( L ). Matriks varians kovarians dari

Ukuran: px
Mulai penontonan dengan halaman:

Download "( L ). Matriks varians kovarians dari"

Transkripsi

1 LIVIA PUSPA T METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer pada anass fakor, yau varans spesfk ( Ψ ( pxp) ), komunaas ( ) ( L ). Marks varans kovarans dar h, dan marks fakor oadng ( pxm ) sampe yau S yang merupakan esmaor (penduga) bag marks varans kovarans popuas yang dak dkeahu yau Σ. Komponen uama anass fakor pada marks varans kovarans popuas Σ memk pasangan na egen dan vekor egen ( λ ) ' dmana λ λ... λp dengan = LL + ψ e, = [ λ e M λ e MLM λ ] p e p λ e' λ e' λ M e ' p p + Unuk mencar penaksr L ), subsuskan Σ dengan S pada persamaan )) ) ' = LL +ψ sehngga dperoeh: S LL + Ψ (9-3-) Daam pendekaan anass komponen uama, Ψ ) dabakan dan S dapa dfakorkan menad S = LL )). Sous komponen uama pada mode fakor adaah sebaga berku : Komponen uama anass fakor pada marks varans kovarans sampe S memk ) ) ) ) ) ) λ, e, λ, e,..., λ, e dmana pasangan na egen dan vekor egen ( ) ( ) ( p p ) λ λ... λp. Jka m < p merupakan banyaknya fakor umum, maka marks yang ) dhaskan dar esmas fakor oadng { } ddefnskan sebaga: ) L e M e MKM e (9-3-) = λ λ λm m

2 Esmas varans spesfk dberkan oeh eemen dagona dar marks S LL )) adaah ) ψ L ) m ) ψ ψ L ) ) = dengan ψ = s (9-3-3) M M M = ) Lψ p Sedangkan esmas varans spesfk oeh eemen dagona dar marks m ) ψ = ) (9-3-4) = Komunaas desmas sebaga: R LL )) adaah h m = = L m (9-3-5) = Jka banyaknya fakor umum dak denukan aau dak dkeahu, maka m dapa dcar berdasarkan pada esmas na egen. Seharusnya konrbus beberapa fakor awa pada varans sampe cukup besar. Konrbus dar fakor ke- pada varans sampe oa r( S) = s + s spp adaah: ) ) ) ) ( ˆ ) e p p p ˆ ˆ ˆ ˆ = = = e = = = = λ λ λ Dmana ê adaah vekor egen sauan, yang arnya memk panang. Sehngga secara umum dapa uga dus konrbus dar fakor ke- pada varans sampe oa adaah : ( ˆ ) e ) (9-3-6) p p p ˆ ˆ ˆ ˆ = λ = λ e = λ = = = ke- adaah : Secara umum, propors dar varans sampe oa yang berasa dar fakor umum ˆ λ s + s s pp unuk anass fakor pada S ˆ λ p unuk anas fakor pada R (9-3-7)

3 Krera pada persamaan (9-3-7 ) daas serngka dgunakan daam menenukan banyaknya fakor umum. Dengan menggunakan program kompuer ka uga dapa menenukan banyaknya fakor umum berdasarkan pada banyaknya na egen dar marks koreas R aau dar marks varans kovarans S yang ebh dar raa-raa na egen. Seeah seuruh na aksran parameer ddapakan kemudan dhung marks ssa. Marks ssa ddefnskan sebaga sesh dar koreas sampe R aau dar marks S dengan na-na aksran yang ddapa. ˆ ˆ ˆ aau ˆ ˆ Marks ssa = R LL + Ψ S LL + Ψ ˆ (9-3-8) Conoh 9.3 daam sudy phan konsumen., suau sampe random dar konsumen unuk mena arbu suau produk baru. Tanggapan pada 7 k skaa berbeda membenuk marks koreas. Marks koreas dsakan daam benuk sebaga berku. Arbue (Varabe) Tase Good buy for money Favour Suabe for snack 4.4.7,5.79 Provdes os of energy Teah eas dar yang dngkar anggoa marks koreas bahwa varabe dan 3 dan varabe dan5 membenuk grup. Varabe 4 ebh mendeka grup(,5) darpada grup(,3).dberkan has dan umah dar varabe, ka mengra bahwa hubungan ner ana varabe dapa deaskan daam benuk sau, dua aau ga facor umum. Dua na egen perama dan dar R yang ebh bak dar annya. Lebh dar u, m = fakor umum akan dhung unuk mencar propors cumuave

4 Dar oa sampe varan. Penaksran facor pemua, communay, dan facor khusus dberkan daam abe Penaksran facor Communay Facor khusus oadng Varabe. Tase Good buy for money Favor 4. Suabe for snack 5. Provdes os of energy Na Egen.85.8 Propors Communay dar varans sampe oa.57.93

5 Hasnya mendeka marks koreas R. ka akan mena dua facor mode dengan facor oadng d aas yang cukup bak unuk daa. The comuny (.98,.88,.98,.89,.93) mengndkaskan perhungan dua facor unuk percenas besar dar varans sampe masng-masng varabe. PENAKSIRAN PARAMETER DENGAN METODE LIKELIHOOD Jka fakor umum F dan fakor spesfkε dapa dasumskan berdsrbus norma, maka penaksran maksmum kehood dar fakor oadng dan varans spesfk dapa dperoeh. Keka X F dan ε berdsrbus norma gabungan, maka observas µ = LF + ε adaah norma dan memk benuk fungs kehood: L Σ = Σ rσ ( x x )( x x ) + n x x = np n n ( µ, ) ( π ) exp ( µ )( µ ) ( n) p ( n) n = ( π ) Σ exp rσ x x x x = ( )( ) p ( π ) Σ exp ( x µ ) Σ ( x µ ) (9-3-9) Yang berganung pada L dan Ψ dengan Σ = LL + Ψ. Mode n mash beum erdefns dengan bak karena banyaknya phan L. Agar L erdefns dengan bak, maka dengan cara mebakan konds keunkan/keunggaan pada proses perhungan, yau : L Ψ L = (9-3-) Dmana adaah marks dagona. Teorema 9. Msakan, X X n adaah sampe acak dar N p (, ) X,..., µ Σ dmana Σ = LL + Ψ adaah marks kovarans dar fakor umum (m), sehngga dperoeh penaksr maksmum

6 kehood L, ψ dan µ = x dengan memaksmumkan persamaan (9-3-9) erhadap marks dagona ˆ ˆ ˆ ˆ L Ψ L =. Dengan demkan dperoeh penaksr Lkehood unuk komunaas h L + m = + + unuk =,,...,p (9-3-) dengan propors ke- erhadap varans sampe oa ξ ˆ + ˆ ˆ ( ) p = s + s s pp Buk: (9-3-) ˆ h adaah : Dengan menggunakan sfa nvaran dar penaksr maksmum kehood, fungs L dan Ψ mempunya penaksr dengan fungs yang sama yau L ˆ dan Ψ ˆ. Sama hanya dengan komunaas maksmum Lkehood h h + + L+ = mempunya penaksr L+ m = + +. m Sandarsas vekor acak X Marks sandar devas V σ L σ L = M M O M L σ pp σ L σ Z V ( X µ ) dengan V L = = M M O M L σ pp maka Z akan berdsrbus N (,) p ρ = V V = ( V L)( V L)' + V ΨV (9-3-4) maka penaksr kehood dar ρ adaah = Vˆ L Vˆ L + Vˆ Ψˆ Vˆ ˆ ρ ( ˆ)( ˆ)' = Lˆ Lˆ ' + Ψˆ (9-3-5)

7 Dar proses sandarsas X dperoeh : = L *. Marks oadng L V L, = ( ). Marks varans khusus Ψ = V Ψ V. Sedangkan penaksr Lkehood ρ adaah : Aau : v. ˆ ρ = ( Vˆ Lˆ )( Vˆ Lˆ ) + Vˆ Ψ ˆ Vˆ ρ = L ' + ψ L Propors fakor ke- erhadap varans sampe oa sandarsas ξ * * * p ( ) ˆ + ˆ ˆ = p Basanya has penean-penean yang dakukan daanya eah dsandarsas dan marks koreas sampe R danass. Marks ssa ddefnskan sebaga sesh dar koreas sampe R dengan na-na aksran yang dperoeh. ˆ ˆ Marks ssa = R LL Ψ ˆ (9-3-6) Exampe 9.5 Perhakan exampe 8.5 dan 9.4. dengan mode fakor m= dan gunakan meode maxmum kehood. Penaksr fakor oadng, komunaas, varans spesfk dan Propors fakor erhadap varans sampe oa sandarsas deaskan pada abe R = Tabe 9.3

8 Varabe Meode Maxmum kehood Esmas fakor oadng Varans spesfk Meode komponen uama Esmas fakor oadng Varans spesfk F F Ψ = h F F Ψ = h.aed Chemca.du Pon 3.Unon Carbde 4.Exxon 5.Texaco Propors erhadap varans sampe oa sandarsas Marks ssa maxmum kehood adaah.5 R L ˆL ˆ' Ψ ˆ = Marks ssa komponen uama adaah.7 R L ˆL ˆ' Ψ ˆ =

9 eemen-eemen dar marks ssa maksmum kehood ebh kec dar marks ssa pada meode komponen uama. oeh karena u, pendekaan menggunakan meode maxmum kehood ebh bak. Namun, ka dha dar propors kumuafnya maka meode komponen uama ebh duamakan karena nanya yang ebh besar dbandngkan dar meode maksmum kehood. MENGUJI JUMLAH FAKTOR UMUM Dengan asums popuas berdsrbus norma, maka akan dakukan u mode yang sesua. Msakan daam hpoess erdapa m buah fakor umum, maka dakukan penguan: H H : : * = = LL' + ψ Dbawah H, erbaas unuk mencapa benuk H, dengan fungs Lkehood yang dmaksmumkan dperoeh ˆ µ = x dan ˆ ˆ ˆ Σ = LL + Ψ ˆ dmana ˆL dan ˆΨ adaah penaksr Lkehood dar L dan. Ψ Sask u unuk u raso Lkehood adaah: n Λ = n n....(9-3-7) S n dengan deraa kebebasan v v ( ) { ( ) ( )} = p p + p m + m m = {( p m) p m} Bare menunukkan bahwa dapa dakukan aproksmas ch-kuadra erhadap dsrbus sampe pada persamaan (9-3-7) dengan cara menggankan na n dengan fakor koreks n--(p+4m+5)/6. Sehngga dengan menggunakan fakor koreks Bare ka oak H dengan ngka snfkans α, ka { n ( p + 4m + 5) / 6} n > χ ( v v ); α S n

10 L L' + Ψ { n ( p + 4m + 5) / 6} n > χ( v v ); α S n Daam mengmpemenaskan penguan dengan persamaan d aas, unuk m facor umum ddapa dengan cara membandngkan varan yang dperumum L L'+ ψ dengan S n. ka n besar dan m reave kec dar p, basanya H doak. Maka harus dgunakan permbangan an daam memh umah facor m. Exampe 9.7 Pada exm.9.5 daa sock-prce eah danass dengan maxmum kehood (m=). msakan marx ssa dar sous dua facor eah mencukup. U hpoess H : = LL' + ψ, dengan m = dan α =. 5 L L ' + Ψ R = = = dengan menggunakan Bare s koreks,

11 L L' + Ψ n = n(.65) =. 6 6 { n ( p + 4m + 5) / 6} S n [( p m) p m] = [(5 ) 5 ] = χ (.5) = 3.84 oak H dengan ngka snfkans α, ka { n ( p + 4m + 5) / 6} n > χ ( v v ); α S n.6<3.84 sehngga H derma.

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

ANALISIS KOVARIANS DALAM RANCANGAN BUJUR SANGKAR YOUDEN

ANALISIS KOVARIANS DALAM RANCANGAN BUJUR SANGKAR YOUDEN ANALISIS KOVARIANS DALAM RANCANGAN BUJUR SANGKAR YOUDEN SKRIPSI Daukan Kepada Fakuas Maemaka dan Imu Pengeahuan Aam Unversas Neger Yogyakara unuk memenuh sebagan persyaraan guna memperoeh gear Sarana Sans

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus

BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus 40 BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL 3.1. Pengamban Keputusan Int dar pengamban keputusan adaah memh aternatf, tentunya harus aternatf yang terbak (the best aternatve). Tujuan dar anass keputusan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

Lebih terperinci

2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor

2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor Pencocokan Data. Pencocokan Data ke Gars Lurus Msakan kta mempunya n ttk data ekspermenta (, y ) dan dketahu bahwa hubungan teorts antara dan y adaah hubungan near (persamaan gars urus) dengan persamaan:

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

Boks Respon Suku Bunga dan Kredit Bank di Bali terhadap Kebijakan Moneter Bank Indonesia

Boks Respon Suku Bunga dan Kredit Bank di Bali terhadap Kebijakan Moneter Bank Indonesia Trwuan III-27 Boks Respon Suku Bunga dan Kred Bank d Ba erhadap Kebakan Moneer Bank Indonesa Pendahuuan Daam cakupan penean d wayah Ba beruuan unuk mengeahu seberapa besar dampak dar BI Rae sebaga acuan

Lebih terperinci

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik 6 BAB LANDASAN TEORI. Model Persedaan.. Model Deermnsk Model Deermnsk adalah model yang menganggap nla-nla parameer elah dkeahu dengan pas. Model n dbedakan menjad dua: a. Deermnsk Sas. D dalam model n

Lebih terperinci

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga

Lebih terperinci

Bab III Studi Kasus Model Double Decrement

Bab III Studi Kasus Model Double Decrement Bab III Sudi Kasus Mode Doube Decremen Pada bab ini, akan dieaskan erebih dahuu mengenai beberapa definisi daam eori Doube Decremen. Seanunya akan dibahas benuk kuanifikasi dependensi daam kasus Doube

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

9. TEKNIK PENGINTEGRALAN

9. TEKNIK PENGINTEGRALAN 9. TEKNIK PENGINTEGRALAN 9. Inegral Parsal Formula Inegral Parsal : Cara : plh u yang urunannya lebh sederhana Conoh : Hung u dv uv v du e d msal u =, maka du=d dv e d v e d e sehngga e d e e d e e C INF8

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

Perbandingan Model Regresi Cox Menggunakan Estimasi Paramater Efron Partial Likelihood dan Breslow Partial Likelihood

Perbandingan Model Regresi Cox Menggunakan Estimasi Paramater Efron Partial Likelihood dan Breslow Partial Likelihood Semna Nasona Tekno Infomas, Komunkas dan Indus SNTIKI 8 ISSN : 85-99 Pekanbau, 9 Novembe 6 Pebandngan Mode eges Co Menggunakan Esmas Paamae Efon Paa kehood dan Besow Paa kehood ahmaden, Syofa an, Juusan

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jens dan Sumber Daa Daa ang dgunakan dalam penelan n merupakan daa sekunder ang berasal dar berbaga nsans pemernah eruama Badan Pusa Sask. Daa ang dgunakan anara lan angka kemsknan,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH

DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DINAMIKA INTERAKSI DARI SPEKULASI DAN DIVERSIFIKASI PADA SAHAM DARWISAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 009 ABSTRACT DARWISAH. Dynamcs

Lebih terperinci

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

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

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

PENAKSIRAN PELUANG KESEMBUHAN

PENAKSIRAN PELUANG KESEMBUHAN Prosdng SNaPP2011 Sans, Teknolog, dan Kesehaan ISSN:2089-3582 PENAKSIRAN PELUANG KESEMBUHAN DENGAN KEKAMBUHAN BERDISTRIBUSI EKSPONENSIAL 1 Abdul Kudus, 2 R. Dachlan Muchls, dan 3 Tk Respa 1,2 Jurusan Saska,

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar Space-me Models MA58 opk dalam Saska II Aprl 5 Urwen Mukhayar Analss Sask Box&Jenkns Ieraon Posulae General Class of Models ACF, PACF, dff Daa Analyss on-paramerc Analyss Sochasc Processes Mulvarae Analyss

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ini akan dibahas dasar-dasar eori yang akan digunakan dalam penulisan skripsi ini, yaiu model regresi dua level, meode penaksiran maximum likelihood, mariks parisi, kronecker

Lebih terperinci

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 COFIGURAL FREQUECY AALYSIS UTUK MELIHAT KARAKTERISTIK CALO IVESTOR POTESIAL PT BURSA EFEK IDOESIA DI

Lebih terperinci

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H PERBANDINGAN MODEL COX PROPORTIONAL HAZARD DAN MODEL PARAMETRIK BERDASARKAN ANALISIS RESIDUAL (Sud Kasus pada Daa Kanker Paru-Paru yang Dperoleh dar Conoh Daa pada Sofware S-Plus 2000 dan Smulas unuk Dsrbus

Lebih terperinci

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR 15 BAB III MODEL PERTUMBUHA EKOOMI DUA SEKTOR 3.1 Aum dan oa Model perumbuhan dua ekor n merupakan model perumbuhan dengan dua komod yang dhalkan, yau barang modal dan barang konum. Kedua barang n dproduk

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD)

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD) Alkas Iners Non Lner Dengan Pendekaan Lner Unuk Menenukan Hosener Conoh Kasus d G. Kelud) Cece Sulaeman) APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER CONTOH KASUS DI

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDAAN TEORI Pada bab n akan dbahas beberapa eor maemaka keuangan dan saska yang mendukung dalam penurunan formula Lookback Opons pada Bab III dan pembuaan program pada Bab IV. Teor-eor yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tnjauan Pusaka.. Uj Keseragaman Daa Tujuan uama pengukuran uj keseragaman daa adalah unuk mendapakan da yang seragam. Kedak seragaman daa dapa daang anpa dsadar, maka dperlukan suau

Lebih terperinci

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

PENGGUNAAN ANALISA FAKTOR UNTUK KLASIFIKASI CITRA PENGINDERAAN JAUH MULTISPEKTRAL. Agus Zainal Arifin dan Wiwik Dyah Septiana Kurniati

PENGGUNAAN ANALISA FAKTOR UNTUK KLASIFIKASI CITRA PENGINDERAAN JAUH MULTISPEKTRAL. Agus Zainal Arifin dan Wiwik Dyah Septiana Kurniati PENGGUNN NLIS FKTOR UNTUK KLSIFIKSI ITR PENGINDERN JUH MULTISPEKTRL gus Zanal rfn dan Wk Dyah Sepana Kurna Jurusan Teknk Informaka, Fakulas Teknolog Informas Insu Teknolog Sepuluh Nopember (ITS) - Surabaya

Lebih terperinci

PENGGUNAAN ANALISA FAKTOR UNTUK KLASIFIKASI CITRA PENGINDERAAN JAUH MULTISPEKTRAL. Agus Zainal Arifin dan Wiwik Dyah Septiana Kurniati

PENGGUNAAN ANALISA FAKTOR UNTUK KLASIFIKASI CITRA PENGINDERAAN JAUH MULTISPEKTRAL. Agus Zainal Arifin dan Wiwik Dyah Septiana Kurniati PENGGUNN NLIS FKTOR UNTUK KLSIFIKSI ITR PENGINDERN JUH MULTISPEKTRL gus Zanal rfn dan Wk Dyah Sepana Kurna Jurusan Teknk Informaka, Fakulas Teknolog Informas Insu Teknolog Sepuluh Nopember (ITS) - Surabaya

Lebih terperinci

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

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

Lebih terperinci

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial

Lebih terperinci

KLASTERISASI DATA IRIS MENGGUNAKAN METODE BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS

KLASTERISASI DATA IRIS MENGGUNAKAN METODE BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Program Stud MMT-ITS, Surabaya 23 Ju 2011 LASTERISASI DATA IRIS MENGGUNAAN METODE BERBASIS ARTIFICIAL BEE COLONY DAN -HARMONIC MEANS I Made Wdartha, Agus Zana Arfn, Anny Yunart Jurusan Teknk Informatka,

Lebih terperinci

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh

Lebih terperinci

BOOTSTRAP PADA ANALISIS REGRESI LINIER BERGANDA BERDASARKAN PENAKSIR MINIMUM COVARIANCE DETERMINANT

BOOTSTRAP PADA ANALISIS REGRESI LINIER BERGANDA BERDASARKAN PENAKSIR MINIMUM COVARIANCE DETERMINANT Prosdng Semnar Nasona Sans dan eknoog Nukr PNBR BAAN Bandung, 4 Ju 2013 ema: Pemanfaatan Sans dan eknoog Nukr serta Industr untuk Pemangunan Berkeanjutan BOOSRAP PADA ANALISIS REGRESI LINIER BERGANDA BEASARKAN

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI PENYESUAIAN LIKUIDITAS TERHADAP VALUE AT RISK DARI DATA HISTORIS

ESTIMASI PENYESUAIAN LIKUIDITAS TERHADAP VALUE AT RISK DARI DATA HISTORIS ESTIMASI PENYESUAIAN LIKUIDITAS TERHADAP VALUE AT RISK DARI DATA HISTORIS Novana Praw Jurusan Saska, Insu Sans & Teknolog AKPRIND Yogyakara Masuk: 27 Mare 205, revs masuk : Me 205, derma: 9 Jun 205 ABSTRACT

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard

Lebih terperinci

MAXIMUM LIKELIHOOD ESTIMATION (MLE) PADA MODEL LOGISTIK EXPONENSIAL

MAXIMUM LIKELIHOOD ESTIMATION (MLE) PADA MODEL LOGISTIK EXPONENSIAL KNM XVI -6 Ju UNPAD Jaagor MAXIMUM LIKELIHOOD EIMAION MLE PADA MODEL LOGIIK EXPONENIAL DEI RAHMAINA Uversas Marm Raa A Ha.J Poekk. eggarag. augpag ema : desrahmaa@gma.com Absrak Mode ogsk ekspoesa yag

Lebih terperinci

MIXED GEOGRAPHICALLY WEIGHTED MULTIVARIATE LINEAR MODEL

MIXED GEOGRAPHICALLY WEIGHTED MULTIVARIATE LINEAR MODEL Statstka, Vo., No., November 4 MIXED GEOGRAPHICALLY WEIGHED MULIVARIAE LINEAR MODEL Mem Nor Hayat, Purad Jurusan Statstka FIMPA Unverstas Muawarman Samarnda Jurusan Statstka FMIPA Insttut eknoo Sepuu November

Lebih terperinci

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang

3 Kondisi Fisik Dermaga A I Pelabuhan Palembang Bab 3 3 Konds Fsk Dermaga A I Pelabuhan Palembang Penanganan Kerusakan Dermaga Sud Kasus Dermaga A I Pelabuhan Palembang 3.1 Pengolahan Daa Pasang Suru 3.1.1 Meode Leas Square Meode n menjelaskan bahwa

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

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

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

Lebih terperinci

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryano Sudrham nalss Rangkaan Lsrk D Kawasan Waku BB 12 nalss Transen d Kawasan Waku Rangkaan Orde Perama Yang dmaksud dengan analss ransen adalah analss rangkaan yang sedang dalam keadaan peralhan

Lebih terperinci

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah

Lebih terperinci

ANALISIS KOVARIANSI part 2

ANALISIS KOVARIANSI part 2 ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan

Lebih terperinci

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

Bab 3 Beberapa Skema Pembagian Rahasia

Bab 3 Beberapa Skema Pembagian Rahasia 9 Ba 3 Beeraa Skema Pemagan Rahasa Skema emagan rahasa adalah meode unuk memag rahasa K d anara anggoaanggoa suau hmunan arsan P {P,P, P n } sedemkan sehngga ka arsan ada suhmunan A P yang derolehkan mengeahu

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

III. METODOLOGI. percobaan sedang( σ = 5), keragaman interaksi kecil ( σ = 1) dan keragaman

III. METODOLOGI. percobaan sedang( σ = 5), keragaman interaksi kecil ( σ = 1) dan keragaman III. METODOLOGI 3.. Data Data yang akan dgunakan daa penetan n ada dua ens data pertaa adaah data yang dbangktkan daa progra suas yang drancang sedekan rupa sehngga eungknkan untuk ehat knera dar penduga

Lebih terperinci

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2 Pengukuran Value a sk (D Ash I Maruddan) PEGUKUA VALUE AT ISK PADA ASET TUGGAL DA POTOFOLIO DEGA SIMULASI MOTE CALO D Ash I Maruddan 1, Ar Purbowa 1 Saf Pengajar Program Sud Saska FMIPA UDIP Bro Pusa Saska

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci