Defiisi 7 (Peuah Aa Misala Ω adalah ruag otoh dari suatu peroaa aa Fugsi X yag terdefiisi pada Ω yag memetaa setiap usur ω Ω e satu da haya satu ilaga real X(ω = x diseut peuah aa Ruag dari X adalah himpua agia ilaga real A = {x : x = X(ω, ω Ω} (Hogg ad Craig 995 Peuah aa diotasia dega huruf apital, misalya X, Y, Z Sedaga ilai peuah aa diotasia dega huruf eil seperti x, y, z Defiisi 8 (Peuah Aa Disret Peuah aa X diataa disret jia semua himpua ilai dari peuah aa terseut merupaa himpua teraah (Hogg ad Craig 995 Defiisi 9 (Fugsi Seara Misala X adalah peuah aa dega ruag A Misala ejadia A=(-,x] A, maa peluag dari ejadia A adalah px ( A =Ρ( X x = FX ( x Fugsi F X diseut fugsi seara dari peuah aa X (Hogg ad Craig 995 Defiisi (Peuah Aa Kotiu Suatu peuah aa X diseut otiu jia fugsi searaya dapat diyataa seagai: X x ( X (, F x = f u du x utu suatu fugsi yag teritegrala f : [, (Grimmett ad Stirzaer 99 Defiisi (Fugsi Kerapata Peluag Fugsi erapata peluag dari peuah aa disret X adalah fugsi p : [,] yag dieria oleh: px ( x =Ρ ( X = x (Hogg ad Craig 995 Defiisi (Peuah Aa Poisso Suatu peuah aa X diseut peuah aa Poisso dega parameter λ, λ >, jia fugsi erapata peluagya dieria oleh λ λ ( ( px =Ρ X = = e,! utu =,, (Ross 3 Lema (Jumlah Peuah Aa Poisso Misala X da Y adalah peuah aa yag salig eas da memilii seara Poisso dega parameter erturut-turut λ da λ Maa X+Y memilii seara Poisso dega parameter λ + λ Buti: lihat Taylor ad Karli 984 Mome, Nilai Harapa, da Ragam Defiisi 3 (Nilai Harapa Misala X adalah peuah aa disret dega fugsi erapata peluag px ( x =Ρ ( X = x Nilai harapa dari X, diotasia dega E(X, adalah Ε ( X = xρ ( X = x = xp ( x X, x x

12 3 jia jumlah di atas overge mutla (Hogg ad Craig 995 Defiisi 4 (Ragam Misala X adalah peuah aa disret p x da dega fugsi erapata peluag ( X ilai harapa E(X Maa ragam dari X, diotasia dega Var X atau σ, adalah ( X (( X ( X ( x ( X px ( σ X =Ε Ε = Ε x x (Hogg ad Craig 995 Defiisi 5 (Mome e- Jia adalah ilaga ulat positif, maa mome e- atau m dari peuah aa X adalah m ( X =Ε (Hogg ad Craig 995 Defiisi 6 (Mome Pusat e- Jia adalah ilaga ulat positif, maa mome pusat e- atau σ dari peuah aa X adalah (( σ =Ε X m (Hogg ad Craig 995 Nilai harapa dari peuah aa X juga merupaa rataa atau mome pertama dari X Nilai harapa dari uadrat peredaa jara atara peuah aa X dega ilai harapaya diseut ragam atau variae dari X Ragam merupaa mome pusat e- dari peuah aa X Defiisi 7 (Nilai Harapa Fugsi Idiator Misala A adalah suatu ejadia Fugsi idiator dari A adalah suatu fugsi ΙA : Ω [, ], yag dieria oleh:, jiaω A Ι A ( ω =, jiaω A Dega fugsi idiator ita dapat meyataa hal eriut : ΕΙ A =Ρ ( A (Grimmett ad Stirzaer 99 Peduga da Sifat-sifatya satu atau eerapa parameter yag ilaiya tida dietahui (Hogg ad Craig 995 Defiisi 9 (Peduga Misala X, X,, X adalah otoh aa Suatu statisti U(X, X,, X yag diguaa utu meduga fugsi parameter g(θ, diataa seagai peduga (estimator agi g(θ, dilamaga oleh ĝ ( θ Bilamaa ilai X = x, X = x,, X = x, maa ilai U(X, X,, X diseut seagai dugaa (estimate agi g(θ (Hogg ad Craig 995 Defiisi (Peduga Ta Bias (i Suatu peduga yag ilai harapaya sama dega parameter g(θ, yaitu E[U(X, X,, X ] = g(θ diseut peduga ta ias agi parameter g(θ Jia sealiya, peduga di atas diseut erias (ii Jia lim Ε U( X, X,, X = g( θ utu, maa U(X, X,, X diseut seagai peduga ta ias asimtoti agi parameter g(θ (Hogg ad Craig 995 Defiisi (Keovergea Dalam Peluag Misala X, X,, X adalah arisa peuah aa pada suatu ruag peluag (Ω, F, P Barisa peuah aa X diataa overge dalam peluag e X, diotasia p X X, jia utu setiap ε > erlau ( X X ε Ρ >, utu (Grimmett ad Stirzaer 99 Defiisi (Peduga Kosiste Suatu peduga yag overge dalam peluag e parameter g(θ, diseut peduga osiste agi g(θ (Hogg ad Craig 995 Defiisi 3 (MSE suatu Peduga Mea Square Error (MSE dari suatu peduga U agi parameter g(θ didefiisia seagai MSE(U = E(U-g(θ = (Bias(U + Var(U, dega Bias(U = EU - g(θ Defiisi 8 (Statisti Statisti adalah suatu fugsi dari satu atau leih peuah aa yag tida tergatug pada

13 4 Proses Poisso Defiisi 4 (Proses Stoasti Proses stoasti X = {X(t, t T} adalah suatu himpua dari peuah aa yag memetaa suatu ruag otoh Ω e suatu ruag state S (Ross 3 Jadi, utu setiap t pada himpua ides T, X(t adalah suatu peuah aa Kita serig megiterpretasia t seagai watu da X(t seagai state (eadaa dari proses pada watu t Defiisi 5 (Proses Stoasti Watu Kotiu Suatu proses stoasti X diseut proses stoasti dega watu otiu jia T adalah suatu iterval (Ross 3 Defiisi 6 (Ireme Beas Suatu proses stoasti dega watu otiu {X(t, t T} diseut memilii ireme eas jia utu semua t < t < t < < t, peuah aa X(t X(t, X(t X(t,, X(t X(t - adalah eas (Ross 3 Dega ata lai, suatu proses stoasti dega watu otiu X diseut memilii ireme eas jia proses eruahya ilai pada iterval watu yag tida tumpag tidih (tida overlap adalah eas Defiisi 7 (Ireme Stasioer Suatu proses stoasti dega watu otiu {X(t, t T} diseut memilii ireme stasioer jia X(t+s X(t memilii seara yag sama utu semua ilai t (Ross 3 Dega ata lai, suatu proses stoasti dega watu otiu X diseut memilii ireme stasioer jia seara (distriusi dari peruaha ilai atara semarag dua titi haya tergatug pada jara atara edua titi terseut, da tida tergatug dari loasi titi-titi terseut Salah satu etu husus dari proses stoasti dega watu otiu adalah proses Poisso Pada proses ii, euali diyataa seara husus, diaggap ahwa himpua ides T adalah iterval ilaga real ta egatif, yaitu [, Defiisi 8 (Proses Peaaha Suatu proses stoasti {N(t, t } diseut proses peaaha jia N(t meyataa ayaya ejadia yag telah terjadi sampai watu t Dari defiisi terseut, maa suatu proses peaaha N(t harus memeuhi syaratsyarat eriut: (i N(t utu semua t [, (ii Nilai N(t adalah iteger (iii Jia s < t maa N(s N(t, s, t [, (iv Utu s < t maa N(t N(s, sama dega ayaya ejadia yag terjadi pada selag (s,t] (Ross 3 Defiisi 9 (Proses Poisso Suatu proses peaaha {N(t, t } diseut proses Poisso dega laju λ, λ>, jia dipeuhi tiga syarat eriut (i N( = (ii Proses terseut memilii ireme eas (iii Bayaya ejadia pada semarag iterval watu dega pajag t, memilii seara (distriusi Poisso dega ilai harapa λt Jadi utu semua t, s >, t e ( ( ( ( λ λt Ρ Nt+ s Ns= =, =,,! (Ross 3 Dari syarat (iii dapat dilihat ahwa proses Poisso memilii ireme yag stasioer Dari syarat ii juga dapat diperoleh: E (N(t = λt Defiisi 3 (Proses Poisso Ta Homoge Suatu proses Poisso {N(t, t } diseut proses Poisso ta homoge jia laju λ pada semarag watu t merupaa fugsi ta osta dari t yaitu λ(t Selajutya λ(t diseut fugsi itesitas dari proses terseut (Ross 3 Defiisi 3 (Fugsi Periodi Suatu fugsi λ diseut periodi jia λ( s + = λ( s utu semua s da, dega meyataa himpua ilaga ulat Kostata tereil yag memeuhi persamaa di atas diseut periode dari fugsi λ terseut (Browder 996 Defiisi 3 (Proses Poisso Periodi Proses Poisso periodi adalah proses Poisso ta homoge yag fugsi itesitasya adalah fugsi periodi (Magu

14 5 Defiisi 33 (Fugsi Itesitas Gloal N, adalah proses Poisso Misala ([ ] pada iterval [,] Fugsi itesitas gloal θ dari proses Poisso ii didefiisia seagai ΕN ([, ] θ = lim jia limit di atas ada Lema (Fugsi Itesitas Gloal Jia N([,] adalah proses Poisso periodi dega fugsi itesitas λ, maa limit di atas ada da θ = λ ( s ds Buti: lihat Lampira Beerapa Defiisi da Lema Teis Defiisi 34 (Fugsi Teritegrala Loal Fugsi itesitas λ adalah teritegrala loal, jia utu semarag himpua Borel teratas B ita peroleh μ B = λ s ds < ( ( B (Dudley 989 Defiisi 35 (( da o( Simol-simol ii merupaa ara utu memadiga esarya dua fugsi u(x da v(x dega x meuju suatu limit L (i Notasi u( x = ( v( x, x L, meyataa ahwa u ( x v( x teratas, utu x L (ii Notasi u( x = o( v( x, x L, meyataa ahwa u ( x v ( x x L (Serflig 98 Lema 3 (Teorema Fuii Misala (X, A, μ da (Y, B, μ adalah dua ruag uura σ-fiit Jia f atau f dμ < maa (, ( ( = XY = f ( x, y μ ( μ ( dy Y X f x y μ dy μ f dμ XxY Lema 4 (Pertasamaa Cheyshev Jia X adalah peuah aa dega ilai harapa μ da ragam σ, maa utu setiap >, σ Ρ{ X μ } Buti: lihat Lampira Lema 5 (Pertasamaa Cauhy-Shwarz Utu setiap X da Y erlau Ε( XY Ε( X Ε ( Y Buti: lihat Lampira 3 Lema 6 (Teorema Deret Taylor Deret Taylor dari fugsi f di a (atau di seitar a atau yag erpusat di a memeuhi persamaa ( f ( a f( x = ( xa =! ( ( f ( a f ( a = f( a + ( x a + ( xa +!! Buti: lihat Stewart 999 Lema 7 (Teorema Limit Pusat(CLT Misala { X i } adalah arisa peuah aa yag eas dega masig-masig memilii ilai harapa { μ i } da ragamya erilai terhigga suatu, maa { i } σ Jia B = σ i da utu i v v v > EXi μi = ob (,, i= X i i adalah ormal asimtoti dega ilai harapa B, diotasia i i μ da ragam D X i AN μi, B i i Buti: lihat Serflig 98 Buti: lihat Durret 996

15 HASIL DAN PEMBAHASAN Perumusa Peduga Bagi θ Misala N adalah proses Poisso pada iterval [, dega rataa μ yag otiu mutla, da fugsi itesitas λ yag teritegrala loal Utu setiap himpua Borel teratas B, maa μ( B =Ε N( B = λ( s ds < Fugsi λ diasumsia terdiri atas dua ompoe yaitu ompoe periodi λ, dega periode > (dietahui da ompoe tre yag erupa fugsi pagat as, dega oefisie a dietahui da ( semarag ilaga yata da diasumsia dietahui Dega ata lai, utu setiap s [,, fugsi itesitas λ dapat ditulisa seagai λ( s = λ ( s + as ( dega λ ( s adalah fugsi periodi dega periode Dalam tulisa ii, diahas perumusa pedugaa fugsi itesitas gloal θ utu semarag ilai dimaa < < Utu asus = telah diaji pada jural Helmers da Magu ( Sedaga utu = telah diaji pada Magu (5 Seelumya ita asumsia λ adalah periodi sehigga persamaa λ( s + = λ ( s ( erlau utu setiap s [, da, dega adalah himpua ilaga ulat Di sii ita perhatia proses Poisso pada [, area λ harus memeuhi ( da harus ta-egatif Dega alasa yag sama, ita haya perhatia utu asus a> Misala utu suatu ω Ω, ita haya memilii seuah realisasi N ( ω dari proses Poisso N yag didefiisia pada ruag peluag (Ω,F,P dega fugsi itesitas λ seperti pada (, yag diamati pada iterval teratas [,] Tujua ita dalam pemahasa ii adalah utu mempelajari peyusua peduga osiste agi itesitas gloal θ = μ( [, ] λ ( s ds = (3 dari ompoe periodi λ dari fugsi itesitas λ pada ( Pada tulisa ii, ita asumsia ahwa periode dietahui (seperti: satu hari, satu B miggu, da lai-lai, tetapi fugsi λ pada [, tida dietahui Kita asumsia oefisie a adalah dietahui Pada situasi ii ita defiisia peduga θ seagai eriut ˆ ( N([ s+ /, s+ + / ] θ = = ( a (4 dega adalah ilaga ulat teresar yag leih eil atau sama dega, yaitu = Peduga dari θ yaitu ˆ θ diperoleh dari s+ + / θ = λ ( x (5 s+ / utu setiap x [, da setiap ilaga ulat positif Misala L, = =, maa dega (5 diperoleh θ = θ L, = = L s+ + /, = s+ / λ ( x Dega megguaa persamaa ( da ( maa uatitas di atas sama dega s+ + / θ = ( λ( x ax L, = s+ / s+ + / = L, = s+ / s+ + / L, = s+ / λ( x ax Dega peruaha atas itegral pada suu edua ruas aa persamaa di atas, maa diperoleh s+ + / θ = λ( x L = L, = s+ / / a ( x s L, = / E N([ x+ s, x+ s+ ], = + +

16 7 / a ( x + s+ L, = / (6 Perhatia ahwa ( x+ s+ = ( + ( (7 Suu edua pada ruas aa persamaa (6 mejadi / a ( x + s+ L, = / / a = (( + ( d L x, = / a (( = + ( L, = a = + ( L, = a = + ( L, a L, Dega meggati EN mejadi N, persamaa (6 dapat ditulisa seagai eriut N([ s+ /, s+ + /] θ L, = a L, (8 Karea L, utu, maa diperoleh: ( N([ s+ /, s+ + / ] θ = ( a (9 Keosistea ˆ θ Teorema : (Keosistea ˆ θ Misala fugsi itesitas λ memeuhi ( da teritegrala loal, maa ˆ P θ θ jia ( Dega ata lai, ˆ θ merupaa peduga yag osiste agi θ MSE dari ˆ θ overge e jia Buti:Teorema aa diutia setelah uti Teorema, Teorema 3, da Teorema 4 Pedeata Asimtoti utu MSE dari ˆ θ Teorema : (Pedeata Asimtoti utu Bias dari ˆ θ Misala fugsi itesitas λ memeuhi ( da teritegrala loal, maa ˆ as( l( Ε ( θ = θ + + jia ( Buti: Pertama, aa diutia persamaa ( Nilai harapa dari persamaa (4 adalah ˆ ( Ε N( [ s+ /, s+ + / ] Ε θ = = ( a ( Suu pertama pada ruas aa persamaa ( sama dega / ( s+ + λ( x = s+ / Dega peruaha atas itegral, maa persamaa diatas mejadi / ( = λ( x s = + + / Dega persamaa ( diperoleh / ( = λ( ( x s a x s = / / ( = λ( x+ s+ = / / ( + ax ( + s+ = / (3 Dega persamaa (, suu pertama ruas aa persamaa (3 mejadi / ( λ ( x s = + / / ( = λ ( x s + / Dietahui ahwa = + ( = = (4 (5 jia (Lihat Tithmarsh 96 Dega mesustitusia persamaa (5 pada ruas aa persamaa (4 diperoleh

17 8 / ( λ ( x s + / = / ( = λ ( ( x s + + / / / ( = λ ( x+ s + λ( x+ s ( / / / = λ ( x s + + / jia (6 Dega peruaha atas itegral, maa ruas aa persamaa (6 mejadi s+ / λ ( x + s / = θ + jia (7 Suu edua pada ruas aa persamaa (3 mejadi ( / = / ax ( + s+ ( + + = / a x s / = Perhatia x+ s+ x+ s = + = = x s (8 ( x+ s ( x+ s = + + ( = = + (l ( + + ( jia (9 Dega mesustitusia persamaa (9 pada ruas aa persamaa (8 dapat diperoleh ( l( = a s a( + + jia ( Dega meggauga persamaa(7 da persamaa (, maa persamaa (3 teruti seagai eriut Ε ˆ as ( l( ( θ = θ + + = as( l( θ + + jia Maa Teorema teruti Teorema 3: (Pedeata Asimtoti utu Ragam dari ˆ θ Misala fugsi itesitas λ memeuhi ( da teritegrala loal, maa ˆ a( ( θ Var( θ = + ( + ( utu < <, ( ( l Var( ˆ θ = a + ( utu =, da ( ˆ a( Var( θ = + ( utu < <, (3 jia Buti: Aa diutia persamaa (, (, da (3 Catata, utu setiap j, j, =,,, maa s+ j /, s+ j + / da ([ ] ([ s /, s /] tida salig tumpag tidih (tida overlap Sehigga Ns+ j /, s+ j+ / da ([ ] ([ /, s /] N s+ + + adalah eas, utu j Telah didefiisia peduga agi θ yaitu ˆ θ pada persamaa (4 Sehigga Var( ˆ θ dapat dihitug seagai eriut: Var( ˆ θ ( = Var( N ( ([ s /, s /] = s+ + / ( = λ( x ( = s+ / Dega megguaa persamaa (, maa Var( ˆ θ ( / ( = / + = λ ( x + s + ax ( + s+ / ( = λ ( ( x s = + + / / ( + ax ( s ( = + + / Kemudia, dega persamaa ( diperoleh

18 9 Var( ˆ θ ( / = λ ( x+ s ( = / / ( + ax ( + s + ( = / = + / ( λ ( ( x s / = / ( + ax ( + s+ ( = / (4 Perhatia ahwa i = + ( utu < < = ii = l( + ( utu = = iii ( utu = < < = jia (Lihat Tithmarsh 96 (5 Dega megguaa persamaa (5, ita agi mejadi 3 asus Terleih dahulu ita uraia utu asus pertama < < Suu pertama pada ruas aa persamaa (4 mejadi / ( λ ( ( x s + / = / ( = λ ( + ( ( x s + / / λ ( x s ( / = ( ( + + = ( θ ( ( + = + ( θ ( ( jia (6 Sustitusia persamaa (7 pada suu edua ruas aa persamaa (4 mejadi / ( ( = / / ( = / / ax ( + s+ ( a = ( + ( d ( x a = ( = / ( / ( a + ( ( = / a( = ( + ( = jia Sustitusia persamaa (5 pada persamaa diatas maa suu edua pada ruas aa persamaa (4 sama dega a( + ( jia (7 Sehigga diperoleh, utu < <, ˆ a( ( θ Var( θ = + ( + ( jia Dega ara yag sama utu asus edua = seagai eriut ( l Var( ˆ θ = a + ( jia, da utu asus etiga < < seagai eriut ˆ a( Var( θ = + ( jia Maa Teorema 3 teruti Teorema 4: (Pedeata Asimtoti utu MSE dari ˆ θ Misala fugsi itesitas λ memeuhi ( da teritegrala loal, maa MSE( ˆ θ a θ ( + + ( asl( ( ( l utu < <, (8 MSE( ˆ θ = + ( ( ( + l( = + ( ( utu a ( as ( l =, da (9

19 MSE( ˆ θ ( a + as = ( ( l( + l ( ( utu < <, (3 jia Buti Berdasara Defiisi 3 maa ( MSE( ˆ θ = Var( ˆ θ + Bias( ˆ θ (3 Dari Teorema da Teorema 3 maa ( ˆ MSE θ utu asus < < diperoleh MSE( ˆ θ a θ ( = ( + ( + ( as( l( + + = a( + ( θ + ( ( ( + as( l( l ( ( + a θ ( + + ( asl( ( ( = ( l + ( jia Sedaga utu asus = diperoleh MSE( ˆ θ a( l = + ( as( l( + + a( l = + + l + ( ( as( l( ( ( a ( + ( asl( ( l = + ( ( jia da utu asus < < diperoleh MSE ( ˆ θ a( = + ( as( l( + + ( as( l( a( l = + + ( ( ( = a( + as( l( + l ( ( jia Maa Teorema 4 teruti Buti Teorema : Dega megguaa persamaa (, diperoleh ˆ as( l( lim Ε ( θ = lim θ+ + = θ Atau dapat ditulis seagai Ε ( ˆ θ = θ + o(, jia (3 Sedaga dari persamaa (, ( da (3 lim Var( ˆ θ = Dapat ditulis juga seagai Var( ˆ θ = o(, jia (33 Selajutya, aa diutia ahwa ˆ θ adalah peduga osiste agi θ, yaitu ahwa utu setiap ε > erlau Ρ ˆ θ θ > ε, jia ( Ruas iri persamaa di atas dapat ditulis seagai eriut Ρ ˆ θ θ > ε =Ρ ˆ θ Ε ˆ θ +Ε ˆ θ θ > ε ( ( (34 Dega etasamaa segitiga maa persamaa (34 mejadi Ρ ˆ θ Ε ˆ θ +Εˆ θ θ > ε ( ( θ θ ε θ θ =Ρ ˆ Ε ˆ > Εˆ (35 Berdasara persamaa (3, maa ada o sehigga ˆ ε Εθ θ, (36 utu setiap > o

20 Dega mesustitusia persamaa (36 pada persamaa (35, maa ruas aa persamaa (35 mejadi ˆ ˆ ε =Ρ θ Ε θ > Kemudia diperoleh ( ˆ ˆ ˆ ε Ρ θ θ > ε Ρ θ θ Ε > Dega megguaa pertasamaa Cheyshev, maa 4 ( ˆ ˆ ˆ ε Var θ Ρ θ Ε θ > ε (37 Dega (33, maa ruas aa persamaa (37 overge e jia Mea Squared Error-ya adalah MSE( ˆ θ = Bias ( ˆ θ + Var( ˆ θ Dega megguaa persamaa (8, (9, da (3 diperoleh MSE( ˆ θ = o(,jia, dega ata lai MSE( ˆ θ,jia Maa Teorema teruti Seara Normal Asimtoti Peduga ˆ θ Teorema 5 : (Seara Normal Asimtoti Peduga ˆ θ Misala fugsi itesitas λ memeuhi ( da teritegrala loal, maa ( ˆ θ ( a D ( θ Normal, ( jia Buti : Terleih dahulu ita tulis ruas iri (38 ( ( ˆ ( ( ˆ ˆ θ θ ˆ θ θ θ = ( E + (E θ (38 Sehigga utu memutia Teorema 5 di atas, uup diutia ( ( ˆ E ˆ D θ θ Normal(, a( (39 da ( ˆ (E θ θ (4 Pertama aa diutia etu (39 di atas Perhatia ruas iri (39 dapat ditulis ( ( ˆ E ˆ ( ˆ θ θ Var θ (4 Var( ˆ θ Kita aa meerapa Teorema Limit Pusat (CLT pada Lema 7 utu memutia etu (4 overge e ruas aa etu (39 Misala N([ s+ /, s+ + /] X = a + Utu setiap j, j, =,,, maa ([ s j /, s j /] ([ s /, s /] da tida salig tumpag tidih (tida overlap Sehigga Ns+ j /, s+ j+ / da ([ ] ([ /, s /] N s+ + + adalah eas, utu j harapa peuah aa N s EX / Utu semarag, ilai X diperoleh ([ /, s /] + Ε = a = λ( x+ s+ + ax ( + s+ a / / / / / / / a / / + a = λ ( x+ s+ + ( x+ s+ a + + = λ ( x+ s + ( + ( a θ + + = + a a + = jia, sedaga ragam peuah aa X diperoleh Ε N [ s+ /, s+ + / ] Var( X = ( / = λ ( x + s+ + a( x+ s+ / / / a = λ( x+ s+ + ( x+ s+ / / / / a λ / / = ( x+ s + ( + ( + θ a = a = + jia Misala diperoleh B 4 = Var( X = maa

21 B a + 4 = + = + = a + ( = = Utu asus yag pertama, diperoleh B a 4 + = + a = + ( ( 4 ( a = + ( 3 ( jia Selajutya ita tetua = E = = = ( X EX 4 N([ s+ /, s+ + / ] E N([ s+ /, s+ + /] < < = 4 ( N([ s+ /, s+ + / ] E N([ s+ /, s+ + /] Karea N meyear Poisso, maa persamaa diatas mejadi 4 ( E N ([ s+ /, s+ + /] = ( N s s + 3E ([ + /, + + /] = 4 ( E N ([ s+ /, s+ + /] = ( N s s + 3E ([ + /, + + /] (4 Perhatia ahwa Ε N( [ s+ /, s+ + / ] Var( X = (43 Dega mesustitusia persamaa (43 pada ruas aa persamaa (4 diperoleh E = ( X EX = Var( X 3 ( + = 4 ( Var X 4 4 a + a + = = = + = ( + 3a 3 ( 3 ( + = 3a + 3 = = 4 3a = + ( 4 a 3 = + ( jia ( ( Perhatia ahwa overge e jia, sehigga o( = Persamaa diatas dapat ita tulisa seagai = ( X X = o B = o( B E E ( jia Ahirya diperoleh arisa X merupaa arisa peuah aa eas yag ilai harapaya erilai terhigga da ragamya erilai terhigga da tida ol utu semarag Dega demiia peduga θ dapat dipadag seagai jumlah ˆ dari peuah aa yag eas yag dialia suatu ostata yaitu ˆ ( θ = X = yag meyear ormal asimtoti dega ilai harapa E( ˆ θ da ragam Var( ˆ θ, maa diperoleh ( ˆ θ E ˆ θ D Normal(, Var( ˆ θ (44 jia Maa utu memutia (39, tiggal diutia ( ˆ θ Var( a( jia Berdasara Teorema 3 diperoleh ( ˆ Var( θ ( ( θ a( = + + ( ( ( ( ( θ a( = + + (

22 3 a( ( = + jia Perhatia ahwa overge e jia, sehigga ( = o Misal x = a( + o(, f ( x = x Berdasara Teorema Deret Taylor, maa f '( a( f( x = f(( a + ( xa(! f '( a( ( ( + xa +! o( ( o( = a( a( 4 a ( = a( + o( Dega ara yag sama diperoleh hasil yag sama utu = da < < Sehigga (39 teruti Utu memutia (4 ita guaa Teorema sehigga diperoleh ( (E ˆ θ θ ( as( l( = + = o( jia ( ˆ Dega ata lai (E θ θ jia maa (4 teruti Jadi Teorema 5 legap teruti KESIMPULAN Pada tulisa ii diaji suatu metode utu meduga fugsi itesitas gloal dari ompoe periodi suatu proses Poisso periodi dega tre fugsi pagat as Diasumsia ahwa periode dietahui, oefisie a dietahui tetapi fugsi λ pada [, tida dietahui Pada situasi ii ita guaa peduga θ seagai eriut ˆ ( N([ s+ /, s+ + / ] θ = = ( a, adalah ilaga ulat teresar yag leih eil atau sama dega Dari hasil pegajia yag dilaua, dapat disimpula ahwa: (i Kuatitas ˆ θ merupaa peduga osiste agi θ, serta MSE( ˆ θ, jia (ii Bias dari ˆ θ adalah ˆ as( l( Bias ( θ = + jia Var( ˆ θ = a( ( + θ ( + ( utu < <, Var( ˆ θ = a( l ( + utu =, da ˆ a( Var( θ = + ( utu < <, jia (iv Seara Normal Asimtoti dari ˆ θ ( ˆ θ ( a D ( θ Normal, ( jia (iii Ragam dari ˆ θ adalah

23 DAFTAR PUSTAKA Browder, A 996 Mathematial Aalysis : A Itrodutio Spriger New Yor Dudley, R M 989 Real Aalysis ad Proaility Wadsworth & Broos Califoria Durret, R 996 Proaility : Theory ad Examples Ed e- Duxury Press New Yor Grimmett, G R da D R Stirzaer 99 Proaility ad Radom Proesses Ed e- Claredo Press xford Ghahramai, S 5 Fudametals of Proaility with Stohasti Proesses Ed e-3 Pearso Pretie Hall New Jersey Helmers, R da I W Magu Statistial Estimatio of Poisso Itesity Futio Proeedigs of the SEAMS-GMU Iteratioal Coferee o Mathematis ad Its Appliatios, Yogyaarta, July 6-7, 999, p 9- Hogg, R V da A T Craig 995 Itrodutio to Mathematial Statistis Ed e-5 Pretie Hall, Eglewood Cliffs New Jersey Magu, I W Estimatig the Itesity of a Cyli Poisso Proess (PhDThesis Uiversity of Amsterdam Amsterdam Magu, I W 5 A Note o Estimatio of The Gloal Itesity of a Cyli Poisso Proess i The Presee of Liear Tred Joural of Mathematis ad Its Appliatios Vol 4 No Ross, S M 3 Itrodutio to Proaility Model Ed e-8 Aademi Press I rlado, Florida Serflig, R J 98 Approximatio Theorems of Mathematial Statistis Joh Wiley & Sos New Yor Stewart,J 999 Kalulus Jilid Ed Ke-4 Peerit Erlagga Jaarta Taylor, H M ad S Karli 984 A Itrodutio to Stohasti Modelig Aademi Press, I rlado, Florida Tithmarsh, E C 96 The Theory of Futios xford Uiversity Press Lodo

24 LAMPIRAN

25 6 Lampira Pemutia Lema Lema (Fugsi Itesitas Gloal Jia N([,] adalah proses Poisso periodi dega fugsi itesitas λ, maa pada Defiisi 33 ada da θ = λ ( s ds ΕN lim ([, ] Buti: Berdasara Defiisi 9, dietahui ahwa ([, ] ([ ] μ, = λ ( s ds, sehigga Ε, = λ ( s ds ([ ] N memilii seara Poisso dega parameter leh area itu, maa ΕN( [, ] lim = lim ( s ds λ (45 Misala = da r = Maa r < Sehigga ruas aa (45 sama dega lim λ ( s ds λ ( s ds lim λ ( s ds lim λ ( s ds + = + (46 Perhatia ahwa limit pada suu edua pada (46 erilai ol Maa tiggal meujua ahwa λ s ds = lim ( ( s ds λ Utu memperoleh hal di atas, ita tulis ruas iri (47 seagai eriut lim λ ( s ds Perhatia ahwa (47 λ( s ds = λ( s ds ( s ds = λ Maa limit pada (48 dapat dihitug seagai eriut r λ( s ds lim λ( s ds lim = r = λ ( s ds lim = λ ( s ds Jadi, utu asus N( [, ] adalah proses Poisso periodi dega fugsi itesitas λ yag periodi dega periode, maa θ = λ ( s ds Lema teruti (48

26 7 Lampira Pemutia Lema 4 Lema 4 (Pertasamaa Cheyshev Jia X adalah peuah aa dega rataa μ da ragam σ, maa utu setiap >, σ Ρ{ X μ } (Ross 3 Buti : Utu memutia pertasamaa Cheyshev diperlua Pertasamaa Marov (Lema 8 eriut: Lema 8 (Pertasamaa Marov Jia X adalah peuah aa yag taegatif, maa utu setiap a >, Ε( X Ρ{ X a} a Buti : Jia X otiu dega fugsi epeata peluag f, maa Ε ( X = x f( x a = x f( x + x f( x a a = a xf( x af( x a f( x a = aρ{ X a} Utu asus X disret, dapat diutia dega ara serupa, yaitu dega meggati itegral dega otasi pejumlaha serta fugsi epeata peluag dega fugsi erapata peluag Jadi Ε( X aρ{ X a} Ε X Ρ a Sehigga dapat ditulis ( X a Jadi Lema 8 teruti Selajutya dega Pertasamaa Marov (Lema 8, maa ita dapat memutia Lema 4 ( ( μ ( μ Ρ X =Ρ X Ε σ = Jadi Lema 4 teruti ( X μ

27 8 Lampira 3 Pemutia Lema 5 Lema 5 (Pertasamaa Cauhy-Shwarz Utu setiap peuah aa X da Y erlau Ε( XY Ε( X Ε ( Y (Ghahramai 5 Buti: Utu setiap ilaga real a, ( X ay Sehigga X axy + Y Karea peuah aa taegatif memilii ilai harapa taegatif, maa Ε( X axy + a Y Ε( X aε ( XY + a Ε( Y Misala A =Ε ( Y, B = Ε ( XY,da C =Ε ( X Perhatia ahwa jia poliom derajat dua memilii palig aya seuah aar real maa disrimiaya tapositif Sehigga [ ] B 4AC 4 Ε( XY 4 Ε( X Ε( Y [ ] Ε( XY Ε( X Ε ( Y Kemudia jia edua ruas diaara maa Ε( XY Ε( X Ε( Y Ε( XY Ε( X Ε ( Y Jadi, Lema 5 teruti

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

PENDUGAAN FUNGSI INTENSITAS GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN LINEAR WALIDATUSH SHOLIHAH G

PENDUGAAN FUNGSI INTENSITAS GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN LINEAR WALIDATUSH SHOLIHAH G PENDUGAAN FUNGSI INTENSITAS GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN LINEAR WALIDATUSH SHOLIHAH G54338 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR Ole: LIA NURLIANA PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MUKTI RAHAYU G

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MUKTI RAHAYU G KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MUKTI RAHAYU G540409 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

Lebih terperinci

PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK SUATU PROSES POISSON NON-HOMOGEN PEPI RAMDANI

PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK SUATU PROSES POISSON NON-HOMOGEN PEPI RAMDANI PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK SUATU PROSES POISSON NON-HOMOGEN PEPI RAMDANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

Aproksimasi Terbaik dalam Ruang Metrik Konveks

Aproksimasi Terbaik dalam Ruang Metrik Konveks Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh

Lebih terperinci

SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN CASMAN

SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN CASMAN SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN CASMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 0

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

KEKONSISTENAN PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK PERKALIAN FUNGSI PERIODIK DENGAN TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN

KEKONSISTENAN PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK PERKALIAN FUNGSI PERIODIK DENGAN TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN EONSISTENAN PENDUGA OMPONEN PERIODI FUNGSI INTENSITAS BERBENTU PERALIAN FUNGSI PERIODI DENGAN TREN UADRATI PADA PROSES POISSON NON HOMOGEN TASLIM SEOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 0 PERNYATAAN

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

Konvolusi pada Distribusi dengan Support Kompak

Konvolusi pada Distribusi dengan Support Kompak Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

Bab 16 Integral di Ruang-n

Bab 16 Integral di Ruang-n Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat

Lebih terperinci

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

Keywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-

Keywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual- Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR SUATU PROSES POISSON NON-HOMOGEN PENDAHULUAN

PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR SUATU PROSES POISSON NON-HOMOGEN PENDAHULUAN PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR SUATU PROSES POISSON NON-HOMOGEN W. ISMAYULIA, I W. MANGKU, SISWANDI Abstrat I tis mausript, estimatio of te periodi

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Perumus Pedug Bgi θ Misl N dlh proses Poisso pd itervl [0 deg rt μ yg otiu mutl d fugsi itesits λ yg teritegrl lol. Utu setip himpu Borel terts B m μ( B Ε N( B λ( s ds

Lebih terperinci

Model Antrian Multi Layanan

Model Antrian Multi Layanan Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL

PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia

Lebih terperinci

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit

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

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua

Lebih terperinci

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK ZAENAL ARIFIN

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK ZAENAL ARIFIN SEBARAN ASIMTOTI PENDUGA TURUNAN PERTAMA DAN TURUNAN EDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODI ZAENAL ARIFIN SEOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 008 PERNYATAAN MENGENAI TESIS

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET KELAS XII. IPS SEMESTER I Oleh : Drs. Pudjul Prijoo ( http://vidyagata.wordpress.co ) SMA NEGERI 6 Jala Mayje Sugoo 58 Malag Telp./Fax : (034) 75036 E-Mail : sa6_alag@yahoo.co.id

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih terperinci

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

BAHAN AJAR DIKLAT GURU MATEMATIKA

BAHAN AJAR DIKLAT GURU MATEMATIKA BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...

Lebih terperinci

Gerak Brown Fraksional dan Sifat-sifatnya

Gerak Brown Fraksional dan Sifat-sifatnya SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas

Lebih terperinci

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

Lebih terperinci

GRAFIKA

GRAFIKA 6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA

Lebih terperinci

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial 5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

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

I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)

I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983) I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa

Lebih terperinci

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Lampiran 1. Beberapa Definisi dan Lema Teknis

Lampiran 1. Beberapa Definisi dan Lema Teknis DAFTAR PUSTAKA Browder, A. 1996. Mathematical Analysis : An Introduction. Springer. New York. Dudley, R.M. 1989. Real Analysis and Probability. Wadsworth & Brooks. California. Durret, R. 1996. Probability

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

Lampiran 1. Beberapa Definisi dan Lema Teknis

Lampiran 1. Beberapa Definisi dan Lema Teknis Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig

Lebih terperinci

UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI

UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI UNIVERSITAS INDONESIA DISTRIBUSI BANYAK SINGGAH DARI SUATU RANDOM WALK DAN UJI KERANDOMAN SKRIPSI RANTI NUGRAHENI 35475 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK

Lebih terperinci

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012) BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas

Lebih terperinci

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

(The Method of Separation of Variables). Metode ini dapat digunakan pada PDP linier, khususnya PDP dengan koefisien konstan.

(The Method of Separation of Variables). Metode ini dapat digunakan pada PDP linier, khususnya PDP dengan koefisien konstan. METODE PEMISAHAN PEUBAH (The Method of Separatio of Variales) Metode ii dapat diguaka pada PDP liier, khususya PDP dega koefisie kosta Tujua Istruksioal : Setelah megikuti perkuliaha mahasiswa dapat: 1

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

LANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.

LANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2. II. LANDASAN TEORI Pada bab ii aka diberika beberapa kosep dasar (pegertia) yag aka diguaka dalam pembahasa peelitia 2.1 Ruag Vektor Defiisi 3.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE

TEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,

Lebih terperinci

Bab 2. Sistem Bilangan Real Aksioma Bilangan Real Misalkan adalah himpunan bilangan real, P himpunan bilangan positif dan fungsi + dan.

Bab 2. Sistem Bilangan Real Aksioma Bilangan Real Misalkan adalah himpunan bilangan real, P himpunan bilangan positif dan fungsi + dan. Bab Sistem Bilaga Real.. Aksioma Bilaga Real Misalka adalah himpua bilaga real, P himpua bilaga positif da fugsi + da. dari ke da asumsika memeuhi aksioma-aksioma berikut: Aksioma Lapaga Utuk semua bilaga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

KELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd

KELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd KELUARGA EKSPONENSIAL Utuk Memeuhi Tugas Mata Kuliah Statistika Iferesial Dose Pegampu: Nedra Mursetya Somasih Dwipa, M.Pd Disusu Oleh : V A4 Kelompok. Nuuk Rohaigsih (444009). Rochayati (444000) 3. Siam

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

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

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

3. Integral (3) (Integral Tentu)

3. Integral (3) (Integral Tentu) Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag

Lebih terperinci

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT

SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI

Lebih terperinci

Kalkulus Rekayasa Hayati DERET

Kalkulus Rekayasa Hayati DERET Kalkulus Rekayasa Hayati DERET 1 Isi Bab Pedahulua Barisa tak-higga Deret tak-higga Deret Positif : Uji kekovergea Deret Gati Tada Deret Pagkat Deret Taylor da Maclauri 2 Kompetesi Dasar Setelah megikuti

Lebih terperinci

PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G

PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G PERENCANAAN PREMI OPTIMAL UNTUK PERUSAHAAN REASURANSI DENGAN REINSTATEMENT INDAH ROSLIYANA G54335 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 7 ABSTRACT

Lebih terperinci

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada 8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.

Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed. PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,

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

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR Oleh: LIA NURLIANA PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

4/19/2016. Regresi Linier Berganda. Regresi Berganda. Model Regresi Berganda. Model Regresi Berganda. Asumsi Regresi Berganda. Model Regresi Berganda

4/19/2016. Regresi Linier Berganda. Regresi Berganda. Model Regresi Berganda. Model Regresi Berganda. Asumsi Regresi Berganda. Model Regresi Berganda 4/9/06 Regresi Liier Bergada Program Studi Tekik Idustri Uiversitas Brawijaa Ihwa Hamdala, ST., MT SI - Regresi & Korelasi Bergada Regresi Bergada Cotoh SI - Regresi & Korelasi Bergada Meguji huuga liier

Lebih terperinci

Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan

Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan Semiar Nasioal Statistika IX Istitut Tekologi Sepuluh Nopemer, 7 Novemer 009 Peradiga Metode Pedugaa Kemugkia Maksimum (MLE) da Pedugaa Kuadrat Terkecil (LSE) Dalam Distriusi Keadala I Nyoma Latra, da

Lebih terperinci

PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK

PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK Oleh, Edag Cahya M.A. Jrsa Pedidia Matematia FPMIPA UPI Badg Jl. Dr. Setiabdi 9 Badg E-mail ecma@ds.math.itb.ac.id Abstra Tlisa ii mejelasa prisip masimm

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci