Bab III Komentar terhadap distribusi vec(r)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Bab III Komentar terhadap distribusi vec(r)"

Transkripsi

1 Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi ini. Disribusi ersebu, yang diuliskan kembali dalam Teorema III., daa dijumai dalam Browne dan Sahiro (986, Neudecker dan Wesselman (990, Neudecker (996 sera Scho (007. Yang akan dikomenari adalah bahwa arameer mean dan variansinya ernyaa didasarkan keada nilai endekaan bagi R. Hal ini akan diunjukkan ada bab ini. Selanjunya akan dilakukan kajian simulasi unuk meliha sejauh mana hasil endekaan iu berbeda dengan R. III. Disribusi vec(r Misalkan Z,Z,,ZN samel acak berukuran N dari Z dengan mariks kovariansi P. Jika R adalah mariks korelasi samel, maka vec(r adalah reresenasi dari R dalam benuk vekor. Vekor ini dieroleh dari R dengan menyusun kolom-kolomnya, yang sau di aas yang lain. Browne dan Sahiro (986, Neudecker dan Wesselman (990, Neudecker (996 sera Scho (007 melaorkan bahwa disribusi asimoik dari vec(r dirumuskan dalam Teorema III.. Teorema III. Misalkan X,X,,Xnadalah samel acak berukuran n yang berasal dari variabel acak yang berdisribusi N ( µ, Σ. Maka, { ( R ( P } n vec vec N... (III. d ( 0,Γ di mana a. Γ = M Φ M dengan b. M = ( I K + ; K adalah mariks komuasi yang berukuran ; 3

2 c. Φ = { I ( I P }( P P I ( I P d. Λ = ( eiei eiei. { } Λ Λ ;, e i adalah kolom ke-i dari mariks idenias I yang berukuran Pada bagian-bagian selanjunya akan diurunkan bahwa arameer mean dan variansi ada disribusi ersebu di dasarkan keada hasil endekaan bagi mariks korelasi R, dan bukan keada R iu sendiri. Unuk menyelidiki endekaan bagi R, digunakan meode Dere MacLaurin. III. Pendekaan bagi Mariks Korelasi Misalkan X,X,,Xn adalah samel acak berukuran n dari disribusi N ( µ, Σ, dan S dan R beruru-uru menyaakan mariks kovariansi dan korelasi samel. Dalam embahasan selanjunya akan sering digunakan mariks yang diberi lambang a D Q yakni mariks diagonal di mana elemen-elemennya adalah elemen-elemen diagonal dari mariks Q seelah diangkakan a. Jadi, D a Q = diag ( q a a a,q,,q bila Q berukuran. Dengan demikian, mariks korelasi samel dan mariks korelasi oulasi beruru-uru daa diuliskan dalam benuk D X i, maka Z,Z,,Zn Σ = dan R D SD S S = Σ Σ P D Σ D saling bebas dan berdisribusi N ( D,P. kibanya, jika Z i = Σ µ. Menarik unuk dicaa bahwa mariks korelasi samel dari Z,Z,,Z n adalah sama dengan mariks korelasi samel dari X,X,,Xn. Unuk menunjukkannya, kia misalkan S* adalah mariks kovariansi samel dari Z,Z,,Zn. Maka, S* = ( var z i = var ( DΣ x i D var x D = ( Σ i Σ 4

3 = DΣ S DΣ, karena var ( x = S i. Dengan demikian, erdaa hubungan samel Z,Z,,Zn adalah S 0 D = DS* S*D S* = DS DΣ ( DΣ SDΣ DΣ DS = S ( Σ Σ ( Σ Σ D S D D D S D D D S DΣ = Σ S D D. kibanya, mariks korelasi = D S S SD = R. Jadi mariks korelasi samel Z,Z,,Zn sama dengan mariks korelasi samel X,X,,X. n Selanjunya, akan diurunkan nilai endekaan bagi mariks korelasi samel R melalui Dere MacLaurin yang diuliskan dalam benuk lemma beriku. Lemma III. Misalkan Y adalah mariks simeri berukuran dan ε adalah suau skalar osiif sehingga nilai dari ( I + ε Y ada. Misalkan ( I Y + ε adalah suau mariks simeri yang meruakan akar dari ( I + ε Y, yang berari ( I + Y = ( I + Y ( I + Y ε ε ε. Maka di mana, ( i ε ε I + Y I + B i B = Y, B = Y, B3 Y = dan B4 = Y. 8 Pembukian Lemma III. elah daa dilakukan enulis berdasarkan Meode Perurbasi yang disarankan oleh Scho (997, hal. 36 aauun melalui Dere MacLaurin. 5

4 Berdasarkan Lemma III., nilai endekaan bagi mariks korelasi samel R daa dirumuskan dalam roosisi beriku. Proosisi III.3 Jika = S* P, maka R daa didekai oleh nilai endekaan orde erama beriku R P+ ( PD + D P Buki Karena S* = P +, maka erdaa hubungan DS* = DP + D. Selanjunya, karena seia elemen diagonal dari P bernilai, maka DP = I. Jadi, DS* = I + D. Jika D = ε Y, maka DS* = I +ε Y. kibanya, R = D S* S*DS* = ( I + εy ( P+ ( I + ε Y =( I + εy P( I + εy + ( I + εy ( I + ε Y Berdasarkan Lemma III., ( I +εy I ε Y. Dengan demikian, R daa diuliskan sebagai beriku. R I εypi εy+ I εyi εy I P εypi εy+ I εyi εy I P I Y YP I Y ε ε ε + I I Y YI Y ε ε ε I PI I P εy εypi εyp ε Y + 6

5 I I I εy εyi εy ε Y P P Y YP YP Y ε ε ε ε + Y Y Y Y ε ε ε ε, P PεY YP YP Y Y Y Y Y ε ε ε + ε ε ε ε, P P Y YP YP Y ε ε ε ε + Y Y Y Y 4 ε ε ε ε 4 P P Y YP + YP Y + Y Y + Y Y ε ε 4 ε ε ε ε 4 ε ε P PεY εyp + εypεy + εy εy + εyε Y 4 4 Karena ε kecil, maka suku-suku orde dua (angka dua dari ε akan jauh lebih kecil harganya. Dengan demikian, εypεy εy εy + εyε Y 0 dan endekaan 4 4 orde erama dari R adalah R P + ( PD + D P, karena D P + P Y YP ε ε aau R P + ( PεY + ε YP aau R = ε Y. Jadi, erbukilah roosisi di aas Pada Tabel III. diamilkan hasil simulasi unuk membandingkan R dan nilai endekaannya. Unuk iu, dibangkikan daa acak sebanyak n = 00 yang diambil dari N 0,I dengan unuk dari hingga 0. Tabel ersebu menunjukkan disribusi ( bahwa R dan nilai endekaannya idak jauh berbeda. Oleh karena iu, hasil ini akan digunakan ada langkah-langkah eneliian selanjunya. III.3 Mean dan Variansi vec(r Dengan menggunakan Proosisi III.3 di aas, dieroleh endekaan bagi vec(r sebagai beriku, vec(r vec P + ( PD + D P 7

6 vec( P + vec( vec ( PD + D P vec( P + vec( vec( PD + D P vec( P + vec( { vec( PD + vec ( D P } vec( P + vec( { vec( PDI + vec( DPI } vec( P + vec( {( I P vec( D + ( P I vec( D } vec( P + vec( {( I P + ( P I } vec( D 8

7 Tabel III.. Perbandingan R dengan endekaannya ( ˆR No R Pendekaan R ( ˆR R ˆR Tr ( R Tr ( Rˆ

8 Tabel III. (Sambungan No R Pendekaan R ( ˆR R ˆR Tr ( R Tr ( Rˆ

9 Sekarang kia erhaikan erlebih dahulu vec ( D. Karena D ea i iiei = di mana e i adalah vekor kolom ke-i dari mariks sauan berukuran x, maka D = ei( ei ei e i,aii = ei ei = ( ee i i ( ee i i = Dengan demikian, EE ii ii dengan E = ee. ii i i vec ( D = vec( E E Oleh karena iu, ii = ( Eii Eii vec( = Λ vec (, sebab * var{ vec( } = var vec( S P ii, sebab E ii simeris Λ = ( Eii Eii * { } = var{ vec ( S vec ( P } * = var{ vec ( S }, karena P meruakan mariks konsana = var{ vec( DΣ SDΣ } = v ar{ ( DΣ DΣ vec( S } = E (( D D vec( S (( D D vec ( S Σ Σ Σ Σ E (( D D vec ( S E (( D D vec( S Σ Σ Σ Σ = E ( D D vec( S ( vec ( S ( D D Σ Σ Σ Σ ( ( ( ( ( ( D D E vec S E vec S D D Σ Σ Σ Σ = ( ( ( ( ( ( D D E vec S vec S D D Σ Σ Σ Σ

10 ( ( ( ( ( ( D D E vec S E vec S D D Σ Σ Σ Σ = ( ( ( ( ( ( ( ( ( ( D D E vec S vec S E vec S E vec S D D Σ Σ Σ Σ = ( D { ( }( D var vec S D D Σ Σ Σ Σ kan eai, seeri dikemukakan dalam Mardia dkk. (979, Scho (997, 00 n dan Djauhari (007, var{ vec( S } = ( I + K ( var{ vec( } = ( ( ( ( D D I K D Σ Σ + Σ Σ D Σ Σ n Σ Σ. Oleh karena iu, = (( DΣ DΣ I + ( DΣ DΣ K ( Σ Σ ( DΣ DΣ n = (( DΣ DΣ + ( DΣ DΣ K ( Σ Σ ( DΣ DΣ n = ( I ( DΣ DΣ + K ( DΣ DΣ ( Σ Σ ( DΣ DΣ n = ( ( ( ( I K D D D + D Σ Σ Σ Σ Σ Σ n Karena ( ( ( ( D D D D D Σ Σ = Σ Σ = Σ D Σ, maka var{ vec( } = ( ( ( I + K DΣ Σ DΣ Σ DΣ DΣ n = ( ( I + K DΣ ΣDΣ DΣ Σ DΣ n n = ( I + K ( P P D Σ adalah mariks simeri, = M ( P P M = I + K. n kan eai, berdasarkan sifa mariks komuasi seeri dikemukakan dalam dengan ( M P P M n Scho (997, hal 403, ruas kanan sama dengan ( demikian, dieroleh M P P M. n var{ vec ( } = (. Dengan

11 Berdasarkan kesamaan ini, dengan menggunakan nilai endekaan bagi R yang dikemukakan dalam Proosisi III.3, beriku ini akan diurunkan nilai endekaan bagi mean dan variansi dari vec(r. III.3.. Mean vec(r Dengan menggunakan nilai endekaan bagi R P+ ( PD + D P ada Proosisi III.3, mean dari vec(r adalah E ( vec( R ( + ( + ( { } Λ ( E vec P I I P P I vec ( { } Λ ( E ( vec P + E I ( I ( P + P I vec vec( P + I {( I ( } ( ( P + P I Λ E vec ( {( ( } Λ ( vec P + I I P + P I E vec S P, = S P ( ( ( * * ( * { } Λ ( ( ( ( { } Λ ( ( Σ Σ ( { } Λ (( Σ Σ ( ( vec P + I I P + P I E vec S E vec P vec P + I I P + P I E vec D SD vec P ( ( ( vec P + I I P P I E D D vec S vec P + ( ( ( { } ( Λ Σ Σ ( vec P + I I ( ( P P I D D E vec S vec P + ( ( ( ( ( ( { } ( Λ Σ Σ ( Σ ( vec P + I I P P I D D vec vec P + ( ( ( { } ( Λ Σ Σ Σ ( vec P + I I P P I vec D D vec P + vec ( P + I {( I ( } ( ( P + P I Λ vec P vec P Suku kedua ada ruas kanan berharga 0. Dengan demikian, dieroleh ( ( vec ( P E vec R 3

12 III.3.. Variansi vec(r Sekali lagi dengan menggunakan nilai endekaan bagi R, dieroleh vec( R ( + {( ( } ( + Λ vec P I I P P I vec. Oleh karena iu, { } Λ ( var vec P I I P P I vec var ( vec( R ( + ( + ( { } Λ ( var I I P P I vec ( + ( I {( I ( } ( ( P + P I var vec {( ( } I I P + P I Λ. Λ {( + ( } ( I I P P I Λ M P P M. n {( ( } I I P + P I Λ I {( I ( } ( P + P I M P P n Λ. M I I P + P I {( ( } Λ { } Karena I {( I P + ( P I } M = M I ( I P Λ Λ dan M simeris seeri dikemukakan dalam Scho (997, hal. 45 dan hal. 8, maka var ( vec( R { { ( Λ }}( {( + ( } K I I P P P I I P P I M N n { M { I ( I P }}( P P M I ( I P n { { }} Λ Λ { ( }( ( { } M I I P Λ P P I I P Λ M n { ( }( ( { } M I I P Λ P P I Λ I P M. n kan eai, berdasarkan Teorema III. { I ( I P Λ}( P P I Λ ( I P = Φ. { } 4

13 Jadi, var ( vec( R M Φ M. n Mean dan variansi inilah yang akan digunakan selanjunya dalam diserasi ini. 5

Distribusi Normal Multivariat

Distribusi Normal Multivariat Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih 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

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PEDAHULUA Laar Belakang Menduga dan meramal sae yang idak bisa diamai secara langsung dari suau kejadian ekonomi adalah ening Pemerinah melalui bank senral dan ara regulaor daa menggunakan informasi enang

Lebih terperinci

MODEL DERET WAKTU HIDDEN MARKOV

MODEL DERET WAKTU HIDDEN MARKOV 9 ; P j y π j { ; } P j y sama dengan sau jika engamaan berada ada sae j dan sama dengan nol jika engamaan berada ada sae selainnya Maka enduga raaraa unuk sae j ada ersamaan 8 akan sama dengan nilai raaraa

Lebih terperinci

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh

Lebih 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

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus

Lebih terperinci

BAB III PERSAMAAN ARPS DAN METODE TABEL

BAB III PERSAMAAN ARPS DAN METODE TABEL BAB III ERSAMAAN ARS DAN METODE TABEL 3. ersamaan Ars Meoda decline curve analysis (analisis enurunan kurva) meruakan suau meode yang sering digunakan unuk mengesimasi erhiungan cadangan yang daa diamil

Lebih terperinci

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT. BAB 7 NILAI EIGEN DAN VEKTOR EIGEN Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Nilai Eigen dan Vekor Eigen. Diagonalisasi. Diagonalisasi secara Orogonal 7. NILAI EIGEN DAN VEKTOR EIGEN Definisi

Lebih terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUHG/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 8 VEKTOR DAN NILAI EIGEN /5/7 9.9 Beberapa Aplikasi Ruang Eigen Uji Kesabilan dalam sisem dinamik Opimasi dengan SVD pada pengolahan Cira Sisem Transmisi dan lain-lain.

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer Silabus : Aljabar Linear Elemener MA SKS Bab I Mariks dan Operasinya Bab II Deerminan Mariks Bab III Sisem Persamaan Linear Bab IV Vekor di Bidang dan di Ruang Bab V Ruang Vekor Bab VI Ruang Hasil Kali

Lebih terperinci

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1 LIMIT FUNGSI. Limi f unuk c Tinjau sebuah fungsi f, apakah fungsi f ersebu sama dengan fungsi g -? Daerah asal dari fungsi g adalah semua bilangan real, sedangkan daerah asal fungsi f adalah bilangan real

Lebih terperinci

RANK DARI MATRIKS ATAS RING

RANK DARI MATRIKS ATAS RING Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

Metode Regresi Linier

Metode Regresi Linier Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian

Lebih terperinci

ROTASI (PUTARAN) Diajukan untuk memenuhi tugas mata kuliah GEOMETRI TRANSFORMASI yang diampuh oleh Ekasatya Aldila A., M.Sc.

ROTASI (PUTARAN) Diajukan untuk memenuhi tugas mata kuliah GEOMETRI TRANSFORMASI yang diampuh oleh Ekasatya Aldila A., M.Sc. ROTSI (UTRN) Diajukan unuk memenuhi ugas maa kuliah GEOMETRI TRNSFORMSI yang diampuh oleh Ekasaya ldila., M.Sc. Di susun oleh: NIM: SEKOLH TINGGI KEGURUN DN ILMU ENDIDIKN (STKI) GRUTJl. ahlawan No. 32

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman JMP : Volume 4 Nomor 1, Juni 01, hal. 13-134 KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Pui Noviandari Universias Jenderal Soedirman veeyan_love18@yahoo.com Renny Universias

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C. Persamaan Diferensial Orde Sau Adapun benuk yang sederhana dari suau persamaan ferensial orde sau adalah: 0 a.i a 0 (.) mana a o dan a konsana. Persamaan (.)

Lebih terperinci

Drs. H. Karso, M.M.Pd. Modul 11 NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS

Drs. H. Karso, M.M.Pd. Modul 11 NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS Drs. H. Karso, M.M.Pd. Modul NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS Pendahuluan Modul yang ke- dari maa kuliah Aljabar Linear ini akan mendiskusikan beberapa konsep yang berguna bagi kia sebagai

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

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON * PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV HAMILON * BERLIAN SEIAWAY, YANA ADHARINI DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus IPB

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

1.4 Persamaan Schrodinger Bergantung Waktu

1.4 Persamaan Schrodinger Bergantung Waktu .4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan

Lebih 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

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI erusakaan.uns.ac.id PEMODELAN SMOOH RANSIION AUOREGRESSIVE (SAR PADA KURS HAI BAH ERHADAP RUPIAH oleh RAHMA NUR CAHYANI M005059 SKRIPSI diulis dan diajukan unuk memenuhi sebagian ersyaraan memeroleh gelar

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet

Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet JURNAL FOURIER Okober 6, Vol. 5, No., 67-8 ISSN 5-763X; E-ISSN 54-539 Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan eori Floque Syarifah Inayai Program Sudi Maemaika, Fakulas Maemaika dan

Lebih terperinci

Bab I Pendahuluan. I.1 Latar Belakang Masalah

Bab I Pendahuluan. I.1 Latar Belakang Masalah Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non

Lebih terperinci

0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 7.1

0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 7.1 BAB 7 LIMIT FUNGSI Sandar Kompeensi Menggunakan konsep i fungsi dan urunan fungsi dalam pemecahan masalah Kompeensi Dasar. Menjelaskan secara inuiif ari i fungsi di suau iik dan di akhingga. Menggunakan

Lebih terperinci

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

Lebih terperinci

Integral dan Persamaan Diferensial

Integral dan Persamaan Diferensial Sudaryano Sudirham Sudi Mandiri Inegral dan Persamaan Diferensial ii Darpublic 4.1. Pengerian BAB 4 Persamaan Diferensial (Orde Sau) Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih

Lebih terperinci

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik JURNAL EKNIK POMIS Vol., No., () - Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Meode Jaringan Syaraf iruan di P. PJB Uni Pembangki Gresik Inan Mara Kusuma, Imam Abadi, S, M dan Deak Yan

Lebih 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 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI

BAB 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI BAB 4 PENANAISAAN RANKAIAN DENAN PERSAMAAN DIFERENSIA ORDE DUA ATAU EBIH TINI 4. Pendahuluan Persamaan-persamaan ferensial yang pergunakan pada penganalisaan yang lalu hanya erbaas pada persamaan-persamaan

Lebih terperinci

Muhammad Firdaus, Ph.D

Muhammad Firdaus, Ph.D Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

Penerapan Diagram Kontrol Mewma dan Mewmv Pada Pengendalian Kualitas Air Produksi Di Ipam Ngagel I

Penerapan Diagram Kontrol Mewma dan Mewmv Pada Pengendalian Kualitas Air Produksi Di Ipam Ngagel I JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prin) D- Peneraan Diagram Konrol Mewma dan Mewmv Pada Pengendalian Kualias Air Produksi Di Iam Ngagel I Johana Diannia Jayani dan Wibawai Jurusan Saisika,

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ini akan dibahas dasar-dasar eori yang akan digunakan dalam penulisan skripsi ini, yaiu model regresi dua level, meode penaksiran maximum likelihood, mariks parisi, kronecker

Lebih terperinci

BAB IV PERHITUNGAN NUMERIK

BAB IV PERHITUNGAN NUMERIK BAB IV PERHITUNGAN NUMERIK Dengan memperhaikan fungsi sebaran peluang berahan dari masingmasing sebaran klaim, sebagai mana diulis pada persamaan (3.45), (3.70) dan (3.90), perhiungan numerik idak mudah

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.

Lebih terperinci

1 dz =... Materi XII. Tinjaulah integral

1 dz =... Materi XII. Tinjaulah integral Maeri XII Tujuan :. Mahasiswa dapa memahami menyelesiakan persamaan inegral yang lebih kompleks. Mahasiswa mampunyelesiakan persamaan yang lebih rumi 3. Mahasiswa mengimplemenasikan konsep inegral pada

Lebih terperinci

Fungsi Bernilai Vektor

Fungsi Bernilai Vektor Fungsi Bernilai Vekor 1 Deinisi Fungsi bernilai vekor adalah suau auran yang memadankan seiap F R R dengan epa sau vekor Noasi : : R R F i j, 1 1 F i j k 1 dengan 1,, ungsi bernilai real Conoh : 1. 1 F

Lebih terperinci

MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL

MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL Menenukan (Sudarno) MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL Sudarno Jurusan Saisika FSM UNDIP Email: dsghani@gmailcom Absrac The

Lebih terperinci

II. Penggunaan Alat Peraga. segitiga, kemudian guru bertanya Berapakah alasnya? (7) Berapakah tingginya? (2), Bagaimanakah cara mendapatkannya?

II. Penggunaan Alat Peraga. segitiga, kemudian guru bertanya Berapakah alasnya? (7) Berapakah tingginya? (2), Bagaimanakah cara mendapatkannya? rumus luas layang-layang dengan pendekaan luas segiiga 1. Memahami konsep luas segiiga 2. Memahami layang-layang dan unsur-unsurnya (pengerian layanglayang dan diagonal-diagonalnya) Langkah 1 Gb. 11.2

Lebih terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX JURNA SAINS DAN SENI ITS Vol., No., () - (-X rin) D- eramalan Inflow dan Ouflow Uang Karal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Meode ARIMA, Time Series Regression, dan ARIMAX Noorgam

Lebih terperinci

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus

Lebih terperinci

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2)

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2) FI Mekanika B Sem. 7- Pekan #3 Osilasi Persamaan diferensial linear Misal kia memiliki sebuah fungsi berganung waku (. Persamaan diferensial linear dalam adalah persamaan yang mengandung variabel dan urunannya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.. Hasil Peneliian 4... Daa Hasil Peneliian Dari hasil peneliian diperoleh daa kemampuan dribble. hasilnya sebagai mana pada abel I (dilampirkan) 4... Deskripsi

Lebih terperinci

Laplace Transform. Pengantar Matematika Teknik Kimia. Muthia Elma

Laplace Transform. Pengantar Matematika Teknik Kimia. Muthia Elma Lalace Tranform Penganar Maemaika Teknik Kimia Muhia Elma Penemu Pierre-Simon LPLCE 749 87 hli Maemaika dari Peranci Lalace Tranform Rumu lain.. ω σ π σ σ j d e j x d e x j j.. 0 [x] x - [] Kone variabel

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.

Lebih 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 TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi BAB II TEORI DASAR. PASANG SURUT Analisa asang suru dilakukan unuk menenukan elevasi muka air rencana bagi erencanaan fasilias lau (dermaga, jaringan ia, revemen, dan breakwaer), mengeahui ie asang suru

Lebih terperinci

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

BAB KINEMATIKA DENGAN ANALISIS VEKTOR BAB KINEMATIKA DENGAN ANALISIS VEKTOR Karakerisik gerak pada bidang melibakan analisis vekor dua dimensi, dimana vekor posisi, perpindahan, kecepaan, dan percepaan dinyaakan dalam suau vekor sauan i (sumbu

Lebih terperinci

SOLUSI-SOLUSI PERIODIK PADA PERLUASAN FRACTIONAL VAN-DER POL TAK LINEAR

SOLUSI-SOLUSI PERIODIK PADA PERLUASAN FRACTIONAL VAN-DER POL TAK LINEAR Jurnal Maemaika Vol. 8, No., Desember 5: 7-77 SOLUSI-SOLUSI PERIODIK PADA PERLUASAN FRACTIONAL VAN-DER POL TAK LINEAR S. B. Waluya Jurusan Maemaika FMIPA Universias Negeri Semarang sevanusbudi@yahoo.com

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

II LANDASAN TEORI 2.1 Persamaan Dasar Fluida

II LANDASAN TEORI 2.1 Persamaan Dasar Fluida 4 II LANDASAN TEORI Dala bab ini akan diberikan eori-eori yang berkaian dengan peneliian ini. Teori-eori ersebu elipui persaaan dasar fluida yang akan disarikan dari Billingha dan King [7], dan Wiha [8].

Lebih terperinci

Darpublic Nopember 2013

Darpublic Nopember 2013 Darpublic Nopember 01 www.darpublic.com 4.1. Pengerian 4. Persamaan Diferensial (Orde Sau) Sudarano Sudirham Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih urunan fungsi. Persamaan

Lebih terperinci

Matematika EBTANAS Tahun 1988

Matematika EBTANAS Tahun 1988 Maemaika EBTANAS Tahun 988 EBT-SMA-88- cos = EBT-SMA-88- Sisi sisi segiiga ABC : a = 6, b = dan c = 8 Nilai cos A 8 4 8 EBT-SMA-88- Layang-layang garis singgung OAPB, sudu APB = 6 dan panjang OP = cm.

Lebih terperinci

3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort

3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort 3 METODE PENELITIAN 3. Waku dan Tempa Peneliian Peneliian dilaksanakan selama dua bulan dari bulan Agusus sampai Sepember 2008. Tempa yang dadikan obyek peneliian adalah Pelabuhan Perikanan Nusanara (PPN)

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi. PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar

Lebih terperinci

MA5182 Topik dalam Statistika I: Statistika Spasial 22 November 2012 Utriweni Mukhaiyar

MA5182 Topik dalam Statistika I: Statistika Spasial 22 November 2012 Utriweni Mukhaiyar Space-ime Models MA58 Topik dalam Saisika I: Saisika Spasial ovember Uriweni Mukhaiyar Analisis Saisik Box&Jenkins Ieraion Posulae General Class of Models ACF, PACF, diff Daa Analysis Compound Poisson

Lebih terperinci

CADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN

CADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN CAAGA PREMI ASURASI PESIU UTUK PESIU ORMAL PAA STATUS HIUP GABUGA esi oiasari Silaban *, Hasriai, Musraini Mahasiswa Program S Maemaika osen Jurusan Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Universias

Lebih terperinci

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan

Lebih terperinci

Indikator Ketercapaian Kompetensi Merumuskan. Alokas i Waktu 8x45. Tingkat Ranah. Tingkat Ranah. Materi Pembelajaran

Indikator Ketercapaian Kompetensi Merumuskan. Alokas i Waktu 8x45. Tingkat Ranah. Tingkat Ranah. Materi Pembelajaran SILABUS Nama Sekolah : SMA N 78 JAKARTA Maa Pelajaran : MATEMATIKA LANJUTAN Beban Belajar : 2 sks STANDAR KOMPETENSI: 1. Menyusun lingkaran dan garis singgungnya. Dasar 1.1 Menyusun lingkaran yang memenuhi

Lebih terperinci

Bab III Studi Kasus Model Double Decrement

Bab III Studi Kasus Model Double Decrement Bab III Sudi Kasus Mode Doube Decremen Pada bab ini, akan dieaskan erebih dahuu mengenai beberapa definisi daam eori Doube Decremen. Seanunya akan dibahas benuk kuanifikasi dependensi daam kasus Doube

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

PENYELESAIAN SISTEM DESKRIPTOR KONTINU

PENYELESAIAN SISTEM DESKRIPTOR KONTINU LEMMA VOL I NO. 2, MEI 215 PENYELESAIAN SISTEM DESKRIPTOR KONTINU Siskha Handayani STKIP PGRI Sumaera Bara Email: siskhandayani@yahoo.com Absrak. Dalam peneliian ini akan dibahas penyelesaian dari sisem

Lebih terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya) JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 1 I PENDAHULUAN 11 Laar Belakang Seiap orang mendambakan berheni bekerja di suau masa dalam siklus kehidupannya dan menikmai masa uanya dengan enram Terjaminnya kesejaheraan di masa ua akan mencipakan

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. B ) merupakan. internasional secara simultan dengan menggunakan model VAR. Latar Belakang. Tujuan

PENDAHULUAN TINJAUAN PUSTAKA. B ) merupakan. internasional secara simultan dengan menggunakan model VAR. Latar Belakang. Tujuan PENDAHULUAN Laar Belakang Daa dere waku (ime series) adala engamaan ang diaa menuru uruan waku. Dalam banak kasus daa dere waku daa diemukan ola-ola ang ada ada daa. Pola-ola ang sama daa saja erjadi berulang

Lebih terperinci

PERSAMAAN DIFFERENSIAL PARSIAL DIFUSI NON HOMOGEN SATU DIMENSI

PERSAMAAN DIFFERENSIAL PARSIAL DIFUSI NON HOMOGEN SATU DIMENSI ISSN: 3-989 Vol. V, No. II, April 6 ERSAMAAN DIFFERENSIAL ARSIAL DIFUSI NON HOMOGEN SATU DIMENSI Rukmono Budi Uomo endidikan Maemaika FKI UMT E-mail: rukmono.budi.u@mail.ugm.ac.id Absrak Dalam peneliian

Lebih terperinci

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS REKAYASA HIDROLOGI II HIDROGRAF SATUAN SINTETIK Sub Komeensi Mamu menghiung hidrograf Mamu menghiung hidrograf sauan sineik berdasarkan keersediaan daa karakerisik DAS 1 * H S * S Hidrograf Sauan Sineik

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

UJI KESTABILAN DUA MATRIKS KORELASI MELALUI VEKTOR VARIANSI VARIABEL STANDAR

UJI KESTABILAN DUA MATRIKS KORELASI MELALUI VEKTOR VARIANSI VARIABEL STANDAR UJI KESTABILAN DUA MATRIKS KORELASI MELALUI VEKTOR VARIANSI VARIABEL STANDAR STABILITY TEST OF TWO CORRELATION MATRICES THROUGH VEKTOR VARIANCE OF STANDARDIZED VARIABLES Andi waru A.Paluseri, 1 Aidawayai

Lebih terperinci

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas Pandang. Modul 1 PENDAHULUAN Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,

Lebih terperinci

ANALISIS STABILITAS DAN PENAKSIRAN PARAMETER MODEL RENDLEMAN-BARTTER

ANALISIS STABILITAS DAN PENAKSIRAN PARAMETER MODEL RENDLEMAN-BARTTER ANALISIS STABILITAS DAN PENAKSIRAN PARAMETER MODEL RENDLEMAN-BARTTER Murni 1 dan Gao F. Herono 1, Program Magiser Maemaika, Deparemen maemaika FMIPA UI e-mail 1 : murni@ui.ac.id, e-mail : gao-f1@ui.ac.id

Lebih terperinci

HUMAN CAPITAL. Minggu 16

HUMAN CAPITAL. Minggu 16 HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan

Lebih terperinci

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

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

Lebih terperinci

v dan persamaan di C menjadi : L x L x

v dan persamaan di C menjadi : L x L x PERSMN GELOMBNG SSIONER. Pada proses panulan gelombang, erjadi gelombang panul ang mempunai ampliudo dan frekwensi ang sama dengan gelombang daangna, hana saja arah rambaanna ang berlawanan. hasil inerferensi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan

Lebih terperinci

MEMBAWA MATRIKS KE DALAM BENTUK KANONIK JORDAN. Irmawati Liliana. KD Program Studi Pendidikan Matematika FKIP Unswagati

MEMBAWA MATRIKS KE DALAM BENTUK KANONIK JORDAN. Irmawati Liliana. KD Program Studi Pendidikan Matematika FKIP Unswagati Jurnal Euclid, vol., No., p.568 MEMBW MTRIKS KE DLM BENTUK KNONIK JORDN Irmawai Liliana. KD Program Sudi Pendidikan Maemaika FKIP Unswagai irmawai.liliana@gmail.com bsrak Benuk kanonik Jordan erbenuk apabila

Lebih terperinci