III. METODE PENELITIAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "III. METODE PENELITIAN"

Transkripsi

1 III. METODE ENELITIAN. Jen dan Sumber Daa Daa yang dgunaan unu penelan n adalah daa eunder dan benu daanya adalah me ere rwulanan dar perode 996 ampa dengan 00. ode HS unu omod are alam dambl dar ode HS 0 dg mula dar ampa dengan Sumber daa yang dgunaan beraal dar berbaga erban, eper Badan ua Sa, Inernaonal Moneary Fund, Gabungan eruahaan are Indonea, Ban of Thaland, Federal Reerve Economc Daa, Japan Cabne Economc Daa dan umberumber daa lan. Jen daa yang aan dgunaan dengan bearan dan umbernya dajan pada Tabel. Tabel Jen dan Sumber Daa yang Dgunaan dalam enelan Daa Defn Bearan Sumber Daa AS Volume epor are alam Indonea e AS g BS J Volume epor are alam Indonea e Jepang g BS AS Harga epor are alam Indonea e AS (FOB) USD/g BS (dolah) J Harga epor are alam Indonea e Jepang (FOB) USD/g BS (dolah) AS Nla uar rl Rupah erhadap dolar AS Rp/USD BI (dolah) J Nla uar rl Rupah erhadap Yen Jepang Rp/Yen BI (dolah) Harga nernaonal are alam USD/g IMF (dolah) Harga negara peang are alam Indonea USD/g BOT (dolah) AS GD rl AS US Dollar FRED J GD rl Jepang Yen JCED eerangan: BS : Badan ua Sa BI : Ban Indonea IMF : Inernaonal Moneary Fund BOT : Ban of Thaland FRED : Federal Reerve Economc Daa JCED : Japan Cabne Economc Daa. Meode Anal Daa Daa me ere pada umumnya da aoner pada level. Ja daa da aoner d level namun aoner pada proe dferen daa, maa haru duj

2 apaah daa mempunya hubungan dalam janga panjang aau da dengan melauan uj onegra. Apabla erdapa onegra, maa model yang dgunaan adalah model Vecor Error Correcon Model (VECM). Model VECM merupaan model VAR yang erer (rerced VAR). Adanya onegra menunjuan adanya hubungan janga panjang anar varabel d dalam em VAR. Salah au ujuan penelan adalah mengeahu hubungan janga panjang anara nla uar dengan epor are alam Indonea e Amera Sera dan Jepang. Oleh arena u, penelan n menggunaan anal VECM. eranga luna yang dgunaan dalam penelan n adalah program Excel 00 dan Evew Vecor Auoregreon (VAR) VAR adalah uau em peramaan yang memperlhaan eap peubah ebaga fung lner dar onana dan nla lag (lampau) dar peubah u endr era nla lag dar peubah lan yang ada dalam em. eubah penjela dalam VAR melpu nla lag eluruh peubah a beba dalam em. ada meode VAR, varabel eogen dan endogen da dapa dbedaan ecara apror. Menuru Sm (97) dalam Junad (00) hanya varabel endogen yang mau anal. eunggulan meode VAR dbandngan dengan meode eonomer onvenonal adalah (Junad 00): Mengembangan model ecara beramaan d dalam uau em yang omple (mulvarae), ehngga dapa menangap hubungan eeluruhan varabel d dalam peramaan erebu. Uj VAR yang mulvarae ba menghndar parameer yang ba aba da dmauannya varabel yang relevan. VAR dapa mendee hubungan anar varabel d dalam em peramaan, dengan menjadan eluruh varabel ebaga endogenou. arena beerja berdaaran daa, meode VAR erbeba dar berbaga baaan eor eonom yang erng muncul, ermau gejala perbedaan palu d dalam model eonomer onvenonal, eruama pada peramaan mulan, ehngga menghndar penafran yang alah.

3 5 Selan meml elebhan, meode VAR juga meml elemahan, adapun beberapa elemahan yang dml model VAR anara lan: Model VAR lebh berfa aeor arena da memanfaaan nforma aau eor erdahulu. Oleh arenanya, model erebu erng debu model yang da ruural. Mengnga ujuan uama model VAR unu peramalan, maa model VAR urang coco unu menganal ebjaan. emlhan banyanya lag yang dgunaan dalam peramaan juga dapa menmbulan permaalahan dalam proe ema. emodelan VAR adalah benu pemodelan yang dgunaan unu mulvarae me ere. Model VAR menjadan emua varabel berfa endogen. Spefa model VAR melpu pemlhan varabel dan banyanya elang (lag) yang dgunaan dalam model. Seua dengan Sm (97) dalam Junad (00), varabel yang dgunaan dalam peramaan VAR dplh berdaaran eor eonom yang relevan. emlhan elang opmal emudan aan menggunaan rera nforma eper Aae nformaon creron (AIC), Schwarz nformaon creron (SC), Hannan-Qunn nformaon creron (HQ). Model VAR ecara maema dapa dwal oleh (Ender 00): x µ A X u (.) x adalah veor dar varabel-varabel endogen berdmen (n x ), μ adalah veor dar varabel-varabel eogen ermau d dalamnya onana (nercep) dan ren, A adalah mar-mar oefen berdmen (n x n), dan u adalah veor dar redual-redual yang ecara onemporer berorela eap da berorela dengan nla lag merea endr dan juga da berorela dengan eluruh varabel yang ada dalam anan peramaan d aa... Uj Saonera Daa Hal penng yang beraan dengan ud aau penelan yang menggunaan daa me ere adalah aonera. Daa dere wau daaan aoner ja daa menunjuan pola yang onan dar wau e wau aau dengan aa lan da erdapa perumbuhan aau penurunan pada daa, ecara aarnya daa haru horzonal epanjang umbu wau.

4 6 Engel dan Granger (987) dalam Junad (00) menyaaan bahwa uj aar un dpandang ebaga uj aonera, arena pada nnya uj erebu berujuan unu mengama apaah oefen erenu dar model ooregref yang dar mempunya nla aau da. Ja daa runun wau (me ere) yang dgunaan da aoner, maa empulan yang dperoleh aan menghalan pola hubungan regre yang emu (purou regreon). Daa yang aoner aan mempunya ecenderungan unu mendea nla raa-raanya dan berfluua dear nla raa-raanya (Gujara 006). Ada beberapa cara unu melauan uj aar un roo, namun yang palng banya adalah dengan augmened Dcy Fuller (ADF) e. Malan model peramaan me ere ebaga beru (aarbu 00): y ρy - ε (.) ρ adalah parameer yang aan dema dan ε dauman whe noe dmana varabel yang dgunaan erebu meml mean dan varance yang onan dan ovaran ama dengan nol. Ja ρ, maa y adalah varabel yang da aoner, dan varan dar y aan mennga ejalan dengan penngaan wau dan cenderung unu a berhngga. Ja ρ <, maa y adalah varabel yang aoner. Hpoe rend aonary dapa devalua dengan menguj apaah nla abolu dar ρ beul-beul ecl dar au. engujan umum erhadap hpoe daa adalah: H 0 : ρ dan hpoe alernaf H : ρ<. emudan dengan mengurang edua peramaan (.) dengan y - ddapa peramaan: y αy - ε (.) dmana mengdenfaan perbedaan perama, edangan α ρ-, ehngga hpoe nol menjad H 0 : α0, edangan hpoe alernaf menjad H : α<. Sedangan model umum dar ADF yang dgunaan dalam penelan n adalah ebaga beru (aarbu 00): y αy - c y -... c p y -p rend ε (.) Ja nla -a ADF lebh ecl dar -a r Macnnon maa epuuannya adalah menola H 0 yang menyaaan bahwa daa da aoner aau dengan aa lan daa berfa aoner.

5 7.. eneapan Lag Opmal Uj lag opmal dlauan unu mengeahu berapa jumlah lag yang eua unu model. eneapan nga lag opmal dapa dlauan dengan menggunaan fung rera nforma ebaga beru: (a) rera uj lelhood rao (LR); (b) fnal predcon error (FE); (c) Aae nformaon creron (AIC); (d) Schwarz nformaon creron (SIC); dan (e) Hannan_Qunn creron (HQ). enenuan lag opmal dalam anal VAR anga penng dlauan arena varabel endogen dar varabel endogen dalam em peramaan aan dgunaan ebaga varabel eogen (Ender 00). engujan panjang lag opmal n berguna unu menghlangan maalah auoorela dalam em VAR. Dalam penelan n dgunaan emua rera nforma unu menenuan lag opmal. Model VAR dema dengan lag yang berbeda-beda emudan dbandngan nla reranya. Nla lag yang opmum adalah nla rera yang erecl... Uj onegra Salah au aum yang haru dpenuh dalam VAR adalah emua peubah a beba berfa aoner. Apabla daa da aoner, maa perlu dlauan uj onegra, dmana ja daa yang da aoner eronegra, maa ombna lner anar varabel-varabel dalam em aan berfa aoner, ehngga dapa dperoleh em peramaan janga panjang yang abl (Ender 00). Suau dere wau daaan ernegra pada lag e-d aau I(d) ja daa eebu berfa aoner eelah pendferenan ebanya d al. eubah-peubah da aoner yang ernegra pada nga yang ama dapa membenu ombna lner yang berfar aoner. omponen dar veor y daaan eronegra ja ada veor (,,..., n ) ehngga ombna lner y berfa aoner, dengan yara ada unur mar bernla da ama dengan nol. Veor dnamaan veor onegra. Ran onegra (r) dar veor adalah banyanya veor onegra yang alng beba. Nla (r) dapa deahu melalu uj Johanen. Hpoenya adalah: H 0 ran r H ran > r

6 8 Apabla ran onegra lebh bear dar nol, maa model yang dgunaan adalah VECM dan apabla ran onegra ama dengan nol, maa model yang dgunaan adalah VAR dengan pendferenan ampa lag e d. Adanya hubungan onegra dalam ebuah em peramaan mengmplaan bahwa dalam em erebu erdapa Error Correcon Model yang menggambaran adanya dnama janga pende ecara onen dengan hubungan janga panjannya...5 Vecor Error Correcon Model (VECM) VECM merupaan benu VAR yang erer. Rer ambahan n haru dberan arena eberadaan benu daa yang da aoner pada level namun eronegra. VECM emudan memanfaaan nforma rer onegra erebu e dalam pefanya. VECM erng debu ebaga dean VAR bag ere non aoner yang meml hubungan onegra. Spefa VECM merer hubungan janga panjang varabel-varabel endogen agar onvergen e dalam hubungan onegranya, namun eap membaran eadaan dnama janga pende. Ilah onegra denal juga ebaga error, arena deva erhadap eembangan janga panjang dore ecara berahap melalu ere paral penyeuaan janga pende. VECM andar ddapa dar model VAR durang dengan x -. eramaan maema dunjuan oleh peramaan beru (Achan e al. 005 dalam Junad 00): x - μ Πx - Γ x - u (.5) Π dan Γ adalah fung dar A, mar Π ba ddeompo edalam mar berdmen (n x r) α dan ; Π α T, dmana α debu mar penyeuaan dan ebaga veor onegra dan r adalah conegraon ran. eranga onegra hanya eua ja varabel-varabel yang berhubungan ernegra. Hal n ba duj dengan menggunaan uj aar un. Saa da ba demuan aar un, maa meode eonomer radonal dapa derapan...6 Impul Repone Funcon (IRF) IRF menunjuan bagamana repon dar eap varabel endogen epanjang wau erhadap ejuan dar varabel u endr dan varabel endogen lannya. IRF

7 9 dgunaan unu melha pengaruh onemporer dar ebuah varabel dependen ja mendapaan guncangan aau nova dar varabel ndependen ebear au andar deva. Vecor auoregreon dapa pula drepreenaan ebaga uau vecor movng average (VMA): x μ eerangan : φ 0 φ (.6) ε φ φ ( ) φ ( ) ( ) ( ) φ eempa oefen Ø (), Ø (), Ø (), dan Ø () merupaan mpul repone funcon. Hal IRF erebu anga enf erhadap penguruan (orderng) varabel yang dgunaan dalam perhungan. enguruan varabel yang ddaaran pada faora choley. Varabel yang meml nla pred erhadap varabel lan dleaan d depan berdampngan au ama lannya. Varabel yang da meml nla pred erhadap varabel lan dleaan palng belaang. Dalam penelan n yang aan del adalah pengaruh hoc volume epor, harga epor, nla uar rl, harga nernaonal dan harga are alam negara ompeor pada lag erhadap volume epor are alam Indonea e Amera Sera dan Jepang...7 Foreca Error Varance Decompoon (FEVD) FEVD adalah meode yang dapa dgunaan unu melha bagamana perubahan dalam uau varabel maro dunjuan oleh perubahan varance error yang dpengaruh oleh varabel-varabel lannya. Meode n dapa melha juga euaan dan elemahan dar mang-mang varabel dalam memengaruh varabel lannya pada urun wau yang panjang (how long/how peren). Deompo varan mernc varan dar error peramalan (foreca) menjad omponen-omponen yang dapa dhubungan dengan eap varabel endogen dalam model. Melalu perhungan perenae quared predcon error -ahap e depan dar ebuah varabel aba nova dalam varabel-varabel lan, dapa dlha eberapa bear error peramalan varabel erebu debaban oleh varabel u endr dan varabel-varabel lannya

8 0..8 Deraja a-through Meode penghungan deraja pa-hrough mengacu pada model Hyder dan Shah dalam Achan (007) dmana Choley decompoon dgunaan unu mengdenfa guncangan ruural dan menghung deraja pa-hrough melalu anal mpule repone. oefen (deraja) pa-hrough dhung berdaaran umulaf mpule repone dar varabel hoc erhadap varabel repon dan varabel hoc erhadap varabel hoc u endr. eramaan maema penghungan deraja pa-hrough adalah ebaga beru: n n r Through a Deraja (.7) eerangan: n r : umulaf repon erhadap hoc,, dan dar horzon perama ampa e-n n : umulaf repon,, dan erhadap hoc,, dan dar horzon perama ampa e-n. Model enelan Model penelan n adalah: Y Y ε α (.8) eerangan: Y : veor varabel endogen (X,,,, ) α : onana : oefen mar unu lag- ε : redual : perode (rwulan) : ordo dar model VAR Berdaaran model d aa, dengan memauan enam varabel yang aan dgunaan dalam penelan n, maa peramaan VAR yang aan erbenu eua varabel yang aan danal adalah: ε ω φ θ δ α (.9) ε ω φ θ δ α (.0) ε δ ω φ θ α (.) ε θ δ ω φ α (.)

9 α 5 ω5 5 5 δ5 θ5 φ5 ε5 (.) eerangan: : Volume epor are alam (g) : Harga epor are alam (USD/g) : Harga are alam d paar nernaonal (USD/g) : Harga are alam d negara ompeor (USD/g) : Nla uar rl (Rp/USD dan Rp/Yen) : GD rl (USD dan Yen) eramaan umum: X eerangan: A0 A X A X... Ap X p e (.) X A 0 A e : Veor yang ber n varabel (nx) : Veor nerep (nx) : Mar oefen (nxn) : Veor varabel gangguan Berdaaran peramaan d aa, maa unu mendapaan jawaban dar permaalahan janga panjang (hubungan janga panjang) maa model VAR haru dombnaan dengan VECM ehngga peramaan aan menjad ebaga beru: X τ x µ µ αµ ε 0 (.5) Error ermnya (ε, ε, ε,, ε 5 ) yau aan (dugaan error erm) aan menjad fou uama. ε dapa dnerpreaan ebaga nova aau guncangan dar varabel yang a ngnan, ehngga dampa guncangan ebuah varabel erhadap varabel lannya dapa danal. ereran peramaan VAR dan VECM d aa aan menyebaban jumlah parameer ama dengan jumlah peramaan (exac denfed) ehngga error ε, ε, ε,, ε 5 dapa ddenfa dan dperoleh pure nnovaon dar ε, ε, ε,, ε 5. Seelah dperoleh pure nnovaon maa anal elanjunya dapa dlauan yau mpule repone funcon (IRF) dan foreca error varance decompoon (FEVD).

4. Hukum Dan Kaidah Rangkaian

4. Hukum Dan Kaidah Rangkaian Inroducon o rcu naly Tme Doman www.drhamblora.com. Huum Dan Kadah angaan.. Huum-Huum angaan Peerjaan anal erhadap uau rangaan lner yang parameernya deahu mencaup pemlhan en anal dan penenuan bearan eluaran

Lebih terperinci

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

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

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

MODUL 7 APLIKASI TRANFORMASI LAPLACE

MODUL 7 APLIKASI TRANFORMASI LAPLACE MODUL 7 APLIKASI TRAFORMASI LAPLACE Tranformai Laplace dapa digunaan unu menyeleaian bai peroalan analia maupun perancangan iem. Apliai Tranformai Laplace erebu berganung pada ifa-ifa ranformai Laplace,

Lebih terperinci

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

Bab II TINJAUAN PUSTAKA II.1 aransi II.1.1 Klasifikasi Garansi

Bab II TINJAUAN PUSTAKA II.1 aransi II.1.1 Klasifikasi Garansi Bab II TINJAUAN USTAKA ada bab n aan dbaha onep eor dan meode yang yang dgunaan dalam pengembangan model raeg layanan garan unu produ dengan pola penggunaan nermen Konep dan eor erebu erdr aa Sub bab II

Lebih terperinci

Tentukan invers transformasi dari hasil kali kedua fungsi dalam kawasan frekuensi berikut :

Tentukan invers transformasi dari hasil kali kedua fungsi dalam kawasan frekuensi berikut : Tenuan nver ranforma ar hal al eua fung alam awaan freuen beru : Pen: F () an F () Inver ranforma Laplace mang-mang fung erebu enu aja aalah f () u() an f () e - u() engan menggunaan negral onvolu ang

Lebih terperinci

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

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

Lebih terperinci

Bab III. Menggunakan Jaringan

Bab III. Menggunakan Jaringan Bab III Pembuaan Jadwal Pelajaran Sekolah dengan Menggunakan Jaringan Pada bab ini akan dipaparkan cara memodelkan uau jaringan, ehingga dapa merepreenaikan uau jadwal pelajaran di ekolah. Tahap perama

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan untuk penelitian ini adalah pengeluaran riil pemerintah (G t ), PBD riil (Y t ), konsumsi (CC t ), investasi (I t ), Indeks Harga Konsumen

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan Opma Model Invenory Deermnk unuk Permnaan Menak dan Baya Pemeanan Konan Dana Purwaar, Rully Soelaman, Fr Qona Fakula Teknolog Informa, Inu Teknolog Sepulu Nopember, Surabaya E-mal : rully@-by.edu Abrak

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan Opma Model Invenory Deermnk unuk Permnaan Menak dan Baya Pemeanan Konan Dana Purwaar, Rully Soelaman, Fr Qona Fakula Teknolog Informa, Inu Teknolog Sepulu Nopember, Surabaya E-mal : rully@-by.edu Abrak

Lebih terperinci

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia JURNAL SAINS DAN SENI ITS Vol. 4, No., ( 337-3 (3-9X Prn D-7 Pemodelan Indes Pembangunan Gender dengan Pendeaan Regres Nonparamer Splne d Indonesa Nurul Fajryyah dan I Nyoman Budanara Jurusan Sasa, Faulas

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET BAB PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET MENGENAI METODE NUMERIK Persoalan yang melbaan model maemaa banya munul dalam berbaga lmu pengeahuan seper halnya dalam asus

Lebih terperinci

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial 96 Vol. 3, No., 96-, Januar 7 Kombnas Penasran Model Lag Terdsrbus Dengan Espeas Adapf Dan Penyesuaan Parsal Adawaya Rangu Absra Dalam menasr Model Lag Terdsrbus, masalah yang mungn erjad adalah da adanya

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Vol. 7. No. 3, 36-44, Desember 004, ISSN : 1410-8518 UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Budi Warsio, Dwi Ispriyani Jurusan Maemaia FMIPA Universias Diponegoro Absra Tulisan ini membahas

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

Transformasi Laplace Bagian 1

Transformasi Laplace Bagian 1 Modul Tranformai aplace Bagian M PENDAHUUAN Prof. S.M. Nababan, Ph.D eode maemaika adalah alah au cabang ilmu maemaika yang mempelajari berbagai meode unuk menyeleaikan maalah-maalah fii yang dimodelkan

Lebih terperinci

MODEL OPTIMASI MULTI OBJECTIVE UNTUK PERENCANAAN PERSEDIAAN MULTI PRODUK DARI MULTI SUPPLIER DENGAN MEMPERHATIKAN DUE DATE

MODEL OPTIMASI MULTI OBJECTIVE UNTUK PERENCANAAN PERSEDIAAN MULTI PRODUK DARI MULTI SUPPLIER DENGAN MEMPERHATIKAN DUE DATE SNTI III-0 Unvera Trak ISBN : 978-979-865-4-9 MODEL OPTIMASI MULTI OBJECTIVE UNTUK PERENCANAAN PERSEDIAAN MULTI PRODUK DARI MULTI SUPPLIER DENGAN MEMPERHATIKAN DUE DATE Dna Naala Prayogo Juruan Teknk Indur,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION )

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION ) 9/08/0 ( MULTIPLE LINEA EGEION ) Elty arva, T., MT. Fakulta Teknk Juruan Teknk Indutr Unverta Krten Maranatha Bandung Pengantar Pada e ebelumnya kta hanya menggunakan atu buah X, dengan model Y = a + bx

Lebih terperinci

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN 8 IV PEMBAHASAN 4 Aum Berkut n aum yang dgunakan dalam memodelkan permanan a Harga paar P ( merupakan fung turun P ( kontnu b Fung baya peruahaan- C ( fung baya peruahaan- C ( merupakan fung nak C ( C

Lebih terperinci

Reduksi Persamaan Dirac ke Persamaan Cauchy Nondegenerate

Reduksi Persamaan Dirac ke Persamaan Cauchy Nondegenerate Jurnal San & Maemaka JSM rkel ISSN 0854-0675 enelan olume 5, Nomor, Januar 007 rkel enelan: 39-43 Reuk eramaan ra ke eramaan Cauhy Nonegenerae Sulo Haryano Juruan Maemaka FMI UNI BSRK---eramaan ra abrak

Lebih terperinci

Bab 4. Tomografi Seismik. Tomografi seismik adalah metode untuk merekonstruksi struktur bawah

Bab 4. Tomografi Seismik. Tomografi seismik adalah metode untuk merekonstruksi struktur bawah Bab 4 Tomogaf Sem Tomogaf em aalah meoe unu meeonu uu bawah pemuaan bum engan menggunaan aa benu gelombang wavefom aau aa wau empuh avel me a gelombang em. eoe n pegunaan unu mempeoleh pofl ebaan eal a

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

BAB II PENYEARAH TERKENDALI. fasa thyristor. Tegangan keluaran penyearah terkendali dapat divariasikan dengan

BAB II PENYEARAH TERKENDALI. fasa thyristor. Tegangan keluaran penyearah terkendali dapat divariasikan dengan BAB PENYEAAH TEKENDA Unuk menghalkan egangan keluaran yang erkenal gunakan pengenal faa hyror. Tegangan keluaran penyearah erkenal apa varakan engan mengonrol aau mengaur uu penyalaan hyror. Thyror nyalakan

Lebih terperinci

PEMERINTAH KOTA DUMAI DINAS PENDIDIKAN KOTA DUMAI SMA NEGERI 3 DUMAI TAHUN PELAJARAN 2007/ 2008 UJIAN SEMESTER GANJIL

PEMERINTAH KOTA DUMAI DINAS PENDIDIKAN KOTA DUMAI SMA NEGERI 3 DUMAI TAHUN PELAJARAN 2007/ 2008 UJIAN SEMESTER GANJIL PEMERINTAH KOTA DUMAI DINAS PENDIDIKAN KOTA DUMAI SMA NEGERI 3 DUMAI TAHUN PELAJARAN 27/ 28 UJIAN SEMESTER GANJIL Maa Pelajar Fiika Kela XII IPA Waku 12 meni 1. Hubungan anara jarak () dengan waku () dari

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI 4. ALIDITAS DA RELIABILITAS DALAM MEMBUAT EALUASI Tujuan : Seelah mempelajari modul ini mahasiswa mampu membua ala evaluasi bau unu program pembelajaran Evaluasi pembelajaran adalah ahap ahir dalam prosedur

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

BAB KINEMATIKA GERAK LURUS

BAB KINEMATIKA GERAK LURUS BAB KINEMATIKA GERAK LURUS.Pada ekiar ahun 53, eorang ilmuwan Ialia,Taraglia,elah beruaha unuk mempelajari gerakan peluru meriam yang diembakkan. Taraglia melakukan ekperimen dengan menembakkan peluru

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

INTERPRETASI SINYAL OUT OF CONTROL PADA DIAGRAM KONTROL MULTIVARIAT

INTERPRETASI SINYAL OUT OF CONTROL PADA DIAGRAM KONTROL MULTIVARIAT INERPREAI INYAL OU OF CONROL PADA DIAGRAM KONROL MULIVARIA Wahyun uryanngtya, Muhamma Mahur Mahawa Juruan tatta I, urabaya, 63 Doen Juruan tatta I, urabaya, 63 mat_um@yahoo.com, m_mahur@tatta.t.ac. ABRAK

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

MODEL FIXED EFFECT PADA ANALISIS DATA POOLING

MODEL FIXED EFFECT PADA ANALISIS DATA POOLING O F FFC PAA AASS AA POOG SKRPS auan epada Faula aemaa dan lmu Pengeahuan Alam Unvera eger ogyaara unu memenuh eagan peryaraan guna memperoleh gelar Sarana San uun oleh: urngaun. 4757 PROGRA SU AAKA FAKUAS

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

* PERANCANGAN SISTEM PENGENDALIAN BERTINGKAT PADA STEAM DRUM PT INDONESIA POWER UBP SUB UNIT PERAK-GRATI

* PERANCANGAN SISTEM PENGENDALIAN BERTINGKAT PADA STEAM DRUM PT INDONESIA POWER UBP SUB UNIT PERAK-GRATI * PERANCANGAN SISTEM PENGENDALIAN BERTINGKAT PADA STEAM DRUM PT INDONESIA POWER UBP SUB UNIT PERAK-GRATI Oleh : eko wahyudanto (409.05.004) Pembmbng : Ir.Mochamad.Ilya HS NIP. 949099 97903 00 Latar Belakang

Lebih terperinci

COMPLETELY RANDOMIZED DESIGN (CRD)

COMPLETELY RANDOMIZED DESIGN (CRD) COMPLETELY RANDOMIZED DESIGN (CRD) CRD Tdak ada kea pengelompokan: Lngkungan homogen Bahan homogen (pebedaan danaa expemenal un yang mempeoleh pelakuan yang ama dalam CRD debu ebaga expemenal eo) Ala homogen

Lebih terperinci

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

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

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

Menentukan Disability Normal Cost Dengan Mempertimbangkan Pengaruh Kurs Valuta Asing

Menentukan Disability Normal Cost Dengan Mempertimbangkan Pengaruh Kurs Valuta Asing Menenuan Diabiliy Normal Co Dengan Memperimbangan Pengaruh Kur Valua Aing Gao Riwi eyano Juruan aiia, Univeria Padjadjaran (gao_riwi@unpad.ac.id) ATRAK Program pendanaan peniun merupaan uau upaya unu menyediaan

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

KINETIKA REAKSI HOMOGEN SISTEM BATCH

KINETIKA REAKSI HOMOGEN SISTEM BATCH KINETIK REKSI HOMOGEN SISTEM BTH SISTEM REKTOR BTH OLUME TETP REKSI SEDERHN (SERH/IREERSIBEL Beberapa sisem reasi sederhana yang disajian di sini: Reasi ireversibel unimoleuler berorde-sau Reasi ireversibel

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

Perancangan Sistem Kontrol dengan Tanggapan Waktu

Perancangan Sistem Kontrol dengan Tanggapan Waktu erancangan Siem onrol dengan anggapan Waku 4 erancangan Siem onrol dengan anggapan Waku.. endahuluan ada bab ini, akan dibaha mengenai perancangan uau iem konrol ingleinpu-ingle-oupu linier ime-invarian

Lebih terperinci

Kajian Pemilihan Struktur Dua Rantai Pasok yang Bersaing Untuk Strategi Perbaikan Kualitas

Kajian Pemilihan Struktur Dua Rantai Pasok yang Bersaing Untuk Strategi Perbaikan Kualitas JURNAL TEKNIK POITS Vol. 1, No. 1, (01 1-5 1 Kaan Pemlhan Struktur Dua Ranta Paok yang Berang Untuk Strateg Perbakan Kualta Ika Norma Kharmawat, Lakm Prta W, Suhud Wahyud Juruan atematka Fakulta atematka

Lebih terperinci

UJIAN TENGAH SEMESTER EKONOMETRIKA TIME SERIES (ECEU601302) SEMESTER GASAL

UJIAN TENGAH SEMESTER EKONOMETRIKA TIME SERIES (ECEU601302) SEMESTER GASAL Univeria Indoneia Fakula Ekonomi dan Bini UJIAN TENGAH SEMESTER EKONOMETRIKA TIME SERIES (ECEU601302) SEMESTER GASAL 2017-2018 Hari /gl : Rabu, 18 Okober 2017 Waku : 120 Meni Pengajar : Riyano Sifa : Caaan

Lebih terperinci

2. Menentukan model nonlinier jerapan P yang paling baik. PENDAHULUAN

2. Menentukan model nonlinier jerapan P yang paling baik. PENDAHULUAN PENDAHULUAN Latar Belakang Fofor (P) merupakan unur hara pentng dalam tanah. Keteredaan P bag tanaman erng bermaalah, bentuk fofor yang tereda atau umlah yang dapat dambl oleh tanaman hanya ebagan kecl

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Holt-Winter Exponential Smoothing. Minggu 5-6

Holt-Winter Exponential Smoothing. Minggu 5-6 Hol-Winer Exponenial Smoohing Minggu 5-6 Hol Exponenial moohing Meode Hol wo parameer exponenial moohing adalah pengembangan dari exponenial moohing ederhana. Menambahkan fakor perumbuhan (fakor ren) pada

Lebih terperinci

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Jurusan Maemaa FMIPA Unversas Dponegoro Jl Prof H Soedaro, SH, Tembalang Semarang Absrac In

Lebih terperinci

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK ANAII EVOUI MATRIK AA TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPREENTAI MATRIK Tas an Junaed Absra Mar Asal Tujuan (MAT) sebaga salah sau benu nformas pola perjalanan mempunya peranan yang sanga penng

Lebih terperinci

Lag: Waktu yang diperlukan timbulnya respons (Y) akibat suatu aksi (X)

Lag: Waktu yang diperlukan timbulnya respons (Y) akibat suatu aksi (X) Lag: Waku yang diperlukan imbulnya repon ( akiba uau aki ( Conoh: Pengaruh kredi erhadap produki Suplai Uang mempengaruhi ingka inflai eelah beberapa kwaral Hubungan pengeluaran R & D dengan produkifia

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Defns Parwsaa dan Wsaawan Parwsaa adalah slah yang dberan apabla seseorang wsaawan melauan perjalanan u sendr, aau dengan aa lan avas dan ejadan yang erjad ea seseorang pengunjung melauan

Lebih terperinci

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PENDAHULUAN Laar Belakang Salah au maalah aru dalam uau nework adalah penenuan pah erpendek. Maalah pah erpendek ini merupakan maalah pengopimuman, karena dengan diperolehnya pah erpendek diharapkan dapa

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

Sudaryatno Sudirham Analisis Rangkaian Listrik Di Kawasan s

Sudaryatno Sudirham Analisis Rangkaian Listrik Di Kawasan s 8/5/ Sudaryano Sudirham Analii angaian Liri Di Kawaan 8/5/ Kuliah Terbua ppx beranimai eredia di www.ee-cafe.org Buu-e Analii angaian Liri Jilid eredia di www.buu-e.lipi.go.id dan www.ee-cafe.org 8/5/

Lebih terperinci

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya JURNL TEKNIK POMITS Vol 2, No 1, (214) 1 Penempaan Opmal Sensor Dengan Meode Parcle Swarm Opmzaon (PSO) Unu Sae Esmaon Pada Ssem Dsrbus Surabaya j Dharma, Onoseno Penangsang, Rony Seo Wbowo Jurusan Ten

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan

III. METODE PENELITIAN. Data yang digunakan adalah data sekunder runtun waktu (time series) bulanan III. METODE PENELITIAN A. Jenis dan Sumber Daa Daa yang digunakan adalah daa sekunder runun waku (ime series) bulanan dari 2002:01 sampai dengan 2009:06 yang bersumber dari Laporan dan websie Bank Indonesia

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

( ) r( t) 0 : tingkat pertumbuhan populasi x

( ) r( t) 0 : tingkat pertumbuhan populasi x III PEMODELAN Model Perumbuan Koninu Terbaasnya sumber-sumber penyoong (ruang, air, maanan, dll) menyebaban populasi dibaasi ole suau daya duung lingungan Perumbuan populasi lamba laun aan menurun dan

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

METODE BEDA HINGGA UNTUK SOLUSI NUMERIK DARI PERSAMAAN BLACK-SCHOLES HARGA OPSI PUT AMERIKA SURITNO

METODE BEDA HINGGA UNTUK SOLUSI NUMERIK DARI PERSAMAAN BLACK-SCHOLES HARGA OPSI PUT AMERIKA SURITNO MEODE BEDA HINGGA UNUK OLUI NUMERIK DARI PERAMAAN BLACK-CHOLE HARGA OPI PU AMERIKA URINO EKOLAH PACAARJANA INIU PERANIAN BOGOR BOGOR 8 PERNYAAAN MENGENAI EI DAN UMBER INFORMAI Dengan n saya menyaaan baha

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

DESAIN PERANGKAT KAIT OVERHEAD TRAVELLING CRANE DENGAN KAPASITAS ANGKAT 25 TON PADA PABRIK ELEMEN BAKAR NUKLIR

DESAIN PERANGKAT KAIT OVERHEAD TRAVELLING CRANE DENGAN KAPASITAS ANGKAT 25 TON PADA PABRIK ELEMEN BAKAR NUKLIR Volume, Nomor, Jun 05 ISSN : -096 DESAIN PERANGKAT KAIT OVERHEAD TRAVELLING CRANE DENGAN KAPASITAS ANGKAT 5 TON PADA PABRIK ELEMEN BAKAR NUKLIR Syamurrjal Ramdja, Peru Zachara PRFN-BATAN, Kawaan Puppek

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN EORI. njauan Pusaka.. Peramalan Peramalan (forecasng) merupakan ala banu yang penng dalam perencanaan yang efekf dan efsen khususnya dalam bdang ekonom. Dalam organsas modern mengeahu keadaan

Lebih terperinci

ABSTRAK. Lentera :Vol.12, No.3, Nopember

ABSTRAK. Lentera :Vol.12, No.3, Nopember PERBEDAAN PRETAI BELAJAR PENYEDERHANAAN BENTUK AKAR YANG DIAJARKAN DENGAN MENGGUNAKAN METODE TANYA JAWAB DAN METODE KOOPERATIF MODEL GROUP INVETIGAI PADA IWA KELA X MA NEGERI 7 KOTA LHOKEUMAWE Marzuk Doen

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

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

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

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

Lebih terperinci

METODE PENELITIAN. terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak,

METODE PENELITIAN. terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak, III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak,

Lebih terperinci

Fakultas Teknik Jurusan Teknik Sipil Universitas Brawijaya Malang

Fakultas Teknik Jurusan Teknik Sipil Universitas Brawijaya Malang Fakula Teknik Juruan Teknik Sipil Univeria Brawijaya Malang erubahan emperaur ekpani (+) aau konraki (-) bahan egangan dan regangan 1 Dimana : ε = regangan ermal α = koefiien ekpani ermal (1 / C) Δ = 1

Lebih terperinci

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

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

Lebih terperinci

Marzuki Program Studi Pendidikan Matematika FKIP Universitas Almuslim ABSTRAK

Marzuki Program Studi Pendidikan Matematika FKIP Universitas Almuslim ABSTRAK PERBANDINGAN PRETAI IWA ANTARA PEMBELAJARAN PROBLEM OLVING DENGAN METODE KONVENONAL PADA DALIL PHYTAGORA TERHADAP IWA KELA VIII MP NEGERI PEUANGAN ELATAN KABUPATEN BIREUEN Marzuk Program tud Penddkan Matematka

Lebih terperinci

Prediksi Curah Hujan Kota Samarinda pada Tahun 2014 dengan Metode Filter Kalman. Rainfall Prediction Samarinda in 2014 with Kalman Filter Method

Prediksi Curah Hujan Kota Samarinda pada Tahun 2014 dengan Metode Filter Kalman. Rainfall Prediction Samarinda in 2014 with Kalman Filter Method Jurnal EKSPONENSIAL Volume 6, Nomor, Mei ISSN 8-789 Predisi Curah Hujan Koa Samarinda pada Tahun dengan Meode Filer Kalman Rainfall Predicion Samarinda in wih Kalman Filer Mehod Ea Syafiri Andarini, Sri

Lebih terperinci

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip

MATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP

Lebih terperinci

MODEL PERTUMBUHAN EKONOMI DUA SEKTOR DALAM WAKTU DISKRET DRAJAT STIAWAN

MODEL PERTUMBUHAN EKONOMI DUA SEKTOR DALAM WAKTU DISKRET DRAJAT STIAWAN MODEL PERTUMBUHAN EKONOMI DUA SEKTOR DALAM WAKTU DISKRET DRAJAT STIAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan n aya menyaakan bahwa

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB 4 PENGANAISAAN RANGAIAN DENGAN PERSAMAAN DIFERENSIA ORDE DUA ATAU EBIH TINGGI Oleh : Ir. A.Rachman Haibuan dan Naemah Mubarakah, ST 4. Pendahuluan Pada umumnya peramaan diferenial homogen orde dua

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 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 terperinci

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering Penggerombolan Model Parameer Regres dengan Error-Based Cluserng 1 I Made Sumerajaya 2 Gus Adh Wbawa 3 I Gede Nyoman Mndra Jaya 1 Saf Pengajar Deparemen Sasa IPB 2,3 Mahsswa Pascasarjana Sasa IPB ABSTRAK

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 6 BAB II TINJAUAN PUSTAKA. TINJAUAN STATISTIK Tnjaun sas meupaan penjelasan mengena eo-eo sas. Dalam hal n eo sas yang dgunaan adalah enang peamalan. Peamalan dee wau dengan fungs ansfe yang ddea melalu

Lebih terperinci