KLASIFIKASI NASABAH KREDIT BANK X DI PROVINSI LAMPUNG MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL

Ukuran: px
Mulai penontonan dengan halaman:

Download "KLASIFIKASI NASABAH KREDIT BANK X DI PROVINSI LAMPUNG MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL"

Transkripsi

1 ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahu 5, Halama Olie di: hp://ejoural-s.udip.a.id/idex.php/gaussia KLASIFIKASI NASABAH KREDIT BANK X DI PROVINSI LAMPUNG MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL Maulida Azkiya, Moh. Abdul Mukid, Dwi Ispriyai 3 Mahasiswa Jurusa Saisika FSM Uiversias Dipoegoro,3 Saff Pegajar Jurusa Saisika FSM Uiversias Dipoegoro idaazkiya@gmail.om mamukid@yahoo.om ispriyai.dwi@gmail.om ABSTRACT Credi is he bigges asse arried ou by a bak ad beome he mos domia oribuor o he bak iome. However, he aiviy o disribue he redi akes a risk whih a ifluee healh ad oiuae of bak busiess. The redi risk whih poeially ours a be measured ad orolled by aalyzig direly he redi lie whih belogs o urre redi or bad redi based o he haraer i redi assessme, suh as age, ad amou of loa, how log he relaioship bewee ompay ad bak, he period of ompay, oal iome, ad deb risk of ompay o he iome. Disrimia aalysis is a mulivariae saisial ehique whih a be used o lassify he ew observaio io a speifi group. Kerel disrimia aalysis is a o-parameri mehod whih is flexible beause i does o have o oer abou assumpio from erai disribuio ad equal variae maries as i parameri disrimia aalysis. The lassifiaio usig he kerel disrimia aalysis wih he ormal kerel fuio wih opimum badwidh, i daa of redi lie from bak X i Lampug Provie gives aurae lassififaio 9% whereas kerel disrimia aalysis wih he epaehikov fuio wih he opimum badwidh 4,6 gives he aurae lassifiaio 79%. Keywords: redi, lassifiaio, kerel disrimia aalysis. PENDAHULUAN Meuru Udag-udag RI omor ahu 998 eag perbaka, bak adalah bada usaha yag meghimpu daa dari masyaraka dalam beuk simpaa da meyalurka kepada masyaraka dalam beuk kredi da aau beuk-beuk laiya dalam ragka meigkaka araf hidup rakya bayak. Kredi merupaka ase yag palig besar yag dikelola bak da juga merupaka koribuor yag palig domia erhadap pedapaa bak. Keika bak meeapka kepuusa pemberia kredi maka sasara yag hedak erapai adalah ama, erarah da meghasilka pedapaa (Taswa, 6). Namu, kegiaa meyalurka kredi megadug risiko yag dapa mempegaruhi kesehaa da kelagsuga usaha bak. Seiap bak harus mejaga kualias krediya sebaik mugki sekaligus sedii mugki uuk megeali kemuula peurua kualias kredi. Kualias kredi dapa dieapka berdasarka klasifikasi kredi laar da mae. Peerapa prisip kehai-haia perlu dilakuka oleh bak dega megaalisa asabah kredi maa yag ermasuk ke dalam saus kredi laar aau kredi mae agar resiko yag berpoesi uuk erjadi (redi risk) dapa diukur da dikorol (Taswa, 6). Salah sau aalisis yag dapa diguaka uuk megklasifikasika da megalokasika apakah asabah ersebu masuk ke dalam kaegori kredi laar aau kredi mae adalah aalisis diskrimia. Pedekaa aalisis diskrimia saga beragam, mulai dari meode paramerik sampai dega oparamerik. Pada umumya, meode yag serig diguaka uuk masalah klasifikasi pada peeliia-peeliia sebelumya adalah meode diskrimia paramerik yaiu aalisis diskrimia liier yag dikembagka oleh R. A Fisher (936). Meode diskrimia liier merupaka salah sau ekik mulivaria yag memerluka asumsi variabel predikor harus berdisribusi ormal mulivaria da marik varias-kovarias harus sama. Namu, pada

2 peerapaya, meode diskrimia liier serig melibaka variabel-variabel yag idak megikui pola disribusi ormal, sehigga diperoleh hasil klasifikasi diskrimia liier yag idak opimal (Dillo da Goldsei, 984). Uuk megaasi hal ersebu, maka dapa didekai dega meode oparamerik. Meode oparamerik yag bersifa fleksibel adalah aalisis diskrimia kerel karea idak harus memeuhi asumsi ereu seperi pada aalisis diskrimia paramerik. Pada peeliia ii peulis membahas eag klasifikasi asabah kredi bak X megguaka aalisis diskrimia kerel.. TINJAUAN PUSTAKA. Pegeria Bak Bak adalah suau lembaga yag berpera sebagai lembaga peraara keuaga (fiaial Iermediary) aara pihak-pihak yag memiliki kelebiha daa (surplus spedig ui) dega mereka yag membuuhka daa (defii spedig ui), sera berfugsi uuk memperlaar lalu lias pembayara giral yag dilakuka aas dasar falsafah keperayaa (Taswa, 6). Meuru Udag-udag RI omor ahu 998 eag perbaka adalah bada usaha yag meghimpu daa dari masyaraka dalam beuk simpaa da meyalurka kepada masyaraka dalam beuk kredi da aau beuk-beuk laiya dalam ragka meigkaka araf hidup rakya bayak.. Pegeria Kredi Kaa kredi berasal dari bahasa Yuai Credere yag berari keperayaa, berasal dari bahasa Lai Crediium yag berari keperayaa aka kebeara. Isilah yag diguaka uuk para pegambil kredi adalah debiur da pihak pemberia kredi (bak) disebu krediur aau dega ari lai debiur adalah peerima daa sedagka krediur adalah peyedia daa (Kasmir, )..3 Peilaia Kredi Meuru Kasmir (), krieria peilaia yag harus dilakuka oleh krediur uuk medapaka asabah yag bear-bear meguugka dilakuka dega aalisis peilaia pemberia kredi yag dikeal dega prisip 6C yaiu haraer, apaiy, apial, ollaeral, odiio of eoomi da osrai. Dari keeam prisip ersebu, yag palig perlu medapaka perhaia aou offier adalah haraer..4 Aalisis Diskrimia Meuru Hair e al., (6), aalisis diskrimia merupaka salah sau meode dalam aalisis mulivaria dega meode depedesi (dimaa hubuga aar variabel sudah bisa dibedaka maa variabel erika da maa variabel bebas). Ii berari ada variabel yag hasilya ergaug dari daa variabel idepede. Aalisis diskrimia diguaka pada kasus dimaa variabel bebas berupa daa merik (ierval aau rasio) da variabel erika berupa daa omerik (omial aau ordial). Aalisis diskrimia dapa diguaka uuk meagai baik dua kelompok aau beberapa kelompok. Keika variabel depede erdiri dari dua kelompok, ekik aalisis diskrimia ii disebu aalisis diskrimia dua kelompok. Keika variabel depede erdiri dari iga aau lebih kelompok, ekik aalisis diskrimia ii disebu aalisis diskrimia bergada (muliple disrimia aalysis). Pegelompokka pada aalisis diskrimia bersifa muually exlusive, yaiu jika suau pegamaa elah masuk pada salah sau kelompok maka idak dapa mejadi aggoa dari kelompok yag lai. (Hair e al., 6). JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 938

3 Tujua aalisis diskrimia seara umum adalah uuk melakuka klasifikasi erhadap suau pegamaa, apakah pegamaa masuk pada kelompok dega,,..., g dalam suau kelompok aau idak (Seber, 4). Pedekaa aalisis diskrimia saga beragam, mulai dari pedekaa paramerik sampai pedekaa oparamerik. Pada umumya, prosedur aalisis diskrimia paramerik yag serig diguaka berdasarka populasi ormal karea kesederhaaa da efisiesi yag ukup iggi diberbagai maam model populasi. Namu, dalam prakikya meode diskrimia paramerik serig melibaka peubah-peubah yag idak megikui pola disribusi ormal, sehigga diperoleh hasil klasifikasi diskrimia yag idak opimal (Johso da Wiher, 7). Aalisis diskrimia paramerik yag erkeal adalah aalisis diskrimia liier da kuadraik. Aalisis diskrimia liier diguaka apabila marik ragam peragam populasi sama. Sedagka pada aalisis diskrimia kuadraik diguaka apabila marik ragam peragam populasi berbeda (Johso da Wiher, 7). Aalisis diskrimia uuk megklasifikasika daa apa memperhaika asumsi ereu dapa megguaka pedekaa oparamerik dega meode kerel (Silverma, 986)..5 Aalisis Diskrimia Kerel Meuru Kharee (), misalka x,..., x adalah sampel aak dari populasi, da x adalah sebuah amaa ambaha dari populasi yag maa idak dikeahui fugsi kepadaa peluag f ( x ). Fugsi kepadaa peluag f ( x) dapa diesimasi dega: ^ f ( x) K (x xi i ) dimaa Kuaias K (x) disebu fugsi kerel kelompok ke-. Beberapa kerel peubah gada yag serig diguaka pada peduga fugsi kepadaa ^ peluag f ( x) adalah: a. Kerel Normal (mea, varia h S ) T K z exp.5z S z h d d h S dega b. Kerel Epaehikov K T z S z h z, jika T S z z h, uuk laiya d h d d dega v S da d h v h dimaa z x - xi,,..., g meyaaka kelompok ke-, h meyaaka ilai parameer pemulus, d meyaaka bayak variabel predikor, da S adalah marik ragam peragam kelompok ke- (Kharee, ). JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 939 ()

4 Pemiliha ilai badwidh, dapa dilakuka seara subyekif dega meoba berbagai piliha badwidh pada daa (rial ad error). Peeua badwidh opimal dalam aalisis diskrimia kerel, dapa dilakuka dega membadigka hasil keepaa klasifikasi dari rial ad error yag dilakuka dega megguaka ilai badwidh yag berbedabeda. Nilai badwidh yag opimal adalah ilai badwidh yag meghasilka keepaa klasifikasi yag palig iggi (Kharee, ). Aura klasifikasi pada aalisis diskrimia kerel megguaka aura bayes berdasarka peluag poserior erbesar. Berdasarka fugsi kepadaa peluag, maka peluag poserior dari kelompok x dapa dihiug. Misalka f (x) adalah peduga fugsi kerel dari kelompok, da P adalah peluag awal dari kelompok,,..., g. Peluag poserior suau pegamaa x berasal dari kelompok (Johso da Wiher, 7): P fˆ x P x (3) g P fˆ x dimaa P g p diperoleh dari: Pegamaa x dialokasika ke erbesar. ^ uuk adalah (4) yag mempuyai peluag poserior P x.6 Keepaa Klasifikasi APER (Appare Error Rae) aau yag disebu laju error merupaka ukura evaluasi yag diguaka uuk meliha peluag kesalaha klasifikasi yag dihasilka oleh suau fugsi klasifikasi. Nilai APER meujukka proporsi observasi yag salah diklasifikasika oleh fugsi klasifikasi. Semaki keil ilai APER maka hasil pegklasifikasia semaki baik (Praseyo, ). Meuru Johso da Wiher (7), erjadiya kesalaha klasifikasi suau observasi merupaka hal yag saga mugki erjadi. Hal ii dikareaka erkadag erdapa beberapa observasi yag idak berasal dari kelompok ereu eapi dimasukka ke dalam kelompok ersebu. Perhiuga ilai Appare Error Raes (APER) dapa dilakuka dega megguaka mariks kofusi sebagai beriku: Tabel. Marik Kofusi Hasil Prediksi Kelompok Kelompok Kelompok Prediksi Jumlah Akual Observasi APER (5) JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 94

5 dimaa: = bayak daa dalam kelompok yag seara bear dipeaka ke kelompok = bayak daa dalam kelompok yag dipeaka seara salah ke kelompok = bayak daa dalam kelompok yag seara bear dipeaka ke kelompok = bayak daa dalam kelompok yag dipeaka seara salah ke kelompok Dari perhiuga ilai APER yag elah diuraika ersebu, maka uuk meari ilai keepaaya dapa megguaka - APER. 3. METODOLOGI PENELITIAN 3. Sumber Daa Daa yag diguaka dalam peulisa ugas akhir ii, adalah daa sekuder yag diperoleh dari bak X di Provisi Lampug. Daa ersebu merupaka daa 999 asabah kredi berdasarka saus kredi laar da mae, yag erdiri dari 8 asabah kredi bersaus laar da 99 asabah kredi bersaus mae. 3. Variabel Peeliia Variabel depede (Y) yag diguaka dalam peeliia ii adalah saus kredi asabah kredi yag dikaegorika dega oasi uuk kredi laar da uuk kredi mae. Sedagka variabel idepede yag diguaka adalah usia debiur dalam saua ahu (X ), jumlah agguga dalam saua orag (X ), lama hubuga dega bak dalam saua ahu (X 3 ), lama usaha perusahaa dalam saua ahu (X 4 ), pedapaa oal dalam saua rupiah (X 5 ), da rasio huag erhadap pedapaa dalam saua perse (X 6 ). 3.3 Meode Aalisis Meode aalisis yag dilakuka yaiu dega ahapa sebagai beriku: ) Memasukka daa saus kredi sebagai variabel respo da usia debiur, jumlah agguga, lama hubuga dega bak, lama usaha perusahaa, pedapaa oal, sera rasio huag erhadap pedapaa sebagai variabel predikor. ) Aalisis deskripif daa debiur berdasarka saus kredi. 3) Membagi daa mejadi daa raiig da daa esig. 4) Melakuka aalisis diskrimia kerel dega lagkah sebagai beriku: a) Meeuka fugsi kepadaa kerel b) Memasukka ilai parameer pemulusa aau badwidh h ) Pegklasifikasia debiur dega ilai badwidh berbeda-beda d) Meghiug keepaa klasifikasi megguaka krieria APER e) Lagkah (b)-(d) diulag beberapa kali uuk ilai h yag berbeda-beda. 4. HASIL DAN PEMBAHASAN 4. Karakerisik Nasabah Kredi Dari daa asabah kredi bak X di Provisi Lampug, dapa diperoleh karakerisik asabah kredi berdasarka saus kredi laar da mae sebagai beriku: JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 94

6 Tabel. Nilai Mea da Sadar Deviasi Daa Nasabah Kredi Bak X di Provisi Lampug Variabel Laar Mae Mea S. Dev Mea S. Dev Usia (ahu) 35,75 7, ,46 8,55 Jumlah agguga (orag),593,396,537,979 Lama hubuga dega bak (ahu) Lama usaha perusahaa (ahu) 3,875,8978,593,8,875 8,36 6,995,435 Pedapaa oal (rupiah) , , , ,96 Rasio huag erhadap pedapaa (persease) 9,4,8 3, 9,8 Variabel usia, jumlah agguga, lama hubuga dega bak, lama usaha peusahaa da pedapaa oal pada kelompok laar mempuyai ilai raa-raa yag lebih iggi dari pada kelompok mae. Sedagka variabel rasio huag erhadap pedapaa pada kelompok laar memiliki raa-raa yag lebih keil dari pada kelompok mae. 4. Pembagia Daa Sampel Pada peeliia ii, daa yag diguaka dalam aalisis dibagi mejadi dua bagia yaiu daa raiig da daa esig. Daa raiig merupaka daa yag diguaka dalam pembeuka fugsi kepadaa peluag sedagka daa esig merupaka daa yag diguaka uuk validasi fugsi yag elah dihasilka oleh daa raiig. Pada peeliia ii diguaka 899 asabah kredi sebagai daa raiig da asabah kredi sebagai daa esig. 4.3 Aalisis Diskrimia Kerel Pada aalisis diskrimia kerel ii diguaka fugsi kerel ormal da fugsi kerel epaehikov. Variabel respo Y erdapa dua kelompok, yaiu =,. Kelompok meyaaka daa asabah kredi dega saus laar da kelompok meyaaka daa asabah kredi dega saus mae. Ukura sampel pada daa raiig uuk masigmasig kelompok adalah: = 7 =89 Fugsi kepadaa yag diguaka dalam klasifikasi diskrimia kerel adalah sebagai beriku: f ) ^ 7 ( x) K(x xi 7 i f ) ^ 89 ( x) K (x xi 89 i JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 94

7 ) Aalisis Diskrimia Kerel dega Fugsi Kerel Normal Fugsi Kerel Normal yag diguaka sebagai beriku: K z T exp. 5z 6 6 h S K S T z exp. 5z S 6 6 h S z z h h ) Pemiliha Badwidh Opimum Hasil klasifikasi aalisis diskrimia kerel megguaka fugsi kerel ormal dega badwidh aara, higga,9 dapa diliha pada gambar. Gambar. Hasil Keepaa Klasifikasi Megguaka Aalisis Diskrimia Kerel Normal dega Badwidh, sampai,9 pada daa raiig Berdasarka gambar, persease keepaa klasifikasi eriggi adalah aalisis diskrimia kerel dega fugsi kerel ormal megguaka ilai badwidh sebesar, dimaa hasil keepaa klasifikasi sebesar 76,53%. Selajuya, dapa diperoleh riia hasil klasifikasi daa raiig megguaka badwidh, pada Tabel 3. Tabel 3. Hasil Klasifikasi Daa Traiig Nasabah Kredi Bak X di Provisi Lampug dega Fugsi Kerel Normal da badwidh, Kelompok Prediksi Kelompok Akual Jumlah Jumlah JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 943

8 Tabel 3 meujukka dari 899 daa raiig yag diaalisis asabah kredi yag epa diklasifikasika bersaus laar sebayak 64 orag da asabah kredi yag diklasifikasika epa bersaus mae sebayak 46 orag. Selai iu, asabah kredi yag seharusya bersaus laar amu diklasifikasika asabah kredi bersaus mae sebayak 68 orag da asabah kredi yag seharusya bersaus mae amu diklasifikasika asabah kredi bersaus laar sebayak 43 orag. Selai iu, diujukka riia hasil klasifikasi daa esig megguaka badwidh, pada Tabel 4. Tabel 4. Hasil Klasifikasi Daa Tesig Nasabah Kredi Bak X di Provisi Lampug Megguaka Fugsi Kerel Normal da badwidh, Kelompok Prediksi Kelompok Akual Jumlah Jumlah 8 8 Tabel 4 meujukka dari daa esig yag diaalisis megguaka diskrimia kerel fugsi kerel ormal dega badwidh,, asabah kredi yag epa diklasifikasika bersaus laar sebayak 8 orag da asabah kredi yag diklasifikasika epa bersaus mae sebayak orag. Selai iu, asabah kredi yag seharusya bersaus laar amu diklasifikasika asabah kredi bersaus mae sebayak 8 orag. 8 APER Nilai Keepaa = - APER = -,8 8 8 =,8 =,9 = 9% 3) Aalisis Diskrimia Kerel dega Fugsi Kerel Epaehikov Fugsi kerel Epaehikov yag diguaka sebagai beriku: K T z S z h z 6 dega, v h K da v h 4 T z S z h z 6 dega v h 3 h 6 S da v h 3, jika 6 h 4 S 4) Pemiliha Badwidh Opimum Hasil klasifikasi aalisis diskrimia kerel megguaka fugsi kerel epaehikov dega badwidh aara 4,4 higga 5,6 dapa diliha pada gambar 3. T S z z h, uuk laiya, T, jika S z z h, uuk laiya JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 944

9 Gambar 3. Hasil Keepaa Klasifikasi Megguaka Aalisis Diskrimia Kerel Epaehikov dega Badwidh 4,4 sampai 5,6 pada Daa Traiig Berdasarka gambar 3, persease keepaa klasifikasi eriggi dega megguaka ilai badwidh sebesar 4,6 dega hasil keepaa klasifikasi sebesar 7,4%. Beriku ii diujukka riia hasil klasifikasi daa raiig megguaka badwidh 4,6: Tabel 5. Hasil Klasifikasi Megguaka Aalisis Diskrimia Kerel Epaehikov Daa Traiig Nasabah Kredi Bak X di Provisi Lampug Kelompok Prediksi Kelompok Akual Jumlah Jumlah Tabel 5 meujukka bahwa dari 899 daa raiig, asabah kredi yag epa diklasifikasika bersaus laar sebayak 568 orag. Sedagka asabah kredi yag diklasifikasika epa bersaus mae sebayak 74 orag. Selai iu, asabah kredi yag seharusya bersaus laar amu diklasifikasika asabah kredi bersaus mae sebayak 4 orag da asabah kredi yag seharusya bersaus mae amu diklasifikasika asabah kredi bersaus laar sebayak 5 orag. Selai iu, diujukka riia hasil klasifikasi daa esig megguaka badwidh 4,6 pada Tabel 6. Tabel 6. Hasil Klasifikasi Megguaka Aalisis Diskrimia Kerel Epaehikov Daa Tesig Nasabah Kredi Bak X di Provisi Lampug Kelompok Prediksi Kelompok Akual Jumlah Jumlah 79 Tabel 6 meujukka bahwa dari daa esig yag diaalisis megguaka diskrimia kerel epaehikov dega badwidh 4,6, asabah kredi yag epa diklasifikasika bersaus laar sebayak 74 orag. Sedagka asabah kredi yag diklasifikasika epa bersaus mae sebayak 5 orag. Selai iu, asabah kredi JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 945

10 yag seharusya bersaus laar amu diklasifikasika asabah kredi bersaus mae sebayak 6 orag. Sedagka asabah kredi yag seharusya bersaus mae amu diklasifikasika asabah kredi bersaus laar sebayak 5 orag. 6 5 APER , Keepaa Klasifikasi = APER =, =,79 = 79% 5. PENUTUP 5. Kesimpula ) Pegklasifikasia daa asabah kredi bak X di Provisi Lampug megguaka aalisis diskrimia kerel dega fugsi kerel ormal da badwidh opimum sebesar, meujukka sebayak 8 asabah kredi diklasifikasika dega bear ke dalam kelompok laar, asabah kredi diklasifikasika dega bear ke dalam kelompok mae da erdapa 8 asabah kredi salah diklasifikasika sedagka dega fugsi kerel epaehikov da badwidh opimum sebesar 4,6 meujukka sebayak 74 asabah kredi diklasifikasika dega bear ke dalam kelompok laar, 5 asabah kredi diklasifikasika dega bear ke dalam kelompok mae da erdapa asabah kredi salah diklasifikasika. ) Persease keepaa klasifikasi asabah kredi bak X di Provisi Lampug megguaka aalisis diskrimia kerel dega fugsi kerel ormal da badwidh opimum, sebesar 9%, sedagka aalisis diskrimia kerel dega fugsi kerel epaehikov da badwidh opimum 4,6 sebesar 79%. 3) Aalisis diskrimia kerel dega fugsi kerel ormal megklasifikasika daa asabah kredi bak X lebih baik dibadigka aalisis diskrimia kerel dega megguaka fugsi kerel epaehikov, karea meghasilka keepaa klasifikasi yag lebih iggi. DAFTAR PUSTAKA Dillo, W. ad Goldsei, M., 984. Mulivariae Aalysis Mehods ad Appliaio. New York: Joh Wiley & Sos, I. Hair, J. F., Blak. W. C., Babi. B. J. ad Aderso R. E., 6. Mulivariae Daa Aalysis. Seveh Ediio. Pearso Eduaio Preie Hall. I. Johso, R. A. ad Wiher. D. W., 7. Applied Mulivariae Saisial Aalysis. Sixh Ediio. New Jersey: Preie Hall Ieraioal. I. Kasmir.. Maajeme Perbaka. Jakara : Peerbi PT Rajagrafido Persada. Kharee, R. ad Naik, D. N.,. Mulivariae Daa Reduio ad Disrimiaio wih SAS Sofware. Cary, NC: SAS Isiue. I. Praseyo, E.,. Daa Miig Kosep da Aplikasi Megguaka Malab. Yogyakara: Adi Offse. Seber, G.A.F., 4. Mulivaria Observaio. New Jersey: Joh Wiley ad Sos. Silverma, B. W., 986. Desiy Esimaio for Saisis ad Daa Aalysis. Lodo: Chapma ad Hall. Taswa. 6. Maajeme Perbaka. Kosep Tekik & Aplikasi + Bakig Risk Assesseme. Yogyakara: UPP STIM YKPN. JURNAL GAUSSIAN Vol. 4, No. 4, Tahu 5 Halama 946

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

Barekeng, Juni hal Vol. 1. No. 1

Barekeng, Juni hal Vol. 1. No. 1 Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

METODOLOGI 3.1 Waktu dan Tempat 3.2 Data Penelitian

METODOLOGI 3.1 Waktu dan Tempat 3.2 Data Penelitian 7 3. METODOLOGI 3. Waku da Tempa Peeliia dilaksaaka di laboraorium Klimaologi CCROM. Seluruh ragkaia kegiaa peeliia dilaksaaka melipui sudi pusaka aau lieraur pegumpula daa peeliia pegolaha daa da perbaika

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

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

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

Kemampuan Penggunaan Kalimat pada Karangan Siswa Kelas VI MIMA III Miftahul Ulum Desa Gumelar Kecamatan Balung Kabupaten Jember

Kemampuan Penggunaan Kalimat pada Karangan Siswa Kelas VI MIMA III Miftahul Ulum Desa Gumelar Kecamatan Balung Kabupaten Jember Kemampua Pegguaa pada Karaga Siswa Kelas VI MIMA III Mifahul Ulum Desa Gumelar Kecamaa Balug Kabupae Jember (The use of he Auhorship Capabiliies Seece Sixh Grade Sudes MIMA III Mifahul Ulum Gumelar Village

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: muy.sms@gmail.com ABSTRAK

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Kata Kunci : Regresi Hazard Aditif, Waktu Tunggu, Kejadian Berulang, Cause specific

Kata Kunci : Regresi Hazard Aditif, Waktu Tunggu, Kejadian Berulang, Cause specific Model Regresi Hazard Adiif uuk Waku Tuggu Keadia Berulag dega Cause Specific Hayuig Pui Lesari 1, Lieda Noviyai 2, Gao R. Seyao 3 Uiversias Padadara Program Pedidika Magiser Program Sudi Saisika Terapa,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA DISUSUN OLEH : NAMA : AZIS WIDODO NIM : 41605110061 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009 BAB II TEORI DASAR 2.1. Proses Pemesia Muli-Ais Proses pemesia muli-ais didefiisika sebagai proses pemesia ag dilakuka dega mesi frais/millig (CNC) dega pergeraka lima-ais (5- ais), aau biasa disebu pemesia

Lebih terperinci

ALGORITMA DATA MINING

ALGORITMA DATA MINING ALGORITMA DATA MINING A. DECISION TREE. Kosep Decisio Tree Megubah daa mejadi poho kepuusa (decisio ree) da aura-aura kepuusa (rule). Sebagai cooh misalya igi membua aura yag dapa diguaka uuk meeuka apakah

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT. LEMINDO ABADI JAYA AREA DISTRIBUSI RIAU DARATAN) Peir Papilo 1, Ramadhail 2 Jurusa

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di IV. METODOLOGI PENELITIAN 4.1 Lokasi da Waku Peeliia Peeliia yag dilakuka pada Bula Jauari higga Mei 2008 yag mecakup peyusua proposal higga peyusua draf skripsi dilaksaaka di empa kecamaa di Kabupae Garu,

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN)

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii, Pegguaa Meode Peramala dalam. PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii Program Sudi Tekik Idusri Fakulas Tekik da MIPA, Uiversias

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

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

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

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1. Kosep Supply Chai Supply chai adalah jariga isasi-isasi yag secara bersama-sama bekerja uuk mecipaka da meghaarka suau produk ke aga pemakai akhir (ed user). Isasi-isasi ersebu

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

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4 JURNAL ILMU-ILMU EKNIK - SISEM Vol. 3 No. OPIMASI INVENORY COS PAA MOEL MAEMAIKA EP (ECONOMIC PROUCION UANIY) ENGAN ACKORER AN VARIASI SE UP COS Rofila El Maghfiroh 4 Absrak: Masalah pegedalia persediaa

Lebih terperinci

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci