ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH"

Transkripsi

1 ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 009

2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dega saya meyataka bahwa tess berjudul Aalss Model Peluag Bertaha Hdup da Aplkasya adalah karya saya sedr dega araha da bmbga dar koms pembmbg serta belum perah dajuka dalam betuk apapu kepada pergurua tgg maa pu. Sumber formas yag berasal atau dkutp dar karya yag dterbtka maupu tdak dterbtka oleh phak la telah peuls sebutka dalam teks da dcatumka dalam Daftar Pustaka d baga akhr tess. Bogor, Jauar 009 Suart Fajaryah NRP G

3 3 ABSTRACT SUNARTI FAJARIYAH. Survval Aalyss Model ad Its Applcato. Supervsed by HADI SUMARNO ad N.K. KUTHA ARDANA. Mortalty s oe of three demograpc compoets whch fluece populato chage, besdes fertltes ad mgrato. Iformato o probablty of death accordg to age a rego s preseted a table kow as lfe table. Lfe table model reflects a survval model, whch model epress probablty that someoe ca lve o or more tha certa tme. Although modelg mathematcal demography are usually based o cotuous models, but practce, they are appromated usg dscrete models. The objectves of ths thess are to estmate the parameters of survval fucto based o certa dstrbuto fucto; ad to apply the survval fucto to Bate lfe table data o the year 005 to obta the model of Bate survval fucto. To obta the parameters of survval fucto based o some dstrbuto fuctos, hypothetcal data are mplemeted. The hypothetcal data are geerated from epoetal, Webull, log-ormal, log-logstc ad Gompertz dstrbuto. Mamum lkelhood method s used to estmate the dstrbuto parameters. The results of aalyss o the hypothetcal data show good value of R whe a approprate dstrbuto are chose. Regardg the lfe table of Bate, Webull dstrbuto shows the best ft compared to the other dstrbutos.. Keywords: dstrbuto fuctos, mamum lkelhood method

4 4 RINGKASAN SUNARTI FAJARIYAH. Aalss Model Peluag Bertaha Hdup da Aplkasya. Dbmbg oleh HADI SUMARNO da N.K.KUTHA ARDANA. Mortaltas atau kemata merupaka salah satu d atara tga kompoe demograf yag dapat mempegaruh perubaha peduduk, sela fertltas (kelahra) da mgras. Iformas tetag kemata petg bak bag pemertah maupu lembaga swasta. Salah satu dataraya adalah perluya agka peluag kemata meurut umur dalam proyeks peduduk. Iformas tetag peluag kemata meurut umur suatu wlayah dsajka dalam betuk tabel, yag dkeal dega sebuta lfe table (tabel hayat/tabel mortaltas). Tabel hayat merupaka kompoe petg dalam proyeks peduduk yag dapat dguaka dalam bdag peddka yatu utuk memperkraka jumlah peduduk usa sekolah, jumlah murd, jumlah guru, gedug-gedug sekolah da peddka pada masa yag aka datag (Pollard et al., 98). Sepert halya model-model yag ada dalam bdag demograf laya, model teorts dar lfe table merupaka model yag kotu. Namu formas saat pada umumya mash dalam betuk dskret. Model lfe table merupaka model Survval, yag meyataka peluag seseorag dapat bertaha hdup hgga atau lebh dar waktu tertetu. Secara teorts, bayak model-model Survval yag telah dkeal da serg dguaka. Maksud dar peelta adalah mecar model teorts dar fugs Survval yag sesua dega model lfe table. Berdasarka hal tersebut d atas, maka peelta bertujua utuk melakuka pedugaa parameter fugs Survval terhadap fugs sebara yag serg dguaka, serta megaplkaska fugs Survval terhadap data tabel hayat Bate tahu 005 utuk memperoleh model fugs Survval Bate. Metode peelta yag dguaka adalah stud pustaka, dega megguaka macam data, yatu data hpotetk da Survval Bate (data tabel hayat Bate tahu 005). Lagkah pertama membagktka data hpotetk dega megguaka lma fugs sebara, kemuda melakuka pedugaa parameter dega megguaka metode Mamum Lkelhood terhadap sebara ekspoesal, Webull, log-ormal, log-logstk da Gompertz. Lagkah kedua dega megguaka data Survval Bate da metode Mamum Lkelhood, dlakuka pedugaa parameter terhadap sebara ekspoesal, Webull, logormal, log-logstk da Gompertz utuk memperoleh model fugs Survval Bate. Utuk meguj kesesuaa data da model dlakuka uj R (koefse determas). Pedugaa parameter dlakuka dega megguaka metode Mamum Lkelhood, dbatu software Mathematca 6.0. Fugs Survval merupaka fugs tak ak, pada saat = 0, S( ) = ;, S( ) 0. Fugs Survval sebara ekspoesal S ( ) = e, sebara Webull ( ) S( ) = e, sebara log-ormal

5 5 Log[ ] μ σ ( t μ) /( σ ) S( ) = e dt, sebara log-logstk σ π 0 e ( + e ) S( ) = θ k + e da sebara Gompertz S( ) = e. Berdasarka fugs Survval tersebut dlakuka pedugaa parameter dega metode Mamum Lkelhood. Dar hasl peelta dsmpulka: ) Metode Mamum Lkelhood dapat dguaka utuk melakuka pedugaa parameter dega bak terhadap fugs Survval bla dapat memlh fugs sebara yag tepat, ) Model lfe table dapat ddekat dega model kotu, yatu dega megguaka sebara Webull, logormal da log-logstk, 3) Berdasarka metode Mamum Lkelhood dega megguaka data Survval Bate, sebara Webull merupaka fugs sebara yag terbak dbadgka dega empat fugs sebara laya. Kata kuc : fugs sebara, metode mamum lkelhood

6 6 Hak cpta mlk Isttut Pertaa Bogor, tahu 008 Hak cpta dldug Udag-udag. Dlarag megutp sebaga atau seluruh karya tuls tapa mecatumka atau meyebutka sumber. a. Pegutpa haya utuk kepetga peddka, peelta, peulsa karya lmah, peyusua lapora, peulsa krtk da tjaua suatu masalah. b. Pegutpa tdak merugka kepetga yag wajar Isttut Pertaa Bogor.. Dlarag megumumka da memperbayak sebaga atau seluruh karya tuls dalam betuk apapu tapa z Isttut Pertaa Bogor.

7 7 ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH Tess sebaga salah satu syarat utuk memperoleh gelar Magster Sas pada Departeme Matematka SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 009

8 Peguj Luar Koms pada Uja Tess : Ir. Reto Budart, MS 8

9 9 Judul Tess Nama NRP : Aalss Model Peluag Bertaha Hdup da Aplkasya : Suart Fajaryah : G Dsetuju Koms Pembmbg Dr. Ir. Had Sumaro, MS Ketua Ir.N.K. Kutha Ardaa, M.Sc Aggota Dketahu Ketua Program Stud Matematka Terapa Deka Sekolah Pascasarjaa Dr. Ir. Edar H. Nugraha, MS Prof. Dr. Ir. Kharl Awar Notodputro, MS Taggal uja : Jauar 009 Taggal Lulus : 05 Februar 009

10 0 PRAKATA Puj da syukur peuls pajatka kehadrat Allah SWT yag telah melmpahka rahmat serta hdayah-nya sehgga sehgga karya lmah berhasl dselesaka. Shalawat da salam semoga seatasa tercurahka kepada jujuga kta ab besar Muhammad SAW beserta keluarga da para sahabat, serta seluruh umat mausa yag megkut petujuk da ajara belau. Ugkapa terma kash peuls sampaka kepada orag tua da seluruh keluarga yag telah memberka dukuga, do a da kash sayagya. Selajutya peuls sampaka terma kash kepada:. Dr. Ir. Had Sumaro, MS da Ir. N.K. Kutha Ardaa, M.Sc selaku pembmbg yag telah memberka bmbga da motvas dega peuh kesabara kepada peuls.. Ir. Reto Budart, MS selaku peguj luar koms yag telah memberka sara da krtkya. 3. Departeme Agama Republk Idoesa yag telah memberka beasswa kepada peuls selama meempuh peddka program magster d Isttut Pertaa Bogor. 4. Reka-reka mahasswa S- Matematka Terapa IPB agkata 006 bak BUD maupu regular atas persahabataya selama da semoga tdak aka berakhr. 5. Semua phak yag telah membatu peuls, yag tdak dapat peuls sebutka satu persatu. Peuls meyadar bahwa tulsa mash jauh dar sempura. Semoga karya lmah dapat bermafaat bag peuls khususya da bag phak la yag membutuhka. Bogor, Jauar 009 Suart Fajaryah

11 RIWAYAT HIDUP Peuls dlahrka d Tagerag pada taggal 7 Agustus 97 dar ayah H. Abdurrahma da Ibu Hj. Muh. Peuls merupaka aak ketga dar lma bersaudara. Tahu 99 peuls lulus dar SMA Neger Tagerag kota Tagerag da pada tahu yag sama peuls melajutka peddka sarjaa pada jurusa Peddka Matematka Fakultas Peddka Matematka da Ilmu Pegetahua Alam IKIP Muhammadyah Jakarta lulus tahu 995. Tahu 996 peuls bekerja sebaga staf pegajar hoorer d SMA Muhammadyah 7 Cpodoh kota Tagerag sampa tahu 006. Tahu 997 peuls masuk Pegawa Neger Spl d Departeme Agama Republk Idoesa, sebaga staf pegajar d Madrasah Tsaawyah Neger Tagerag, kota Tagerag Bate sampa sekarag. Pada tahu 006 peuls masuk program magster pada Program Stud Matematka Terapa Sekolah Pascasarjaa Isttut Pertaa Bogor melalu jalur Beasswa Utusa Daerah Departeme Agama Republk Idoesa da meyelesakaya pada tahu 009.

12 DAFTAR ISI Halama DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... I PENDAHULUAN.... Latar Belakag.... Tujua Peelta... II TINJAUAN PUSTAKA Latar Belakag Tabel Hayat Teor Peluag Survval Metode Kemugka Maksmum Koefse Peetu (Determas)....7 Fugs Sebara....8 Pedugaa Parameter... 6 III METODOLOGI PENELITIAN Sumber Data Lagkah-lagkah Peelta... IV HASIL DAN PEMBAHASAN Pedugaa Parameter Fugs Survval Pedugaa Parameter Fugs Survval Bate Model Tabel Hayat Kotu Rachmada... 3 V KESIMPULAN DAN SARAN Kesmpula Sara DAFTAR PUSTAKA LAMPIRAN... 36

13 3 DAFTAR TABEL Halama. Tabel hayat Jepag tahu Perbadga la R fugs Survval Perbadga la R fugs Survval Bate... 3

14 4 DAFTAR GAMBAR Halama. Nla q pada model Tmur, Utara, Selata da Barat ketka e& = 5, e& =50 da e& = Kurva fugs Survval sebara ekspoesal pada saat = 0,05 (mulus) da = 0,03 (putus-putus) Kurva fugs Survval sebara Webull pada saat = 3 (mulus) da = (putus-putus) Kurva fugs Survval sebara log-ormal pada saat σ = 0,35 (mulus) da σ = (putus-putus) Kurva fugs Survval sebara log-logstk pada saat σ = 3 (mulus) da σ =,5 (putus-putus) Kurva fugs Survval sebara Gompertz pada saat = 0,00 (mulus) da = 0,0 (putus-putus) Kurva fugs Survval sebara ekspoesal Kurva fugs Survval sebara Webull Kurva fugs Survval sebara log-ormal Kurva fugs Survval sebara log-logstk Kurva fugs Survval sebara Gompertz Kurva l peduduk lak-lak Kurva l peduduk wata Kurva l peduduk lak-lak da wata Kurva l peduduk Bate Kurva fugs Survval Bate dega megguaka sebara Webull (kurva mulus) Kurva fugs Survval Bate dega megguaka sebara log-ormal (kurva mulus) Kurva fugs Survval Bate dega megguaka sebara log-logstk (kurva mulus) Perbadga kurva fugs Survval model Rachmada da Webull... 3

15 5 DAFTAR LAMPIRAN Halama. Tabel hayat Bate tahu Program Mamum Lkelhood sebara ekspoesal (data hpotetk) Program Mamum Lkelhood sebara Webull (data hpotetk) Program Mamum Lkelhood sebara log-ormal (data hpotetk) Program Mamum Lkelhood sebara log-logstk (data hpotetk) Program Mamum Lkelhood sebara Gompertz (data hpotetk) Program Mamum Lkelhood sebara Webull (data Bate ) Program Mamum Lkelhood sebara log-ormal (data Bate) Program Mamum Lkelhood sebara log-logstk (data Bate)... 47

16 6 BAB I PENDAHULUAN. Latar Belakag Mortaltas atau kemata merupaka salah satu d atara tga kompoe demograf yag dapat mempegaruh perubaha peduduk, sela fertltas (kelahra) da mgras. Iformas tetag kemata petg bak bag pemertah maupu lembaga swasta. Salah satu dataraya adalah perluya agka peluag kemata meurut umur dalam proyeks peduduk. Iformas tetag peluag kemata meurut umur suatu wlayah dsajka dalam betuk tabel, yag dkeal dega sebuta lfe table (tabel hayat/tabel mortaltas). Sepert telah djelaska sebelumya, tabel hayat merupaka kompoe petg dalam proyeks peduduk, d sampg fertltas da mgras. Selajutya proyeks peduduk dapat dguaka dalam bdag peddka yatu utuk memperkraka jumlah peduduk usa sekolah, jumlah murd, jumlah guru, gedug-gedug sekolah da peddka pada masa yag aka datag (Pollard et al., 98). Sela tu model tabel hayat juga dapat daplkaska dalam bdag peddka utuk meduga agka harapa melajutka sekolah da tgkat putus sekolah. Sepert halya model-model yag ada dalam bdag demograf laya, model teorts dar lfe table merupaka model yag kotu. Namu formas saat pada umumya mash dalam betuk dskret. Model lfe table merupaka model Survval, yag meyataka peluag seseorag dapat bertaha hdup hgga atau lebh dar waktu tertetu. Secara teorts, bayak model-model Survval, yag telah dkeal da serg dguaka. Maksud dar peelta adalah mecar model teorts dar fugs Survval yag sesua dega model lfe table.. Tujua Peelta Dega memperhatka latar belakag masalah bertujua: maka peelta

17 7 Melakuka pedugaa parameter fugs Survval terhadap sebara yag serg dguaka. Megaplkaska fugs Survval terhadap data tabel hayat Bate tahu 005 utuk memperoleh model fugs Survval Bate.

18 8 BAB II TINJAUAN PUSTAKA. Latar Belakag Dar zama dahulu hgga zama moder orag tertark megetahu tetag umur tertgg yag g a capa. Hdup adalah suatu persoala prbad yag sukar dramalka blamaa aka berakhrya. Kadag-kadag ada orag yag dapat mecapa umur sagat tua, sepert seorag warga Negara Demark yag berama Chtste Jacobse Drakeberg yag lahr pada tahu 66, meggal pada umur 46 tahu (Iskadar, 98). Sekalpu kta tdak dapat megetahu pajagya umur seseorag secara prbad, jka kta tjau secara aggregatve atau keseluruha meurut kelompokkelompok umur da jes kelam, dapat kta lhat adaya suatu ketetua yag megkut pola-pola tertetu. Jka pada suatu saat d suatu egara adaka telah dlahrka 000 orag lak-lak, maka berdasarka data-data tertetu dtetapka berapa bayak dar mereka at aka mecapa umur, msalya umur tahu, tahu, 0 tahu, 40 tahu, 60 tahu da seterusya. Jka ssa mereka akhrya setelah umur seka meggal juga, maka dapat dhtug umur rata-rata dar 000 orag yag pada saat da tempat yag sama telah dlahrka sebaga bay da telah bersama-sama megalam kejada-kejada yag sama d tempat tu sepajag hdup mereka. Keteraga-keteraga tetag jumlah yag meggal pada berbaga tgkat umur, yag bertaha hdup pada berbaga tgkat umur da tetag umur rata-rata yag mereka capa dteragka oleh apa yag dsebut tabel hayat atau lfe table. Joh Graut pada pertegaha abad ke-7 telah melakuka observas pada daftar kemata Lodo da telah meemuka gambara awal apa yag kemuda dsebut tabel hayat. Tabel hayat dalam meduga besarya agka kemata aak dlakuka dega telt, dalam tabel hayat sekarag dsebut kolom kemata da kolom yag dapat bertaha hdup. Tabel Graut setelah 40 tahu kemuda telah membuat Halley, seorag astroom, utuk meyusu tabel hayat moder pertama dar kota Breslau pada tahu ( Coale & Demey, 983).

19 9 Empat puluh tahu kemuda Kresseboom meyusu tabel yag la berdasarka catata tahua kehdupa d Hollad yag terdapat pada tahu 738, da tabel yag terkeal dar Deparceu telah dpublkaska pada tahu 746. Macam-macam tabel hayat yag telah dsusu d atas merupaka dasar utuk meyusu model tabel hayat.. Tabel Hayat Tabel hayat bergua utuk meggambarka aspek kemata mausa secara sgkat da jelas serta meujukka kemata sebaga sebuah fugs dar umur (Coale & Demey, 983). Peelta tetag tabel hayat yag telah ada msalya Baredregt et al. pada tahu 996 telah meerapka tabel hayat mult-state pada bdag kesehata masyarakat. State adalah keadaa tetag kesehata, yatu tetag peyakt yag dderta secara dvdu msalya peyakt cardovascular yag dderta secara terus-meerus. Shavelle & Strauss (999), telah melakuka peelta tetag tabel hayat mult state utuk waktu yag lama dega megguaka data mcro. Metodolog tabel hayat mult state adalah megguaka asums Markov kejada sekarag tdak bergatug pada kejada sebelumya, msalya pada sstem bolog da proses pada masalah sosal. Peelta la tetag tabel hayat dlakuka oleh Muller et al. (004) yag meelt tetag meyusu tabel hayat da meduga fugs survval dar dvdudvdu yag dtada pada umur yag tdak dketahu. Peelta dlakuka pada populas batag lar, dega sampel yag dambl secara acak. Data utuk meyusu tabel hayat dperoleh dar data taggal kelahra subjek yag tdak dketahu. Model yag dperoleh merupaka ttk awal yag dapat dkembagka dalam bdag demograf. De Roos (008) telah melakuka peelta tetag aalss demograf dar perjalaa hdup dega waktu kotu. Pada peelta dlakuka pedekata komputas utuk meghtug laju pertumbuha peduduk dega parameterparameter yag sagat sestf terhadap sebara peduduk stabl da meghaslka pertumbuha peduduk yag ekspoesal. Utuk meghtug laju

20 0 pertumbuha peduduk, metode yag dguaka adalah persamaa tegral Lotka... Tabel Hayat Coale Demey Berdasarka karakterstk pola kemata pada peduduk d egara-egara Eropa, model tabel hayat dklasfkaska mejad 4 model yatu model Tmur (East model), model Utara (North model), model Selata (South model) da model Barat (West model), setap model terdr dar 4 level. Ke-4 model dpublkaska oleh Coale & Demey tahu 966. Utuk meyusu tabel hayat Coale-Demey dperluka data tetag agka kemata bay yag kemuda dbuat model agka harapa hdup. Berkut salah satu cotoh tabel hayat model Barat pada egara Jepag tahu 005 (Tabel ). Wata l Tabel Tabel hayat Jepag tahu 005 d q L T e&

21 Keteraga kolom-kolom pada tabel d atas sebaga berkut:. : umur-tepat peduduk. l : bayakya orag yag dapat bertaha hdup pada umur-tepat 3. d : bayakya kemata atara umur sampa + 4. q : peluag kemata pada umur sebelum mecapa umur + 5. L : bayakya peduduk umur sampa + 6. T : total peduduk berumur sampa akhr hayatya 7. e& : agka harapa hdup pada umur Agka harapa hdup dbedaka atas pra da wata. Setelah dketahu agka harapa hdup peduduk dar suatu egara, dega megguaka tabel hayat model Coale-Demey dapat dketahu letak level tabel hayat tersebut, kemuda dapat dsusu tabel hayat. Tabel hayat model Tmur (East model) berasal dar egara Austra, Germa (sebelum tahu 900), Republk Federal Germa (setelah perag dua ke-), Itala Utara da Pusat, Polada da Czechoslovaka. Pola tabel-tabel bla dbadgka dega pola yag mayortas dguaka, terdapat peympaga. Cr dar tabel hayat model Tmur adalah tggya agka kemata bay da pegkata dega cepat agka kemata setelah umur 50 tahu, bla dgambar grafkya berbetuk huruf U ( Coale & Demey, 983). Tabel hayat model Utara (North model) damat berdasarka tabel hayat Islada (94-950), Norwega ( da ) da Sweda (85-890). Cr dar tabel hayat model Utara adalah agka kemata bay redah, pada aak agka kemataya tgg da umur datas 50 tahu agka kemata megkat pada musm gugur, mugk pola kemataya karea edemc tuberculoss. Model drekomedaska pada egara yag memlk kejada peyakt tuberculoss yag tgg ( Coale & Demey, 983). Tabel hayat model Selata (South model) berdasarka tabel hayat Spayol, Portugal, Itala, Itala Selata da daerah Ssla dar tahu 876 hgga tahu 957. Cr tabel hayat model Selata adalah tggya agka kemata d bawah

22 umur 5 tahu, umur 40 sampa 60 tahu agka kemataya redah tetap tgg utuk umur d atas 65 tahu ( Coale & Demey, 983). Tabel hayat model Barat (West model) dsusu berdasarka tabel hayat yag dkumpulka dar egara-egara yag mempuya trads pecatata kelahra da kemata, sehgga mutu data statstk dkataka memuaska. Negara-egara yag tercakup oleh tabel hayat model Barat buka haya egara-egara Barat, tetap juga egara d Tmur Tegah (Israel), d Tmur (Jepag, Tawa), d Selata (Afrka Selata) da Selada Baru ( Coale & Demey, 983). Gambar Nla q pada model Tmur, Utara, Selata da Barat ketka e& = 5, e& =50 da e& =70. Pada Gambar d atas dapat dlhat perbedaa agka kemata utuk tabel hayat model Tmur, Utara, Selata da Barat, dega la q dkal 000. Idoesa memperoleh data kepeduduka dar sesus (setap 0 tahu) da surve (setap 5 tahu), belum memlk data statstk yag legkap megea

23 3 kemata, dalam membuat tabel hayat megguaka model Barat, demka juga dega provs Bate..3 Teor Peluag Defs.3. ( Ruag Cotoh da Kejada ) Hmpua semua kemugka dar suatu percobaa acak dsebut ruag cotoh, da dotaska dega Ω. Suatu kejada A adalah hmpua baga dar ruag cotoh Ω. (Grmmet & Strzaker, 99) Defs.3. (Feld F ) Suatu hmpua F yag aggotaya terdr atas hmpua baga dar Ω dsebut feld jka memeuh syarat-syarat berkut: jka AB, F maka A B F da A B F c jka A F maka A F 3 Ø F Defs.3.3 (Meda σ) (Grmmet & Strzaker, 99) Meda σ adalah suatu hmpua F yag aggotaya terdr atas hmpua baga dar Ω yag memeuh syarat-syarat berkut: Ø F Jka A, A,... F, maka 3 Jka A F maka c A F Defs.3.4 ( Peubah Acak ) U A F = (Grmmet & Strzaker, 99) Suatu peubah acak X adalah suatu fugs X : Ω R dega sfat { ω Ω: X( ω) } F utuk setap R. F adalah suatu feld (Grmmet & Strzaker, 99) Peubah acak dotaska dega huruf kaptal, msalya X, Y, Z. Sedagka la peubah acak dotaska dega huruf kecl seper, y, z.

24 4 Defs.3.5 (Fugs Sebara) Fugs sebara dar suatu peubah acak X adalah suatu fugs F : R [0,] yag dberka oleh F( ) = P( X ). (Grmmet & Strzaker,99) Defs.3.6 (Fugs Kepekata Peluag) Fugs kepekata peluag adalah lmt dar peluag suatu dvdu megalam kejada pada terval pedek t ke t + Δ t persatua pajag Δ t, da dapat dekspreska sebaga, P( t T < t+δt) f() t = lm Δ t 0 Δt (Co & Oakes, 984) Defs.3.7 (Peubah Acak Kotu) Peubah acak X dkataka kotu jka fugs sebaraya dapat dyataka sebaga F( ) = f( u) d u R, dega f : R [0, ) adalah fugs yag tertegralka. Fugs f dkataka fugs kepekata peluag dar peubah acak X. (Grmmet & Strzaker, 99).4 Survval Defs.4. (Data Survval) Data Survval adalah data tetag pegamata jagka waktu dar awal pegamata sampa dega terjadya suatu perstwa, perstwa tu dapat berupa kemata, respo, tmbul gejala da la-la. (Lee, 99) Defs.4. (Fugs Survval) Fugs Survval S(t) adalah fugs yag meyataka peluag seseorag dapat bertaha hdup hgga atau lebh dar waktu t. Rumus umum dar fugs Survval ddefska sebaga berkut: St ( ) = PT ( t) = Ft ( ) Dega metode fugs sebara Ft () ddefska sebaga berkut:

25 5 t Ft () = PT ( t) = f( u) du 0 Peubah acak T mempuya fugs kepekata peluag f(t) adalah ds() t f() t = dt Teorema Jka fugs Survval S dega St ( ) = PT ( t) maka fugs kepekata peluag dar T adalah f dega: ds() t f() t = dt Bukt: St () = f( ) d t t karea f ( d ) + f( d ) = t maka f ( d ) = St ( ) t t d[ f( ) d] dt ds() t f() t = dt terbukt. d[ S( t)] = dt (Collet, 994).5 Metode Kemugka Maksmum Metode kemugka maksmum merupaka salah satu metode pedugaa parameter yag meghaslka la dugaa dega memaksmumka fugs kemugka (lkelhood). Msal X,..., X adalah suatu cotoh acak berukura yag dtark dar suatu populas dskret atau kotu dega fugs kepekata peluagya f ( ; θ ), maka fugs kemugkaya ddefska sebaga: L( θ; X,..., X) = f( X; θ ). =

26 6 yag merupaka fugs kepekata bersamaya. Utuk suatu fugs kemugka L( θ ), ˆ θ merupaka peduga kemugka maksmum bag θ (Serflg, 980). Sergkal peduga ˆ θ dperoleh dega meyelesaka sstem persamaa fugs kemugka, log L θ θ= ˆ θ = 0, ( =,..., k), Jka ˆ θ merupaka peduga kemugka maksmum bag θ maka utuk sembarag fugs g( θ ) peduga kemugka maksmum bag g( θ ) adalah g( ˆ θ )..6 Koefse Peetu (Determas) Nla koefse peetu (determas) yag dlambagka dega R meujukka sejauh maa peubah bebas (X) dapat mejelaska keragama d dalam peubah tak bebas (Y)(Agrest&Flay, 999). R = = = ( y yˆ ) ( y y) dega y = aktual, y ˆ = dugaa, da y = rata-rata.7 Fugs Sebara.7. Sebara Ekspoesal Sebara ekspoesal merupaka sebara yag palg sederhaa da bayak dguaka dalam masalah bertaha hdup. Sebara ekspoesal haya memlk satu parameter yatu, yag meujukka peskalaa. Fugs kepekata peluag dar sebara ekspoesal adalah f ( ) = e. Dapat dbuktka bahwa fugs Survval sebara ekspoesal adalah S( ) = e. Bukt: Karea F( ) = f( u) du, maka 0 S( ) = F( ) u F( ) = e du 0

27 7 = = 0 u e e u 0 du = ( e ) S( ) = e (Lee, 99) Pada Gambar dapat dlhat kurva fugs Survval sebara ekspoesal S.0 = 0, Umur Gambar Kurva fugs Survval sebara ekspoesal pada saat = 0, 05 (mulus) da = 0, 03 (putus-putus)..7. Sebara Webull Sebara Webull merupaka betuk umum dar sebara ekspoesal. Cr dar sebara Webull adalah adaya parameter yatu da. Nla meujukka kemrga kurva sebara, sedagka la meujukka peskalaa. Fugs kepekata peluag dar sebara Webull adalah ( ) f( ) = e. Dapat dbuktka bahwa fugs Survval sebara Webull adalah ( ) S( ) = e. Bukt : Karea F( ) = f( u) d( u), maka 0 0 u ( ) F( ) = u e du.

28 8 ( ) Msal S( ) = e maka Sehgga u ( ) u ds = ( ) e du, u ( ) u ( ) e du = ds 0 0 F( ) = s = e 0 ( u) 0 ( ) = e. Jad S( ) = F( ) = + e ( ) ( ) = e. (Lee, 99) Pada Gambar 3 dapat dlhat kurva fugs Survval sebara Webull. S.0 = Umur Gambar 3 Kurva fugs Survval sebara Webull pada saat = 3 (mulus) da = (putus-putus)..7.3 Sebara Log-ormal Secara sederhaa betuk sebara log-ormal dapat ddefska sebaga sebara suatu peubah dalam betuk logartma yag meyebar ormal. Sebara log-ormal memlk parameter yatu μ da σ, dega μ meujukka rata-

29 9 rata, σ meujukka smpaga baku dar l (X). Fugs kepekata peluag dar [l( ) μ ]/( σ ) sebara log-ormal adalah f( ) = e, dega fugs sebara σ π kumulatf l( ) μ F( ) =Φ, maka fugs Survval sebara log-ormal adalah σ l( ) μ S ( ) = Φ, dmaa Φ adalah fugs kumulatf dar sebara ormal σ baku.( Log[ ] μ σ ( t μ) /( σ ) S( ) = e dt. Pada Gambar 4 dapat dlhat kurva fugs σ π 0 Survval sebara log-ormal. S.0 μ = 3, Umur Gambar 4 Kurva fugs Survval sebara log-ormal pada saat σ = 0,35 (mulus) da σ = (putus-putus)..7.4 Sebara Log-logstk Sebara log-logstk memlk parameter θ da k. Fugs kepekata peluagya adalah θ k ek f( ) = θ k ( + e). Fugs sebaraya adalah F( ) = 0 θ k eky dy θ k ( + ey) θ Msal u = + e y θ k du = ke y dy du dy = θ ke y k k

30 30 maka F( ) = 0 θ k eky θ k ( + ey) dy = = 0 0 θ k e k y d u θ k u u k e y d u θ k = ( + e y ) = + θ k + e = θ k + e θ k + e = θ k + e θ k e jad F( ) =. θ k + e Fugs Survval dar sebara log-logstk adalah S( ) = F( ) θ k e S( ) = + θ e θ k θ + e e = θ k + e k k 0 = θ k + e (Nurmauldah, 007) Pada Gambar 5 dapat dlhat kurva fugs Survval sebara log-logstk. S.0 θ = Umur Gambar 5 Kurva fugs Survval sebara log-logstk pada saat σ = 3 (mulus) da σ =,5 (putus-putus).

31 3.7.5 Sebara Gompertz Sebara Gompertz memlk parameter da. Fugs kepekata peluagya adalah Fugs sebaraya + ( + ) ( e e ) f( ) = e. 0 t ( t) ( e + + e ) F( ) = e dt = e e ( + e ) Fugs Survval dar sebara Gompertz adalah S ( ) = F ( ), e ( + e ) S( ) = e. Pada Gambar 6 dapat dlhat kurva fugs Survval sebara Gompertz. S.0 = 3, Umur Gambar 6 Kurva fugs Survval sebara Gompertz pada saat = 0, 00 (mulus) da = 0, 0 (putus-putus)..8 Pedugaa Parameter Pedugaa parameter dlakuka terhadap sebara ekspoesal, Webull, log-ormal, log-logstk da Gompertz dega megguaka metode kemugka maksmum (Mamum Lkelhood)..8. Metode Kemugka Maksmum Sebara Ekspoesal Sebara ekspoesal memlk fugs kepekata peluag f ( ) = e. Berkut tahapa pedugaa parameter.

32 3 ) L( ) = f( X ) = e = ( X ) = ( ) ) Log L( ) = log[ ] X = Utuk memperoleh la peduga yag memaksmumka fugs loglkelhood maka turua pertama dar L( ) terhadap harus sama dega 0 sehgga log L( ) 3) = X = 0 = = X = = X Jad ˆ = = X =.8. Metode Kemugka Maksmum Sebara Webull Sebara Webull memlk fugs kepekata peluag ( ) f( ) = ( ) e. Berkut tahapa pedugaa parameter. ) L(, ) = f( X, ) = e = X = ( X ) ( )( ) ) Log L(, ) = log[ ] + log[ ] log[ X ] + log[ X ] = log[ X ] X = = Utuk memperoleh la peduga da yag memaksmumka fugs log-lkelhood maka turua pertama dar L(, ) terhadap da L(, ) terhadap harus sama dega 0, sehgga :

33 33 log (, ) 3) 0 L X X X X X = = = = = = + = = = = = Jad ˆ ˆ ˆ X = = log (, ) 4) log[ ] log[ ] log[ ] log[ ] 0 L X X X X = = = = + + = Hasl turua parsal log (, ) 0 L = tdak dapat dsajka dalam betuk aaltk/eksak, sehgga ˆ tdak dapat dperoleh secara eksplst, dega batua software Mathematca 6.0 dperoleh hasl secara umerk..8.3 Metode Kemugka Maksmum Sebara Log-ormal Sebara log-ormal memlk fugs kepekata peluag (l( ) ) /( ) ( ) f e μ σ σ π =. Berkut tahapa pedugaa parameter.

34 34 f X μσ = ( μ+ log[ X ]) = σ π X σ = ( μ + σ log[ π] + σ log[ σ]) μ log[ X] + σ log[ X] = = = ) L( μσ, ) = (, ) ) Log L( μσ, ) e = ( ) log[ X ] = σ Utuk memperoleh la peduga μ daσ yag memaksmumka fugs loglkelhood maka turua pertama dar L( μ, σ ) terhadap μ da L(, ) terhadap σ harus sama dega 0, sehgga : μ log[ X ] log L( μσ, ) = 3) = = 0 μ σ μ = u = = = log[ X ] log[ X ] σ log[ X ] = Jad uˆ =. log[ X ] Dega meyubsttus = uˆ = ke log L( μ, σ) dperoleh σ ˆ σ = X X = = ( log[ ]) + log[ ]

35 Metode Kemugka Maksmum Sebara Log-logstk Sebara log-logstk memlk fugs kepekata peluag θ k ek f( ) = θ k ( + e) ) L( θκ, ) = f( X θκ, ) = θ e κ X = = θ ( + e X ). Berkut tahapa pedugaa parameter. = + κ κ θ κ = = = ) Log L( θκ, ) = θ+ Log[ κ] Log[ X ] + κ Log[ X ] Log[ + e X ] θ κ log L( θκ, ) ex 3) = = 0 θ κ + ex θ = Hasl turua parsal log L( θκ, ) = 0 θ tdak dapat dsajka dalam betuk aaltk/eksak, sehgga ˆ θ tdak dapat dperoleh secara eksplst, dega batua software Mathematca 6.0 dperoleh hasl secara umerk. κ log L( θκ, ) e Log[ X ] X 4) = + Log[ ] = 0 κ κ = = + θ X θ κ ex Hasl turua parsal log L( θ, κ ) = 0 κ tdak dapat dsajka dalam betuk aaltk/eksak, sehgga ˆ κ tdak dapat dperoleh secara eksplst, dega batua software Mathematca 6.0 dperoleh hasl secara umerk..8.5 Metode Kemugka Maksmum Sebara Gompertz Sebara Gompertz memlk fugs kepekata peluag + ( + ) ( e e ) f( ) = e. Berkut tahapa pedugaa parameter.

36 36 ) L(, ) = f( X, ) = = e X + e + e = + X + = e e = ) Log L(, ) = + + X + X e log L(, ) e = 3) 0 = + = Hasl turua parsal log L(, ) = 0 tdak dapat dsajka dalam betuk aaltk/eksak, sehgga ˆ tdak dapat dperoleh secara eksplst, dega batua software Mathematca 6.0 dperoleh hasl secara umerk. + X + = = e X log L(, ) e 4) = + + X + X e X = = = 0 Hasl turua parsal log L(, ) = 0 tdak dapat dsajka dalam betuk aaltk/eksak, sehgga ˆ tdak dapat dperoleh secara eksplst, dega batua software Mathematca 6.0 dperoleh hasl secara umerk.

37 37 BAB III METODOLOGI PENELITIAN 3. Sumber Data Peelta megguaka dua jes data, yatu: Data hpotetk. Data Survval Bate (data tabel hayat Bate tahu 005). Data hpotetk dguaka utuk melakuka pedugaa parameter beberapa fugs Survval. Sedagka utuk aplkas model dguaka data Survval Bate. 3. Lagah-lagkah Peelta Membagktka data hpotetk dega megguaka lma fugs sebara, kemuda melakuka pedugaa parameter dega megguaka metode Mamum Lkelhood terhadap sebara-sebara ekspoesal, Webull, logormal, log-logstk da Gompertz, dbatu software Mathematca 6.0. Dega megguaka data Survval Bate da metode Mamum Lkelhood, dlakuka pedugaa parameter terhadap sebara ekspoesal, Webull, logormal, log-logstk da Gompertz, dbatu software Mathematca 6.0 utuk memperoleh model fugs Survval Bate. 3 Utuk meguj kesesuaa data da model dlakuka uj R (koefse determas).

38 38 BAB IV HASIL DAN PEMBAHASAN Dalam bab dsajka hasl utama dar peelta, yag terdr atas baga utama, yatu hasl pedugaa parameter da peguja model dega megguaka koefse determas R. Pedugaa parameter dega megguaka metode kemugka maksmum (Mamum lkelhood) terhadap fugs kepekata peluag terhadap sebara - sebara ekspoesal, Webull, log-ormal, log-logstk da Gompertz dega batua software Mathematca Pedugaa Parameter Fugs Survval 4.. Pedugaa Parameter Fugs Survval Sebara Ekspoesal Dega megguaka data hpotetk yag dbagktka berdasarka parameter = 0,05 + RadomReal [{-0,007, 0,007}], meghaslka la peduga parameter = 0,05, sehgga persamaa fugs Survval sebara ekspoesal adalah bawah. S( ) pada 0,05 = e, sepert terlhat pada Gambar 7 d S.0 S( ) = 0,05 e R = 0, Umur Nla Dugaa... Nla Sebearya Gambar 7 Kurva fugs Survval sebara ekspoesal.

