PENDAHULUAN LANDASAN TEORI
|
|
- Indra Salim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang nilai asar, seeri nilai ukar maa uang yang diharakan ada sae yang idak bisa diamai menyangku bidang ekonomi sebagai acuan unuk membua okok kebakan dan keuusan, sebagai conoh, memuuskan kebakan moneer Perubahan nilai ukar maa uang meruakan suau kejadian yang bisa erjadi kaan saja dalam eriode waku yang anjang Dengan asumsi erubahan yang erjadi ada waku yang lalu mungkin erjadi kembali di masa mendaang, sehingga hal ini meruakan suau roses sokasik Fakor enyebab kejadian (sae) ersebu daa berkembang menuru model ranai Markov di mana sae yang akan daang hanya diengaruhi oleh sae sekarang dan bebas erhada sae yang lalu Jika enyebab kejadian idak diamai secara langsung (hidden) dan membenuk ranai Markov maka asangan kejadian dan enyebabnya daa dimodelkan dengan model Hidden Markov (Hidden Markov Model, HMM) Menghilangnya ara invesor dari Indonesia selama erjadinya krisis keuangan dalam kurun waku ahun , menyisakan banyak ermasalahan idak hanya di bidang ekonomi ai juga ada sekor erdagangan dan ariwisaa Dengan kondisi oliik, sosial, dan keamanan yang sudah mulai kondusif, sanga ening sekali bagi emerinah unuk menarik ara invesor luar dan dalam negeri kembali menanamkan modal mereka di negeri ini Ramalan nilai ukar maa uang Ruiah erhada US Dollar meruakan suau informasi ening yang daa digunakan emerinah unuk menenukan kebakan di bidang ekonomi, erdagangan, dan ariwisaa Fakor uama enyebab melemahnya nilai ukar Ruiah erhada US Dollar anara lain insabilias oliik, sosial, ekonomi, dan keamanan amun kejadian-kejadian ini idak diamai secara langsung (hidden) Permasalahan yang dibahas dalam karya ilmiah ini adalah enggunaan model dere waku Hidden Markov dalam menggambarkan erilaku nilai ukar Ruiah erhada US Dollar Dalam dere waku Hidden Markov, kejadian yang diamai selain diamai oleh fakor enyebab kejadian, juga diengaruhi oleh kejadian sebelumnya Dalam model ini akan dicari enduga arameer yang akan memaksimumkan eluang erjadinya suau kejadian Meode Maimum Likelihood dan algorima Eecaion Maimum adalah meode yang digunakan unuk endugaan arameer ersebu Seelah endugaan arameer yang memaksimumkan eluang erjadinya suau kejadian didaakan, maka diharakan daa dilakukan suau enarikan kesimulan yang oimal dan eramalan sae Tujuan Tujuan dari karya ilmiah ini adalah: Memelajari dere waku Hidden Markov sau waku sebelumnya besera enduga arameernya Menggunakan dere waku Hidden Markov dalam masalah nilai ukar Ruiah erhada US Dollar LADASA TEORI Ruang Conoh, Kejadian dan Peluang Definisi (Percobaan Acak) Suau ercobaan yang daa diulang dalam keadaan yang sama di mana hasil dari ercobaan ini idak daa diebak dengan ea namun daa dikeahui semua kemungkinan hasilnya disebu ercobaan acak Definisi (Ruang Conoh dan Kejadian) Himunan dari semua kemungkinan hasil yang muncul dari suau ercobaan acak disebu ruang conoh, dinoasikan dengan Ω Suau kejadian A adalah himunan bagian dari Ω
2 Definisi 3 (Medan-σ ) Medan-σ adalah suau himunan F yang anggoanya adalah himunan bagian dari ruang conoh Ω sera memenuhi syara-syara sebagai beriku: a φ F Jika,, F maka U Ai F c c Jika A F maka A F b A A Definisi 4 (Ukuran Peluang) Ukuran eluang P ada (Ω,F) adalah fungsi :, yang memenuhi: a P ( φ) = P ( Ω) = P F [ ] b Jika A, A, F adalah himunan yang saling leas, yaiu Ai Aj = φ unuk seia asangan i, j di mana i j, maka P U Ai = P( Ai ) Pasangan (Ω, F, P) disebu ruang eluang Teorema (Koninu Absolu) Jika v dan µ meruakan dua ukuran eluang ada (Ω,F) Ukuran eluang v dikaakan koninu absolu erhada ukuran eluang µ jika µ A= maka va=, unuk seia A F Dinoasikan v µ [buki liha Royden, 963] Teorema (Radon ikodym) Jika P dan P meruakan dua ukuran eluang ada ( Ω,F) dan P P, maka erdaa eubah acak ak negaif sehingga P( C) = dp unuk semua C F c Dinoasikan dp dp F = [buki liha Wong dan Hajek, 985] Definisi 5 (Peluang Bersyara) Jika P ( B) > maka eluang bersyara dari kejadian A seelah dikeahui kejadian B adalah P( A B) P( A B) = P( B) Definisi 6 (Kejadian Saling Bebas) Kejadian dikaakan saling bebas jika P ( A B) = P( A) P( B) Misal I adalah himunan indeks Himunan A : i I disebu saling bebas jika kejadian { } i ( ) P( I A ) = P A J i i J unuk seia himunan bagian berhingga J dari I Peubah Acak dan Sebarannya Definisi 7 (Peubah Acak) Misalkan F adalah medan-σ dariω Peubah acak meruakan fungsi : Ω R ω Ω : ( ω) F unuk seia di mana { } R Peubah acak akan dinoasikan dengan huruf besar, sedangkan nilai dari eubah acak ersebu dinoasikan dengan huruf kecil Definisi 8 (Fungsi Sebaran) Fungsi sebaran dari eubah acak adalah suau fungsi F : R [,] di mana F ( ) = P( ) Definisi 9 (Peubah Acak Diskre) Peubah acak dikaakan eubah acak diskre jika nilainya hanya ada himunan,, K dari R bagian yang erhiung { } Definisi (Fungsi Keraaan Peluang) Fungsi keraaan eluang dari eubah f : R, acak diskre adalah fungsi [ ] di mana P ( ) = P( = ) Definisi (Peubah Acak Koninu) Peubah acak disebu eubah acak koninu jika fungsi sebarannya daa dinyaakan sebagai F ( ) = f ( u) du unuk suau fungsi f : R (, ) yang erinegralkan Selanjunya fungsi f = f disebu fungsi keekaan eluang (robabiliy densiy funcion) bagi
3 3 Definisi (Fungsi Sebaran Bersama Dua Peubah Acak) Fungsi sebaran bersama dua eubah acak dan Y meruakan suau fungsi [,] F : R yang didefinisikan oleh F(, y) = P(, Y y) Definisi 3 (Fungsi Sebaran dan Keekaan Peluang Bersama Dua Peubah Acak Koninu) Peubah acak dan Y disebu eubah acak koninu yang menyebar bersama jika unuk seia, y R fungsi sebaran bersamanya daa dieksresikan sebagai beriku y F(, y) = f ( u, v) dudv unuk suau fungsi : [,] f R yang erinegralkan Fungsi f di aas disebu fungsi keekaan eluang bersama dari eubah acak koninu dan Y, f (, y) = F(, y) y Definisi 4 (Fungsi Keekaan Peluang Marjinal) Misalkan dan Y adalah eubah acak koninu yang menyebar bersama dengan fungsi sebaran F(, y ) dan fungsi keekaan eluang bersama f (, y ) Fungsi keekaan eluang marjinal dari eubah acak dan Y adalah beruru-uru f ( ) = f (, y) dy f ( y) = f (, y) d Y Definisi 5 (Fungsi Keekaan Peluang Bersyara) Misalkan dan Y eubah acak koninu dengan fungsi keekaan eluang marjinal fy ( y ) >, maka fungsi keekaan eluang bersyara dari dengan syara Y = y adalah f Y f Y (, y) ( y) = fy ( y) ilai Haraan Definisi 6 (ilai Haraan Peubah Acak Diskre) Misalkan adalah eubah acak diskre dengan fungsi keraaan eluang P ( ) = P( = ) maka nilai haraan dari adalah E = P [ ] ( ) asalkan jumlah di aas konvergen mulak [Hogg dan Craig, 995] Definisi 7 (ilai Haraan Peubah Acak Koninu) Misalkan adalah eubah acak koninu dengan fungsi keekaan eluang f () maka nilai haraan dari adalah E [ ] = f ( ) d asalkan inegralnya ada [Hogg dan Craig, 995] Definisi 8 (ilai Haraan Bersyara) Misalkan dan Y adalah eubah acak koninu dan f Y ( y) adalah fungsi keekaan eluang bersyara dari dengan syara Y = y, maka nilai haraan dari dengan syara Y = y adalah [ ] E Y = y = f ( y) d Y [Hogg dan Craig, 995] Teorema 3 (Teorema Dasar Kalkulus Bagian ) Jika f koninu ada [a,b], maka fungsi g yang didefinisikan oleh g( ) = a f ( ) d a b adalah koninu ada [a,b] dan erdiferensialkan ada (a,b) dan g = f ( ) ( ) [Sewar, 998] Definisi 9 (Himunan dan Fungsi Konveks) Misalkan S R adalah himunan vekor Maka S disebu sebagai himunan konveks jika unuk semua, S dan λ [,] maka ( λ) + λ S Misalkan f meruakan fungsi dengan eubah yang erdefinisi ada himunan konveks S
4 4 Maka f disebu sebagai fungsi konveks jika f memenuhi ersamaan f (( λ) + λ ) ( λ) f ( ) + λ f ( ) [Osborne, 997] Teorema 4 (Fungsi Konveks) Misalkan f memiliki urunan kedua f adalah fungsi konveks jika dan hanya jika f ( ), S dan meruakan sricly conve jika f ( ) >, S [buki liha Osborne, 997] Teorema 5 (Keaksamaan Jensen) Misalkan R adalah eubah acak Ε berhingga dan g( ) adalah dengan [ ] fungsi konveks Maka Ε[ g ] g( Ε [ ] ) Ranai Markov ( ) [buki liha Weissein, 999] Definisi (Ruang Sae) Misalkan K R meruakan nilai dari barisan eubah acak, maka K disebu ruang sae Definisi (Proses Sokasik) Proses sokasik S = { S, T}, adalah suau koleksi (gugus, himunan, aau kumulan) dari eubah acak yang memeakan suau ruang conoh Ω ke suau ruang sae K Dalam hal ini diangga sebagai waku dan nilai dari eubah acak S sebagai sae (keadaan) dari roses ada waku Definisi (Ranai Markov) Suau roses sokasik S = { S, T} disebu ranai Markov jika P( S = s S = s, S = s,, S = s ) = P( S = s S = s ) Definisi 3 (Ranai Markov dengan Waku Diskre) S, =,,,, Proses sokasik { } dengan ruang sae {,,3,, }, disebu ranai Markov dengan waku diskre jika unuk seia { =,,, } berlaku P( S = j S = i, S = i,) = P( S = j S = i) = unuk semua kemungkinan nilai dari i, i, i,, i, i, j,,3,, { } Jadi unuk suau ranai Markov, sebaran bersyara dari sebarang sae saa ini S denga syara sae yang lalu S, S, S,, S dan sae kemarin S adalah bebas erhada semua sae yang lalu, dan hanya berganung ada sae kemarin Hal ini disebu sebagai sifa Markov (Markovian Proery) Proses di aas daa digambarkan sebagai -sae ranai Markov dengan eluang ransisi { } i, j=,,3,, ilai dari menyaakan eluang bahwa, jika roses ersebu berada ada sae i, maka berikunya akan beralih ke sae j Karena adalah nilai eluang dan roses ersebu harus berransisi, maka i i, j,,3,,, unuk { } ii =, unuk i {,,3,, } j= Peluang ransisi ini daa diulis dalam benuk mariks P yang disebu sebagai mariks ransisi L P = L ( ) = M M M M L dengan j menyaakan baris dan i menyaakan kolom dari mariks P Definisi 4 (Mariks Transisi) Misalkan { S,,,, } adalah ranai Markov dengan ruang sae{,,3,, } Mariks ransisi P =( ) dari eluang ransisi = P( S = j S = i) unuk i j { },,,, adalah mariks Definisi 5 (Terakses) Peluang bahwa ada waku ke-k roses berada ada sae j dengan syara sae awal adalah i dinoasikan dengan ( k ) Suau sae
5 5 j disebu erakses dari sae i (noasi : i j ), jika minimal ada sebuah bilangan bula k sehingga ( k) > di mana ( k) adalah eluang bahwa ada waku ke-k roses berada ada ada sae j dengan syara sae awal adalah i Definisi 6 (Berkomunikasi) Dua sae i dan j dikaakan berkomunikasi (noasi : i j ), jika sae i daa diakses dari sae j dan sae j daa diakses dari sae i Definisi 7 (Kelas Sae) Suau kelas dari sae adalah suau gugus (himunan) ak kosong C sehingga semua asangan sae yang meruakan anggoa dari C adalah berkomunikasi sau dengan yang lainnya, sera ak ada sae yang meruakan anggoa C yang berkomunikasi dengan suau sae yang bukan anggoa dari C Definisi 8 (Ranai Markov Tak Tereduksi) Ranai Markov disebu ak ereduksi jika hanya erdaa sau kelas sae (sau gugus eruu sae), yaiu jika semua sae berkomunikasi sau dengan yang lainnya Definisi 9 (Firs-PassageTime Probabiliy) f menyaakan eluang bahwa mulai dari sae i, roses berransisi unuk erama kali ke sae j, erjadi ada waku n Peluang ini disebu firs-assage ime robabiliy Jadi unuk seia n=,,3, n k f = P( = j, j unuk semua k n = ) i, j {,,,}, dan () f = unuk semua i, j {,,,} Selanjunya, unuk seia i, j {,,,}, kia definisikan f f n= = Definisi 3 (Recurren dan Transien) Sae i disebu recurren jika f =, dan disebu ransien jika f ii < ii Teorema 6 (Recurren dan Transien) Sae i adalah recurren jika n= ii = dan ransien jika n= ii < Definisi 3 (Periode, Periodik, dan Aeriodik) Suau sae i disebu memiliki eriode d jika ii = unuk semua n yang idak habis dibagi d, dan d adalah bilangan bula erbesar yang memenuhi sifa ini Dengan kaa lain, suau sae i disebu memiliki eriode d jika d adalah ersekuuan embagi erbesar (he greaes common divisor) bagi n sehingga ii > Suau sae dengan eriode sama dengan sau disebu aeriodik, sedangkan sae dengan eriode disebu eriodik Definisi 3 (Posiive Recurren dan ull Recurren) Suau sae disebu berulang osiif (osiive recurren) jika sae ersebu adalah berulang (recurren) sera berlaku : jika roses dimulai dari sae i maka nilai haraan dari waku samai roses ersebu kembali ke sae i adalah bilangan erhingga (finie) Sae recurren yang idak idak osiive recurren disebu null recurren Definisi 33 (Ergodic) Ranai Markov dengan osiive recurren dan aeriodik disebu ergodic Teorema 7 (Ranai Markov Ergodic Tak Tereduksi) Unuk ranai Markov ergodic ak ( ) ereduksi lim n ada dan nilainya ak n erganung dari i π j = lim, j n π j adalah solusi unik ak negaif dari π = π j j π = j= j [buki liha Ross, 996]
6 6 Definisi 34 (Vekor Peluang Seady Sae) Vekor eluang π = { π, π, π3,, π }, yang seia komonennya menyaakan bahwa roses akan beruru-uru berada ada sae,,3,, unuk n di mana P( S = j) = P( S = j S = i) P( S = i) = P( S = i) = π j disebu vekor eluang seady sae aau sebaran seady sae Karena π adalah vekor eluang, maka harus memenuhi syara bahwa semua unsurnya adalah bilangan ak negaif sera jumlah semua unsurnya adalah sama dengan sau Sebaran seady sae sering juga disebu sebaran sasioner, aau sebaran seimbang (equilibrium disribuion) dari ranai Markov yang bersangkuan Algorima Eecaion Maimizaion (EM) P, Θ adalah himunan Misalkan { } ukuran eluang yang erdefinisi ada ( Ω, F ) dan koninu absolu erhada P Misalkan Y F Fungsi Likelihood yang digunakan unuk menghiung enduga arameer berdasarkan informasi Y``adalah dp L( ) =Ε * Y dp * Penduga maksimum likelihood (MLE) didefinisikan oleh ˆ arg ma L( ) Θ Umumnya MLE suli unuk dihiung secara langsung, oleh karena iu algorima Eecaion Maimizaion (EM) memberikan suau meode aroksimasi berulang (ieraif) Langkah-langkah dalam meode ersebu adalah: Se nilai awal arameer ˆk dengan k = * * Se = ˆk dan hiung Q(, ) dengan * dp Q(, ) =Ε * log Y dp * * 3 Cari ˆ arg ma Q (, ) k+ Θ 4 Gani k dengan k+ dan ulangi langkah samai 4 hingga krieria heninya ercaai Misalkan g( ) = log Karena urunan kedua dari g( ) selalu osiif g( ) = log = >, > maka g( ) meruakan fungsi konveks Lemma Berdasarkan keaksamaan Jensen, karena g( ) = log meruakan fungsi konveks maka daa dihasilkan barisan ˆ,, yang meruakan fungsi likelihood { k } yang ak urun yaiu log L( ˆ ) log L( ˆ ) Q( ˆ, ˆ ) k+ k k+ k * Benuk Q(, ) disebu Pseudo Likelihood bersyara Buki liha Lamiran MODEL HIDDE MARKOV Model Hidden Markov erdiri aas seasang roses sokasik { S, Y } S dengan sae {,,, } adalah roses enyebab kejadian yang idak diamai secara langsung dan membenuk ranai Markov Sedangkan Y adalah roses observasinya Karakerisik roses enyebab kejadian hanya bisa diamai melalui roses observasinya Karakerisik model Hidden Markov dicirikan oleh arameer-arameernya yaiu mariks ransisi dari enyebab kejadian, sera nilai haraan dan ragam dari roses observasinya Pada saa maka roses yang diamai normal dengan nilai haraan S berada ada sae j ( j) S =, Y menyebar µ j dan ragam σ j Fungsi keraaan eluang bersyara dari Y dengan syara S = j adalah ( y µ ) j f ( y S = j; ) = e () πσ j σ j dengan j=,,, adalah vekor arameer oulasi yang memua µ, µ,, µ dan σ, σ,, σ
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA DIMAS HARI SANTOSO
PEMODELAN NILAI UKAR RUPIAH ERHADAP US DOLLAR MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA DIMAS HARI SANOSO DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciMODEL DERET WAKTU HIDDEN MARKOV
9 ; P j y π j { ; } P j y sama dengan sau jika engamaan berada ada sae j dan sama dengan nol jika engamaan berada ada sae selainnya Maka enduga raaraa unuk sae j ada ersamaan 8 akan sama dengan nilai raaraa
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV HAMILON * BERLIAN SEIAWAY, YANA ADHARINI DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus IPB
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN DERET WAKTU HIDDEN MARKOV MODEL HAMILTON HIRASAWA G
PEMODELAN NILAI UKAR RUPIAH ERHADAP US DOLLAR MENGGUNAKAN DERE WAKU HIDDEN MARKOV MODEL HAMILON HIRASAWA G5403030 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR BOGOR
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 11 Laar Belakang Seiap orang mendambakan berheni bekerja di suau masa dalam siklus kehidupannya dan menikmai masa uanya dengan enram Terjaminnya kesejaheraan di masa ua akan mencipakan
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN DERET WAKTU HIDDEN MARKOV EMPAT WAKTU SEBELUMNYA ARDY KRESNA CRENATA G
PEMODELAN NILAI UKAR RUPIAH ERHADAP DOLLAR AMERIKA MENGGUNAKAN DERE WAKU HIDDEN MARKOV EMPA WAKU SEBELUMNYA ARDY KRESNA CRENAA G540546 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU
Lebih terperinciHIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X
BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae
Lebih terperinciDistribusi Normal Multivariat
Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias
Lebih terperinciBab III Komentar terhadap distribusi vec(r)
Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB 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 terperinciSEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)
SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galaia Ballangan) SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Saionary Disribuion of Swiss Bonus-Malus
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
I. PENDAHULUAN. Laar Belakang Menuru Sharpe e al (993), invesasi adalah mengorbankan ase yang dimiliki sekarang guna mendapakan ase pada masa mendaang yang enu saja dengan jumlah yang lebih besar. Invesasi
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryano Sudirham Sudi Mandiri Inegral dan Persamaan Diferensial ii Darpublic 4.1. Pengerian BAB 4 Persamaan Diferensial (Orde Sau) Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinciRANK DARI MATRIKS ATAS RING
Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciBAB II MATERI PENUNJANG. 2.1 Keuangan Opsi
Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.
Lebih terperinciBAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt
BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C. Persamaan Diferensial Orde Sau Adapun benuk yang sederhana dari suau persamaan ferensial orde sau adalah: 0 a.i a 0 (.) mana a o dan a konsana. Persamaan (.)
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciIII. PEMODELAN HARGA PENGGUNAAN INTERNET
8 III EMODELAN HARGA ENGGUNAAN INTERNET 3 Asumsi dan Model ada peneliian ini diperhaikan beberapa asumsi yaiu sebagai beriku: Waku anarkedaangan menyebar eksponensial dengan raaan λ - (laju kedaangan adalah
Lebih terperinciPERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1
PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis
Lebih terperinciBAB 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 terperinciEstimasi Parameter. Modul 1 PENDAHULUAN
Modul 1 Esimasi Parameer Dr. Suawanir Darwis P PENDAHULUAN roses sokasik S,,, S adalah koleksi peubah acak S dengan menyaakan indeks waku,. Kumpulan semua nilai S yang mungkin, dinamakan sae space. Suau
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB II TEORI DASAR ANTENA
BAB II TEORI DASAR ANTENA.1. endahuluan Anena didefinisikan oleh kamus Webser sebagai ala yang biasanya erbua dari meal (sebagai iang aau kabel) unuk meradiasikan aau menerima gelombang radio. Definisi
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciBAB III PERSAMAAN ARPS DAN METODE TABEL
BAB III ERSAMAAN ARS DAN METODE TABEL 3. ersamaan Ars Meoda decline curve analysis (analisis enurunan kurva) meruakan suau meode yang sering digunakan unuk mengesimasi erhiungan cadangan yang daa diamil
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciBAB 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 terperinciBAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai
BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.
PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar
Lebih terperinciLIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1
LIMIT FUNGSI. Limi f unuk c Tinjau sebuah fungsi f, apakah fungsi f ersebu sama dengan fungsi g -? Daerah asal dari fungsi g adalah semua bilangan real, sedangkan daerah asal fungsi f adalah bilangan real
Lebih terperinciB a b 1 I s y a r a t
TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.
Lebih terperinciPENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.
Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.
Lebih terperinciMENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL
Menenukan (Sudarno) MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL Sudarno Jurusan Saisika FSM UNDIP Email: dsghani@gmailcom Absrac The
Lebih terperinciFIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI
KTSP & K-13 FIsika K e l a s XI KINEMATIKA Tujuan Pembelajaran Seelah mempelajari maeri ini, kamu diharapkan mampu menjelaskan hubungan anara vekor posisi, vekor kecepaan, dan vekor percepaan unuk gerak
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciDarpublic Nopember 2013
Darpublic Nopember 01 www.darpublic.com 4.1. Pengerian 4. Persamaan Diferensial (Orde Sau) Sudarano Sudirham Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih urunan fungsi. Persamaan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 2 LANDASAN TEORI
15 BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian 2.1.1 Definisi Ruang Sampel Himpunan semua hasil semua hasil (oucome) yang mungkin muncul pada suau percobaan disebu ruang sampel dan dinoasikan dengan
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1 Waku dan Meode Peneliian Pada bab sebelumnya elah dibahas bahwa cadangan adalah sejumlah uang yang harus disediakan oleh pihak perusahaan asuransi dalam waku peranggungan
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciAljabar Linear Elementer
Silabus : Aljabar Linear Elemener MA SKS Bab I Mariks dan Operasinya Bab II Deerminan Mariks Bab III Sisem Persamaan Linear Bab IV Vekor di Bidang dan di Ruang Bab V Ruang Vekor Bab VI Ruang Hasil Kali
Lebih terperinciAnalisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik
JURNAL EKNIK POMIS Vol., No., () - Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Meode Jaringan Syaraf iruan di P. PJB Uni Pembangki Gresik Inan Mara Kusuma, Imam Abadi, S, M dan Deak Yan
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan
BAB II LANDASAN TEORI Pada bab ini akan dibahas dasar-dasar eori yang akan digunakan dalam penulisan skripsi ini, yaiu model regresi dua level, meode penaksiran maximum likelihood, mariks parisi, kronecker
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciSIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK
Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,
Lebih terperinciMUH1G3/ MATRIKS DAN RUANG VEKTOR
MUHG/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 8 VEKTOR DAN NILAI EIGEN /5/7 9.9 Beberapa Aplikasi Ruang Eigen Uji Kesabilan dalam sisem dinamik Opimasi dengan SVD pada pengolahan Cira Sisem Transmisi dan lain-lain.
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciFungsi Bernilai Vektor
Fungsi Bernilai Vekor 1 Deinisi Fungsi bernilai vekor adalah suau auran yang memadankan seiap F R R dengan epa sau vekor Noasi : : R R F i j, 1 1 F i j k 1 dengan 1,, ungsi bernilai real Conoh : 1. 1 F
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBAB KINEMATIKA DENGAN ANALISIS VEKTOR
BAB KINEMATIKA DENGAN ANALISIS VEKTOR Karakerisik gerak pada bidang melibakan analisis vekor dua dimensi, dimana vekor posisi, perpindahan, kecepaan, dan percepaan dinyaakan dalam suau vekor sauan i (sumbu
Lebih terperinciPENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC
Lebih terperinciVolume 1, Nomor 1, Juni 2007 ISSN
Volume, Nomor, Juni 7 ISSN 978-77 Barekeng, Juni 7 hal6-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variance Mulivaria Analysis for Experimen wih Complee Random
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA101 MATEMATIKA A Hendra Gunawan Semeser II, 016/017 9 Mare 017 Kuliah yang Lalu 11 Fungsi dua (aau lebih) peubah 1 Turunan Parsial 13 Limi dan Kekoninuan 14 Turunan ungsi dua peubah 15 Turunan berarah
Lebih terperinciPEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI
erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar
Lebih terperinciBAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 7 NILAI EIGEN DAN VEKTOR EIGEN Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Nilai Eigen dan Vekor Eigen. Diagonalisasi. Diagonalisasi secara Orogonal 7. NILAI EIGEN DAN VEKTOR EIGEN Definisi
Lebih terperinciIII. METODE PENELITIAN. Konsep dasar dan definisi operasional merupakan pengertian dan petunjuk yang
III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Konsep dasar dan definisi operasional merupakan pengerian dan peunjuk yang digunakan unuk menggambarkan kejadian, keadaan, kelompok, aau
Lebih terperinciCADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN
CAAGA PREMI ASURASI PESIU UTUK PESIU ORMAL PAA STATUS HIUP GABUGA esi oiasari Silaban *, Hasriai, Musraini Mahasiswa Program S Maemaika osen Jurusan Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias
Lebih terperinciAnalisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi
BAB II TEORI DASAR. PASANG SURUT Analisa asang suru dilakukan unuk menenukan elevasi muka air rencana bagi erencanaan fasilias lau (dermaga, jaringan ia, revemen, dan breakwaer), mengeahui ie asang suru
Lebih terperinciMAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP
MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA
Lebih terperinci3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort
3 METODE PENELITIAN 3. Waku dan Tempa Peneliian Peneliian dilaksanakan selama dua bulan dari bulan Agusus sampai Sepember 2008. Tempa yang dadikan obyek peneliian adalah Pelabuhan Perikanan Nusanara (PPN)
Lebih terperinciBAB 2 LANDASAN TEORI. dari sisi ekonometrika maupun dari segi perancangan. Ekonometrika akan berguna
BAB LANDASAN TEORI. Kerangka Teori Kerangka eori berisi penjabaran semua eori-eori yang akan digunakan, baik dari sisi ekonomerika maupun dari segi perancangan. Ekonomerika akan berguna dalam analisis
Lebih terperinciAnalisis Rangkaian Listrik Di Kawasan s
Sudaryano Sudirham Analisis angkaian Lisrik Di Kawasan s Sudaryano Sudirham, Analisis angkaian Lisrik () BAB 3 Fungsi Jargan Pembahasan fungsi jargan akan membua kia memahami makna fungsi jargan, fungsi
Lebih terperinciMODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks)
Polieknik Negeri Banjarmasin 4 MODUL PERTEMUAN KE 3 MATA KULIAH : ( sks) MATERI KULIAH: Jarak, Kecepaan dan Percepaan; Gerak Lurus Berauran, Percepaan; Gerak Lurus Berauran, Gerak Lurus Berubah Berauran
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciBab IV Pengembangan Model
Bab IV engembangan Model IV. Sisem Obyek Kajian IV.. Komodias Obyek Kajian Komodias dalam peneliian ini adalah gula pasir yang siap konsumsi dan merupakan salah sau kebuuhan pokok masyaraka. Komodias ini
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciPenyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet
JURNAL FOURIER Okober 6, Vol. 5, No., 67-8 ISSN 5-763X; E-ISSN 54-539 Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan eori Floque Syarifah Inayai Program Sudi Maemaika, Fakulas Maemaika dan
Lebih terperinciMatematika EBTANAS Tahun 1988
Maemaika EBTANAS Tahun 988 EBT-SMA-88- cos = EBT-SMA-88- Sisi sisi segiiga ABC : a = 6, b = dan c = 8 Nilai cos A 8 4 8 EBT-SMA-88- Layang-layang garis singgung OAPB, sudu APB = 6 dan panjang OP = cm.
Lebih terperinci