ESTIMASI FUNGSI DENSITAS GEMPA TEKTONIK DI JAWA BALI
|
|
- Lanny Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI FUNGSI DENSITAS GEMPA TEKTONIK DI JAWA BALI Ole Pumma Purwani M SKRIPSI ditulis dan diajukan untuk memenui sebagian persyaratan memperole gelar Sarjana Sains Matematika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 009
2 ABSTRAK Pumma Purwani, 009 Estimasi Fungsi Densitas Gempa Tektonik di Jawa Bali Fakultas Matematika dan Ilmu Pengetauan Alam, Universitas Sebelas Maret Gempa tektonik yang terjadi di Jawa Bali akan memberikan dampak yang signifikan Gempa yang terjadi mempunyai fungsi distribusi yang dapat menggambarkan karakteristiknya Sala satu metode untuk mengestimasi fungsi distribusi adala pendekatan kernel nonparametrik Tujuan dalam skripsi ini adala menentukan fungsi distribusi untuk magnitude dan banyak kejadian gempa tektonik tiap bulan Data yang digunakan untuk menentukan estimasi fungsi densitas adala gempa tektonik yang mempunyai magnitude sr dengan kedalaman 70 km dan banyak kejadian gempa tektonik tiap bulan Berdasarkan pembaasan, diperole kesimpulan bawa estimasi fungsi densitas untuk magnitude gempa tektonik antara sr dengan kedalaman ᆪ 70 km adala f x 598 x X i = exp 66, 4796 i= 0,78394, gempa tektonik yang terjadi di Jawa Bali pada taun mempunyai nilai estimasi magnitude antara Rs Estimasi fungsi densitas untuk banyak kejadian gempa tektonik tiap bulan adala f x 504 x X i = exp 47,984 i= 0,8808 Gempa tektonik setiap bulan yang terjadi di Jawa Bali mempunyai frekuensi 0 6 kali Kata kunci : fungsi densitas, gempa tektonik
3 ABSRACT Pumma Purwani, 009 Tectonic Eartquake Density Function Estimation in Java Bali Te Faculty of Matematics and Natural Sciences, Sebelas Maret University Te tectonic eartquake wic was appened in Java Bali would give a significant impact Te eartquake as a distribution function wic describes eartquake caracteristic One of metod to estimate distribution function is kernel nonparametric approac Te aims of tis researc are to find density function of magnitude and to find eartquake s frequency every mont In order to determine te estimation density function, te data wic used are magnitude Rs wit te dept ᆪ 70 km and frequency of eartquake every mont Based on discussion, te density function estimation of eartquake magnitude is f x 598 x X i = exp 66, 4796 i= 0,78394, te tectonic eartquakes appened in Java Bali in ave magnitude estimation between Rs Density function estimator of frequency of eartquake every mont is f x 504 x X i = exp 47,984 i= 0,8808 Te tectonic eartquake every mont appened in Java Bali in ave frequency 0 6 times Key words : density function, tectonic eartquake
4 PERSEMBAHAN Karya sederana ini penulis persembakan untuk Bapak dan ibu tercinta Sebagai wujud terima kasi atas doa, cinta dan dukungannya Kakak kakak dan keponakan Yang selalu memberiku semangat Seseorang yang aku sayangi Yang selalu memberiku dukungan Saabat saabat sejati Yang selalu memotivasi penulis untuk menjadi lebi baik
5 KATA PENGANTAR Assalamu alaaikum Wr Wb Puji syukur keadirat Alla SWT yang tela melimpakan ramat dan idaya Nya, seingga penulis dapat menyelesaikan skripsi dengan judul Estimasi Fungsi Densitas Gempa Tektonik di Jawa Bali Penulis menyadari bawa tanpa bantuan dan dukungan dari semua piak, maka penulis tidak mungkin dapat menyelesaikan skripsi dengan baik Pada kesempatan ini penulis menyampaikan rasa terima kasi dan pengargaan kepada Dra Respatiwulan, M Si, Dosen Pembimbing I yang penu peratian dan kesabaran membimbing dan mengarakan penulis ingga terselesaikannya skripsi ini Dra Sri Sulistijowati, M Si, Dosen Pembimbing II yang tela banyak membantu ingga terselesaikannya skripsi ini 3 Dra Sri Kuntari, M Si, Pembimbing Akademik yang tela banyak memberi bimbingan dan pengaraan 4 Tuning dan Rina, yang memberikan masukkan dan semangatnya 5 Saabat saabatku, Pipit, Saptini, Surya, Agung yang memberikkan semangat dan bantuannya seingga skripsi dapat terselesaikan 6 Seluru teman angkatan 004 dan semua piak yang tela membantu terselesaikannya skripsi ini yang tidak dapat penulis tuliskan satu persatu Penulis berarap semoga skripsi ini bermanfaat Amin Wassalamu alaaikum Wr Wb Penulis
6 DAFTAR ISI HALAMAN JUDUL i HALAMAN PENGESAHAN ii ABSTRAK iii ABSTRACT iv MOTTO v PERSEMBAHAN vi KATA PENGANTAR vii DAFTAR ISI viii DAFTAR TABEL x DAFTAR GAMBAR xi DAFTAR SIMBOL DAN NOTASI xii BAB I PENDAHULUAN Latar Belakang Masala Rumusan Masala 3 3 Batasan Masala 3 4 Tujuan 3 5 Manfaat 3 BAB II LANDASAN TEORI 4 Tinjauan Pustaka 4 Konsep Dasar Statistika 4 Sifat sifat Estimator 6 3 Fungsi Kernel 7 Kerangka Pemikiran 8 BAB III METODE PENELITIAN 9 BAB IV PEMBAHASAN 0 4 Deskripsi Data 0 4 Estimasi Densitas Kernel 43 Estimator Densitas Kernel Magnitude 5 Halaman
7 44 Estimator Densitas Kernel Banyak Kejadian Gempa Tiap Bulan 6 BAB V PENUTUP 8 5 Kesimpulan 8 5 Saran 8 DAFTAR PUSTAKA 9 LAMPIRAN 0
8 DAFTAR TABEL Tabel 4 Nilai probabilitas magnitude 6 Tabel 4 Nliai probabilitas untuk banyaj kejadian gempa tiap bulan 7
9 DAFTAR GAMBAR Gambar 4 Plot magnitude gempa Gambar 4 Plot banyak kejadian gempa tiap bulan Gambar 43 Estimasi densitas kernel Gaussian magnitude dengan = Gambar 44 Estimasi densitas kernel Gaussian banyak kejadian gempa dengan =
10 DAFTAR SIMBOL DAN NOTASI S P c : untuk setiap : terdapat : ruang sampel : ruang parameter : peluang observasi : mendekati sama dengan : konstanta : anggota impunan, elemen : arga mutlak : norma (norm) : sigma, operator penjumlaan n X : pi : xi, interval : jumla data observasi berukuran n : variabel random X, X, K, X n : sampel random x f F : titik estimasi : mean : lebar interval (binwidt) : fungsi densitas probabilitas : fungsi distribusi kumulatif f E Var : estimator fungsi densitas dengan pengaru lebar interval : arga arapan : variansi
11 MSE MISE A MISE K : mean squared error : mean integrated squared error : asymptotic mean integrated squared error : fungsi kernel
12 BAB I PENDAHULUAN Latar Belakang Masala Menurut Hutagalung [3], panas di inti bumi merupakan sumber energi yang menyebabkan terjadinya gunung berapi, gempa bumi dan retakan atau pataan pada bagian batuan yang lema Retakan ini membuat bumi seola ola terpisa dan berkelompok membentuk lempengan yang mengapung di atas permukaan astenosfer Gempa bumi adala proses pelepasan energi panas ole batuan bumi yang mengalami regangan atau tekanan setela mengalami akumulasi dalam jangka waktu tertentu Semakin tinggi kekuatan batuan menaan regangan atau tekanan semakin besar pula energi yang dilepaskan Menurut [7] magnitude gempa adala parameter gempa yang berubungan dengan besarnya kekuatan gempa di sumbernya Pengukuran magnitude gempa yang dilakukan di tempat berbeda memberikan nilai sama walaupun gempa yang dirasakan berbeda Skala Ricter (sr) yang dikembangkan ole Carles Ricter taun 935 digunakan sebagai ukuran kekuatan gempa Intensitas merupakan parameter gempa yang diukur berdasarkan kerusakan yang terjadi Intensitas gempa berbeda untuk setiap daera walaupun pusat gempanya sama, Waluyo [8] Hal ini berbeda dengan magnitude, dimana ukuran magnitude gempa yang sama dari tempat yang berbeda mengakibatkan dampak yang berbeda juga Berdasarkan Lee dan Steward [5], gempa dengan magnitude sr dapat menyebabkan kerusakan dalam area yang luas ( 60 km) Di sisi lain bila kedalaman fokus yang merupakan sumber gempa dari permukaan bumi adala ᆪ 70 km, terjadila gempa dangkal yang menimbulkan efek goncangan lebi dasyat dibandingkan dengan kedalaman fokus ᆪ 70 km Indonesia yang merupakan daera aktif gempa berada disepanjang pertemuan lempeng tektonik Eurasia dengan Indo Australia yang membentuk busur dari Sumatra, Jawa, Bali, Nusa Tenggara sampai Maluku dan lempeng Pasifik di bagian utara Irian Menurut Lea [4] wilaya tersebut merupakan daera pertemuan tiga lempeng tektonik yaitu lempeng tektonik Eurasia, lempeng Indo Australia dan lempeng Pasifik Karena gempa tektonik adala gempa yang terjadi akibat pergeseran lempeng tektonik, wilaya tersebut merupakan daera gempa tektonik
13 Pulau Jawa dan Bali merupakan pulau yang penting bagi negara Indonesia Pulau Jawa merupakan pulau yang mempunyai jumla penduduk yang terbanyak dibandingkan pulau yang lain Pulau Jawa juga merupakan pusat pemerintaan Indonesia Candi Borobudur dan objek wisata terkenal lainnya terletak di pulau Jawa Pulau Bali merupakan objek wisata terkenal lainnya Dengan demikian, pulau Jawa Bali merupakan pusat ekonomi yang berpenduduk relatif terbesar Gempa bumi di pulau Jawa Bali mengakibatkan kerugian yang cukup besar Gempa bumi yang terjadi di Jawa Bali memerlukan suatu model matematis yang dapat menggambarkan karakteristik gempa tersebut Menurut Hardle [], karakteristik dasar dari suatu variabel random dapat diliat melalui fungsi densitas probabilitasnya Dalam penelitian ini variabel randomnya adala magnitude dan banyak kejadian gempa tiap bulan Fungsi densitas dapat diestimasi dengan dua metode, yaitu pendekatan parametrik dan pendekatan nonparametrik Pendekatan nonparametrik dapat digunakan ketika data tidak memberikan cukup informasi tentang bentuk fungsi densitas yang sebenarnya Estimasi densitas kernel merupakan sala satu metode pendekatan fungsi densitas nonparametrik Pada penulisan skripsi ini akan dikaji ulang tentang estimasi fungsi densitas melalui kernel Selanjutnya estimasi fungsi densitas yang diperole akan diterapkan pada data magnitude gempa dan banyak kejadian gempa tiap bulan Rumusan Masala Berdasarkan latar belakang masala di atas, maka rumusan masalanya sebagai berikut () Bagaimana estimasi fungsi densitas magnitude gempa tektonik di Pulau Jawa Bali dengan magnitude sr dan kedalaman fokus ᆪ 70 km? () Bagaimana estimasi fungsi densitas banyak kejadian gempa tektonik tiap bulan di Pulau Jawa Bali? 3 Batasan Masala Dalam penulisan ini, estimasi densitas kernel diasumsikan bawa fungsi densitas termuat dalam kelas fungsi yang mempunyai turunan Kernel yang akan digunakan dalam penelitian ini adala kernel Gaussian
14 4 Tujuan Tujuan dari penulisan ini adala menentukan fungsi densitas magnitude dan banyak kejadian gempa tektonik tiap bulan di Pulau Jawa Bali 5 Manfaat Manfaat yang diarapkan dari penulisan ini adala menamba wawasan dan pengetauan tentang fungsi distribusi kernel dan penerapannya pada data gempa bumi yang terjadi di Jawa Bali taun
15 BAB II LANDASAN TEORI Bab ini dibagi menjadi dua subbab, yaitu tinjauan pustaka dan kerangka pemikiran Tinjauan pustaka mengandung beberapa asil penelitian yang tela dilakukan ole peneliti terdaulu yang disajikan dalam bentuk definisi, teorema dan pengertian yang berubungan dengan pembaasan Kerangka pemikiran menggambarkan langka dan ara penulisan dalam mencapai tujuan penulisan Tinjauan Pustaka Skripsi ini memerlukan beberapa definisi, teorema dan pengertian yang berubungan dengan pembaasan Pembaasan didasarkan pada teori tentang konsep dasar statistika dan estimasi densitas kernel Konsep Dasar Statistika Untuk menunjang materi dalam pembaasan diperlukan konsep dasar statistika mengenai ruang sampel, dan variabel random, fungsi densitas probabilitas yang diambil dari Bain and Engelardt [] Definisi Himpunan dari semua asil (outcome) yang mungkin dari suatu eksperimen disebut sebagai ruang sampel (sample space), dinotasiakan dengan S Ruang sampel dapat berupa ruang sampel diskrit, yaitu ruang sampel dengan jumla elemen ingga atau elemen tak ingga teritung dan ruang sampel kontinu, yaitu ruang sampel dengan elemen titik titik dalam interval pada garis bilangan real Definisi Variabel random X adala suatu fungsi yang memetakan setiap asil yang mungkin e pada ruang sampel S dengan suatu bilangan real x, sedemikian ingga X (e) = x Variabel random dibedakan menjadi dua, yaitu variabel random diskrit dan variabel random kontinu Definisi 3 Jika impunan semua nilai yang mungkin dari variabel random X merupakan impunan beringga x, K, xn atau x, x, K, maka X disebut variabel random diskrit Fungsi f x P X x, untuk x, x, K
16 menyatakan probabilitas setiap nilai x yang mungkin disebut fungsi densitas probabilitas diskrit (discrete probability function) f x ᆪ 0 Jika f (x) merupakan fungsi densitas probabilitas diskrit maka mempunyai sifat, untuk semua f xi x, dan i xi Jika f (x) merupakan fungsi densitas probabilitas kontinu maka f x 0 mempunyai sifat, untuk semua x dan ᆪ f xdx Definisi 4 Fungsi distribusi kumulatif (cumulative distribution function) dari variabel random diskrit X didefinisikan untuk setiap bilangan real x sebagai F x P X x Definisi 5 Jika X suatu variabel random diskrit dengan fungsi densitas probabilitas f (x), maka arga arapan (expected value) dari X didefinisikan sebagai E X xf x x Definisi 6 Variabel random X disebut variabel kontinu jika terdapat fungsi f (x) yang merupakan fungsi densitas probabilitas dari X, seingga fungsi distribusi kumulatifnya dapat dinyatakan dengan BAB III METODE PENELITIAN Metode yang digunakan dalam penulisan skripsi ini adala studi kasus Studi kasus dilakukan dengan mengumpulkan dan mempelajari referensi berupa artikel, buku, dan jurnal yang dapat mendukung pembaasan tentang estimasi fungsi densitas gempa kemudian menerapkannya pada masala penentuan fungsi densitas gempa Langka langka yang diambil dalam mengestimasi fungsi BAB IV PEMBAHASAN
17 Karakteristik dari suatu variabel random X dapat diketaui melalui fungsi densitas probabilitasnya Sampel yang diambil secara random dari suatu populasi dapat dianalisis melalui pendekatan parametrik dan pendekatan nonparametrik Pendekatan parametrik dilakukan dengan memberikan asumsi bawa data berdistribusi tertentu Pendekatan nonparametrik dilakukan tanpa memberikan asumsi bawa data berdistribusi tertentu Data magnitude gempa akan dianalisis menggunakan estimasi densitas kernel 4 Deskripsi Data Data yang digunakan dalam penelitian ini adala data gempa tektonik di Jawa Bali pada taun 964 sampai taun 005 Data diperole dari lab seismik, Departemen Geofisika dan Meteorologi ITB Data yang diperole meliputi waktu kejadian, magnitude, dan kedalaman gempa Magnitude diklasifikasikan menjadi micro eartquake, small eartquake, moderate eartquake, dan major eartquake Kedalaman gempa dikelompokkan menjadi sallow eartquake dan deep eartquake Sallow eartquake memberikan efek goncangan yang lebi dasyat dibandingkan deep eartquake, al itu dikarenakan sumber gempa lebi dekat dengan permukaan bumi Dalam penelitian ini diambil untuk magnitude sr (moderate eartquake) dan kedalaman ᆪ 70 km (sallow eartquake) Plot data untuk magnitude sr dan kedalaman ᆪ 70 km dapat diliat pada Gambar 4 Plot data untuk banyak gempa yang terjadi tiap bulan dapat diliat pada Gambar Frekuensi Magnitude Gambar 4 Plot magnitude gempa
18 80 60 Frekuensi Banyak kejadian gempa tiap bulan Gambar 4 Plot banyak kejadian gempa tiap bulan 4 Estimasi Densitas Kernel Menurut Hardle [], estimasi densitas kernel dapat digunakan untuk mengestimasi fungsi densitas probabilitas nonparametrik dari suatu variabel random Estimasi densitas kernel untuk estimasi nilai densitas f (x) pada titik x adala sebagai berikut Kernel K didefinisikan sebagai n i n i f x K x X (4) x K x K (4) Persamaan (4) disubstitusikan ke dalam persamaan (4), seingga diperole n x X i f x K n i dimana K disebut fungsi kernel dan adala bandwit (43) f x Teorema 4 (Hardle) Jika diberikan ole persamaan (4) dan X i identik maka Bukti : E f x f x K s ds f x, 0
19 Jika u x s dan 0 maka n i E f x E K x X n i E K x X ᆪ K x u f u du ᆪ K s f x s ds E f x f x K s ds f x f x Teorema 4 (Hardle) Jika diberikan ole persamaan (4) maka bias dinyatakan sebagai " Bias f x f x K o, ᆪ 0 (44) Bukti : ᆪ Bias f x K s f x s ds f x K s K s ds dimana ᆪ dan s ᆪK s f x sf x f x o ds f x ' " f x f x K o f x " f " x K o x X s i Dalam persamaan (44) diperole kuadrat, seingga untuk menurunkan nilai bias dipili nilai yang kecil Variansi estimasi densitas kernel diitung untuk mendapatkan kestabilan estimasi
20 f x Teorema 43 (Hardle) Jika diberikan ole persamaan (4) maka variansi dinyatakan sebagai Bukti : Var f x K f x o n n (45) n Var f x Var K x X i n i n = Var K x X i n i = Var K x X i n = E K x X i E K x X i n E Jika K x X f x o x u K f u du f x o n K s f x s ds f x o ᆪ n K f x o f x o n dari persamaan (44) dan K s f x s ds K s ds f x o K f x o Seingga untuk n diperole Var f x K f x o n n Variansi nilainya akan menurun jika dipili nilai yang besar Variansi yang minimum dapat diperole dengan menaikkan nilai Hal ini kontradiksi dengan bias yang mempunyai nilai minimum jika nilai kecil Nilai yang terlalu besar akan menyebabkan estimasi densitas yang terlalu mulus Sedangkan nilai yang terlalu kecil akan menyebabkan estimasi densitas yang tidak mulus Nilai minimum MSE teradap merupakan langka untuk mengatasi permasalaan tersebut karena MSE f x merupakan jumlaan dari bias kuadrat dan variansi Melalui pendekatan bias dan variansi dari
21 diperole dan 4 4 MSE f x f x K f " x K o o n 4 n untuk 0 dan n 4 4 MISE f x K K f " o o n 4 n Jika bagian yang berorder tinggi, yaitu asymptotic mean squared error (A MISE), yaitu o 4 A MISE f x K K f o n diabaikan, maka didefinisikan sebagai 4 " n 4 opt Bandwit didapatkan dapat diperole dengan menurunkan A MISE teradap parameter, seingga 4 A MISE f x K K f " n 4 ᆪ ᆪ ᆪ ᆪ n 3 K K f " karena fungsi f kontinu dan diferensiabel, maka meminimumkan ᆪ A MISE f x ᆪ dilakukan dengan membuat nilai ᆪ A MISE f x ᆪ menjadi nol seingga diperole ᆪ A MISE f x 0 ᆪ 3 K K f " 0 n
22 n 3 K K f " 5 n K K f '' opt 5 K 5 ᆪ n f " K n Bandwidt optimal digunakan untuk mengestimasi fungsi densitas data seingga diperole estimator fungsi densitas kernel 43 Estimator Densitas Kernel Magnitude opt Estimator densitas kernel didefinisikan dalam persamaan (4) Nilai untuk data magnitude sr dan kedalaman fokus 70 km adala opt ,78394 Ole karena itu dari persamaan (43) dapat dibentuk estimator densitas kernel magnitude sr dan kedalaman fokus ᆪ 70 km sebagai berikut 598 x X i f x K 66, 4796 i= 0,78394 (46) Data diola menggunakan software S Plus 3 dengan langka yang disajikan dalam lampiran Estimasi densitas kernel dengan fungsi kernel Gaussian K x e x pada data gempa tektonik di Pulau Jawa Bali dengan magnitude sr dan kedalaman fokus estimasi densitas kernel pada Gambar km mengasilkan grafik
23 Gambar 43 Estimasi Densitas Kernel Gaussian Magnitude dengan = Dari Gambar 4, dapat diliat bawa data berkelompok pada magnitude sr Hal ini berarti bawa sebagian besar gempa tektonik yang terjadi di pulau Jawa Bali pada taun mempunyai estimasi magnitude sebesar sr Estimasi densitas kernel untuk magnitude MSE f x mempunyai nilai MSE sebesar Kesimpulan tersebut didukung ole nilai probabilitas pada interval tertentu Jumla observasi yang berada dalam suatu interval a, b diitung sebagai ᆪ P a x b f x dx a Densitas juga menginformasikan letak observasi berkelompok maupun pada interval mana obsrevasi muncul dengan frekuensi relatif tertinggi Tabel 4 Nilai frekuensi relatif magnitude b Interval (sr) Frekuensi relatif Dari Tabel 4 nilai frekuensi relatif yang terbesar terletak di antara nilai magnitude sr
24 44 Estimator Densitas Kernel Banyak Kejadian Gempa Tiap Bulan opt Estimator densitas kernel didefinisikan dalam persamaan (4) Nilai kejadian gempa tiap bulan adala untuk data banyak opt ,8808 Ole karena itu dari persamaan (43) dapat dibentuk estimator densitas kernel banyak kejadian gempa tiap bulan sebagai berikut 504 x X i f x = K 45,984 i= 0,8808 (47) Data diola menggunakan software S Plus 3 dengan langka yang disajikan dalam lampiran Estimasi densitas kernel dengan fungsi kernel Gaussian K x e x pada data gempa tektonik di Pulau Jawa Bali untuk data banyak kejadian gempa tiap bulan mengasilkan grafik estimasi densitas kernel pada Gambar 44 Gambar 44 Estimasi Densitas Kernel Gaussian banyak kejadian gempa dengan = Dari Gambar 44 menunjukkan bawa data berkelompok untuk banyak kejadian gempa antara 0 6 kali Hal ini berarti bawa setiap bulannya pada taun di pulau Jawa Bali terjadi gempa sebanyak 0 6 kali Estimasi densitas kernel untuk banyak kejadian gempa tiap bulan mempunyai nilai MSE f x MSE sebesar
25 Tabel 4 Nilai frekuensi relatif untuk banyak kejadian gempa tiap bulan Interval frekuensi relatif M M Dari Tabel 4 terliat bawa semakin besar nilai intervalnya maka probabilitasnya semakin kecil dan mendekati nol Seingga dapat disimulkan bawa setiap bulannya terjadi gempa sebanyak 0 6 kali densitas gempa adala menyeleksi data gempa yang mempunyai magnitude sr dan kedalaman fokus 70 km, mengitung banyak kejadian gempa tiap bulan, 3 estimasi fungsi densitas magnitude gempa dengan kernel Gaussian, 4 estimasi fungsi densitas banyak kejadian gempa tiap bulan dengan kernel Gaussian, 5 penarikan kesimpulan dan interpretasi dari estimasi fungsi distribusi yang diperole F x x f t dt Definisi 7 Jika X suatu variabel random kontinu dengan fungsi densitas probabilitas f(x), maka arga arapan dari X didefinisikan sebagai ᆪ E X ᆪxf xdx ᆪ Definisi 8 Variansi dari variabel random X adala Var X E X Teorema Variansi dari variabel random X dinyatakan dengan
26 Var X E X E X E X Variansi merupakan suatu ukuran dari keragaman atau penyebaran di dalam distribusi dari variabel random Sifat sifat Estimator Diberikan definisi tentang statistik, estimator tak bias, estimator bias, dan MSE T t X Definisi 9 Statistik, X, K, X n yang digunakan untuk mengestimasi nilai dari disebut estimator dari t t x dan nilai dari statistik, x, K, x n disebut estimasi dari Selanjutnya estimator T dinotasikan dengan Definisi 0 Misal adala ruang parameter Estimator dikatakan sebagai estimator tak bias dari jika E untuk semua Jika tidak demikian, dikatakan sebagai estimator bias dari Definisi Jika adala estimator dari, maka bias dinyatakan dengan dan mean square error (MSE) dari b E dinyatakan dengan MSE E Teorema Jika adala estimator dari, maka
27 MSE Var b MSE merupakan jumlaan dari variansi dan bias kuadrat serta digunakan sebagai ukuran keakuratan suatu estimasi 3 Estimasi Densitas Kernel Menurut Menardi [6], estimator fungsi densitas kernel untuk estimasi nilai densitas f x pada titik x didefinisikan sebagai berikut n i n i f x K x X n x X i K n i dengan K disebut fungsi kernel dan adala bandwit Sala satu fungsi kernel yang sering digunakan adala kernel Gaussian Bentuk kernel Gaussian adala sebagai berikut K x e x Kerangka Pemikiran Karakteristik dari suatu variabel random X dapat diketaui melalui fungsi densitas probabilitasnya Estimasi dari fungsi densitas yang tidak diketaui dapat dilakukan melalui pendekatan nonparametrik yaitu menggunakan kernel Estimasi fungsi densitas kernel tergantung pada pemilian lebar jendela dan fungsi kernel K Estimasi fungsi densitas yang diperole akan diterapkan pada data magnitude dan banyak kejadian gempa tektonik di Jawa Bali
28 BAB V PENUTUP 5 Kesimpulan Berdasarkan uraian dalam pembaasan diperole kesimpulan tentang estimasi fungsi densitas magnitude dan banyak kejadian gempa tektonik tiap bulan di Jawa Bali sebagai berikut Estimator fungsi densitas kernel Gaussian untuk magnitude sr dan kedalaman fokus 70 km adala DAFTAR PUSTAKA [] Bain, L J and M Engelardt, Introduction to probability and matematical statistics, ed, Duxbury Press Belmont, California, 99 [] Hardle, W, Smooting tecniques wit implementation in S, Springer Verlag, New York, 990 [3] Hutagalung, R, Prediksi tentang gempa tsunami di Bali, ttp:// www dbriptek ristek go id/cgi/gempa, 007 [4] Lea, Menguak misteri gempa di pulau Jawa, wwwtecnologyindonesiacom/ downlodpp? file=gempa, 008 [5] Lee, W H K and S W Steward, Principles and applications of microeartquake networks, Academic Press, Inc, New York, 98 [6] Menardi, G, Variable kernel density function, ttp://geovanimenardinet/ variable kernel density functionspontanee%0006_579_58pdf, 008 [7] Waluyo, Gempa, Hand out kulia, Geofisika, UGM, Jogjakarta, 006 [8] Ricter magnitude scale, ttp://enwikipediaorg/wiki Ricter magnitude scale, x X i f x K 66, 4796 i= 0,78394 Menurut plot estimator fungsi densitas magnitude gempa tektonik yang terjadi di Jawa Bali pada taun mempunyai estimasi magnitude antara sr Estimator fungsi densitas kernel Gaussian untuk banyak kejadian gempa tektonik tiap bulan adala
29 504 x X i f x = K 45,984 i= 0,8808 Menurut plot estimator fungsi densitas untuk banyak kejadian gempa tiap bulan yang terjadi di Jawa Bali pada taun mempunyai estimasi frekuensi terjadi gempa sebesar 0 6 kali tiap bulan 5 Saran Dalam tulisan ini penulis mengkaji tentang estimasi fungsi densitas dengan menggunakan kernel Gaussian Kepada pembaca yang ingin mengembangkan estimasi densitas, penulis memberikan saran menggunakan estimasi densitas kernel menyesuaikan (Adaptive Kernel Density Estimation) atau menggunakan istogram WARPing untuk membandingkan metode mana yang lebi baik
ESTIMASI DENSITAS KERNEL EPANECHNIKOV RATA - RATA RESAMPEL BOOTSTRAP UNTUK PENENTUAN WAKTU PANEN OPTIMAL TANAMAN RAMI (Boehmeria nivea L.
ESTIMASI DENSITAS KERNEL EPANECHNIKOV RATA - RATA RESAMPEL BOOTSTRAP UNTUK PENENTUAN WAKTU PANEN OPTIMAL TANAMAN RAMI (Boemeria nivea L. Gaudic) ole SARASWATI M005063 SKRIPSI ditulis dan diajukan untuk
Lebih terperinciESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK
Jurnal Matematika Vol. 2 No. 1, Juni 2012. ISSN : 1693-1394 ESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK I Komang Gede Sukarsa e-mail: sukarsakomang@yaoo.com I Gusti Ayu Made Srinadi e-mail: srinadiigustiayumade@yaoo.co.id
Lebih terperinciBAB III STRATIFIED CLUSTER SAMPLING
BAB III STRATIFIED CUSTER SAMPING 3.1 Pengertian Stratified Cluster Sampling Proses memprediksi asil quick count sangat dipengarui ole pemilian sampel yang dilakukan dengan metode sampling tertentu. Sampel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adala penelitian komparasi. Kata komparasi dalam baasa inggris comparation yaitu perbandingan. Makna dari
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian Penelitian ini menggunakan metode eksperimen kuantitati dengan desain posttest control group design yakni menempatkan subyek penelitian kedalam
Lebih terperinci19, 2. didefinisikan sebagai bilangan yang dapat ditulis dengan b
PENDAHULUAN. Sistem Bilangan Real Untuk mempelajari kalkulus perlu memaami baasan tentang system bilangan real karena kalkulus didasarkan pada system bilangan real dan sifatsifatnya. Sistem bilangan yang
Lebih terperinciTurunan Fungsi. Penggunaan Konsep dan Aturan Turunan ; Penggunaan Turunan untuk Menentukan Karakteristik Suatu Fungsi
8 Penggunaan Konsep dan Aturan Turunan ; Penggunaan Turunan untuk Menentukan Karakteristik Suatu Fungsi ; Model Matematika dari Masala yang Berkaitan dengan ; Ekstrim Fungsi Model Matematika dari Masala
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA oleh FEBRIANI ASTUTI M0111036 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciSUATU CONTOH INVERSE PROBLEMS YANG BERKAITAN DENGAN HUKUM TORRICELLI
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 009 SUATU CONTOH INVERSE PROBLEMS YANG BERKAITAN DENGAN HUKUM TORRICELLI Suciati
Lebih terperinciRATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA
RATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA oleh INTAN LISDIANA NUR PRATIWI NIM. M0110040 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciA. Penggunaan Konsep dan Aturan Turunan
A. Penggunaan Konsep dan Aturan Turunan. Turunan Fungsi Aljabar a. Mengitung Limit Fungsi yang Mengara ke Konsep Turunan Dari grafik di bawa ini, diketaui fungsi y f() pada interval k < < k +, seingga
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciLimit Fungsi. Limit Fungsi di Suatu Titik dan di Tak Hingga ; Sifat Limit Fungsi untuk Menghitung Bentuk Tak Tentu ; Fungsi Aljabar dan Trigonometri
7 Limit Fungsi Limit Fungsi di Suatu Titik dan di Tak Hingga ; Sifat Limit Fungsi untuk Mengitung Bentuk Tak Tentu ; Fungsi Aljabar dan Trigonometri Cobala kamu mengambil kembang gula-kembang gula dalam
Lebih terperinciRegularitas Operator Potensial Layer Tunggal
JMS Vol. No., al. 8-5, April 997 egularitas Operator Potensial Layer Tunggal Wono Setya Budi Jurusan Matematika, FMIPA Institut Teknologi Bandung Jl. Ganesa 0 Bandunng, 403 Abstrak egulitas operator =
Lebih terperinciBAB III METODE STRATIFIED RANDOM SAMPLING
BAB III METODE STRATIFIED RADOM SAMPIG 3.1 Pengertian Stratified Random Sampling Dalam bukunya Elementary Sampling Teory, Taro Yamane menuliskan Te process of breaking down te population into rata, selecting
Lebih terperinciEFEKTIVITAS MODEL PEMBELAJARAN STUDENT TEAMS ACHIEVEMENT DIVISIONS
JURNAL EFEKTIVITAS MODEL PEMBELAJARAN STUDENT TEAMS ACHIEVEMENT DIVISIONS (STAD) TERHADAP HASIL BELAJAR SISWA KELAS VIIIA PADA MATERI OPERASI BENTUK ALJABAR DI SMP NEGERI 5 KEDIRI THE EFFECTIVENESS OF
Lebih terperinciSeri : Modul Diskusi Fakultas Ilmu Komputer. FAKULTAS ILMU KOMPUTER Sistem Komputer & Sistem Informasi HANDOUT : KALKULUS DASAR
Seri : Modul Diskusi Fakultas Ilmu Komputer FAKULTAS ILMU KOMPUTER Sistem Komputer & Sistem Informasi HANDOUT : KALKULUS DASAR Ole : Tony Hartono Bagio 00 KALKULUS DASAR Tony Hartono Bagio KATA PENGANTAR
Lebih terperinciPENGARUH PEMBERIAN JUMLAH KREDIT TERHADAP VOLUME PENJUALAN PEDAGANG KECIL DI LKMM MAWAR KECAMATAN PATRANG KABUPATEN JEMBER TAHUN 2012 SKRIPSI Ole NENI PUSPA PRATIWI NIM. 080210391008 PROGRAM STUDI PENDIDIKAN
Lebih terperinciPREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL
PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL Firmanti Suryandari, Sri Subanti, Bowo Winarno Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi merupakan proses meningkatnya
Lebih terperinciJURNAL. Oleh: ELVYN LELYANA ROSI MARANTIKA Dibimbing oleh : 1. Dian Devita Yohanie, M. Pd 2. Ika Santia, M. Pd
JURNAL PENINGKATAN HASIL BELAJAR DAN RESPON SISWA DENGAN MENGGUNAKAN MODEL PEMBELAJARAN KUMON PADA MATERI PEMBAGIAN BENTUK ALJABAR KELAS VIII SMP NEGERI 8 KOTA KEDIRI PADA TAHUN PELAJARAN 2016/2017 THE
Lebih terperinciGambar 1. Gradien garis singgung grafik f
D. URAIAN MATERI 1. Definisi dan Rumus-rumus Turunan Fungsi a. Definisi Turunan Sala satu masala yang mendasari munculnya kajian tentang turunan adala gradien garis singgung. Peratikan Gambar 1. f(c +
Lebih terperinciIII. METODE PENELITIAN. Subjek penelitian ini adalah siswa kelas VII B MTs Al Hikmah Bandar
26 III. METODE PENELITIAN A. Subjek Penelitian Subjek penelitian ini adala siswa kelas VII B MTs Al Hikma Bandar Lampung semester genap taun pelajaran 2010/2011 pada pokok baasan Gerak Lurus. Dengan jumla
Lebih terperinciMODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS
MODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS (Studi Kasus Produksi Jagung di Indonesia) Oleh VICTOR SATRIA SAPUTERA M0112089 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinci4 SIFAT-SIFAT STATISTIK DARI REGRESI KONTINUM
4 SIFA-SIFA SAISIK DAI EGESI KONINUM Abstrak Matriks pembobot W pada egresi Kontinum diperole dengan memaksimumkan fungsi kriteria umum ternata menimbulkan masala dari aspek statistika. Prinsip dari fungsi
Lebih terperinciSTATISTICS WEEK 8. By : Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 8 By : Hanung N. Prasetyo BAHASAN Pengertian Hypotesisdan Hypotesis Testing Tipe Kesalaan dalam Pengujian Hipotesis Lima Langka Pengujian Hipotesis Pengujian: Dua Sisi dan Satu Sisi Uji
Lebih terperinciMENINGKATKAN KEMAMPUAN MEMBACA EKSPRESIF PUISI MELALUI PENERAPAN METODE DEMONSTRASI PADA SISWA KELAS 3 SDN JUBUNG 01 KEC. SUKORAMBI KAB. JEMBER.
:/. ttp:/ ttp:/. ttp:/ ttp:/. ttp:/ ttp:/. MENINGKATKAN KEMAMPUAN MEMBACA EKSPRESIF PUISI MELALUI PENERAPAN METODE DEMONSTRASI PADA SISWA KELAS 3 SDN JUBUNG 01 KEC. SUKORAMBI KAB. JEMBER e TA ( elektronik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menyelidiki pola hubungan fungsional antara variabel prediktor dan variabel respon
Lebih terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER Oleh SAHETI ULLY FATWA M0109058 SKRIPSI ditulis dan diajukan
Lebih terperinciMATEMATIKA TURUNAN FUNGSI
MATEMATIKA TURUNAN FUNGSI lim 0 f ( x ) f( x) KELAS : XI IPA SEMESTER : (DUA) SMA Santa Angela Bandung Taun Pelajaran 04-05 XI IPA Semester Taun Pelajaran 04 05 PENGANTAR : TURUNAN FUNGSI Modul ini kami
Lebih terperinciPENETAPAN MODEL BANGKITAN PERGERAKAN UNTUK BEBERAPA TIPE PERUMAHAN DI KOTA PEMATANGSIANTAR
PENETAPAN MODEL BANGKITAN PERGERAKAN UNTUK BEBERAPA TIPE PERUMAHAN DI KOTA PEMATANGSIANTAR Muammad Efrizal Lubis 1 (Dosen FT USI / Dinas PU Pengairan Kab. Simalungun) Novdin M Sianturi 2 (Dosen FT USI)
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciProgram Studi S1 Teknik Industri, Fakultas Rekayasa Industri, Universitas Telkom
PERENCANAAN KEBIJAKAN PERSEDIAAN BAHAN BAKU DENGAN MENGGUNAKAN METODE CONTINUOUS REVIEW (s,s) DAN METODE CONTINUOUS REVIEW (s,q) UNTUK MEMINIMASI TOTAL BIAYA PERSEDIAAN PADA PT. XYZ Selvia Dayanti 1, Ari
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciPemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika terhadap Rupiah
J. Mat. and Its Appl. ISSN: 829-605X Vol. 2, No., May. 2005, 27 36 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia I Gst Ngr Rai Usada, Erika Eka Santi Jurusan Matematika Institut
Lebih terperinciPENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1
PENENTUAN MODEL REGRESI SPLINE TERBAIK Agustini Tripena 1 1) Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Pada paper ini
Lebih terperinciOleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Oleh FATMA JULITA M0111034 SKRIPSI ditulis
Lebih terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciII. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperincioleh PRITA DEWI HUTRIANA SARI NIM. M
ESTIMASI RATA-RATA PRODUKSI JAGUNG DI PROVINSI JAWA BARAT MENGGUNAKAN PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DENGAN KOEFISIEN KURTOSIS VARIABEL BANTU DAN REGRESI ROBUST oleh PRITA DEWI HUTRIANA
Lebih terperinciImtiyaz, et al, Analisis Nomor P-IRT pada Label Pangan Produksi IRTP di Kecamatan...
Analisis Nomor P-IRT pada Label Pangan Produksi IRTP di Kecamatan Kaliwates Kabupaten Jember (Analysis of P-IRT Number on Te Food Label IRTP Production in Kaliwates District Jember Regency) Andi Hilman
Lebih terperinciOleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Oleh FATMA JULITA M0111034 SKRIPSI ditulis
Lebih terperinciKALKULUS. Laporan Ini Disusun Untuk Memenuhi Mata Kuliah KALKULUS Dosen Pengampu : Ibu Kristina Eva Nuryani, M.Sc. Disusun Oleh :
KALKULUS Laporan Ini Disusun Untuk Memenui Mata Kulia KALKULUS Dosen Pengampu : Ibu Kristina Eva Nuryani, M.Sc Disusun Ole : 1. Anggit Sutama 14144100107 2. Andi Novantoro 14144100111 3. Diya Elvi Riana
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI
PENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI Disusun Oleh : BITORIA ROSA NIASHINTA 24010211120021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI M-KUANTIL MENGGUNAKAN METODE ITERATIVE REWEIGHTED LEAST SQUARE (IRLS)
ESTIMASI PARAMETER MODEL REGRESI M-KUANTIL MENGGUNAKAN METODE ITERATIVE REWEIGHTED LEAST SQUARE (IRLS) oleh Lisa Apriana Dewi M0108055 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratanmemperoleh
Lebih terperinciPengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215 2337-352 (231-928X Print A-25 Pengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa Singgi Tawin Muammad, Erna Apriliani,
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume 2, Juni 22 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majala Ilmia Matematika dan Statistika Volume 2, Juni 22 PROFIL PENDERITA
Lebih terperinciImplementasi Metode Pembelajaran inquiry Untuk Meningkatkan Aktivitas dan Hasil Belajar Fisika Siswa Kelas VIII Mts. Hidayatullah Mataram
Implementasi Metode Pembelajaran inquiry Untuk Meningkatkan Aktivitas dan Hasil Belajar Fisika Siswa Kelas VIII Mts. Hidayatulla Mataram Ainun Mardia, Saiful Prayogi, Samsun Hidayat Program Studi Pendidikan
Lebih terperinciModel Linked Stress Release pada Data Gempa Bumi di Pulau Sumatra
Model Linked Stress Release pada Data Gempa Bumi di Pulau Sumatra Ismiyati Khusnul Khotimah 1, Hasih Pratiwi 2, Dewi Retno Sari Saputro 3 1,3 Program Studi Matematka/FMIPA, Universitas Sebelas Maret 2
Lebih terperinciESTIMASI FUNGSI PENGHALUS PADA REGRESI ISOTONIK ADITIF DENGAN METODE KUADRAT TERKECIL. oleh YULIANA SITI NURAINI M
ESTIMASI FUNGSI PENGHALUS PADA REGRESI ISOTONIK ADITIF DENGAN METODE KUADRAT TERKECIL oleh YULIANA SITI NURAINI M0107071 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciPERSEMBAHAN. Karya ini kupersembahkan untuk. kedua orang tuaku ibu Menik, bapak Slamet Suseno, ketiga kakakku Ani, Oky dan Pe i
ABSTRAK Ary Yunita. 2016. PERBANDINGAN KEAKURATAN PENDUGA RASIO VARIANSI POPULASI MENGGUNAKAN MEDIAN DAN KOEFISIEN VARIASI-MEDIAN VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA. Fakultas Matematika
Lebih terperincitektonik utama yaitu Lempeng Eurasia di sebelah Utara, Lempeng Pasifik di
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan suatu wilayah yang sangat aktif kegempaannya. Hal ini disebabkan oleh letak Indonesia yang berada pada pertemuan tiga lempeng tektonik utama yaitu
Lebih terperinciKEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciARTIKEL ILMIAH. Diajukan untuk Memenuhi Salah Satu Syarat Penyelesaian Program Pendidikan Strata Satu Jurusan Akuntansi. Oleh:
PENGARUH TINGKAT KEMAHALAN HARGA SAHAM, KINERJA KEUANGAN PERUSAHAAN DAN LIKUIDITAS PERDAGANGAN SAHAM TERHADAP KEPUTUSAN PERUSAHAAN MELAKUKAN STOCK SPLIT ARTIKEL ILMIAH Diajukan untuk Memenui Sala Satu
Lebih terperinciMETODE MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN POISSON DUA DIMENSI DENGAN METODE BEDA HINGGA ABSTRACT
METODE MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN POISSON DUA DIMENSI DENGAN METODE BEDA HINGGA M. Taufik 1, Samsudua 2, Zulkarnain 2 1 Maasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas
Lebih terperinciMENYELESAIKAN TURUNAN TINGKAT TINGGI DENGAN MENGGUNAKAN METODE SELISIH ORDE PUSAT BERBANTUAN PROGRAM MATLAB
MENYELESAIKAN TURUNAN TINGKAT TINGGI DENGAN MENGGUNAKAN METDE SELISIH RDE PUSAT BERBANTUAN PRGRAM MATLAB Arwan Maasiswa Prodi Matematika, FST-UINAM Try Azisa Prodi Matematika, FST-UINAM Irwan Prodi Matematika,
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciLAPORAN PRAKTEK KERJA NYATA
PROSEDUR AKUNTANSI PENERIMAAN KAS DARI PASIEN UMUM RAWAT INAP YANG MENGGUNAKAN SURAT KETERANGAN MISKIN (SKM) DAN PENGELUARAN KAS UNTUK PEMBAYARAN OBAT PADA RSD dr. SOEBANDI KABUPATEN JEMBER LAPORAN PRAKTEK
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciMODUL 9. Sesi 1 STATIKA I PELENGKUNG TIGA SENDI. Dosen Pengasuh : Ir. Thamrin Nasution
STATIKA I MODU 9 Sesi 1 PEENGKUNG TIGA SENDI Dosen Pengasu : Materi Pembelajaran : 1. Konsep Dasar. 2. angka-langka Penyelesaian. 3. PORTA SIMETRIS. a. Memikul Muatan Terpusat Vertikal Tunggal b. Memikul
Lebih terperinciBAB IV LAPORAN HASIL PENELITIAN
64 BAB IV LAPORAN HASIL PENELITIAN A. Gambaran Umum Lokasi Penelitian 1. Sejara Singkat Berdirinya Madrasa Tsanawiya Negeri I Candi Laras Utara Madrasa Tsanawiya pada awal didirikan pada taun 1983, ini
Lebih terperinciPENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013
PENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013 oleh TONI IRAWAN M0110078 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL
PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.
Lebih terperinciFUNGSI INTENSITAS BERSYARAT PROSES TITIK SELF-EXCITING DAN PENERAPANNYA PADA DATA GEMPA BUMI
FUNGSI INTENSITAS BERSYARAT PROSES TITIK SELF-EXCITING DAN PENERAPANNYA PADA DATA GEMPA BUMI oleh WINDA HARYANTO M0113056 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciLUAS DAERAH, TITIK BERAT DAN MOMEN INERSIA POLAR KARDIODA DENGAN INTEGRAL NUMERIK METODE TRAPESIUM & METODE SIMPSON
LUAS DAERAH, TITIK BERAT DAN MOMEN INERSIA POLAR KARDIODA DENGAN INTEGRAL NUMERIK METODE TRAPESIUM & METODE SIMPSON Tomi Tristiono 1 1 adala Dosen Fakultas Teknik Universitas Merdeka Madiun Abstract Te
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Estimasi fungsi survival atau biasa disebut regresi fungsi survival merupakan bagian penting dari analisis survival. Estimasi ini biasa digunakan dalam
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciANALISIS RASIO KETEBALAN GERAM PADA PROSES PEMBUBUTAN
ANALISIS RASIO KETEBALAN GERAM PADA PROSES PEMBUBUTAN Samuel Lepar 1), Rudy Poeng 2), I Nyoman Gede 3) Jurusan Teknik Mesin Universitas Sam Ratulangi ABSTRAK Tujuan penelitian ini adala untuk mendapatkan
Lebih terperinciMETODE BEDA HINGGA PADA KESTABILAN PERSAMA- AN DIFUSI KOMPLEKS DIMENSI SATU
PROSIDING ISSN: 50-656 METODE BEDA HINGGA PADA KESTABILAN PERSAMA- AN DIFUSI KOMPLEKS DIMENSI SATU Danar Ardian Pramana, M.Sc 1) 1) DIV TeknikInformatikaPoliteknikHarapanBersama danar_ardian@ymail.com
Lebih terperinciBAB III METODE PENELITIAN. di Bursa Efek Indonesia (BEI) pada periode Ada pun jenis data yang penulis gunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN III.1 Lokasi Penelitian Penulis melakukan penelitian pada PT. Semen Indonesia (Persero) Tbk di Bursa Efek Indonesia (BEI) pada periode 2009-2012. III. 2 Jenis dan Sumber Data
Lebih terperinciPenggunaan Metode Nonparametrik Untuk Membandingkan Fungsi Survival Pada Uji Gehan, Cox Mantel, Logrank, Dan Cox F
Penggunaan Metode Nonparametrik Untuk Membandingkan Fungsi Survival Pada Uji Gehan, Cox Mantel, Logrank, Dan Cox F Used of Non Parametric Method to Compare Survival Function on Gehan Test, Cox Mantel,
Lebih terperinciPENENTUAN KUANTITAS OPTIMAL DAN REORDER POINT PADA PERSEDIAAN SUKU CADANG DENGAN DISTRIBUSI GAMMA
J. Mat. and Its Appl. ISSN: 829-65X Vol. 9, No., Mei 22, 3-39 PENENTUAN KUANTITAS OPTIMAL DAN EODE POINT PADA PESEDIAAN SUKU CADANG DENGAN DISTIBUSI GAMMA Valeriana Lukitosari Institut Teknologi Sepulu
Lebih terperinciKEAKURATAN PENDUGA RASIO MENGGUNAKAN KOEFISIEN VARIASI SELURUH STRATA VARIABEL BANTU PADA SAMPEL ACAK STRATIFIKASI
KEAKURATAN PENDUGA RASIO MENGGUNAKAN KOEFISIEN VARIASI SELURUH STRATA VARIABEL BANTU PADA SAMPEL ACAK STRATIFIKASI oleh ATIKA OKTAFIANA M0110010 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPEMETAAN BAHAYA GEMPA BUMI DAN POTENSI TSUNAMI DI BALI BERDASARKAN NILAI SESMISITAS. Bayu Baskara
PEMETAAN BAHAYA GEMPA BUMI DAN POTENSI TSUNAMI DI BALI BERDASARKAN NILAI SESMISITAS Bayu Baskara ABSTRAK Bali merupakan salah satu daerah rawan bencana gempa bumi dan tsunami karena berada di wilayah pertemuan
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM)
ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) oleh MIKA ASRINI M0108094 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperincidapat dihampiri oleh:
BAB V PENGGUNAAN TURUNAN Setela pada bab sebelumnya kita membaas pengertian, sifat-sifat, dan rumus-rumus dasar turunan, pada bab ini kita akan membaas tentang aplikasi turunan, diantaranya untuk mengitung
Lebih terperinciAKAR PERSAMAAN Roots of Equations
AKAR PERSAMAAN Roots o Equations Akar Persamaan 2 Acuan Capra, S.C., Canale R.P., 1990, Numerical Metods or Engineers, 2nd Ed., McGraw-Hill Book Co., New York. n Capter 4 dan 5, lm. 117-170. 3 Persamaan
Lebih terperinciABSTRACT. Keywords : rainfall, forecasting, fuzzy time series seasonal method
ABSTRAK Risqa Fitrianti Khoiriyah. 2016. PERAMALAN CURAH HUJAN DI STASIUN PABELAN SUKOHARJO DENGAN METODE RUNTUN WAKTU FUZZY MUSIMAN. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas
Lebih terperinciJurnal Berkala Ilmiah Efisiensi Volume 16 No. 03 Tahun 2016
ANALISIS KINERJA KEUANGAN PEMERINTAH KABUPATEN KUTAI BARAT KALIMANTAN TIMUR (STUDI KASUS PADA BADAN PENGELOLAAN KEUANGAN DAN ASET DAERAH KABUPATEN KUTAI BARAT KALIMANTAN TIMUR TAHUN 2011-2014) THE FINANCIAL
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 997
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 997 USULAN KEBIJAKAN PERSEDIAAN PRODUK KATEGORI KAWAT TEMBAGA UNTUK MEMINIMASI STOCK OUT DENGAN PENDEKATAN METODE CONTINUOUS REVIEW
Lebih terperinciPROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN Tbk
PROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN Tbk oleh RIRIN DWI UTAMI M0113041 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPEMILIHAN BANDWIDTH PADA ESTIMATOR NADARAYA-WATSON DENGAN TIPE KERNEL GAUSSIAN PADA DATA TIME SERIES
PEMILIHAN BANDWIDTH PADA ESTIMATOR NADARAYA-WATSON DENGAN TIPE KERNEL GAUSSIAN PADA DATA TIME SERIES (Studi Kasus: Penutupan Indeks Harga Saham Harian Jakarta Islamic Index (JII) Periode 1 Januari 2016
Lebih terperinciUniversitas Bung Hatta. Universitas Negeri Padang
UPAYA MENINGKATKAN AKTIVITAS DAN HASIL BELAJAR MATEMATIKA DENGAN PENERAPAN MODEL PEMBELAJARAN KOOPERATIF TIPE TEAM ASSISTED INDIVIDUALIZATION PADA SISWA KELAS VII.3 SMPN 1 GUNUNG TALANG TAHUN 2012-2013
Lebih terperinciPENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN GABUNGAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA
PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN GABUNGAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA oleh DESY PRASIWI M0111018 SKRIPSI ditulis dan diajukan untuk
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciUPAYA PENINGKATAN MOTIVASI DAN PRESTASI BELAJAR IPS MELALUI MODEL COOPERATIVE SCRIPT
Seminar Nasional Universitas PGRI Yogyakarta 01 UPAYA PENINGKATAN MOTIVASI DAN PRESTASI BELAJAR IPS MELALUI MODEL COOPERATIVE SCRIPT Sutarma 1), Jon Sabari ) 1) Pascasarjana, Universitas PGRI Yogyakarta
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian ini adalah penelitian kuantitatif, penelitian ini
BAB III METODOLOGI PENELITIAN Jenis penelitian ini adala penelitian kuantitati, penelitian ini berlandaskan pada ilsaat positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, teknik
Lebih terperinciANALISIS TAHAN HIDUP DATA TERSENSOR TIPE II MENGGUNAKAN MODEL DISTRIBUSI WEIBULL PADA PENDERITA HEPATITIS C
ANALISIS TAHAN HIDUP DATA TERSENSOR TIPE II MENGGUNAKAN MODEL DISTRIBUSI WEIBULL PADA PENDERITA HEPATITIS C oleh BUDI SANTOSO M0110013 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciLEMBAR KERJA SISWA 1. : Menggunakan Konsep Limit Fungsi Dan Turunan Dalam Pemecahan Masalah
BAB V T U R U N A N 1. Menentukan Laju Perubaan Nilai Fungsi. Menggunakan Aturan Turunan Fungsi Aljabar 3. Menggunakan Rumus Turunan Fungsi Aljabar 4. Menentukan Persamaan Garis Singgung Kurva 5. Fungsi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciMATEMATIKA MODUL 4 TURUNAN FUNGSI KELAS : XI IPA SEMESTER : 2 (DUA)
MATEMATIKA MODUL 4 TURUNAN FUNGSI KELAS : XI IPA SEMESTER : (DUA) Muammad Zainal Abidin Personal Blog SMAN Bone-Bone Luwu Utara Sulsel ttp://meetabied.wordpress.com PENGANTAR : TURUNAN FUNGSI Modul ini
Lebih terperincidi FKIP Universitas Katolik Widya Mandala Surabaya 4 Herwinarso, Tjondro Indrasutanto, G. Budijanto Untung adalah Dosen Pendidikan Fisika
PENENTUAN PANJANG GELOMBANG BERBAGAI FILTER WARNA PADA LAMPU TL DAN WOLFRAM DENGAN SPEKTROMETER KISI DIFRAKSI UNTUK MENUNJANG EKSPERIMEN EFEKFOTOLISTRIK Herwinarso, Tjondro Indrasutanto, G. Budijanto Untung
Lebih terperinciPERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT
PERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT PADA ESTIMASI PARAMETER MODEL REGRESI PRODUKSI JAGUNG DI JAWA TENGAH oleh KARINA PUTRIANI M0110047
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciPENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA
PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA oleh FATIMAH MUTIARA SARI M0111032 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciPenyelesaian Model Matematika Masalah yang Berkaitan dengan Ekstrim Fungsi dan Penafsirannya
. Tentukan nilai maksimum dan minimum pada interval tertutup [, 5] untuk fungsi f(x) x + 9 x. 4. Suatu kolam ikan dipagari kawat berduri, pagar kawat yang tersedia panjangnya 400 m dan kolam berbentuk
Lebih terperinciPENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI
PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI oleh EKO BUDI SUSILO M0110022 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciOPTIMASI RANCANGAN EKSPERIMEN KOKOH YANG DINAMIS BERDASARKAN FUNGSI KERUGIAN KUALITAS. Abstrak
OPTIMASI RANCANGAN EKSPERIMEN KOKOH YANG DINAMIS BERDASARKAN FUNGSI KERUGIAN KUALITAS Trianingsi Eni Lestari 1), Haryono ), M. Sjaid Akbar ) 1) Maasiswa Program Magister Jurusan Statistika FMIPA ITS Surabaya
Lebih terperinci