P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

Ukuran: px
Mulai penontonan dengan halaman:

Download "P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)"

Transkripsi

1 Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii) 70% pelanggan mengasuransikan lebih dari satu mobil, dan (iii) 20% mengasuransikan jenis sports car. Dari pelanggan yang mengasuransikan lebih dari satu mobil, 15% mengasuransikan sports car. Hitung peluang bahwa seorang pelanggan yang terpilih secara acak mengasuransikan tepat satu mobil dan ini bukan sports car. Misalkan LS kejadian mengasuransikan lebih dari satu mobil; Sp kejadian mengasuransikan sports car. Diketahui P (LS) 0.7, P (Sp) 0.2, P (Sp LS) P (Sp) P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 (0.15)(0.7) + P (Sp LS c )(0.3) Jadi, P (Sp LS c ) 95/300. Akibatnya, P (Sp c LS c ) 1 95/ /300. Jadi, P (Sp c LS c ) P (Sp c LS c )P (LS c ) (205/300)(0.3) *Setiap pagi Zavira meninggalkan rumahnya untuk berlari pagi. Zavira akan pergi lewat pintu depan atau belakang dengan peluang sama. Ketika meninggalkan rumah, Zavira memakai sepatu olah raga atau bertelanjang kaki. Ketika pulang, Zavira akan masuk lewat pintu depan atau belakang dan meletakkan sepatunya dengan peluang sama. Diketahui bahwa Zavira memiliki 4 pasang sepatu olah raga. 3. *Rezeita akan melantunkan koin terus menerus hingga diperoleh keluaran B, B, M (dua keluaran Belakang berturut-turut yang kemudian diikuti oleh satu keluaran Muka). Perhatikan bahwa jika lantunan Lena adalah M, lalu B, lalu M artinya adalah Lena harus mengulang lantunan dari awal. 1

2 Kuis 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit 1. Untuk dua kejadian A dan B, diketahui: (i) P (A) 0.7, (ii) P (B A) 0.5, (iii) A dan B saling bebas. Tentukan apakah pernyataan-pernyataan berikut Benar atau Salah atau Tidak Dapat Ditentukan: (a) A dan B saling asing (b) A dan A B saling bebas (c) P (B) P (A B) (d) P (A B) < P (B A) (e) P (B) P (A) Jelaskan jawaban anda! (a) S (b) S (c) S (d) S (e) B 2

3 Kuis 2 Tanggal 5 Februari 2014, Waktu: suka-suka menit 1. Dalam suatu survey, setiap responden akan ditanya dua buah pertanyaan (satu pertanyaan bersifat tidak sensitif, yang lain sensitif): (a) apakah anda lahir pada bulan September? (b) apakah anda seorang pengidap HIV? Pada awal survey, responden diminta melantunkan mata uang logam (koin). Jika muncul MUKA maka responden menjawab pertanyaan (a). Hasil survey menunjukkan ada 7% dari seluruh responden yang menjawab YA. Berapa peluang seorang responden, yang menjawab pertanyaan sensitif (b), menjawab YA? Misalkan Y kejadian menjawab YA. Misalkan A kejadian menjadab pertanyaan (a). P (Y ) P (Y A)P (A) + P (Y A c )P (A c ) 0.07 (1/12)(1/2) + P (Y A c )(1/2) Jadi, peluang seorang responden menjawab YA, diberikan bahwa dia menjawab pertanyaan (b), adalah P (Y A c ) Bambang dan GanGan secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari tembakan B) mengenai sasaran adalah 0.4. Jika sebuah tembakan mengenai sasaran, berapa peluang bahwa itu tembakan G? Berapa peluang bahwa, jika sasaran tertembak, kedua tembakan mengenai sasaran? Berapa peluang bahwa, jika sasaran tertembak, tembakan G mengenai sasaran? Misalkan B kejadian B menembak sasaran. Misalkan G kejadian G menembak sasaran. Misalkan T kejadian sebuah tembakan mengenai sasaran. Misalkan S kejadian sasaran tertembak. P (G T ) P (G T ) P (T ) P (G B c ) P (G B c ) + P (B G c ) (0.4)(0.3) (0.4)(0.3) + (0.7)(0.6) 3

4 P (G S) P (B S) P (G B S) P (S) P (G)P (B) 1 P (G c B c ) (0.4)(0.7) 1 (0.6)(0.3) P (G S) P (G S) P (S) P (G S) 1 P (G c B c ) (0.6)(0.3) 4

5 Kuis 3 Tanggal 12 Februari 2014, Waktu: suka-suka menit 1. PT Kresna Insurance mengklasifikasikan risiko orang-orang kedalam 3 kategori: risiko rendah, risiko sedang, risiko tinggi. Catatan menunjukkan bahwa orang dengan risiko rendah akan terlibat dalam kecelakaan (pada periode satu tahun) dengan peluang 0.05; peluang orang dengan risiko sedang adalah 0.15; peluang orang dengan risiko tinggi adalah 0.3. Misalkan 20% populasi adalah orang-orang dengan risiko rendah; 50% berisiko sedang; 30% berisiko tinggi. Berapa proporsi dari populasi yang terlibat dalam kecelakaan pada periode satu tahun? Jika seorang pemegang polis bernama Yin tidak terlibat dalam suatu kecelakaan, berapa peluang Yin adalah orang dengan risiko rendah? Diketahui P (kecelakaan rendah) 0.05; P (kecelakaan sedang) 0.1; dan P (kecelakaan tinggi) Diketahui pula P (rendah) 0.2, P (sedang) 0.3, P (tinggi) 0.5. Jadi, P (kecelakaan) P (kecelakaan rendah) P (rendah) + P (kecelakaan sedang) P (sedang) + P (kecelakaan tinggi) P (sedang) 0.05(0.2) + 0.1(0.3) + 0.3(0.5) 0.19 Sementara itu, P (tidak kecelakaan) 1 P (kecelakaan) Jadi, P (rendah dan tidak kecelakaan) P (rendah tidak kecelakaan) P (tidak kecelakaan) P (tidak kecelakaan rendah) P (rendah) P (tidak kecelakaan) (0.95)(0.2) Noor hendak melakukan penipuan. Di tangannya dia menyimpan dua buah koin yang memiliki sisi MUKA dan BELAKANG dan sebuah koin lain yang ternyata memiliki dua sisi MUKA. Kepada Zeta, calon korbannya, Noor mengatakan bahwa dirinyalah sang pemenang apabila muncul MUKA dalam lantunan koin yang dimilikinya. Noor kemudian memilih koin secara acak dan melantunkannya. Ternyata muncul MUKA. Misalkan Noor melantunkan koin yang sama untuk keduakalinya dan muncul MUKA. Berapa peluang bahwa koin yang dilantunkan adalah koin bersisi MUKA dan BELAKANG? Misalkan K 1 adalah koin yang memiliki sisi MUKA dan BELAKANG, K 2 koin 5

6 yang memiliki dua sisi MUKA. P (MM K 1 )P (K 1 ) P (K 1 MM) P (MM K 1 )P (K 1 ) + P (MM K 1 )P (K 2 ) (1/4)(2/3) (1/4)(2/3) + (1)(1/3) 1/3 6

7 Kuis 4 Tanggal 26 Februari 2014, Waktu: suka-suka menit 1. Diketahui fungsi peluang sebagai berikut: p, x , x , x 20p f(x) p, x 3 4p, x 4 0, x yang lain Hitung P ( 1.9 X 3), F (2), F (F (3.1)) 2. Seorang penjual (baca: sales) memiliki dua agenda pertemuan dengan calon klien untuk menjual suatu produk. Pertemuan pertama berpotensi untuk terjualnya produk dengan peluang 0.3; pertemuan kedua mungkin akan menghasilkan penjualan dengan peluang 0.6. Penjualan yang terjadi boleh jadi (dengan peluang sama) produk kelas 1 dengan harga 1000 ribu atau produk standar dengan harga 500 ribu. Tentukang fungsi peluang dari peubah acak X yang menyatakan nilai penjualan (dalam ribu). 7

8 Kuis 5 Tanggal 5 Maret 2014, Waktu: suka-suka menit 1. Dalam suatu persidangan versi AS, diketahui bahwa untuk menentukan hukuman/keputusan terhadap terdakwa diperlukan 9 votes dari 12 anggota juri. Peluang seorang juri mengatakan tidak bersalah pada orang yang bersalah adalah 0.2. Sedangkan peluang juri memutuskan bersalah pada orang yang tidak bersalah adalah 0.1. Jika setiap juri saling bebas dan jika 65% terdakwa adalah bersalah, tentukan peluang bahwa juri membuat keputusan yang benar. 8

9 Kuis 6 Tanggal 12 Maret 2014, Waktu: suka-suka menit 1. Seorang mahasiswa sedang mempersiapkan diri menghadapi Seminar TA dan mulai menghitung-hitung kemungkinan mendapatkan on day atau off day. Hitungnya sbb: jika dia mendapatkan on day maka tiap dosen penguji akan meluluskannya secara independen dengan peluang 0.8. Namun jika dia berada dalam off day maka peluang tadi akan berkurang menjadi 0.4. Misalkan mhs dinyatakan LULUS jika mayoritas penguji mengatakan lulus. Jika mhs tersebut merasa bahwa dia akan mendapatkan off day 2 kali lebih banyak dari on day, apakah dia akan mengajukan usulan untuk diuji oleh 3 dosen atau 5 dosen? 2. Disebuah toko ada 2 petugas jaga. Tiga orang: Fer, Fir dan Fur datang ke toko bersamaan. Fer dan Fir langsung mendatangi petugas toko, sedangkan Fur menunggu (baca: antre). Berapa peluang bahwa Fer masih berada di toko setelah Fir dan Fur pergi apabila waktu layanan untuk setiap petugas adalah tepat (tidak acak) 10 menit? Berapa peluang bahwa Fer masih berada di toko setelah Fir dan Fur pergi apabila waktu layanan berdistribusi eksponensial dengan mean 1/µ? 9

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

4. Misalkan peubah acak X memiliki fungsi distribusi:

4. Misalkan peubah acak X memiliki fungsi distribusi: Diskusi 1 Tanggal 19 Februari 2014, Waktu: suka-suka menit 1. Enam laki-laki dan 5 perempuan melamar suatu pekerjaan di PT KhrshFin. Empat dari mereka terpilih secara acak untuk diwawancarai. Misalkan

Lebih terperinci

/ /16 =

/ /16 = Kuis Selamat Datang MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Tanggal 22 Agustus 2017, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. 1. Widya (akan) memenangkan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Diskusi 1 Diskusi 1: Dasar-dasar Probabilitas, Peluang dan Ekspektasi Bersyarat Statistika FMIPA Universitas Islam Indonesia March 16, 2017 Diskusi 1 Diskusi 1 Diskusi 1 1. Misalkan sebuah koin yang mempunyai

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik : Dasar-dasar Probabilitas, Peluang dan Ekspektasi Bersyarat Statistika FMIPA Universitas Islam Indonesia April 13, 2017 1. Misalkan sebuah koin yang mempunyai peluang muncul muka sebesar 0.7, dilantunkan

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan

Lebih terperinci

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kuis Selamat Datang MA5181 Proses Stokastik Precise. Prospective. Tanggal 23 Agustus 2016, Waktu: suka-suka menit 1. Mahasiswa yang datang ke ruang kuliah mengikuti suatu proses dengan laju kedatangan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik : Peluang dan Ekspektasi Bersyarat Statistika FMIPA Universitas Islam Indonesia Peluang dan Ekspektasi Bersyarat 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Diskusi 1: Dasar-dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 215 Latihan 1 Dasar-dasar Probabilitas Latihan 1 1. Diketahui Tentukan: a. P ( ) X > 1 4 b. Tentukan F (x) 2. Diketahui

Lebih terperinci

Ringkasan materi Statistika Deskriptif dan analisis data riil.

Ringkasan materi Statistika Deskriptif dan analisis data riil. Tugas 1 MA2081 Statistika Dasar Tanggal 19/21 Januari 2015, Waktu: suka-suka menit Ringkasan materi Statistika Deskriptif dan analisis data riil. 1 Kuis 1 MA2081 Statistika Dasar Tanggal 26 Januari 2015,

Lebih terperinci

Solusi: Misalkan Y kejadian menjawab YA. Misalkan A kejadian menjadab pertanyaan (a).

Solusi: Misalkan Y kejadian menjawab YA. Misalkan A kejadian menjadab pertanyaan (a). SOLUSI UJIAN TENGAH SEMESTER 1 MA2082 Biostatistika Tanggal 24 Agustus 2011, Waktu: 100 menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. 1. Diagram batang dan daun untuk Berat Badan (dalam oz, 1kg=35.27oz):

Lebih terperinci

MA5283 STATISTIKA Bab 2 Peluang

MA5283 STATISTIKA Bab 2 Peluang MA5283 STATISTIKA Bab 2 Peluang Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Ruang sampel dan kejadian, konsep peluang, peluang bersyarat, Teorema Bayes. Tujuan Silabus dan Tujuan 1 Mendefinisikan

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

BAB 1. Rantai Markov 1.1 ILUSTRASI

BAB 1. Rantai Markov 1.1 ILUSTRASI BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.

Lebih terperinci

Misalkan X peubah acak dengan fungsi distribusi berikut: + x, 0 x < 1. , 1 x < 2. , 2 x < 3. 1, x 3

Misalkan X peubah acak dengan fungsi distribusi berikut: + x, 0 x < 1. , 1 x < 2. , 2 x < 3. 1, x 3 Kuis Selamat Datang MA4183 Model Risiko Tanggal 22 Agustus 2015, Waktu: suka-suka menit Misalkan X peubah acak dengan fungsi distribusi berikut: 0, x < 0 1 + x, 0 x < 1 3 5 F (x = 3, 1 x < 2 5 9, 2 x

Lebih terperinci

BAB 1. Rantai Markov 1.1 ILUSTRASI

BAB 1. Rantai Markov 1.1 ILUSTRASI BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.

Lebih terperinci

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC Pengantar Seperti sudah disampaikan sebelumnya, analog

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

BAB 1. Rantai Markov 1.1 ILUSTRASI

BAB 1. Rantai Markov 1.1 ILUSTRASI BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit 1. Buktikan bahwa: P (A c B c ) 1 P (A) P (B) + P (AB) P (A c B c ) P [(A B) c ] 1 P (A B) 1 P (A) P (B) + P (AB) 2. Diketahui P (A B) P (A B c

Lebih terperinci

Peubah Acak dan Distribusi

Peubah Acak dan Distribusi BAB 1 Peubah Acak dan Distribusi 1.1 ILUSTRASI (Ilustrasi 1) B dan G secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

MA2081 Statistika Dasar

MA2081 Statistika Dasar Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MAK6281 Topik

Lebih terperinci

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA Insure and Invest! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang AK5161 MatKeu

Lebih terperinci

MA2081 Statistika Dasar

MA2081 Statistika Dasar Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MAK6281 Topik

Lebih terperinci

Minggu 1 Review Peubah Acak dan Fungsi Distribusi. Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting

Minggu 1 Review Peubah Acak dan Fungsi Distribusi. Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting IKG4Q3 Ekonometrik Dosen: Aniq A Rohmawati, M.Si [Kelas Ekonometrik] CS-36-02 [Jadwal] Senin 10.30-12.30 R.A208A; Selasa 10.30-12.30 R.E302 [Materi Ekonometrik] Kuliah Pemodelan dan Simulasi berisi tentang

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya

MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya Orang Pintar Belajar Stokastik Kuliah ProsStok, untuk apa? Fakultas Ekonomi ITB? Math is the language of economics. If you

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

BAB I PENDAHULUAN 1.1 LATAR BELAKANG. Pekerjaan konstruksi merupakan suatu proses yang besar, yang melibatkan

BAB I PENDAHULUAN 1.1 LATAR BELAKANG. Pekerjaan konstruksi merupakan suatu proses yang besar, yang melibatkan BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pekerjaan konstruksi merupakan suatu proses yang besar, yang melibatkan berbagai disiplin ilmu, sumber daya dan memiliki keunikan tersendiri. Definisi pekerjaan (proyek)

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

Persatuan Aktuaris Indonesia Probabilitas dan Statistik 27 November 2006 A. 5/32 B. ¼ C. 27/32 D. ¾ E. 1 A. 0,20 B. 0,34 C. 0,40 D. 0,60 E.

Persatuan Aktuaris Indonesia Probabilitas dan Statistik 27 November 2006 A. 5/32 B. ¼ C. 27/32 D. ¾ E. 1 A. 0,20 B. 0,34 C. 0,40 D. 0,60 E. Persatuan Aktuaris Indonesia Probabilitas dan Statistik 27 November 2006. Jika A, B, C dan D adalah kejadian (event) di mana: ' B = A, C D = {}, P[ A] = [ ] 4, P B = 4 P C A = 2, P C B = 4, P D A = 4,

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat MA38 Teori Peluang - Khreshna Syuhada Bab 9 Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat Ilustrasi 9. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat.

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

DAMPAK PENGATURAN JADWAL KEGIATAN AKADEMIK TERHADAP MOBILITAS KENDARAAN MAHASISWA DI UNIVERSITAS KRISTEN PETRA

DAMPAK PENGATURAN JADWAL KEGIATAN AKADEMIK TERHADAP MOBILITAS KENDARAAN MAHASISWA DI UNIVERSITAS KRISTEN PETRA DAMPAK PENGATURAN JADWAL KEGIATAN AKADEMIK TERHADAP MOBILITAS KENDARAAN MAHASISWA DI UNIVERSITAS KRISTEN PETRA Rudy Setiawan Jurusan Teknik Sipil,Universitas Kristen Petra, Jl. Siwalankerto 121-131 Surabaya

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari hari setiap individu akan menghadapi berbagai macam keaadan yang berisiko ataupun tidak berisiko. Seperti yang terdapat pada Kamus Besar

Lebih terperinci

Peluang Bersyarat dan Kejadian Bebas

Peluang Bersyarat dan Kejadian Bebas Bab 3 Peluang Bersyarat dan Kejadian Bebas 3.1 Peluang Bersyarat Misalkan ruang contoh berpeluang sama dari percobaan melempar sebuah dadu bersisi 6, maka S = {1, 2, 3, 4, 5, 6}. Dan terdapat dua kejadian,

Lebih terperinci

BAB IV PEMBAHASAN. pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini

BAB IV PEMBAHASAN. pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini BAB IV PEMBAHASAN Bab ini menguraikan hasil penelitian dan pembahasan untuk menjawab pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini mencakup pemeriksaan steady state, uji distribusi,

Lebih terperinci

P U T U S A N NOMOR : 121 /PID/2014/PT-MDN DEMI KEADILAN BERDASARKAN KETUHANAN YANG MAHA ESA

P U T U S A N NOMOR : 121 /PID/2014/PT-MDN DEMI KEADILAN BERDASARKAN KETUHANAN YANG MAHA ESA P U T U S A N NOMOR : 121 /PID/2014/PT-MDN DEMI KEADILAN BERDASARKAN KETUHANAN YANG MAHA ESA ------ PENGADILAN TINGGI DI MEDAN, yang memeriksa dan mengadili perkara-perkara pidana dalam peradilan tingkat

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah BAB 1 Peluang dan Ekspektasi Bersyarat 1.1 EKSPEKTASI Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah E(X) x x p X (x) dan E(X)

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

DISTRIBUSI PROBABILITAS

DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Peluang terjadinya nilai variabel random X yang meliputi semua nilai ditentukan melalui distribusi peluang. Distribusi peluang suatu variabel random X adalah

Lebih terperinci

BAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak

BAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak BAB III PERUMUSAN PROBABILITAS DAN EKSPEKTASI DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak Model antrian ini para

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 5: Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Waktu Antar Kedatangan Waktu Antar Kedatangan Misalkan T 1 menyatakan waktu dari kejadian/kedatangan pertama. Misalkan

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK (not just) Always Listening, Always Understanding disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012

Lebih terperinci

CATATAN KULIAH PENGANTAR PROSES STOKASTIK

CATATAN KULIAH PENGANTAR PROSES STOKASTIK CATATAN KULIAH PENGANTAR PROSES STOKASTIK Oleh Atina Ahdika, S.Si, M.Si PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 2016 Daftar Isi Daftar Isi iv

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

Model dan Simulasi Universitas Indo Global Mandiri

Model dan Simulasi Universitas Indo Global Mandiri Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan

Lebih terperinci

SIMULASI SISTEM ANTRIAN PELAYAN TUNGGAL SEDERHANA

SIMULASI SISTEM ANTRIAN PELAYAN TUNGGAL SEDERHANA SIMULASI SISTEM ANTRIAN PELAYAN TUNGGAL SEDERHANA Algoritma Sistem Antrian Pelayan Tunggal Sederhana Contoh antrian : car wash, kantor pos, bank Gambaran Masalah Kedatangan pelanggan Antrian pelayanan

Lebih terperinci

P E L U A N G. B. Peluang Kejadian Majemuk. Materi W12b. 1. Kejadian Majemuk saling Lepas 2. Kejadian Majemuk saling Bebas. Kelas X, Semester 2

P E L U A N G. B. Peluang Kejadian Majemuk. Materi W12b. 1. Kejadian Majemuk saling Lepas 2. Kejadian Majemuk saling Bebas. Kelas X, Semester 2 Materi W12b P E L U A N G Kelas X, Semester 2 B. Peluang Kejadian Majemuk 1. Kejadian Majemuk saling Lepas 2. Kejadian Majemuk saling Bebas www.yudarwi.com B. Peluang Kejadian Majemuk Kejadian majemuk

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

BAB I PENDAHULUAN. Saat dimana orang menghadapi keadaan yang tidak menentu ialah saat dimana

BAB I PENDAHULUAN. Saat dimana orang menghadapi keadaan yang tidak menentu ialah saat dimana BAB I PENDAHULUAN 1.1 Latar Belakang Saat dimana orang menghadapi keadaan yang tidak menentu ialah saat dimana orang membutuhkan jaminan dan perlindungan. Sesuai dengan asal katanya insurance yang berasal

Lebih terperinci

7/28/2005 created by Hotniar Siringoringo 1

7/28/2005 created by Hotniar Siringoringo 1 Tujuan analisis output adalah menjawab pertanyaan yang diajukan di awal pembentukan model dengan benar. Bentuk pertanyaan mengindikasikan pengujian hipotesis, selang kepercayaan atau pendugaan parameter.

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

Metode Kuantitatif. Kuliah 5 Model Antrian (Queuing Model) Dr. Sri Poernomo Sari, ST, MT 23 April 2009

Metode Kuantitatif. Kuliah 5 Model Antrian (Queuing Model) Dr. Sri Poernomo Sari, ST, MT 23 April 2009 Metode Kuantitatif Kuliah 5 Model Antrian (Queuing Model) Dr. Sri Poernomo Sari, ST, MT 3 April 009. Pendahuluan. Struktur Model Antrian (The Structure of Queuing Model) 3. Single-Channel Model 4. Multiple-Channel

Lebih terperinci

Pengambilan Keputusan Manajerial

Pengambilan Keputusan Manajerial MODUL PERKULIAHAN Pengambilan Keputusan Manajerial Modul Final Semester Fakultas Ekonomi dan Bisnis Program Studi Manajemen Tatap Muka 11 Kode MK Disusun Oleh -, ST, MBA Abstract Kompetensi Mampu mengidentifikasi

Lebih terperinci

Operations Management

Operations Management Operations Management OPERATIONS RESEARCH William J. Stevenson 8 th edition Proses Antrian Suatu proses yang berhubungan dengan kedatangan pelanggan pada suatu fasilitas pelayanan, menunggu dalam baris

Lebih terperinci

BAB III LANGKAH PEMECAHAN MASALAH. Dari hasil penelitian yang dilakukan pada perusahaan PITSTOP Autowash

BAB III LANGKAH PEMECAHAN MASALAH. Dari hasil penelitian yang dilakukan pada perusahaan PITSTOP Autowash BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Dari hasil penelitian yang dilakukan pada perusahaan PITSTOP Autowash & SPA pada saat ini perusahaan PITSTOP Autowash & SPA memiliki 1

Lebih terperinci

Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Daftar

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

BAB V SIMPULAN DAN SARAN

BAB V SIMPULAN DAN SARAN BAB V SIMPULAN DAN SARAN Dalam bab V akan dijelaskan kesimpulan dari analisis data dan saran yang diberikan kepada perusahaan mobil Toyota Avanza. 5.1. Simpulan Dari hasil penelitian dan analisis data

Lebih terperinci

BAB 4 KARAKTERISTIK DAN PREFERENSI PENGGUNA POTENSIAL KA BANDARA SOEKARNO-HATTA

BAB 4 KARAKTERISTIK DAN PREFERENSI PENGGUNA POTENSIAL KA BANDARA SOEKARNO-HATTA BAB 4 KARAKTERISTIK DAN PREFERENSI PENGGUNA POTENSIAL KA BANDARA SOEKARNO-HATTA Bab ini berisi analisis mengenai karakteristik dan preferensi pengguna mobil pribadi, taksi, maupun bus DAMRI yang menuju

Lebih terperinci

A. Peluang Suatu Kejadian dan Komplomennya P E L U A N G 1 7/5/ Ruang Sampel dan Kejadian

A. Peluang Suatu Kejadian dan Komplomennya P E L U A N G 1 7/5/ Ruang Sampel dan Kejadian Jurnal Daftar Hadir MateriA SoalLKS SoalLatihan Materi W12a P E L U A N G 1 Kelas X, Semester 2 A. Peluang Suatu Kejadian A. Peluang Suatu Kejadian dan Komplomennya 1. Ruang Sampel dan Kejadian Ruang sampel

Lebih terperinci

Catatan Kuliah. Analisis Data. Orang Cerdas Belajar Statistika. disusun oleh. Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. Analisis Data. Orang Cerdas Belajar Statistika. disusun oleh. Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah Analisis Data Orang Cerdas Belajar Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang Analisis Data A.

Lebih terperinci

Sosialisasi TA. 20 September 2013

Sosialisasi TA. 20 September 2013 Sosialisasi TA 20 September 2013 Agenda Prosedur TA Jadwal Wisuda 108 & 109 Workshop TA Penulisan Proposal PROSEDUR TA ALUR PENGERJAAN TA 1. REGISTRASI MONTA 2. PENGAJUAN PROPOSAL 3. SIDANG PROPOSAL TA

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik

MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4081 (Pengantar)

Lebih terperinci

MODEL ANTRIAN RISET OPERASIONAL 2

MODEL ANTRIAN RISET OPERASIONAL 2 MODEL ANTRIAN RISET OPERASIONAL 2 Dengan memperhatikan hal ini, banyak perusahaan mengusahakan untuk mengurangi waktu menunggu sebagai komponen utama dari perbaikan kualitas. Umumnya, perusahaan dapat

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka 2.1.1 Manajemen Operasi Menurut Heinzer dan Render (2011;4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik

MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4081 (Pengantar)

Lebih terperinci

MODEL ANTRIAN YULIATI, SE, MM

MODEL ANTRIAN YULIATI, SE, MM MODEL ANTRIAN YULIATI, SE, MM Model Antrian Teori antrian pertama kali diciptakan oleh A.K. Erlang seorang ahli matematik Denmark pada tahun 1909. Sejak itu penggunaan model antrian mengalami perkembangan

Lebih terperinci

PENGUJIAN HIPOTESIS 2

PENGUJIAN HIPOTESIS 2 PENGUJIAN HIPOTESIS. Menguji Kesamaan Dua Rata-rata a. Uji Dua Pihak Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan baku secara berturut-turut μ dan μ dan σ

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. PT Garda Bangun Nusa berdiri berdasarkan akte notaris nomor 16,tanggal

BAB IV HASIL DAN PEMBAHASAN. PT Garda Bangun Nusa berdiri berdasarkan akte notaris nomor 16,tanggal BAB IV HASIL DAN PEMBAHASAN 4.1 Profil PITSTOP Autowash & SPA PT Garda Bangun Nusa berdiri berdasarkan akte notaris nomor 16,tanggal 14 Juli 2010 dengan notaris R.Suryawan Budi Prasetiyanto, SH, MKn. /

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

Operations Management

Operations Management Operations Management OPERATIONS RESEARCH William J. Stevenson 8 th edition Pendahuluan Analisis antrian pertama kali diperkenalkan oleh A.K Erlang (1913) yang mempelajari fluktuasi permintaan fasilitas

Lebih terperinci

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

Lebih terperinci

LANGKAH-LANGKAH MENGANTISIPASI RISIKO

LANGKAH-LANGKAH MENGANTISIPASI RISIKO LANGKAH-LANGKAH MENGANTISIPASI RISIKO Oleh: Safir Senduk Dikutip dari Tabloid Nova No. 639/XIII Risiko adalah segala hal yang bisa terjadi pada diri manusia yang tidak diinginkan untuk terjadi. Setiap

Lebih terperinci

BAB I PENDAHULUAN. Menurut Soeisno Djojosoedarso dalam bukunya yang berjudul "Prinsip-prinsip

BAB I PENDAHULUAN. Menurut Soeisno Djojosoedarso dalam bukunya yang berjudul Prinsip-prinsip BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Soeisno Djojosoedarso dalam bukunya yang berjudul "Prinsip-prinsip Manajemen Risiko Asuransi", semua orang menyadari bahwa dunia penuh dengan ketidakpastian,

Lebih terperinci

P U T U S A N NOMOR : 695/PIDSUS/2015/PT.MDN

P U T U S A N NOMOR : 695/PIDSUS/2015/PT.MDN P U T U S A N NOMOR : 695/PIDSUS/2015/PT.MDN DEMI KEADILAN BERDASARKAN KETUHANAN YANG MAHA ESA ------- PENGADILAN TINGGI MEDAN, yang mengadili perkara pidana dalam peradilan tingkat banding telah menjatuhkan

Lebih terperinci

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi

Lebih terperinci

Gambar 1.1 Logo Rumah Warna

Gambar 1.1 Logo Rumah Warna BAB I PENDAHULUAN Setiap bisnis baru atau pengembangan bisnis membutuhkan penanaman modal yang disesuaikan dengan tujuan bisnis dan bentuk badan bisnisnya. Salah satu tujuan didirikannya bisnis adalah

Lebih terperinci

RIELEN & PARTNERS LAW OFFICE, ADVOCATES & LEGAL CONSULTANTS Jalan Pintu Air No. 7 Blok B 6, Kompleks Mitra Pasar Baru, Jakarta, 10710, Telp. (62-21) 70133174, E-mail : rielen1264@yahoo.com Bahwa

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik

MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4081 (Pengantar)

Lebih terperinci