39 Pedugaa Parameter Fugs Survval Sebara Webull Dega megguaka data hpotetk yag dbagktka berdasarka parameter =,5 + RadomReal [{-0,, 0,}] da = 30 + RadomReal [{-, }], meghaslka la-la peduga parameter =,50 da = 3,3 sehgga persamaa fugs Survval pada sebara Webull adalah,5 ( ) 3,3 e S( ) =, sepert terlhat pada Gambar 8 d bawah. S.0 S( ) =,5 ( ) 3,3 e R = 0, Umur Nla Dugaa... Nla Sebearya Gambar 8 Kurva fugs Survval sebara Webull Pedugaa Parameter Fugs Survval Sebara Log-ormal Dega megguaka data hpotetk yag dbagktka berdasarka parameter μ = 4 + RadomReal [{-0,, 0,}] da σ = 0, + RadomReal [{-0,0, 0,0}], meghaslka la-la peduga parameter μ = 4,00 da σ = 0,0, sehgga persamaa fugs Survval pada sebara log-ormal adalah: Log[ ] 4 0, ( t 4) /((0,) ) S( ) = e dt, sepert terlhat pada Gambar 9 d 0, π bawah. 0

40 40 S.0 Log[ ] 4 0, ( t 4) /((0,) ) S ( ) = e dt 0, π 0 R = 0, Umur Nla Dugaa... Nla Sebearya Gam bar 9 Kurva fugs Survval sebara log-ormal Pedugaaa Parameter Fugs Survval Sebara Log-logstk Dega megguaka data hpotetk yag dbagktka berdasarka parameter θ = -0 + RadomReal [{-0,4, 0,4}] da κ = 3 + RadomReal [{-0,05, 0,05}] pada sebara log-logstk meghaslka la-la peduga parameter θ = -0,7 da k = 3,07, sehgga persamaa fugs Survval pada sebara loglogstk adalah S( ) =, sepert terlhat pada Gambar 0 d bawah 0,7 3,07 + e. S( ) = R = 0,99 0,7 3,07 + e S Umur Nla Dugaa... Nla Sebearya Gambar 0 Kurva fugs Survval sebara log-logstk.

41 Pedugaa Parameter Fugs Survval Sebara Gompertz Dega megguaka data hpotetk yag dbagktka berdasarka parameter = -3 + RadomReal [{-0,6, 0,6}] da = -0,0 + RadomReal [{- 0,00, 0,00}]. Pedugaa parameter fugs Survval pada sebara Gompertz meghaslka la-la peduga parameter = -,56 da = -0,003 sehgga persamaa fugs Survval pada sebara Gompertz adalah,56 0,003 e ( + e ) 0,003 S ( ) = e, sepert terlhat pada Gambar d bawah..0 S( ) = e,56 0,003 e ( + e ) 0,003 R = 0, Nla Dugaa... Nla Sebearya fugs Survval sebara Gompertz. Gambar Kurva Berdasarka hasl pedugaa parameter dar beberapa sebara fugs Survval d atas, pada Tabel dapat dlhat la koefse peetu (determas) yag dlambagka dega R masg-masg fugs Survval. Nla Tabel Perbadga la R fugs Survval sebara ekspoesal Webull log-ormal log-logstk Gompertz R 0,990 0,996 0,985 0,99 0,959 R dla bak jka medekat

42 4 Berdasarka hasl d atas dapat dyataka bahwa jka kta melakuka pedugaa parameter dega megguaka metode Mamum Lkelhood, dega memlh sebara yag tepat, aka dperoleh hasl dugaa yag sagat bak. Oleh karea tu hal yag palg petg dalam pemlha model adalah memperhatka betuk sebara dar data yag dguaka. 4. Pedugaa Parameter Fugs Survval Bate Dega megaplkaska hasl peelta tetag pedugaa parameter pada sebara-sebara d atas, maka dlakuka pedugaa parameter fugs Survval Bate dega megguaka metode Mamum Lkelhood terhadap data Survval Bate tahu 005. Pedugaa parameter fugs Survval Bate dlakuka dega megguaka sebara Webull, log-ormal da log-logstk. Sebara ekspoesal da Gompertz tdak dguaka dalam pedugaa parameter karea betuk kurva sepert terlhat pada Gambar 7 da d atas, yag sagat berbeda dega betuk kurva data Survval Bate (Gambar 5). 4.. Tabel Hayat Provs Bate Tabel hayat provs Bate betuk dskret dsusu dega megguaka model Brass. Berdasarka data SUPAS tahu 005 agka harapa hdup lak-lak provs Bate 65,4 da wata 69,3 yag terletak datara level 0 da pada tabel hayat model Barat Coale-Demey. Hasl terpolas agka harapa hdup lak-lak terletak pada level 0,74 da wata 0,7. Pada tabel hayat model Barat Coale-Demey la α da β dbedaka atas umur 0 sampa 5 tahu da umur lebh dar 5 tahu. Hasl terpolas la α lak-lak usa 0 sampa 5 adalah -0,7976 da la β adalah 0,687, sedagka hasl terpolas la α wata usa 0 sampa 5 tahu adalah -0,994, utuk umur lebh dar 5 tahu hasl terpolas la α lak-lak adalah - 0,4896 da β adalah,69, sedagka utuk umur lebh dar 5 tahu la α wata adalah -0,47 da la β adalah,54.

43 43 l(0) l( ) Rumus la level 6 adalah = 0.5l l ( ) megguaka rumus (0) l( ) (( α+ ( β))) dtamplka gambar kurva l lak-lak.. Nla l dperoleh dega l =. Pada Gambar d bawah + e l (Lak-Lak) l l (Lak-Lak) Um ur() Gambar Kurva l peduduk lak-lak. Kurva l wata dtamplka pada Gambar 3 d bawah : l (Wata) l l (Wata) Um ur() Gambar 3 Kurva l peduduk wata.

44 44 Perbedaa bayakya peduduk lak-lak da wata yag bertaha hdup d provs Bate dapat dlhat pada Gambar 4 d bawah. Perbadga Kurva l l Umur() l (Wata) l (Lak-Lak) Gambar 4 Kurva l peduduk lak-lak da wata. Pada Gambar 4 dapat dlhat bayakya peduduk wata yag bertaha hdup lebh tgg dar lak-lak karea pada agka harapa hdup wata lebh tgg dar lak-lak. Berdasarka Gambar 4 utuk umur 0 sampa 40 tahu atara peduduk lak-lak da wata bayakya yag bertaha hdup mash relatf sama, setelah umur 40 tahu peduduk lak-lak mula terlhat tdak dapat bertaha hdup da yag dapat bertaha hdup semak meuru sampa medekat 0 pada umur 00 tahu. Tabel hayat Bate 005 dperoleh dar gabuga tabel hayat lak-lak da wata Bate sepert pada Gambar 5 berkut. l Bate l Umur () l Bate Gambar 5 Kurva l peduduk Bate.

45 Pedugaa Parameter Fugs Survval Sebara Webull Hasl pedugaa parameter pada data Survval megguaka sebara Webull dapat dlhat pada Gambar 6. S S( ) = e 4 ( ) 75,04 R = 0,958 Bate dega Umur Nla Dugaa... Data Bate Gambar 6 Kurva fugs Survval Bate dega megguaka sebara Webull (kurva mulus) Pedugaa Parameter Fugs Survval Sebara Log-ormal Hasl pedugaa parameter pada data Survval Bate dega megguaka sebara log-ormal dapat dlhat pada Gambar 7. S.0 S ( ) Log[ ] 4, 0,9 ( t 4,) /((0,9) ) e dt = 0 0, 9 π R = 0, Umur Nla Dugaa... Data Bate Gambar 7 Kurva fugs Survval Bate dega megguaka sebara logormal (kurva mulus).

46 Pedugaa Parameter Fugs Survval Sebara Log-logstk Hasl pedugaa parameter pada data Survval Bate dega megguaka sebara log-logstk sepert terlhat pada Gambar 8. S S ( ) = R = 0,870 5,03 3,58 + e Umur Nla Dugaa... Data Bate Gambar 8 Kurva fugs Survval Bate dega megguaka sebara loglogstk (kurva mulus). Berdasarka hasl pedugaa parameter dar sebara d atas, pada Tabel 3 dapat dlhat perbedaa la koefse peetu (determas) yag dlambagka dega R pada masg-masg fugs Survval Bate. Tabel 3 Perbadga la R fugs Survval Bate Sebara Webull log-ormal log-logstk R 0,958 0,85 0,870 Dar Tabel 3 terlhat la R yag tgg terdapat pada fugs Survval sebara Webull. Berdasarka hal tersebut fugs Survval Bate dapat d dekat sebara Webull dega persamaa fugs Survval 4 ( ) 75,04 e S( ) =. 4.3 Model Tabel Hayat Kotu Rachmada Rachmada (006) telah melakuka peelta utuk meyusu tabel hayat dega megguaka pedekata kotu dega megaalss data tetag laju kemata ( μ ( ) ). Model yag dperoleh adalah 0,05 ( 0,057e 0,057) S( ) = e +.

47 47 Dega megguaka data Survval Bate tahu 005 pada model Rachmada da model fugs Survval Webull, dperoleh la R = 0,94 utuk model Rachmada, sedagka utuk model fugs Survval Webull dperoleh la R = 0,958. Nla R model fugs Survval Webull lebh tgg dar model Rachmada, yag meujukka model fugs Survval Webull lebh bak dalam pegepaska data Survval Bate (lhat Gambar 9). Perbadga Kurva S(). S() S() Data S() Webull S() Kotu R Umur () Gambar 9 Perbadga kurva fugs Survval model Rachmada da Webull.

48 48 BAB V KESIMPULAN DAN SARAN 5. Kesmpula Berdasarka hasl pedugaa parameter da hasl peghtuga R terhadap sebara ekspoesal, Webull, log-ormal, log-logstk da Gompertz maka dapat dsmpulka bahwa : Metode Mamum Lkelhood dapat dguaka utuk melakuka pedugaa parameter dega bak terhadap fugs Survval bla dapat memlh fugs sebara yag tepat. Model lfe table dapat ddekat dega model kotu, yatu dega megguaka sebara Webull, log-ormal da log-logstk. 3 Berdasarka metode Mamum Lkelhood dega megguaka data Survval Bate, sebara Webull merupaka sebara yag terbak dbadgka dega empat sebara laya. 5. Sara Perlu dkembagka fugs Survval la yag lebh represetatf dalam meggambarka perlaku data.

49 49 DAFTAR PUSTAKA Agrest A, Barbara, F Statstcal Methods for the Socal Sceces. Ed. Ke-. Calfora. D. elle Publshg Compay. Brow, R.L.997. Itroducto to the Mathematcs of Demography. Ed ke-3. Wsted: Actec Publcatos. Baredregt, J.J, Oortmarsse, G.V, Va Hout, B, Va De Bosch, J.M Copg Wth Multple Morbdty I a Lfe Table. Mathematcal Populato Studes 7(): Coale A.J, Paul, D Regoal Model Lfe Tables ad Stable Populato. Ed ke-. New York: Academc Press. Co D.R, Oakes Aalyss of Survval Data. Cambrdge: Uversty Press. De Roos, A.M Demographc aalyss of cotuous-tme lfe-hstory models. Ecology Letters : 5. Grmmett G.R, Strzaker, D.R. 99. Probablty ad Radom Processes. Ed ke-. Claredo Press. Oford. Lee, E.T. 99. Statstcal Methods for Survval Data Aalyss. Ed ke-. New York: A Wley Iterscece Publcato. Muller, H.G et al Demographc wdow to agg the wld: costructg lfe tables ad estmatg survval fuctos from marked dvduals of kow age. J Agg Cell. Vol 3. pp 5 3. Nurmauldah Model da Aalss Data Survval Megguaka Sebara Log-Logstk. Skrps. Departeme Matematka FMIPA-IPB. Pollard, A.H, Yusuf Farhat, Pollard, G.N.98. Tekk Demograf. Mur Rozy, Budarto, peerjemah, Jakarta: Ba Aksara. Terjemaha dar: Demographc Techques. Rachmada, N Peyusua Tabel Hayat. Skrps. Departeme Matematka FMIPA-IPB. Serflg, R.J Appromato Theorems of Mathematcal Statstcs. New York: Joh Wley ad Sos. Shavelle, Strauss, D A Log Perod Multstate Lfe Table Usg Mcro Data. Mathematcal Populato Studes 7(): 6 77.

50 50 Uted Natos Maual X Idrect Techques for Demographc Estmato. New York. Ju 008]

51 LAMPIRAN 5

52 5 Lampra Tabel hayat Bate tahu 005 TABEL HAYAT BANTEN 005 TABEL HAYAT BANTEN 005 Wata Lak-lak l d L T e& l d L T e&

53

54

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH

ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

PENYUSUNAN TABEL HAYAT. oleh NIA RACHMADANI G

PENYUSUNAN TABEL HAYAT. oleh NIA RACHMADANI G PENYUSUNAN TABEL HAYAT oleh NIA RACHMADANI G543 PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 6 ABSTRAK NIA RACHMADANI. Peusua Tabel Haat. Dbmbg

Lebih terperinci

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMBENTUKAN MODEL PROBIT BIVARIAT PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

Volume 1, Nomor 2, Desember 2007

Volume 1, Nomor 2, Desember 2007 Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung Peerapa Aalss Survval utuk Meaksr Waktu Bertaha Hdup bag Pederta Peyakt Jatug Oleh : Ya Hedrajaya (me_ye2@yahoo.co.d), Ad Setawa da Haa A. Parhusp Program Stud Matematka, Fakultas Sas da Matematka Uverstas

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 11 Latar Belakag Peelta yag dlakuka oleh Va der Pol pada sebuah tabug trode tertutup, yatu sebuah alat yag dguaka utuk megedalka arus lstrk dalam suatu srkut pada trasmtter da recever meghaslka

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

IV. BAHAN DAN METODE PENELITIAN

IV. BAHAN DAN METODE PENELITIAN IV. BAHAN DAN METODE PENELITIAN 4. Tempat da Waktu Peelta Peelta dlakuka pada areal huta alam d pulau Yamdea Kabupate Maluku Teggara Barat, Provs Maluku selama bula Aprl sampa Ju 009. Peta lokas peelta

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci