BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau erawaa (maeace) meruaka suau kegaa mejaga aau memelhara faslas da eralaa abrk dega megadaka erbaka aau eyesuaa yag derluka agar ercaa suau keadaa oeras roduks yag memuaska da sesua dega yag drecaaka. Peraa maeace meeuka kegaa roduks yag meyagku kelacara aau kemacea roduks, volume roduks, sera efses roduks. (Assaur, 993, 88) Dega adaya kegaa emelharaa maka faslas aau eralaa abrk daa dguaka uuk roses roduks sesua dega recaa, daa memmas kerusaka selama dguaka, da roses roduks daa berjala dega lacar. Dalam usaha mejaga agar sea egguaa eralaa da mes secara kou daa berroduks, maka derluka kegaa emelharaa sebaga berku: Secara kou melakuka egeceka (seco). Secara kou melakuka elumasa (lubrcag). Secara kou melakuka erbaka (rearao). Melakuka eggaa sare ar.

2 3. Tujua Pemelharaa Kegaa emelharaa eralaa da faslas mes euya memuya ujua-ujua ereu. Adau ujua dar emelharaa yau sebaga berku (Assaur, 993, 89):. Kemamua roduks daa memeuh kebuuha sesua dega recaa roduks.. Memerajag usa keguaa ase. 3. Mejaga kualas roduk yag droduks. 4. Mejaga modal yag dvesaska dalam erusahaa selama waku yag deuka. 5. Mecaa gka baya emelharaa (maeace) seredah mugk dega cara melaksaaka kegaa emelharaa secara efekf da efse. 6. Meghdar kegaa maeace yag daa membahayaka keselamaa ara ekerja. 7. Mecaa keuuga yag seomal mugk dega baya yag seredah mugk..3 Jes-jes Pemelharaa Secara umum kegaa emelharaa daa dbedaka mejad macam, yau reveve maeace (ecegaha) da correcve maeace (erbaka).

3 3.3. Preveve Maeace Preveve maeace meruaka kegaa emelharaa yag dlakuka secara erjadwal, basaya secara erodk, berua seks, erbaka, eggaa, embersha, elumasa, da eyesuaa. Hal ersebu dlakuka uuk mecegah mbulya kerusaka-kerusaka yag dak erduga. Preveve maeace daa dlakuka dega mudah karea waku elaksaaaya megacu ada kaleder seks yag elah deaka. (Ebelg, 997, 89) Preveve maeace saga eg dalam melakuka emelharaa erhada faslas roduks yag ergolog dalam komoe krs. Kegaa medeeks kods yag mugk breakdow, roduks erhe, aau berkuragya fugs mes yag dkombaska dega emelharaa uuk meghlagka, megedalka kods ersebu, da megembalka mes seer kods semula. Sebuah komoe daa dgologka sebaga komoe krs aabla: Kerusaka faslas aau eralaa ersebu daa membahayaka kesehaa aau keselamaa ara ekerja. Kerusaka faslas aka memegaruh kualas roduk yag dhaslka. Kerusaka faslas aka meyebabka kemacea seluruh roses roduks. Modal yag daamka dalam faslas ersebu cuku besar aau mahal.

4 33 Preveve maeace yag dlakuka oleh suau erusahaa daa dbedaka aas macam yau:. Roue Maeace Meruaka kegaa emelharaa yag dlakuka secara ru. Msalya: embersha faslas, elumasa, egeceka da egsa ol.. Perodc Maeace Meruaka kegaa emelharaa yag dlakuka secara erodk aau dalam jagka waku ereu. berku: Beberaa mafaa dlakukaya reveve maeace yau sebaga Memerkecl overhaul (uru mes). Megurag kemugka rearas berskala besar. Megurag baya kerusaka aau eggaa mes. Memerkecl kemugka jumlah roduk rusak. Memerkecl hlagya gaj gaj ambaha akba kerusaka. Meuruka baya saua dar roduk abrk..3. Correcve Maeace Correcve maeace meruaka kegaa emelharaa yag dlakuka seelah erjadya kerusaka ada faslas yag meyebabka faslas ersebu dak daa berfugs dega bak. Kegaa serg juga damaka sebaga kegaa

5 34 rearas aau erbaka. Perbaka yag dlakuka karea kerusaka yag erjad akba dak dlakukaya reveve maeace aauu seelah dlakukaya reveve maeace ea sama ada suau waku ereu faslas ersebu rusak. Jad dalam hal kegaa maeace bersfa meuggu sama erjadya kerusaka. Aabla erusahaa haya megambl kebjaksaaa uuk meeraka correcve maeace saja aa reveve maeace, maka aka meyebabka kerusaka serg erjad da berakba ada erheya roses roduks. Seas memag correcve maeace membulka baya yag lebh murah dbadgka dega reveve maeace. Hal memag bear adaya selama kerusaka dak erjad ada saa berlagsugya roses roduks. Tea bla kerusaka erjad selama berlagsugya roses roduks maka aka membulka bayak masalah seer dak ereuhya arge roduks da erjad egkaa baya yag dkeluarka..4 Laju Kerusaka Pola dasar dar fugs laju kerusaka yag umum bag suau roduk adalah kurva bak mad (bahub curve). Pada umumya laju kerusaka suau ssem selalu berubah sesua dega berambahya waku. Bahub curve erbag mejad 3 daerah aau baga yau bur-, useful lfe, da wareou. Berku meruaka grafk laju kerusaka (Ebelg, 997, 3):

6 35 Grafk. Laju Kerusaka (Bahub curve) Bur- rego Daerah dada dega laju kerusaka meuru (Decreasg Falure Rae / DFR). Tgka kerusaka cuku gg ada awal oeras da erus meuru. Peyebab kerusaka aara la karea egedala kualas yag dak memada, erformas eaga kerja da maeral d bawah sadar, da lala. Useful lfe rego Daerah dada dega laju kerusaka kosa (Cosa Falure Rae / CFR), dmaa laju kerusaka sea saa adalah sama. Basaya kerusaka yag erjad d daerah dsebabka oleh eambaha beba da kesalaha mausa (huma error).

7 36 Wareou rego Daerah dada dega laju kerusaka megka (Icreasg Falure Rae / IFR). Bla suau eralaa mula memasuk area maka erlu dlakuka erawaa ecegaha uuk megurag akba yag lebh faal. Basaya kerusaka yag erjad d daerah dsebabka oleh kelelaha karea aus akba emakaa, umur aka roduk yag memag sgka, da la-la..5 Dsrbus Kerusaka Terdaa 4 jes dsrbus yag umumya dguaka agar daa megeahu ola daa yag erbeuk, yau: dsrbus Webull, Eksoesal, Normal, da Logormal..5. Dsrbus Webull Dsrbus jes meruaka dsrbus yag alg bayak dguaka karea daa dguaka uuk laju kerusaka yag megka mauu laju kerusaka yag meuru. Terdaa dua arameer yag dguaka dalam dsrbus yau arameer β da θ. Parameer β damaka juga arameer skala (scale arameer) sedagka arameer θ damaka juga arameer beuk (shae arameer). Fugs relably yag erdaa dalam dsrbus Webull yau (Ebelg, 997, 59): Relably fuco: R( ) e ( ) dmaa θ > 0, β > 0, da > 0

8 37 Parameer β daa dguaka uuk meeuka laju kerusaka dar ola daa yag erbeuk. Sedagka arameer θ dguaka uuk meeuka la egah dar ola daa. Nla-la β yag meujukka laju kerusaka erdaa dalam abel berku (Ebelg, hal 63): Tabel. Defs Nla Parameer β Nla Laju Kerusaka 0 < β < Peguraga laju kerusaka (DFR) β = Dsrbus Eksoesal (CFR) < β < Pegkaa laju kerusaka (IFR), Kokaf β = Dsrbus Raylegh (LFR) β > Pegkaa laju kerusaka (IFR), Koveks 3 β Pegkaa laju kerusaka (IFR), medeka kurva ormal.5. Dsrbus Eksoesal Dsrbus meruaka dsrbus yag alg oular dguaka dalam eor keadala. Jka erdaa eralaa yag memlk laju kerusaka ea, maka daa daska daa kerusaka ersebu ermasuk dalam dsrbus eksoesal. Parameer yag dguaka dalam dsrbus adalah λ, yag meruaka raa-raa kedaaga kerusaka yag erjad. Fugs relably yag erdaa dalam dsrbus Webull yau (Ebelg, 997, 4): Relably fuco : R( ) e dmaa > 0, λ > 0

9 Dsrbus Normal Dsrbus cocok uuk memodelka feomea keausa da kods wear ou. Dsrbus ormal daa dguaka sebaga edekaa yag bak uuk roses kegagala. Parameer yag dguaka dalam dsrbus adalah (la egah) da (sadar devas). Fugs relably yag erdaa dalam dsrbus Normal yau (Ebelg, 997, 69): Relably fuco : R( ) dmaa μ > 0, σ > 0 da > Dsrbus Logormal Dsrbus daa memlk berbaga macam beuk, sehgga serg djuma bahwa daa yag sesua dega dsrbus Webull juga sesua dega dsrbus Logormal. Dsrbus megguaka dua arameer yau s yag meruaka arameer beuk (shae arameer) da med yag meruaka arameer lokas (locao arameer). Fugs relably yag erdaa ada dsrbus Logormal yau (Ebelg, 997, 73): Relably fuco : dmaa s > 0, med > 0 da > 0 R( ) l s med

10 39.6 Idefkas Dsrbus Kerusaka Idefkas dsrbus dlakuka melalu 3 aha, yau defkas awal, uj kebaka sua (goodess of f es), da eeua arameer. (Ebelg, 997, 36).6. Idefkas Awal Idefkas awal daa dlakuka dega meode, yau robably lo da Leas-Square Curve-Fg (LSCF). Pada robably lo aka dbua grafk dega k-k (( ), F( )). Bla daa ersebu megku suau dsrbus. maka grafk yag erbeuk aka meyerua gars lurus. Namu demka, gka subjekfas uuk mela kelurusa gars meyebabka meode dak ouler uuk dguaka. Dega meode LSCF aka dcar la de of f (r) aau koefse korelas. Dsrbus yag dguaka dalam meode LSCF adalah webull, eksoesal, ormal da logormal. Dsrbus yag alg sesua berdasarka meode aka meujukka gars yag lurus aau lear aabla semak medeka + sehgga emlha jes dsrbus yag alg bak bag eyebara daa kerusaka adalah yag koefse korelasya medeka +. Berku meruaka rumus-rumus yag dguaka uuk mecar la r berdasarka keema dsrbus d aas:

11 40 Dsrbus Webull webull y y y y r dmaa: ) l( ) ( l l F y Dsrbus Eksoesal eksoesal y y y y r dmaa: ) ( l F y

12 4 Dsrbus Normal ormal z z z z r z = Φ - [F( )] deroleh dar abel Φ(z) ada lamra Dsrbus Logormal ormal z z z z r log dmaa: ) l( z = Φ - [F( )] deroleh dar abel Φ(z) ada lamra Berku meruaka cara eeua la de of f jka megguaka rogram Mab 4.0: Buka workshee baru da masukka la varabel ada kolom C da masukka la varabel y ada kolom C Plh meu Sa Basc Sascs Correlao

13 4 Pada dalog bo (varables), masukka C da C, kemuda lh Selec Plh Ok.6. Uj Kebaka Sua (Goodess of F Tes) Uj dlakuka uuk megeahu valdas dar asums dsrbus yag elah deuka sebelumya. Hasl eguja ersebu memuya dua kemugka, yau asums derma da asums dolak. Uj goodess of f aara dsrbus yag sau berbeda dega dsrbus yag laya..6.. Ma s Tes uuk Peguja Dsrbus Webull Hoess uuk melakuka uj adalah (Ebelg, 997, ): H 0 : Daa waku kerusaka berdsrbus Webull H : Daa waku kerusaka dak berdsrbus Webull Uj saskya adalah: M dmaa, k r k k k l l M l l M M = Z + - Z Z = 0.5 l l 0.5

14 43 Keeraga: = daa waku kerusaka yag ke- = l( ) M M α,v,v = la edekaa Ma uuk daa ke- = la M abel uuk dsrbus Webull lha abel dsrbus F k = r v = k k = r v = k r, = bayakya daa Jka la M hug < M abel (α,v,v) maka erma H 0 da olak H.6.. Barle s Tes uuk Peguja Dsrbus Eksoesal Hoess uuk melakuka uj adalah (Ebelg, 997, 399): H 0 : Daa waku kerusaka berdsrbus Eksoesal H : Daa waku kerusaka dak berdsrbus Eksoesal Uj saskya adalah: rl B r r ( r ) 6r r l r

15 44 Keeraga: = daa waku kerusaka ke- r = jumlah kerusaka Jka,, r r X B X maka erma H 0 da olak H.6..3 Kolmogorov-smrov Tes uuk Peguja Dsrbus Normal da Logormal Hoess uuk melakuka uj adalah (Ebelg, 997, ): H 0 : Daa waku kerusaka berdsrbus Normal aau Logormal H : Daa waku kerusaka dak berdsrbus Normal da Logormal Uj saskya adalah: D = ma{d,d } dmaa, s D ma s D ma uuk dsrbus ormal da ) ( s uuk dsrbus logormal l da ) (l s

16 45 Keeraga: = daa waku kerusaka ke- = raa-raa daa waku kerusaka s = sadar devas = bayakya daa kerusaka la () dar abel Sadardzed ormal robables Nla D cr dar abel Crcal Values Kolmogorov-smrov Tes Jka D D cr maka erma H 0 da olak H.6.3 Peeua Parameer Seelah dlakuka eguja goodess of f, maka dlajuka dega erhuga arameer uuk dlajuka ke erhuga Mea Tme To Falure (MTTF) aau Mea Tme To Rear (MTTR). Jes arameer yag dguaka ada dsrbus yag sau berbeda dega dsrbus laya. (Ebelg, 997, 59) Dsrbus Webull Parameer yag dguaka adalah β da θ, dmaa: β = b θ = ( a / b) e Dsrbus Eksoesal Parameer yag dguaka adalah λ, dmaa: λ = b

17 46 Dsrbus Normal Parameer yag dguaka adalah s da med uuk erhuga MTTR sera uuk erhuga MTTF, dmaa: MTTR s b da med e sa a MTTF σ = da μ = b b Dsrbus Logormal Parameer yag dguaka adalah s da med, dmaa: s b med e sa.7 Perhuga Mea Tme To Falure da Mea Tme To Rear Mea me o falure (MTTF) meruaka raa raa erval waku kerusaka dar suau dsrbus kerusaka sedagka Mea me o rear (MTTR) meruaka raa-raa waku erbaka aas kerusaka yag erjad. Berku meruaka erhuga MTTF da MTTR uuk masg-masg dsrbus (Ebelg, 997, 9): Dsrbus Webull MTTF = MTTR =.

18 47 Nla () deroleh dar abel fugs Gamma Dsrbus Eksoesal MTTF = MTTR = Dsrbus Normal MTTF = μ s MTTR = med. e Dsrbus Logormal s MTTF = MTTR = med. e.8 Peeua Ierval Waku Peggaa Pecegaha Omal Model Peeua erval waku eggaa ecegaha ddasarka ada mmas dowme da dguaka uuk meeuka waku yag alg omal dalam melakuka eggaa sehgga oal dowme er u waku daa dmmas. Terdaa model eeua erval waku eggaa ecegaha yau block relaceme da age relaceme..8. Block Relaceme Dalam meode jka ada selag waku dak erdaa kerusaka, maka daka eggaa dlakuka sesua dega erval. Jka ssem rusak sebelum jagka waku, maka dlakuka eggaa ecegaha da eggaa

19 48 selajuya aka ea dlakuka ada saa dega megabaka waku eggaa erbaka sebelumya..8. Age Relaceme Dalam meode daka eggaa dlakuka ada saa egoerasaya sudah mecaa umur yag deaka yau sebesar. Jka ada selag waku dak erdaa kerusaka, maka dlakuka eggaa sebaga daka korekf. Jka ssem rusak sebelum jagka waku, maka dlakuka eggaa ecegaha da eggaa selajuya aka ea dlakuka dega erhuga erhug dar waku eggaa erbaka sebelumya. Toal dowme er u waku uuk eggaa ecegaha ada saa ddeoaska dega D( ), rumusya yau (Jarde, 993, 96): dega: Toal eksekas dowme er sklus D( ) eksekas ajag sklus Toal eksekas dowme er sklus = T R( ) R( ). Eksekas ajag sklus = T ). R( ) M ( ) T. R( ) ( f Dega demka oal dowme er u waku adalah: D( ) ( T. R( T ). R( ) (( R( ) ( M ( )) T )) ( T f f )) ).( R( ))

20 49 dmaa: = erval waku eggaa ecegaha T f = dowme yag erjad karea eggaa kerusaka. T = dowme yag erjad karea eggaa ecegaha R( ) M( ) = robablas erjadya eggaa ecegaha ada saa = waku raa-raa erjadya kerusaka jka eggaa ecegaha dlakuka ada Nla gka keersedaa (avalably) dar erval eggaa ecegaha (ada saa D( )m) daa dkeahu dega rumus A() = -D( )m..9 Model Peeual Ierval Waku Pemerksaa Omal Sela melakuka daka eggaa ecegaha, daka emerksaa juga elu dlakuka uuk memmas dowme akba kerusaka mes secara medadak. (Jarde, 993, 08) Toal dowme er u waku meruaka fugs dar frekues emerksaa () da ddeoaska dega D(). Rumus erhugaya adalah: yag dlakuka: D() = dowme uuk erbaka kerusaka + dowme uuk emerksaa ( ) D( ) Dega laju kerusaka berbadg erbalk erhada jumlah emerksaa

21 50 ( ) k maka: D( ) k dmaa : Waku raa-raa kal erbaka (/μ) = MTTR jam kerja/bl waku kal emerksaa Waku raa raa kal emerksaa (/) = jam kerja/bl deroleh dega: Nla k adalah la kosa, sehgga jumlah emerksaa omal daa = k Ierval waku emerksaa () = jam kerja/bl Nla avably jka dlakuka emerksaa: A() = D().0 Perhuga Avalably Avalably meruaka robablas komoe aau ssem daa beroeras sesua dega fugsya ada waku ereu keka doeraska dalam kods

22 5 oerasoal ereu. Keersedaa juga daa derreaska sebaga ersease waku oerasoal sebuah komoe aau ssem selama erval waku ereu. Seelah deroleh la avalably berdasarka erval waku eggaa ecegaha da erval waku emerksaa maka aka dlakuka erhuga avalably oal komoe krs. Hal dlakuka agar daa dkeahu gka keersedaa aau kesaa mes uuk beroeras kembal saa mes ersebu elah derbak. Kedua gka keerseda ersebu meruaka dua kejada yag salg bebas da dak salg memegaruh. Sehgga berdasarka eor eluag dua kejada bebas, maka la eluag kejada salg bebas sama dega hasl erkala kedua avalably ersebu. (Walole, 995, 0). Perhuga Tgka Relably Relably meruaka eluag suau komoe aau ssem daa beroeras sesua dega fugs yag dgka ada erode ereu keka dguaka d bawah kods oeras yag elah deaka. Pegkaa relably daa dcaa dega cara emelharaa ecegaha (reveve maeace). dega adaya reveve maeace maka wear ou daa dkurag da daa megkaka umur mes. Keadala ada saa seelah deraka reveve maeace daa dyaaka dega: R m () = R() uuk 0 < T

23 5 R m () = R(T) R(-T) uuk T < T Secara umum ersamaaya adalah: R m () = R(T).R(-T) uuk T (+)T dmaa =,,3, ds Keeraga: T R() = erval waku eggaa ecegaha kerusaka = kehadala dar ssem aa reveve maeace Rumus uuk mecar la R() masg-masg dsrbus elah dcaumka ada sub bab.5 R(T) = eluag dar kehadala hgga reveve maeace erama R(-T) = eluag dar kehadala aara waku -T seelah ssem dkembalka ada kods awal ada saa T. = jumlah erawaa yag dlakuka Uuk laju kerusaka yag kosa : R() = e T R m () = e e maka, R m () = e e e R m () = e R m () = R()

24 53 Dar rumus d aas daa dyaaka bahwa dsrbus yag memlk laju kerusaka kosa, yau dsrbus eksoesal, bla dlakuka reveve maeace dak aka meghaslka damak aau karea relably seelah reveve maeace sama dega relably sebelum reveve maeace.. Perhuga Baya Perhuga baya dlakuka uuk membadgka oal baya yag dkeluarka sebelum da seelah dlakuka reveve maeace. Aabla baya saa falure (sebelum reveve maeace) lebh besar darada baya saa reveve maka daa dsmulka bahwa erjad eghemaa dega eeraa reveve maeace. Uuk meghug oal baya saa falure da reveve rumus yag dguaka adalah: Toal Baya Falure Frekues Peggaa k f Jam kerja/bl MTTF Baya Sklus Falure (C f ) C f = ((Baya eks + baya kehlaga roduks) T f ) + baya komoe Toal Falure Cos Tc( c f C ) f f

25 54 Toal Maeace ad Rear Cos Tc( f ) = Tc(c f ) f k f keeraga: C f = baya falure yag dmbulka selama erheya roses roduks f T f = meruaka la MTTF = MTTR Toal Baya Preveve Frekues Peggaa k Jam kerja/bl Baya Sklus Preveve (C ) C = (baya eks T ) + baya komoe Toal Preveve Cos Tc( c ( C ) ( R) C R) f f ( R) ( R) Toal Maeace ad Rear Cos Tc( ) = Tc(c ) k

26 55 keeraga: C = baya reveve C f = baya falure = erval waku reveve T = raa-raa waku eggaa seelah reveve R = la relably saa.3 Meode Aalss Relably Ceered Maeace (RCM) RCM meruaka suau ekk aalsa uuk meeuka eyebab dar kegagala komoe yag mugk daa memegaruh ouu roduk yag dhaslka da baya yag dkeluarka. Meode dkembagka sekar ahu 960. Tgka kekrsa daa deuka berdasarka robably of occurace (POC) da cosequecy. POC deroleh dar besarya robablas kegagala yag dsebabka oleh suau masalah. Sedagka cosequecy meujukka besarya akba dar kegagala ersebu, adau skala yag dberka dalam megaalsa cosequecy adalah sama 4 (becaa besar daa dabaka). Cosequecy aalyss daa deroleh dar aalsa fuco, fucoal falure, falure modes, cosequece evaluao, da falure effec. Beberaa aalsa kualaf yag dguaka meode RCM adalah: Fucos : meruaka fugs dar komoe Fucoal Falures : meruaka kegagala fugs yag dalam komoe

27 56 Falure Modes (Cause of falure): meruaka eyebab erjadya kegagala fugs ersebu Cosequece Evaluao, mecaku hal-hal berku: - Hdde : kegagala bersfa ersembuy. - Safey : meyaaka bahwa kegagala yag erjad beregaruh erhada keamaa ekerja. - Evromeal : meyaaka bahwa kegagala yag erjad daa meggaggu lgkuga sekar. - Oeraoal : meyaaka bahwa kegagala yag erjad daa meggaggu oeras roduks. Falure Effec: meruaka akba dar kegagala yag dakbaka ersebu Berku meruaka baga dar aalsa falure effec: - Local effec: akba dar kegagala erhada komoe u sedr - Ne hgher effec : akba dar kegagala erhada mes dmaa komoe berada - Ed effec: akba akhr yag dmbulka dar kegagala - Comesag rovsos/safeguards: eldug ada saa erjadya kegagala sehgga kegagala ersebu - Alarms: ada-ada yag dmbulka sewaku kegagala aka erjad - Acos: Tdaka yag dlakuka uuk megaas kegagala ersebu

28 57.4 Tekk Smulas Moe Carlo Smulas meruaka suau ssem yag dguaka uuk memecahka aau meguraka ersoala-ersoala dalam kehdua yaa yag euh dega kedakasa dega dak aau megguaka model aau meode ereu da lebh dekaka ada emakaa komuer uuk medaaka solusya. Mafaa smulas adalah sebaga berku (Kakay, 004,3): Meghema waku Kemamua d dalam meghema waku daa dlha dar ekerjaa yag bla dkerjaka aka memaka waku ahua ea kemuda daa dsmulaska haya dalam beberaa me. Daa melebarluaska waku Smulas daa dguaka uuk meujukka erubaha srukur dar suau ssem yaa (real sysem) yag sebearya dak daa del ada waku yag seharusya (real me). Megoreks kesalaha-kesalaha erhuga Dalam rakekya, ada suau kegaa aauu ercobaa daa saja mucul kedakbeara dalam mecaa hasl-haslya. Sebalkya, dalam smulas komuer jarag demuka kesalaha erhuga eruama bla agkaagka dambl dar komuer secara eraur da bebas. Komuer memuya kemamua uuk melakuka erhuga dega akura.

29 58 Daa dheka da djalaka kembal Smulas komuer daa dheka uuk keega ejaua aauu ecaaa semua keadaa aa berakba buruk erhada rogram smulas ersebu. Dalam dua yaa, ercobaa dak daa dheka begu saja. Dalam smulas komuer, seelah dlakuka eghea maka kemuda daa dega cea djalaka kembal. Mudah derbayak Dega smulas komuer ercobaa daa dlakuka sea saa da daa dulag-ulag. Pegulaga dlakuka eruama uuk megubah berbaga komoe da varabelya. Smulas Moe Carlo dkeal juga dega slah Samlg Smulao aau Moe Carlo Samlg Techque. Samlg smulao meggambarka kemugka egguaa daa samel dalam meode Moe Carlo. Smulas megguaka daa yag sudah ada (hsorcal daa). Dega kaa la aabla meghedak model smulas yag megkuseraka radom da samlg dega dsrbus robablas yag daa dkeahu da deuka, maka cara smulas Moe Carlo daa derguaka. (Kakay, 004,04)

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI. Pemelharaa aau Maeace.. Pegera Pemelharaa Pemelharaa aau dalam slah asgya dsebu maeace adalah kegaa uuk memelhara aau mejaga faslas / eralaa abrk da megadaka erbaka aau eyesuaa /

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Hdrolog Hdrolog meruaka ahaa awal erecaaa suau racag bagua dalam suau DAS uuk memerkraka besarya deb bajr yag erjad ddaerah ersebu. Pada saa ar huja jauh ke bum, sebaga ar jauh

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE Mara Buar-buar *, Hasra 2, Azskha 2 Mahasswa Progra S Maeaka 2 Dose Jurusa Maeaka Fakulas Maeaka da Ilu Pegeahua Ala Uversas

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Pegerta Pemelharaa da Perawata Pegerta Pemelharaa da Perawata ( Mateace ) meurut Assaur adalah suatu kegata utuk mejaga atau memelhara fasltas da peralata pabrk da megadaka perbaka

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 22 BAB II LANDASAN TEORI 2.1 Pedahulua 2.1.1 Pegerta Mateace Beberapa pegerta perawata (mateace) meurut ahl : 1. Meurut Corder (1988), perawata merupaka suatu kombas dar tdaka yag dlakuka utuk mejaga suatu

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

PEMERINTAH PROVINSI JAWA TIMUR

PEMERINTAH PROVINSI JAWA TIMUR PEMERINTAH PROVINSI PEMERINTAH JAWA TIMUR PROVINSI JAWA TIMUR SASARAN REFORMASI BIROKRASI emeraha belm bersh, krag akabel da berkerja redah emeraha belm efekf da efse emeraha yag bersh, akabel da berkerja

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

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

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

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

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

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 9 BAB LANDASAN TEORI. Defs Pemelharaa Agar suatu kegata produks dapat berlagsug dega lacar, meghaslka produk-produk yag bermutu tgg, maka perlu ddukug oleh mes-mes atau peralata yag hadal da sap bekerja

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI

MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI Semar Nasoal Logstk II : Streamlg Itegrated Suly Cha Maagemet as the New Froter of Comettve Advatage MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 8 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata (Mateace) Meurut Assaur (999, p59) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peesuaa

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

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

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

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

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

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH

PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS INSTANSI PEMERINTAH ISI PERATURAN PRESIDEN NO 29 TAHUN 2014 BAB I KETENTUAN UMUM ( 1 asal ) Pasal 1 BAB II PENYELENGGARAAN SAKIP ( 29

Lebih terperinci

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Lebih terperinci

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

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

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

STUDI PENANGGULANGAN BAJIR DATUK LAKSAMANA DUMAI. Fakultas Teknik Universitas Riau, Pekanbaru,

STUDI PENANGGULANGAN BAJIR DATUK LAKSAMANA DUMAI. Fakultas Teknik Universitas Riau, Pekanbaru, STUDI PENANGGULANGAN BAJIR DATUK LAKSAMANA DUMAI Arf Julswa ), Sswao ), Trmajo ) ) Mahasswa Jurusa Tekk Spl, ) Dose Jurusa Tekk Spl Fakulas Tekk Uversas Rau, Pekabaru, 893 Emal : ajuladrod@gmal.com Oe

Lebih terperinci

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

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

Lebih terperinci

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,,

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,, Salmah Ar S Ch. R I Idah W Bagu S dega ebuah bak berama au uroea Ceral Bak CB. odel megabaka erak ekeral dega egara-egara o uuk eederhaaa. odel memeuh eramaa-eramaa r & m / / / / dega adalah keluara real

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIN 3. Jes da Suber Daa Daa uaa yag dguaka uuk eela adalah harga yak bu dua (), harga yak kedela dua (), harga CPO CIF Roerda (), harga CPO FOB Malaysa (PCPOMY), harga eksor CPO (), harga

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci