JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:"

Transkripsi

1 JURNAL GAUSSIAN, Volum, Nomo, Tahu 0, Halama Ol d: PEMBANGKITAN SAMPEL RANDOM MENGGUNAKAN ALGORITMA METROPOLIS- HASTINGS Ls Kua Iwat, Moch. Abdul Mukd, Rta Rahmawat 3 Mahasswa Juusa Statstka FSM Ustas Dpogoo,3 Sta Pgaja Juusa Statstka FSM UNDIP ABSTTRACT Gatg adom sampls ca b do dctly ad dctly usg smulato tchqus. Ths al pojct wll dscuss th pocss o gatg adom sampls ad stmat th paamts usg a dct smulato. Idct smulato tchqus usd th tagt dstbuto has a complcatd shap ad hgh dmso o dsty uctos. Mako Cha Mot Calo (MCMC) smulato s a soluto to do t. O o th algothms that s commoly usd s Mtopols-Hastgs. Ths algothm uss th mchasm o accptac ad jcto to gat a squc o adom sampls. I th ampl to b dscussd, Mtopols-Hastgs algothm s appld to gat adom sampls o Bta dstbuto ad also stmat th paamt alu o th Posso dstbuto usg a poposal dstbuto adom-walk Mtopols. Kywods: Mako Cha Mot Calo, Mtopols-Hastgs algothm, poposal dstbuto. PENDAHULUAN Sjaah polha sampl adom cukup pajag da mak, mula da plmpaa dadu, pmbaga katu atau caa sjs laya sampa pgguaa algotma dga batua sotwa (pagkat luak). Salah satu pa statsts (ahl statstka) adalah mmplaja bbaga posdu pgambla kputusa. Utuk mdapatka kputusa yag tbak hauslah dlakuka uj aldtas utuk posdu atau mtod statstka, salah satuya dga mcobaya pada data yag paamtya dktahu. Namu, adakalaya btuk dstbus posto tdak dapat dtlusu btuk ugs dstasya kaa mmlk dms tgg, shgga pdugaa paamtya dlakuka mgguaka algotma Mako Cha Mot Calo (MCMC). Pada algotma MCMC dstbus posto dktahu sbaga hasl kal ataa ugs lklhood (data sampl) dga ugs po (omas awal). Olh kaa tu, plu dkmbagka tkk yag btujua mmbagktka data dga sat-sat atau paamt yag dgka. Smulas sbaga salah satu tkk pmbagkta data mgalam pkmbaga yag cukup psat sg dga pkmbaga da pgguaa komput slama bbapa dkad yag lalu. Salah satu mtod smulas tdak lagsug, yatu algotma Mtopols-Hastgs. Algotma Mtopols-Hastgs mgguaka mkasm pmaa da polaka (accpt-jct) utuk mmbagktka basa sampl da suatu dstbus yag sult utuk dlakuka paka sampl scaa lagsug. Paka sampl mgguaka algotma Mtopols-Hastgs dapat dlakuka pada dstbus pobabltas apapu dga syaat bahwa dstas X dapat dhtug. Sampl adom yag dbagktka mgguaka algotma bayak dguaka msalya pada to ata mga waktu ata kdataga da aalss asal mga stmas olatltas da stmas tu dalam kotks Baysa yag dstbus postoya umt. Dalam tulsa aka djlaska pgguaa algotma Mtopols-Hastgs utuk mmbagktka sampl adom bdstbus bta da mgstmas paamt dstbus posso mgguaka mtod Bays.. TINJAUAN PUSTAKA Tjaua pustaka yag dguaka dalam tulsa adalah sbaga bkut:.. Vaabl Radom Vaabl mupaka kaaktstk suatu objk yag damat. Dalam sampl dapat dbuat bbapa aabl ssua kaaktstk objk yag damat. Pgamata thadap objk bsat adom, olh kaaya dsbut aabl adom.

2 Ds.. Vaabl adom X adalah ugs yag bla al yag ddska pada uag sampl S. X dapat dtulska sbaga X c, dga c mupaka stap hasl yag mugk pada S. (Ba da Eglhadt, 99) Ds.. Vaabl adom X dsbut aabl adom dskt jka hmpua smua la yag mugk mucul da X mupaka hmpua thtug (coutabl). (Ba da Eglhadt, 99) Ds..3 Vaabl adom X dsbut aabl adom kotu jka la X dapat mcakup smua la da suatu tal atau dkataka hmpua smua la yag mugk mucul da X da mupaka hmpua tak thtug (ucoutabl). (Ba da Eglhadt, 99).. Fugs Lklhood Fugs dstas bsama (jot dsty ucto) da aabl adom dyataka dalam btuk,...,, X,...,, X X yag,,..., ttap,,,..., dsbut sbaga ugs lklhood. Jka ugs lklhood adalah ugs da da sg dotaska sbaga L. Jka mwakl sampl adom da maka: L... (Ba da Eglhadt, 99).3. Dstbus Po Dstbus po adalah dstbus awal yag haus dttuka tlbh dahulu sblum mumuska dstbus postoya. Ds.3. Msal dalam mgstmas paamt tsda omas bahwa bubah ssua dga dstbus pluag tttu. Jad, adalah aabl adom yag mjala haga-haga ~,, 3,..., k dga dstbus pluag,..., k. j, j,,..., k dsbut dstbus po utuk ~ ~, dmaa,,..., k. (Sojot da Sobaa, 988) Muut Bo da Tao (973) dstbus po dklompokka mjad dua klompok bdasaka btuk ugs lklhoodya, yatu:. Bkata dga btuk dstbus hasl dtkas pola dataya dapat dbdaka mjad: a. Dstbus po skawa (cojugat), mupaka pmba btuk dstbus po yag skawa atau spola dga btuk dstbus da hasl dtkas pola dataya. b. Dstbus po tdak skawa (o-cojugat), mupaka pmba btuk dstbus po yag tdak skawa dga btuk hasl dtkas da dataya.. Bkata dga ptua masg-masg paamt pada pola dstbus po tsbut, dapat dbdaka mjad dua btuk yag bbda, yatu: a. Dstbus po omat mgacu pada pmba paamt da dstbus po yag tlah dplh bak dstbus po skawa atau tdak, pmba la paamt pada dstbus po ddasaka pada omas yag dpolh da dataya. b. Dstbus po o-omat, jka ptua paamt dstbus po tdak ddasaka pada data yag ada. JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 36

3 Ds.3. Salah satu btuk pdkata da po o-omat adalah dga mgguaka mtod Jy. Mtod myataka bahwa dstbus po mupaka aka kuadat da omas Fsh yag dyataka dalam: dmaa () mupaka la haapa omas Fsh. l () (Bg, 980).4. Dstbus Posto Dstbus posto adalah ugs dstas bsyaat jka dktahu la obsas da dapat dtulska sbaga bkut:, (3) Psamaa (3) mujukka bahwa ugs dstas bsyaat satu aabl adom jka dktahu la aabl adom kdua adalah ugs dstas bsama dua aabl adom tu, dbag dga ugs dstas magal aabl adom kdua. Ttap ugs dstas bsama, da ugs dstas magal pada umumya tdak dktahu, haya dstbus po da ugs lklhood yag basaya dyataka. Fugs dstas bsama da magal yag dpluka dapat dtuls dalam btuk dstbus po da ugs lklhood:, (4) mupaka dstbus po. Slajutya dmaa dktahu bahwa: mupaka ugs lklhood da d, d (5) Shgga da psamaa (3), (4) da (5), ugs dstas posto utuk aabl adom kotu dapat dtuls sbaga bkut: d (Sojot da Sobaa, 988).5. Mtod Baysa Pada mtod Baysa, s ddasaka pada dstbus posto juga dtulska sbaga,...,,...,,...,,...,. Da psamaa (5) maka: d, yag dapat JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 37

4 ,..., m Fakto pybut, yatu m,..., dumuska bahwa: m,...,,...,,...,,..., mupaka ugs lklhood magal da data, shgga dapat d Dalam mtod Baysa dkal suatu akto ksbadga utuk mtuka dstbus,...,, yatu: posto,...,,..., (6) Lambag myataka sat poposoal atau sbadg. Pada pspkt Baysa ugs lklhood mupaka ugs da pada data,..., shgga mgakbatka lm-lm lklhood yag tdak mgadug ugs mjad baga da ksbadga pada psamaa (6). Dga kata la, mlalu sat ksbadga dpolh bahwa dstas posto haya mgadug ugs yag mmuat. Pduga Bays utuk dpolh mlalu la haapa da,..., dapat dtuls sbaga: ˆ E,..., (Cogdo, 003).6. Mtod Mako Cha Mot Calo (MCMC) Mako Cha Mot Calo (MCMC) adalah sbuah agkaa mtod utuk mcptaka basa sampl adom yag basal da dstbus pluag, dga mmbagu ata Mako ssua dga dstbus tttu yag dgka. Mtod Mako Cha Mot Calo dwasa tlah bayak daplkaska d bbaga bdag utuk mylsaka bmacam-macam pmasalaha. Pmasalaha yag dbahas khususya yag tkat dga s Baysa, dmaa sgkal dtmu psoala dalam mdapatka suatu dstbus posto da juga dstbus po pada bbapa stud kasus. Algotma yag sg mgguaka mtod MCMC, yatu Mtopols- Hastgs da Gbbs Samplg. Dalam tulsa haya aka mmbahas algotma Mtopols- Hastgs (Walsh, 004)..6.. Algotma Mtopols-Hastgs (M-H) Pada awalya Mtopols dkk. mmomulaska algotma Mtopols dga mgalka ata Mako bdasaka mtod-mtod smulas yag dguaka dalam lmu pgtahua alam. Kmuda Hastgs mggalsas mtod tsbut yag tkal dga ama algotma Mtopols-Hastgs. Akhya, dptmbagka mjad omula umum utuk smua mtod MCMC. G lbh lajut mggalsas algotma Mtopols-Hastgs dga mgalka algotma Mtopols-Hastgs sbl jump utuk samplg da uag paamt dga dms yag bbda (Ntzouas, 009). Asumska dstbus tagtya adalah yag maa sampl yag dgka aka dbagktka dga ukua T. Algotma Mtopols-Hastgs dapat djlaska dga mgkut t lagkah-lagkah tas, dmaa adalah kto da la-la yag dbagktka d tas k-t da algotma: 0. Atu la awal.. Utuk t,..., T lakuka lagkah-lagkah bkut: a. Mgatu la t q q. b. Mmbagktka calo la yag bau da dstbus poposal JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 38

5 q m, da mmbagktka sampl adom ~ U0, c. Mghtug u. q t d. Mmpbau dga pluag pmaa da t t dga pluag. Jka u maka dtma sbaga aggota sampl da jka u maka la sblumya yag dtma sbaga aggota sampl. Algotma Mtopols-Hastgs aka kog k dstbus tagt tapa mmphatka apapu dstbus poposal q yag dplh. Baga algotma tsbut dapat dmplmtaska scaa lagsug pada kagka Baysa dga msubttuska dga paamt θ da dstbus tagt JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 39 dga dstbus posto θ. Pada s Baysa, gkasa algotmaya adalah sbaga bkut:. Mgatu la awal θ. Utuk t,..., T lakuka lagkah bkut : 0 a. Mgatu θ θ t. b. Mmbagktka la calo paamt θ da dstbus poposal θθ θ qθθ c. Mghtug m, θ qθ θ q. da mmbagktka sampl adom ~ U0, t d. Mmpbau θ θ dga pluag da u maka θ dtma da jka sampl. t ( t ) u. θ θ dga pluag. Jka θ yag dtma sbaga u la sblumya.6.. Dstbus Poposal Radom-walk Mtopols Dalam algotma Mtopols yag asl, haya dstbus poposal yag smts dga tp q q yag dphatka. Radom-walk Mtopols mupaka kasus khusus dga q q. Kdua kasus mghaslka pobabltas pmaa yag haya tgatug pada dstbus tagt, yatu: θ m, θ (7) q N, dga d ~ d Basaya dstbus poposal adalah omal multaat adalah dms da. Sla dstbus omal multaat, dstbus poposal yag dapat dguaka q ~ U,, mupaka sbuah kostata yag dttapka plt adalah uom dmaa la Kogs Algotma Ada bbapa caa utuk mmatau kogs algotma. Mtod yag sg dguaka, yatu:. Tac Plot Salah satu caa pdugaa bu- pod adalah dga mmksa tac plot la smulas da kompo (atau bbapa ugs laya) thadap jumlah tas. Tac plot mupaka gambaa sbuah plot da tas sus la yag tlah dbagktka. Sbuah t ak atau tuu pada la paamt pada tac plot mujukka bahwa bu- pod blum slsa. Jka t-t spt mucul, maka ptg utuk mghlagka baga awal da ata, kaa la-la awal tdak mujukka pkaa sampl yag ba da dstbus tagt. Dga kata la, jka smua la-la bada dalam sbuah daah tapa kpodka yag kuat da (scaa khusus) kcduga, maka dapat dasumska tlah tcapa kogs. S

6 . Autokolas Phata yag kdua pada aalss output algotma MCMC adalah tgkat autokolas pada la-la sampl. Utuk kdua algotma Mtopols-Hastgs da Gbbs samplg, la smulas pada tas k- t bgatug pada la smulas pada tas k-t. Jka pada ata tdapat kolas yag kuat d ataa la-la yag butu, maka kdua la butu tsbut mmbka omas haya scaa magal mga dstbus tagt da buka la da sbuah smulas tuggal. Kolas yag kuat d ataa tas yag butu mujukka bahwa algotma mash bada pada daah tttu da uag paamt da mugk mmbutuhka waktu yag lama utuk pyampla da ksluuha daah dstbus. Statstk yag umum dguaka utuk mguku tgkat ktgatuga dataa pgambla buuta pada ata adalah autokolas. Autokolas mguku kolas dataa t t L kumpula la-la smulas da, dmaa L mupaka jumlah slsh samplg da tas tpsah pada dua kumpula la-la. Utuk kompo tttu, ugs autokolas dapat dhtug sbaga ugs la-la yag bbda da slsh samplg. Utuk kompo, autokolas L dapat dduga dga: L T T L TL L T dmaa mupaka ata-ata da la-la smulas. Nla autokolas utuk slsh samplg aka hamp slalu mjad post utuk algotma M-H da Gbbs samplg. Bagamaapu, jka ata sdag bcampu dga cukup, la-la autokolas aka bkuag muju ol slama la slsh samplg dtgkatka. 3. Egodc Ma Plot Istlah godc ma mujukka la ma sampa dga cut tato. Egodc ma plot adalah plot ataa la ma d atas dga tasya. Jka godc ma stabl stlah bbapa tas, maka mupaka sbuah dkas kogs da algotma Pdugaa Paamt Pdugaa paamt basaya tjad utuk kasus-kasus s Baysa. Msalka θ,..., adalah sbuah kto paamt yag aka dduga laya. Dga mjalaka, p T sbuah algotma MCMC, la-la smulas θ,...,θ masg-masg tdstbus scaa ka-ka k dstbus posto θ. Pduga da paamt tsmulas, yatu: T t dpolh da la ata-ata da la-la sampl yag ˆ t,,..., p (8) T t dga adalah la-la tsmulas. Stlah dpolh dugaa paamt, phtuga ptg laya pada aalss output adalah mga stadad o. Salah satu mtod yag sdhaa da mudah dtapka utuk mghtug stadad o yatu mtod batch ma. T Mtod batch ma dlakuka dga mmbag lag uuta la-la smulas,..., mjad h klompok yag bukua w, shgga T h w. Utuk stap klompok dhtug ataata sampl, msal ata-ata klompok sampl adalah h,...,. Msalka bahwa, ukua sampl w tlah dplh cukup bsa shgga autokolas pada agkaa batch mas kcl, kataka d bawah 0, maka stmas stadad o ˆ dapat dduga dga stadad das da batch mas, yatu: JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 40

7 h l ˆ l B S ˆ (9) h h Stadad o sagat bgua utuk mtuka ktlta da ata-ata dstbus tagt yag dhtug pada smulas yag djalaka. Pada kjada tsbut, jka stadad o tlalu bsa, maka algotma MCMC sbakya djalaka kmbal mgguaka jumlah tas yag lbh bsa. (Johso da Albt, 999) 3. HASIL DAN PEMBAHASAN Dua cotoh kasus sbaga lustas papa algotma M-H yag kt aka dbahas bkut. Cotoh ptama dambl kasus umum uaat da cotoh kdua dambl kasus Baysa uaat. 3.. Papa Algotma M-H utuk Pmbagkta Sampl Radom Bdstbus Bta Pada cotoh aka dbagktka sbuah sampl adom da populas yag bdstbus Bta a, b dga ugs dstas, sbaga bkut: a b a, b, 0 (0) a, b Pmbagkta sampl adom mgguaka algotma Mtopols-Hastgs plu mgguaka sbuah dstbus poposal. Dstbus poposal yag dguaka adalah omal dga ugs dstas, bkut : Btuk ugs dstas dstbus tagt bdasaka psamaa (0) utuk ~ Bta,6 adalah:,6,6 8!5! 7!, Pobabltas pmaa ssua psamaa (7), yatu: m, 5 4 m, 5 4 m, 5 5 JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 4

8 Pmbagkta sampl adom djalaka dga batua sotwa R mgguaka la awal 0 0,5, slsh samplg 0 da tas sbayak Bkut aalss kogs da output yag dhaslka: Gamba (a) Egodc ma plot da sampl yag dbagktka, (b) Tac plot da sampl yag dbagktka, (c) Plot autokolas da sampl yag dbagktka, (d) Hstogam da sampl yag dbagktka Pada Gamba tlhat bahwa godc ma plot sampl yag dbagktka tlah stabl mula tas k Pada tac plot-ya tlhat tdak mmbtuk suatu pola yag mujukka poss bu- tlah slsa. Bkutya pada plot autokolas tlhat bahwa la-la autokolas pada lag ptama mdkat satu da utuk slajutya bkuag muju 0. Bdasaka ktga macam plot tsbut dktahu bahwa algotma tlah kog. Gamba takh mupaka hstogam da sampl yag dbagktka mula da tas 9000sampa Sampl adom stlah kog tsbut duj mgguaka uj Kolmogoo-Smo da dpolh la statstk ujya D=0,03. Jad, sampl adom yag dbagktka basal da dstbus tagt, yatu dstbus bta. 3.. Papa Algotma M-H utuk Pdugaa Paamt pada Kasus Baysa Utuk mglustaska pgguaa algotma Mtopols-Hastgs dalam pdugaa paamt sbuah dstbus pada kasus Baysa, maka pada cotoh aka dduga paamt da populas jumlah bus juusa Jpaa yag masuk tmal Tboyo, Smaag. Populas tsbut dktahu bdstbus Posso yag mmlk ata-ata 4, 55 da ukua sampl yag dguaka 9. Fugs dstas dstbus posso, sbaga bkut: 0,,,... da 0! Dalam s Baysa, plu dktahu ugs lklhood sampl da dstbus po da paamtya. Fugs lklhood utuk dstbus posso, adalah:,...,...!!! Jka y!, maka ugs lklhoodya: y y! Slajutya, dstbus po da dapat dttuka mgguaka po kojugat da po o kojugat. Po o kojugat dapat dpolh dga mgguaka mtod Jy Po Kojugat utuk Dstbus Posso JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 4

9 JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 43 Po kojugat mupaka dstbus po omat utuk mmbka la paamt yag ddasaka pada omas yag dpolh da dataya. Po kojugat da dstbus posso adalah dstbus gamma, yatu:, ; ; 0, 0 Dstbus posto utuk dpolh sbaga bkut: 0, ;, ; d y y y,..., ; 0 (3) Dstbus poposal yag dguaka dalam cotoh kasus yatu adom-walk Mtopols dga dstbus, U dmaa 0,. Po kojugat yag dguaka yatu, Gamma. Pobabltas pmaa algotmaya bdasaka psamaa (7), yatu:,...,,...,, m, m, m Pmbagkta sampl adom djalaka dga batua sotwa R mgguaka la awal 0 0,5, slsh samplg 00 da tas sbayak Bkut aalss kogs da output yag dhaslka: Gamba (a) Egodc ma plot da sampl yag dbagktka, (b) Tac plot da sampl yag dbagktka, (c) Plot autokolas da sampl yag dbagktka, (d) Hstogam da sampl yag dbagktka Pada Gamba tlhat bahwa godc ma plot sampl yag dbagktka tlah stabl mula tas k Pada tac plot-ya tlhat tdak mmbtuk suatu pola yag mujukka poss bu- tlah slsa. Bkutya pada plot autokolas tlhat bahwa la-la autokolas pada lag ptama mdkat satu da utuk slajutya bkuag muju 0. Bdasaka ktga macam plot

10 tsbut dktahu bahwa algotma tlah kog. Gamba takh mupaka hstogam da sampl yag dbagktka mula da tas 0000sampa Pduga Bays utuk paamt da dstbus posso ˆ 4, 5 da scaa tots la ma da dstbus gamma E,..., 4, Jad, la dugaa scaa komputas da tots dpolh hasl yag hamp sama dga la stadad o yag dhaslka sbsa 0, Po Jy utuk Dstbus Posso Po Jy mupaka salah satu btuk pdkata da po o-omat. Lagkah-lagkah mtuka po utuk, sbaga bkut: l! l l! l l slajutya la haapa omas Fsh dhtug bdasaka psamaa (), sbaga bkut: l Bdasaka psamaa () po Jy utuk dstbus posso, yatu: Dstbus posto utuk dpolh da hasl kal ataa ugs lklhood dga dstbus poya da dapat dtulska sbaga bkut:,...,,..., (4) Dstbus poposal yag dguaka dalam cotoh kasus yatu adom-walk Mtopols dga dstbus U, dmaa 0,. Pobabltas pmaa algotmaya bdasaka psamaa (7), yatu:,..., m,,..., m, JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 44

11 Pmbagkta sampl adom djalaka dga batua sotwa R mgguaka la awal 0 0,5, slsh samplg 00 da tas sbayak Bkut aalss kogs da output yag dhaslka: Gamba 3 (a) Egodc ma plot da sampl yag dbagktka, (b) Tac plot da sampl yag dbagktka, (c) Plot autokolas da sampl yag dbagktka, (d) Hstogam da sampl yag dbagktka Pada Gamba 3 tlhat bahwa godc ma plot sampl yag dbagktka tlah stabl mula tas k Pada tac plot-ya tlhat tdak mmbtuk suatu pola yag mujukka poss bu- tlah slsa. Bkutya pada plot autokolas tlhat bahwa la-la autokolas pada lag ptama mdkat satu da utuk slajutya bkuag muju 0. Bdasaka ktga macam plot tsbut dktahu bahwa algotma tlah kog. Gamba takh mupaka hstogam da sampl yag dbagktka mula da tas 0000 sampa Pduga Bays utuk paamt da dstbus posso ˆ 4, 58 dga la stadad o yag dhaslka sbsa 0, KESIMPULAN Algotma Mtopols-Hastgs mupaka salah satu algotma da mtod Mako Cha Mot Calo (MCMC) yag sg dguaka. Dalam pgguaa algotma Mtopols-Hastgs dpluka sbuah dstbus poposal yag dapat dplh salah satuya mgguaka adom-walk Mtopols. Sbaga lustas pgguaa algotma M-H, dbka cotoh pmbagkta sampl adom yag bdstbus bta da pdugaa paamt utuk dstbus posso. Pmbagkta sampl adom yag bdstbus bta djalaka mgguaka jumlah tas Bdasaka aalss output yag dlakuka dktahu bahwa sampl adom yag dhaslka ssua dga dstbus tagtya. Pada cotoh pdugaa paamt da dstbus posso dga s Baysa dguaka po kojugat da po Jy. Hasl dugaa yag mgguaka po kojugat yatu 4,5 dga stadad o sbsa 0,098 da yag mgguaka po Jy yatu 4,58 dga stadad o 0,008 DAFTAR PUSTAKA Ba, L. J. da Eglhadt, M. 99. Itoducto to Pobablty ad Mathmatcal Statstcs Scod Edto. Dubuy Pss: Caloa. Bg, J.O Statstcal Dcso Thoy ad Baysa Aalyss Scod Edto. Spgl- Vlag c.: Nw Yok. Bo, G.E.P ad Tao, G.C Baysa Ic I Statstcal Aalyss. Addso-Wsly Publshg Compay, Ic: Phlpps. Cogdo, P Baysa Statstcal Modllg. Chchst, UK: Joh Wly. Johso, V. E. da Albt, J. H Odal Data Modlg. Spg-Vlag Ic.: Nw Yok. Ntzouas, I Baysa Modlg Usg WBUGS. Joh Wly & Sos, Ic: Nw Jsy. Nusta, P.R Pgkata Playaa d Tmal Tboyo Smaag dga To Ata. Udp: Smaag. Sojot, Z. da Sobaa.988. Is Baysa. Kauka Ustas Tbuka: Jakata. Walsh, B Mako Cha Mot Calo ad Gbbs Samplg. Lctu Nots o EEB [dakss pada 8 Fbua 0] JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 45

12 JURNAL GAUSSIAN Vol., No., Tahu 0 Halama 46

PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED WEIBULL DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM

PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED WEIBULL DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM J. Sas MIPA Eds Khusus Tahu 28 Vol. 4 No. Hal.: 7-22 ISSN 978-873 ABSTRACT PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED WEIBULL DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM Ra Sa Hmta Wasoo da Da Kuasa

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

PROSIDING ISBN :

PROSIDING ISBN : PROSIDING ISBN : 978 979 6353 3 METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya

Lebih terperinci

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB.

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB. 4 tp R= tp + f...(3 tp = tp + fp...(4 Evalua dlakuka dga 2 paag ku da dkum lva yag dbuat khuu utuk plta. Dafta paaga ku uj da dkum lva dapat dlhat pada Lampa 2, dagka Lampa 3 bka dkp da ku uj. Nla all

Lebih terperinci

(Saeter & Hammond, 2006) i, j=1,2,...n. III. PEMBAHASAN

(Saeter & Hammond, 2006) i, j=1,2,...n. III. PEMBAHASAN 6 j j, j,, (Sat & Hammod, 006 III PEMBAHASAN 3 Fug poduk Hubuga ataa put da output dapat dtaomaka olh buah ug poduk Scaa matmat, ug poduk dapat dtulka baga bkut: ( K, L, M, dga: output yag dhalka lama

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 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 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

APROKSIMASI PADÉ DAN PENERAPANNYA PADA ANALISIS PERFORMANSI DETEKSI RADAR

APROKSIMASI PADÉ DAN PENERAPANNYA PADA ANALISIS PERFORMANSI DETEKSI RADAR 9 Absta AROKSIASI ADÉ DA EERAAYA ADA AALISIS ERFORASI DETEKSI RADAR D Sapud, Kutoo Ad Sdato DU Solah Tgg Tolog Tlom, Badug Dpatm atmata, Isttut Tolog Badug ds@stttlom.a.d, sdato@ds.math.tb.a.d Aposmas

Lebih terperinci

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z

BAB 2. Teori Pendukung Lingkungan. Misalkan z. adalah suatu titik pada bidang dan r adalah bilangan nyata. positif. Lingkungan r bagi z BAB Toi Pdukug.. Ligkuga Misalka z adalah suatu titik pada bidag da adalah bilaga yata positi. Ligkuga bagi z -ighbohood o z didiisika sbagai sluuh titik z pada bidag, sdmikia shigga z z < ; ditulis z,.

Lebih terperinci

INTERFERENSI DAN DIFRAKSI

INTERFERENSI DAN DIFRAKSI ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau

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

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

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

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

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 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

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

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Bult Ilmah Mat. Stat. a Trapaya (Bmastr) Volum, No. (3), hal. 5 56. PRBANDINGAN MTOD MAXIMUM LIKLIHOOD STIMATION (ML) DAN MTOD BAYS DALAM PNDUGAAN PARAMTR DISTRIBUSI KSPONNSIAL Dw Nurlala, Daa Kusaar,

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

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

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

Lebih terperinci

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

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

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

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

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

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

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

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

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

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA Dlta-P: Jural Matmatka da Pddka Matmatka ISSN 89-855X Vol., No., Oktobr 3 ALJABAR LINTASAN LAVITT SDRHANA Ida Kura Walyat Program Stud Pddka Matmatka FKIP Urstas Kharu, Trat mal: adhku@gmal.com ABSTRAK

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

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

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

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

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

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

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

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

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

SISTEM PENGOLAHAN ISYARAT. Kuliah 7 Transformasi Fourier Cepat

SISTEM PENGOLAHAN ISYARAT. Kuliah 7 Transformasi Fourier Cepat TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 7 Tasomasi Foui Cpat FFT : Fast Foui Tasom Idah Susilaati, S.T., M.Eg. Pogam Studi Tkik Elkto Fakultas Tkik da Ilmu Komput Uivsitas Mcu Buaa Yogyakata 9 KULIAH 7 SISTEM

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

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1 Itegras Metode Itegral Rema Metode Itegral Trapezoda Metode Itegral Smpso Itegras Permasalaa Itegras Pertuga tegral adala pertuga dasar yag dguaka dalam kalkulus, dalam bayak keperlua. Itegral secara det

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

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

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

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

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

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

Distribusi Waktu Tinggal Dalam Unggun Pancar

Distribusi Waktu Tinggal Dalam Unggun Pancar Dsbus Waku Tggal Dalam Uggu aca Yazd Bda, H Susao, da Ao Hadao Dpam Tkk Kma, Fakulas Tkolog Idus, Isu Tkolog Badug Jl. Gashaa 0 Badug yazd@ch.b.ac.d Absak Uggu paca masuk dalam salah sau p uggu fludaka.

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

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function Prsatua ktuars Idosa Dasar-dasar Matmatka suras Jwa 8 Nombr 00 Utuk soal o s/d 3 d bawah, dktahu suatu sural fucto 00 s ( ) utuk 0 00 0 Htuglah F (75) X 0,0 B 0,30 C 0,40 D 0,50 E 0,0 Htuglah f (75) X

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

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

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volum 4, Nomor 4, Tahu 015, Halama 97-936 Ol d: http://joural-s1.udp.ac.d/dx.php/gaussa ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM MENGGUNAKAN MODEL REGRESI

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

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE NEWTON-STEFFENSEN DENGAN ORDE KEKONVERGENAN TIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR METDE NEWTN-STEFFENSEN DENGN RDE KEKNVERGENN TIG UNTUK MENYELESIKN PERSMN NNLINER Fitiai, Joha Kho, Supiadi Puta Mahaiwa Pogam Studi S Matmatika FMIP Uivita Riau Do JuuaMatmatika FMIP Uivita Riau Fakulta

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

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

PENGUAT GANDENGAN DC

PENGUAT GANDENGAN DC 4 PNGUAT GANDNGAN DC Dalam paktk basanya untuk mmplh suatu pnguatan yang cukup bsa, dapat dlakukan dngan mnggandng bbapa pnguat atau basa dknal dngan pnguat btngkat. Untuk mnjaga aga tgangan panja (bas)

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

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

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 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

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

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

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat . Hubuga Dasar rbabltas rbabltas adalah harga prbadga jumlah kjada A yag mugk dapat trjad trhadap jumlah ksluruha kjada yag mugk trjad dalam sbuah prstwa. Cth:. luag utuk mdapatka agka gap dar lmpara sbuah

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

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI ESIMSI PMEE DI DISIBUSI WEIBULL EMODIFIKSI Nama Mahasswa : mboo Puto NP : 48 Juusan : Matmatka FMIP-IS Dosn Pmbmbng : Ds. Fada gustn Wdjajat, MS bstak Sahan dan Zanudn (8) mmpknalkan gnalsas da dstbus

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl

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

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

PRAKIRAAN KEBUTUHAN ENERGI LISTRIK TAHUN PADA PT. PLN AREA PELAYANAN JARINGAN MALANG DENGAN METODE GABUNGAN

PRAKIRAAN KEBUTUHAN ENERGI LISTRIK TAHUN PADA PT. PLN AREA PELAYANAN JARINGAN MALANG DENGAN METODE GABUNGAN PRAKIRAAN KEBUTUHAN ENERGI LISTRIK TAHUN 2012-2022 PADA PT. PLN AREA PELAYANAN JARINGAN MALANG DENGAN METODE GABUNGAN Padaa Aoaa Tto¹, I. Uul Wbawa, MSc.², D. I. Hay Sokotjo Dachla, MSc³ ¹Mahasswa Tkk

Lebih terperinci

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner Pgklasfkasa Pyakt Jatug D RSUD Abdul Wahab Sjahra Samarda Dga Mgguaka Rgrs Logstk Br Classfcato of Hart Dsas RSUD Abdul Wahab Sjahra Samarda Usg Bary Logstk Rgrsso Adras Sutato 1, Darah A. Noh, Syarudd

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

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

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

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 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

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

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

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 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

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

Lebih terperinci

IDENTIFIKASI POLA DISTRIBUSI CURAH HUJAN MAKSIMUM DAN PENDUGAAN PARAMETERNYA MENGGUNAKAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO.

IDENTIFIKASI POLA DISTRIBUSI CURAH HUJAN MAKSIMUM DAN PENDUGAAN PARAMETERNYA MENGGUNAKAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO. Idetfkas Pola (Moch. Abdul M.) IDENTIFIKASI POLA DISTRIBUSI CURAH HUJAN MAKSIMUM DAN PENDUGAAN PARAMETERNYA MENGGUNAKAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO Moch. Abdul Mukd, Yucaa Wladar Staf Pegaar

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA PELABELAN HARMONIS GANJIL PADA GRAF KINIR ANGIN BELANDA DAN GABUNGAN GRAF KINIR ANGIN BELANDA Fery Frmasah ), Kk Aryat Sugeg ) Abstrak : Gra G V G, EG dega V G adalah hmpua smpul da G hmpua busur dsebut

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 IfJal Ilmah Pogam d Mamaka TKIP lwag Badg Vol No Fba PNRAPAN MTOD BARAN PIVOT DALAM PNURUNAN RUMU TAKIRAN INTRVAL DARI KOFIIN RGRI LINAR DRHANA Olh : Na Hhao Jsa Pddka Mamaka FPMIPA UPI Absak Rgs mpaka

Lebih terperinci

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal Peerapa Teor Lmt Pusat Multvarat pada Pegedala Proses Pelayaa d Polklk Rawat Jala Rumah akt Umum Kardah Tegal Isa, M. PMTK FKIP Uv. Pacasakt Tegal sa@yahoo.com Abstrak Baga kedal adalah alat yag lazm dguaka

Lebih terperinci

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, smrd2007@gmal.com 2 Mathematcs Departmet, Gadah Mada Uverst, supama@ugm.ac.d

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

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

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