PENDAHULUAN TINJAUAN PUSTAKA. 3. Membandingkan hasil peramalan model fungsi transfer dengan model ARIMA. Latar Belakang

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDAHULUAN TINJAUAN PUSTAKA. 3. Membandingkan hasil peramalan model fungsi transfer dengan model ARIMA. Latar Belakang"

Transkripsi

1 PENDAHULUAN Laar Belakag Semua makhluk hiu i ermukaa bumi aga iegaruhi oleh keaaa cuaca/iklim. Demikia halya ega yamuk Aee aegyi ebagai eyebab eyebara eyaki Demam Berarah Degue (DBD). Peigkaa eyebara eyaki akiba gigia yamuk Aee aegyi ii iebabka egaruh cuaca eeri curah huja a uhu uara. Tiggiya curah huja membua ejumlah aerah rawa erjai geaga air. Seagka geaga air ii meruaka ema yag aga iukai bagi berkembagya jeik yamuk eyebab emam berarah (Imro 007). Jumlah eeria DBD yag emaki meigka ajam haru egera iwaaai. Sebuah moel aalii eyaki meular meujukka bahwa kau DBD i Ioeia aka meigka lebih ari 4 kali, yaiu ari 6 kau i ahu 989 mejai 6 kau er orag i ahu 070 (Agu 007). Peigkaa jumlah eeria DBD aa imoelka ega megguaka meoe ARIMA. Begiu juga ega eigkaa curah huja a uhu uara. Aka eai hubuga aara curah huja a uhu uara ega eigkaa jumlah eeria DBD iak aa imoelka ega meoe ARIMA, karea meoe ii haya uuk au eubah. Uuk megaai hal erebu, iguaka moel fugi rafer. Moel fugi rafer aalah uau moel eramala ere waku bergaa yag meggabugka beberaa karakeriik moel-moel ARIMA au eubah ega beberaa karakeriik aalii regrei (Makriaki e al. 983). Moel fugi rafer iharaka aa mejelaka egaruh curah huja a uhu uara erhaa jumlah eeria DBD, ehigga aa ierimbagka alam erecaaa aau kebijaka raegi erhaa amak erubaha cuaca. Tujua Tujua ari eeliia ii aalah :. Membua moel fugi rafer yag mejelaka hubuga aara curah huja a uhu uara ega jumlah eeria DBD.. Melakuka eramala jumlah eeria DBD. 3. Membaigka hail eramala moel fugi rafer ega moel ARIMA. TINJAUAN PUSTAKA Cuaca a DBD Cuaca meruaka keaaa uara i uau ema. Uur-uur cuaca eriri ari curah huja, uhu uara, kelembaa uara, ekaa amofer a agi. Seagka eyaki Demam Berarah Degue (DBD) meruaka eyaki yag iebabka oleh yamuk Aee aegyi. WHO meyaaka bahwa aerah roi meruaka aerah hiereemik DBD a beraarka ijaua meeorologi aerah roi meruaka aerah yag kaya huja eajag ahu ehigga erkembagbiaka yamuk aga era kaiaya ega maalah cuaca/iklim i uau wilayah (BMG 006). Perubaha iklim/cuaca eeri erubaha uhu a erubaha curah huja aa memegaruhi orgaime vekor DBD yaiu erjai erubaha alam ergeraka, erkembagbiaka a igkah laku, era memegaruhi keceaa kemaaga a lamaya hiu vekor egifeki (LIPI 006). Curah huja meruaka beuk air cair yag jauh ke ermukaa bumi. Bayakya curah huja yag mecaai aah aau ermukaa bumi elama elag waku ereu iyaaka ega keebala aau keiggia air huja eaaiya meuui royeki horizoal ermukaa bumi a iak aa yag hilag karea eguaa, limaa, a ifilrai aau ereaa. Suhu iefiiika ebagai igka aau eraja keaaa uau bea yag ecara mikrokoik berkaia ega geraka molekul, emaki bear keceaa molekul maka uhu aka emaki iggi (BMG 006). Sebuah eeliia yag ilakuka oleh BMG aa ahu 006 meyimulka bahwa jumlah eeria DBD berkaia era ega ieia a jumlah hari huja. Huja yag erjai aa ii iak ecara lagug beregaruh erhaa eigkaa jumlah eeria DBD, eai eraa elag waku (ime lag) beberaa bula kemuia (BMG 006). Moel Dere Waku ARIMA Meoe ARIMA erama kali ierkealka oleh Box a Jeki. Paa moel ii erjai roe Auoregreive (AR) beroro- aau roe Movig Average (MA)

2 beroro- aau meruaka kombiai keuaya. Pembea beroro- ilakuka jika aa ere waku iak aioer. Kebayaka aa ere waku berifa o aioer, aahal aek-aek AR a MA ari moel ARIMA megheaki aa yag aioer. Keaioera Daa Dere Waku Syara uama alam membua moel ARIMA aalah aa berifa aioer, baik alam raaa mauu ragam. Daa ikaaka aioer jika flukuai aa beraa i ekiar ilai yag koa (aioer alam raaa) a ragam ari flukuai erebu ea koa ari waku ke waku (aioer alam ragam). Pemerikaa keaioera aa aa iliha ari lo aa erhaa waku a lo korelai iriya (ACF). Dere waku yag aioer memiliki ola lo ACF yag meujukka eurua ilai-ilai korelai iri ega cea meekai ol. Sebalikya ere waku yag iak aioer memiliki ola lo ACF yag meujukka eurua ilai-ilai korelai iri ecara lamba. Fugi korelai iri ioaika ebagai beriku : r k = N k ( X X )( X + k X ) = N ( X X ) = X = ilai egamaa aa waku ke- r k = ilai korelai iri aa lag ke-k N = bayakya egamaa ere waku k = lag yag iamai =,,3,,N Keiakaioera aa ere waku erbagi ua, yaiu iak aioer alam raaa a iak aioer alam ragam. Daa ere waku yag iak aioer alam raaa aa iaioerka ega cara embeaa ega eraja. Secara umum, embeaa ega eraja bia irumuka ebagai beriku : ( B) X Δ X = Biaaya embeaa ilakuka haya amai ua kali, karea aa akual umumya iak aioer haya aa au aau ua aha (Cryer 986). Daa ere waku yag iak aioer alam ragam bia iaioerka ega raformai Box Cox. Dalam raformai Box Cox aka ihailka ilai λ yag aka meeuka jei raformai yag aka ilakuka. Nilai lamba beera aura raformai yag ilakuka aa iliha aa Tabel (Wei 990). Tabel Nilai λ a Traformaiya Nilai λ Traformaiya -.0 /X -0.5 / X 0.0 L X 0.5 X.0 X (aa raformai) Uuk meguji aakah aa yag iguaka aioer, aa iguaka Uji Augmee Dicky-Fuller. Hioei yag iguaka yaiu H 0 : aa iak aioer a H : aa aioer. Jika ilai- lebih bear ari ilai α maka erima H 0 aau ega kaa lai aa iak aioer a ebalikya. Moel Regrei Diri (Auoregreive) Moel regrei iri beroro, yag iigka AR () meyaaka bahwa ilai egamaa aa erioe ke- iegaruhi oleh ilai-ilai egamaa ebelumya elama erioe (Makriaki e al. 983). Dega kaa lai ilai egamaa X iegaruhi ilai egamaa X -, X -,, X -. Secara umum, moel AR() iformulaika ebagai beriku (Mogomery e al. 990) : X = μ + φx + φ X φ X + e φ ( B ) X = μ + e X = ilai egamaa aa waku ke- μ = koaa φ = arameer moel AR e = iaa aa waku ke- ( B) = φ B φ B... φ B φ oliomial karakeriik AR meruaka Moel Raaa Bergerak (Movig Average) Perbeaa aara moel MA a moel AR erleak aa eubah bebaya. Paa moel AR eubah bebaya aalah ilai ebelumya ari eubah ak beba iu eiri (X ), eagka aa moel MA, eubah bebaya aalah ilai iaa aa erioe ebelumya. Rumu umum roe MA () aalah ebagai beriku (Mogomery e al. 990) : X = μ θ e θe... θe + e X = μ + θ ( B) e X = ilai egamaa aa waku ke-

3 μ θ e θ = koaa = arameer moel MA = iaa aa waku ke- ( B ) B B = θ θ... θ B meruaka oliomial karakeriik MA Moel Regrei Diri-Raaa Bergerak (,,) Auoregreive Iegree Movig Average (ARIMA) aalah gabuga ari moel regrei iri oro a raaa bergerak oro erhaa aa yag elah megalami embeaa ebayak kali. Beuk umum moel ARIMA (,,) aalah ebagai beriku : φ ( B) X = μ + θ ( B) e Memaukka fakor muima (S) ke alam moel aka aa mereuki bearya iaa yag iebabka oleh fakor muima. Beuk umum ari moel camura ega fakor muima aalah ARIMA (,,)(P,D,Q) : D φ ( B) Φ P ( B) X = μ + θ ( B) Θ Q ( B) e μ = koaa φ = arameer moel AR θ = arameer moel MA e = iaa aa waku ke- = bayakya egamaa ere waku alam au muim = oeraor embeaa ega eraja embea φ ( B) = φ B φb... φ B meruaka oliomial karakeriik AR θ ( B) = θ B θ B... θ B meruaka oliomial karakeriik MA Φ P ( B) meruaka oliomial karakeriik AR muima Θ Q ( B) meruaka oliomial karakeriik MA muima D ( B ) D = meruaka oeraor embeaa muima ega embeaa eraja D Meoe yag biaa iguaka alam embuaa moel ARIMA aalah meoe Box- Jeki (Makriaki e al. 983) ega roeur ebagai beriku :. Ieifikai Moel Ieifikai moel berajak ari rukur aa yag berifa aioer. Dari aa yag elah aioer aa ieroleh moel emeara ega megamai fugi korelai iri (ACF) a fugi korelai iri arialya (PACF). Oro roe AR aa ieuka ega meliha beraa bayak koefiie korelai iri arial (PACF) erama yag berbea yaa ega ol. Seagka oro roe MA ieuka ega meliha beraa bayak koefiie korelai iri (ACF) erama yag berbea yaa ega ol (Bowerma & O Coel, 987). Uuk lebih jelaya, alam megieifikai roe ARIMA ari lo korelai iri a lo korelai iri arialya aa iliha aa Lamira.. Peugaa Parameer Bayakya arameer yag aka iuga bergaug aa bayakya koefiie moel awal. Peuga arameer ikaaka yaa jika ilai- abolu yag beraaa ega arameer erebu lebih bear ariaa ilai- able aa araf yaa α/ ega eraja beba N ikuragi ega bayakya arameer moel (Bowerma & O Coel, 987). 3. Diagoik Moel Uji Pormaeau aau Box-Pierce aa iguaka uuk meguji aakah moel yag imiliki uah layak aau belum, yaiu ega meliha aakah ekelomok korelai iri iaa ecara yaa berbea ega ol. Saiik uji Q Box-Pierce meyebar megikui ebara χ ega eraja beba k-, imaa k aalah lag eriggi yag iamai a aalah jumlah oro AR a MA baik regular mauu muima. Jika ilai Q lebih bear ari ilai χ ( k ) uuk igka keercayaa ereu aau ilai eluag aiik Q lebih kecil ari araf yaa α, maka aa iimulka bahwa moel iak layak. Peramaa aiik uji Q Box-Pierce meuru Mogomery e al.(990) aalah : Q = K r k k = ( N ) r k = ilai korelai iri aa lag ke-k N = bayakya amaa aa aa awal = oro embeaa K = lag eriggi Pemerikaa kelayaka moel juga aa ilakuka ega memerika lo korelai iri iaa (RACF) a lo korelai iri arial iaa (RPACF). Moel yag euai iujukka ega iak aaya ilai korelai iri iaa a ilai korelai iri arial iaa yag berbea yaa ega ol (Bowerma & O Coel, 987).

4 4. Peramala Peramala meruaka uau roe uuk memeroleh aa beberaa erioe waku ke ea. Uuk memeroleh ejauh a erioe ke ea ari iik waku ke, maka iilih au moel yag memiliki ilai KTG miimum. Perhiuga ilakuka ecara rekurif, yaiu meghiug eramala au erioe kemuia ua erioe, a eeruya amai a erioe ke ea. Krieria Pemiliha Moel Schwarz Bayeia Crierio (SBC) aau iebu juga Bayeia Iformaio Crierio (BIC) aalah krieria uuk memilih moel. SBC meruaka krieria emiliha moel beraarka fugi kemugkia makimum. SBC iefiiika ebagai : l ( ˆ σ a ) + M l, imaa ˆ σ a aalah euga ari σ a, M bayakya arameer alam moel, a bayakya iaa yag aa ihiug ari uau ere. Moel erbaik aalah moel ega ilai SBC miimum (SAS/ETS Uer Guie, 988). SBC ibeuk uuk meyeleki moel a memilih ilai arameer yag ebearya eea mugki. Semeara Akaike Iformaio Crierio (AIC) ceerug ari SBC, imaa AIC aa iefiiika ebagai : l ˆ σ a + M. Uuk aa yag bear SBC lebih baik era lebih koie. Seelah melakuka eramala, keeaa eramala aa icari ega meghiug MAPE (Mea Abolue Perceage Error), ega rumu ebagai beriku : x f = x MAPE = 00 ega x aalah egamaa aa waku ke- a f aalah ramala aa waku ke-. Semaki kecil ilai MAPE meujukka aa hail eramala emaki meekai ilai akual. Moel Fugi Trafer Jika ere waku y berhubuga ega au aau lebih ere waku lai (x ), maka aa ibua ebuah moel ere waku uuk meuga ilai y beraarka iformai x. Moel yag ihailka iebu moel fugi rafer. Dere waku y iamaka ere ouu a ere waku x ebagai ere iu (Makriaki e al. 983). Perbeaa ega regrei liier eraa aa jei aa yag iguaka. Fugi rafer megguaka aa ere waku yag iak alig beba aar erioeya. Hal ii iebabka karea aa ere waku megaug uur eaoaliy, re, a cycle. Sehigga erhiuga korelai (keekaa aara X a Y) fugi rafer a regrei liier berbea. Korelai aara X a Y (Regrei Liier) : Cov xy r xy = Cov Cov Cov xy = xx yy ( X X )( Y Y ) = Korelai aara X a Y (Fugi Trafer) iebu juga ega Korelai Silag (Crocorrelaio) : Cov xy ( k) r xy ( k) = Cov Cov xx yy k ( k) = ( X X )( Y Y ) = Cov xy + k Moel fugi rafer memiliki beuk umum ebagai beriku : y δ B ω B x + ( ) ( ) b = r. y a x meruaka ere yag aioer.. b aalah agka yag melambagka erioe ebelum ere iu (x ) memulai uuk memegaruhi ere ouu (y ). 3. ( ) ω B = ω0 ωb ωb... ωb Nilai megiikaika beraa lama ere ouu (y ) mulai iegaruhi oleh ilai yag baru ari ere iu (x ). r 4. ( ) δ r B = δ B δ B... δ r B Nilai r megiikaika beraa lama ere ouu (y ) berhubuga ega ilai yag erahulu ari ere ouu iu eiri. 5. meruaka komoe gala aa waku ke-. Komoe gala ( ) iaumika aa imoelka ega roe ARIMA (,,), ehigga moel kombiai fugi rafer gala : y φ = δ r ( B) ω ( B) x b + Φ ( B) θ ( B) a ( B) = φ B φb... φb ( B) = θ B θ B... θ B θ b, r,,, aalah koaa a meruaka iaa aa waku ke-

5 ( B) = ( B) Φ φ meruaka oeraor regrei iri umum Moel eramaa fugi rafer uuk kau ua iu aau lebih, yaiu : y = δ r ( B ) ω ( B ) x ( ) b + + δ... rj ( B ) ω j ( B ) x ( b ) j + Beraarka eramaa i aa aa iliha bahwa koaa (r,,b) a (,) meruaka fakor eeu alam membagu moel fugi rafer. Proeur embeuka moel fugi rafer meliui ahaa-ahaa beriku :. Ieifikai Beuk Moel Fugi Trafer.. Memeriaka ere iu a ouu Taha ii megieifikai aakah ere iu a ere ouu uah aioer baik alam raaa mauu alam ragam. Jika aa iak aioer maka ilakuka embeaa a raformai uuk meghilagka keiakaioera... Prewhieig ere iu Taha rewhieig ere iu meruaka roe raformai ere yag berkorelai meuju erilaku whie oie yag iak berkorelai. Proe rewhieig ii megguaka moel ARIMA uuk ere iu. Oleh karea iu, ebelum roe rewhieig, ibagu erlebih ahulu moel ARIMA bagi x. Mialka jika ere iu x imoelka ebagai roe ARIMA (,0,), maka ere ii memiliki moel : φ ( B) x = θ ( B) α ega α meruaka iaa acak. Dega emikia ere iu yag elah megalami rewhieig (α ) aalah : α = φ B θ B x ( ) ( ).3. Prewhieig ere ouu Fugi rafer meruaka roe emeaa x ehaa y. Sehigga aabila ieraka uau roe rewhieig erhaa x, maka raformai yag ama juga haru ieraka erhaa y agar aa memerahaka iegria hubuga fugioal. Sehigga ere ouu yag elah iraformai (β ) aalah : β = φ B θ B y ( ) ( ).4. Perhiuga korelai ilag aara ere iu a ere ouu yag elah i rewhieig Fugi korelai ilag aara α a β aa lag ke-k aalah : cαβ ( k) r αβ ( k) =, k=0, ±, ±, α β imaa : r αβ ( k) = korelai ilag aara α a β aa lag ke-k c αβ ( k) = kovaria aara α a β aa lag ke-k α = imaga baku ere α = imaga baku ere β β.5. Meeuka ilai b,r, Koaa b, r, a ieuka beraarka ola fugi korelai ilag aara α a β. Cara meeuka ilai b, r a aalah : a. Korelai ilag berbea yaa ega ol uuk erama kaliya aa lag ke-b b. Uuk iliha ari lag berikuya yag memuyai ola yag jela aau lama x memegaruhi y eelah yaa yag erama c. Nilai r megiikaika beraa lama ere ouu (y ) berhubuga ega ilai yag erahulu ari ere ouu iu eiri. Nilai r iliha ari lo korelai iri y..6. Peugaa awal arameer δ a ω Peuga awal arameer fugi rafer yaiu ˆ δ = ( δ, δ,..., δ r ) a ) ω = ( ω0, ω,..., ω ) icari ega memafaaka eramaa beriku ii: Vj = 0, j < b Vj = δv j + δvj δrvj r + ω0, j = b Vj = δv j + δv j δrvj r ωj b, j = b+,..., b+ V = δ V + δ V δ V, j > b+ j j ega r ( k ) vˆ k = αβ α j β r j r Peuga awal ii iguaka ebagai ilai awal aa algorima eugaa akhir oliier a uuk meuga ere iaa.

6 . Peugaa Akhir Parameer Moel Fugi Trafer Peugaa awal arameer meruaka ilai awal aa logarima eugaa kuara erkecil oliier uuk membeuk euga akhir arameer moel yag ilakuka ecara ieraif. Proe iulag amai kekovergea icaai. Ierai aka berhei jika jumlah kuara galaya mecaai ilai miimum (Box & Jeki, 979). Paa roeur SAS, eugaa akhir arameer ii megguaka Meoe Kuara Terkecil (Lea Suare Meho) 3. Diagoik Moel Fugi Trafer Pemerikaa keeuia moel ilakuka ega meliha erilaku iaa ( a ) a korelai ilag cooh (SCC) aara a a α (iaa a iu). Keacaka iaa era iak aaya ilai SCC yag berbea yaa ega ol meujukka moel uah euai. Uji Q Box-Pierce aa ialikaika uuk meguji kebebaa iaa a iak aaya korelai aara iu a iaa. 4. Peramala Peramala ihiug ega megguaka eramaa : δ r ( B) φ ( B) y = φ ( B) ω ( B) X b + δ r ( B) θ ( B) a ega memaukka ilai-ilai arameer fugi rafer a ilai ere iu a ouu yag iaa ari lagkah-lagkah ebelumya. BAHAN DAN METODE Baha Peeliia Daa yag iguaka alam aalii ii aalah aa haria yag ikumulka oleh Baa Meeorologi a Geofiika Jakara. Daa yag iguaka meruaka aa bulaa ejak Jauari 00 higga Deember 006, eriri ari eubah curah huja a uhu uara yag meruaka raa-raa ari 0 aiu egamaa i Surabaya era aa jumlah eeria DBD yag meruaka oal ari eluruh kecamaa i Surabaya. Daa bula Jauari 00 Deember 005 iguaka alam embuaa moel eagka aa bula Jauari 006 Deember 006 iguaka ebagai aa evaluai. Meoe Peeliia Taha-aha yag ilakuka alam eeliia ii aalah :. Eklorai aa curah huja, uhu a aa jumlah eeria DBD uuk meliha ola eia eubah.. Memeriaka ere ouu a ere iu (eaioera aa). 3. Ieifikai moel ARIMA uuk eluruh eubah. 4. Prewhieig ere iu curah huja a uhu uara. 5. Meghiug korelai ilag maig-maig ere iu ega ere ouu. 6. Ieifikai awal moel fugi rafer. 7. Ieifikai moel iaa. 8. Meeuka moel kombiai fugi rafer. 9. Meramalka jumlah eeria DBD ega megguaka moel erbaik. 0. Membaigka hail eramala moel fugi rafer ega moel ARIMA.. Melakuka eramala moel fugi rafer ecara beraha. Pegolaha ega megguaka ofware Miiab 4 a SAS 9.. HASIL DAN PEMBAHASAN Eklorai Daa Paa Lamira aa iliha aaya hubuga oiif aara jumlah eeria DBD aa bula ke- ega curah huja aa bula ke -, eagka ega uhu memiliki hubuga egaif. Curah huja eriggi eraa aa bula Jauari 00 mecaai mm eagka uhu uara raa-raa berkiar aara C. Dega megguaka ilai raa-raa bulaa (Gambar ), ikeahui bahwa aa bula Jauari higga Jui kau DBD cuku bear, ega kau eriggi erjai aa bula Mare. Seagka aa bula Juli higga Deember erjai eurua jumlah kau DBD. DBD Grafik Kau DBD Raa Bulaa (00-005) Bula Gambar Grafik Kau DBD Raa-raa Bulaa.

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 II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN EORI. ijaua Puaka Daa ruu waku adalah daa yag dikumpulka meuru urua waku dalam uau reag waku ereu (Roadi, 006). Secara umum aalii ruu waku mempuyai ujua uuk pemodela da peramala. Pemodela

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

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

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain:

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain: Peahulua Peugaa Parameter Peugaa Parameter Populai ilakuka ega megguaka ilai Statitik Sampel, Mial :. x iguaka ebagai peuga bagi µ. iguaka ebagai peuga bagi σ 3. p atau p$ iguaka ebagai peuga bagi π Peugaa

Lebih terperinci

APLIKASI MODEL JUKES CANTOR DALAM MENENTUKAN PELUANG BASA NITROGEN KETURUNAN SUATU INDIVIDU

APLIKASI MODEL JUKES CANTOR DALAM MENENTUKAN PELUANG BASA NITROGEN KETURUNAN SUATU INDIVIDU Bulei Ilmiah ah. a. da eraaya Bimaer Volume 5 No. 6 hal 8. LIKI ODEL JUKE NOR DL ENENUKN ELUN B NIROEN KEURUNN UU INDIVIDU Nahrul Hayai ariaul Kifiah Bayu rihadoo INIRI eia idividu memiliki DN yag meruaka

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 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

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya

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 2. TRANSFORMASI LAPLACE 2.1 Pengertian Transformasi Latar Belakang Penggunaan Transformasi Contoh Sederhana Penggunaan Transformasi

BAB 2. TRANSFORMASI LAPLACE 2.1 Pengertian Transformasi Latar Belakang Penggunaan Transformasi Contoh Sederhana Penggunaan Transformasi BAB. TRANSFORMASI LAPLACE. Pegeria Traformai.. Laar Belakag Pegguaa Traformai.. Cooh Sederhaa Pegguaa Traformai. Pegeria Traformai Laplace da ivere Traformai Laplace.. Laar Belakag Pegguaa Traformai Laplace..

Lebih terperinci

Bab III. Menggunakan Jaringan

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

Lebih terperinci

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

KONTRAK ASURANSI JIWA TERKAIT DENGAN EKUITAS

KONTRAK ASURANSI JIWA TERKAIT DENGAN EKUITAS 6 ξ 7 C C Karea oroolio iak iegaruhi oleh arus keluar masukya moal seaag erioe, maka biaya awal yag ikeluarka ersis sama ega umlah yag iivesasika aa waku Dega emikia ilai isko aa waku meai ξ 8 KONRAK AURANI

Lebih terperinci

2. SAMBUNGAN PAKU KELING

2. SAMBUNGAN PAKU KELING . SAMBUNGAN PAKU KELING. Pegguaa Sambuga paku Kelig Paku kelig aalah sejeis pasak aau paku yag iguaka uuk megika suau sambuga, yag sifaya permae imaksuka agar bagia-bagia ksruksi yag elah isambug/iika

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

PREMI TAHUNAN ASURANSI JIWA BERJANGKA DENGAN HUKUM DE MOIVRE UNTUK STATUS GABUNGAN

PREMI TAHUNAN ASURANSI JIWA BERJANGKA DENGAN HUKUM DE MOIVRE UNTUK STATUS GABUNGAN PREMI TAHUNAN ASURANSI JIWA BERJANGKA DENGAN HUKUM DE MOIVRE UNTUK STATUS GABUNGAN Nurma Harisa * Johaes Kho 2 Aziskha 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika a Ilmu Pegeahua

Lebih terperinci

Aplikasi Model ARCH-GARCH dalam Peramalan Tingkat Inflasi

Aplikasi Model ARCH-GARCH dalam Peramalan Tingkat Inflasi JURNAL SAINS DAN SENI POMITS Vol., No. () Aliasi ARC-GARC alam Peramala Tiga Iflasi Luli Presia Wiasari, Nuri Wahyuigsih Jurusa Maemaia, Faulas MIPA, Isiu Teologi Seuluh Noember (ITS) Jl. Arief Rahma aim,

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

CADANGAN PROSPEKTIF ASURANSI JIWA BERJANGKA DENGAN HUKUM DE MOIVRE

CADANGAN PROSPEKTIF ASURANSI JIWA BERJANGKA DENGAN HUKUM DE MOIVRE CDNGN POSPEKTIF SUNSI JIW BEJNGK DENGN HUKUM DE MOIVE Dii amaai *, Johaes Kho 2, ziskha 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika a Ilmu Pegeahua lam Uiersias iau Kampus Bia

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-183 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (3) 2337- (2-928X Pri) D-83 Peramala Jumlah Tamu di Hoel X dega Pedekaa Arima, Fugsi Trasfer, da Afis Viy Merlida Hardiaa, ri Susilaigrum da Suharoo Jurusa Saisika,

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

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

Teori Penaksiran. Oleh : Dadang Juandi

Teori Penaksiran. Oleh : Dadang Juandi Teori Peakira Oleh : Dadag Juadi Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono

PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS 1 Vinny Merlinda Hardiana, 2 Destri Susilaningrum dan 3 Suhartono PERAMALAN JUMLAH TAMU DI HOTEL X DENGAN PENDEKATAN ARIMA, FUNGSI TRANSFER, DAN ANFIS Viy Merlida Hardiaa, 2 ri Susilaigrum da 3 Suharoo Jurusa Saisika, Fakulas MIPA, Isiu Tekologi uluh ember (ITS) Jala

Lebih terperinci

ANALISIS SISTEM KENDALI

ANALISIS SISTEM KENDALI BAB IV ANALISIS SISEM ENDALI Dalam prakekya, iyal mauka iem kedali idak dapa dikeahui ebelumya, eapi mempuyai ifa acak, ehigga mauka eaa idak dapa diyaaka ecara aalii. Uuk aalii da peracaga iem kedali,

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

Lebih terperinci

Bab6 PENAKSIRAN PARAMETER

Bab6 PENAKSIRAN PARAMETER Bab6 PENAKSIRAN PARAMETER MENAKSIR RATARATA μ Mialka kita memuyai ebuah oulai berukura N dega ratarata µ da imaga baku σ Dari oulai ii arameter ratarata µ aka ditakir Utuk keerlua ii,ambil ebuah amel acak

Lebih terperinci

ANALISIS HUBUNGAN CUACA DAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE (DBD) DENGAN FUNGSI TRANSFER Studi Kasus Kota Surabaya USWATUN HASANAH

ANALISIS HUBUNGAN CUACA DAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE (DBD) DENGAN FUNGSI TRANSFER Studi Kasus Kota Surabaya USWATUN HASANAH ANALISIS HUBUNGAN CUACA DAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE (DBD) DENGAN FUNGSI TRANSFER Studi Kasus Kota Surabaya USWATUN HASANAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

PENGUJIAN HIPOTESA STATISTIK

PENGUJIAN HIPOTESA STATISTIK PENGUJIAN HIPOTESA STATISTIK Seelah megikui perkuliaha, mahaiwa iharapka mampu uuk Mejelaka pegeria Hipoea a Pegujia Hipoea Meyebuka a mejelaka jei a beuk Hipoea 3 Merumuka hipoea ari ebuah kegiaa peeliia

Lebih terperinci

ANALISIS INSTRUMEN. Evaluasi Pendidikan

ANALISIS INSTRUMEN. Evaluasi Pendidikan 1 ANALISIS INSTRUMEN Pengerian inrumen dalam lingku evaluai didefiniikan ebagai erangka unuk mengukur hail belajar iwa yang mencaku hail belajar dalam ranah kogniif, afekif dan ikomoor. Benuk inrumen daa

Lebih terperinci

Teori Penaksiran. Oleh : Dewi Rachmatin

Teori Penaksiran. Oleh : Dewi Rachmatin Teori Peakira Oleh : Dewi Rachmati Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

1. Ilustrasi. Materi 2 Pendugaan Parameter

1. Ilustrasi. Materi 2 Pendugaan Parameter Materi Pedugaa Parameter. Ilutrai Ifereia Statitika : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai megeai oulai dega melakuka egambila amel (amlig) Etimai / Pedugaa Parameter Yaitu

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BB PERNCNGN SISTEM. Peracaga wal Dari Sisem Yag ka Dibagu Peracaga awal ari sisem ag aka ibagu ii aalah implemeasi auo-uig PID koroler megguaka muliple iegraios ke alam sofware ega megguaka program MTLB.

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

ANALISIS TES. Evaluasi Pendidikan ANALISIS TIAP BUTIR SOAL ANALISIS KESELURUHAN TES. - Daya Pembeda - Tingkat Kesukaran - Pengecoh - Homogenitas

ANALISIS TES. Evaluasi Pendidikan ANALISIS TIAP BUTIR SOAL ANALISIS KESELURUHAN TES. - Daya Pembeda - Tingkat Kesukaran - Pengecoh - Homogenitas Evaluai Pendidikan 1 AALISIS TES AALISIS KESELURUHA TES AALISIS TIAP BUTIR SOAL - Analii Validia Te - Analii Reliabilia Te - Daya Pembeda - Tingka Keukaran - Pengecoh - Homogenia Evaluai Pendidikan I.

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

BAB IV DESKRIPSI ANALISIS DATA

BAB IV DESKRIPSI ANALISIS DATA BAB IV DESKRIPSI ANALISIS DATA A. Dekripi Data Peelitia ii megguaka peelitia ekperime, ubyek peelitiaya dibedaka mejadi dua kela, yaitu kela kotrol da kela ekperime. Kela kotrol pada peelitia ii merupaka

Lebih terperinci

BAB IV ENTROPI GAS SEMPURNA

BAB IV ENTROPI GAS SEMPURNA BAB IV ENROPI GAS SEMPURNA Itilah etroi ecara literatur berarti traformai, da dierkealka oleh lauiu. Etroi adalah ifat termodiamika yag etig dari ebuah zat, dimaa hargaya aka meigkat ketika ada eambaha

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

Rancangan Percobaan. Arum Handini Primandari, M.Sc.

Rancangan Percobaan. Arum Handini Primandari, M.Sc. Kosep Dasar Statistika utuk Racaga Percobaa Arum aii Primaari, M.Sc. Operator Pejumlaha Operator pejumlaha: Sifat: i1 i i1 i1 k k kx k x i1 i i1 i1 i i i i i1 i1 i1 i a bx a b x x y x y x x x... x i i

Lebih terperinci

A.Interval Konfidensi pada Selisih Rata-rata

A.Interval Konfidensi pada Selisih Rata-rata A.Iterval Kofidei pada Seliih Rata-rata. Bila kita mempuyai da maig-maig adalah mea ample acak beba berukura da yag diambil dari populai dega ragam da diketahui, maka elag kepercayaa 00-% bagi - adalah

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

INTERVAL KEPERCAYAAN

INTERVAL KEPERCAYAAN INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira

Lebih terperinci

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F BAB III AALISIS EMODELA ATRIA HAULER EGAGKUTA OVERBURDE ADA JALA 7F 3.. edahulua ada Bab II telah dijelaka beberapa teori yag diguaka utuk melakuka aalii yag tepat dalam memecahka maalah yag ada. ada bab

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

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015 KONSTAN: Jural Fiika da Pedidika Fiika Vol.. o. (05) hal. 36-45 PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN GERUNG TAHUN PELAJARAN 04/05 Lida Sekar

Lebih terperinci

Statistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statitika Toik Bahaa: Pedugaa Parameter Oleh : Edi M Pribadi, SP, MSc E-mail: edi_m@taffguadarmaacid edi_m@ymailcom Ilutrai Statitika Ifereia : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai

Lebih terperinci

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (Studi kasus : Kusuma Agrowisata)

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (Studi kasus : Kusuma Agrowisata) JURNAL TEKNIK POMIT PERAMALAN KUNJUNGAN WIATA DENGAN PENDEKATAN MODEL ARIMA (ui asus : Kusuma Agrowisaa) Nofia Lesari, Nuri Wahyuigsih., Maemaia, FMIPA, Isiu Teologi euluh Noember Jl. Arief Rahma Haim,

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Pasar saham meruaa salah sau ema aleraif ivesasi yag elah berembag cuu esa di Idoesia. Saham dieal memilii araerisi high ris-high reur. Ariya saham meruaa sura berharga yag memberia

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-164

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-164 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Prin) D-64 Analii Inerveni unuk Evaluai Pengaruh Bencana Lumur Laindo dan Kebijakan Pembukaan Areri Porong Terhada Volume Kendaraan di Jalan

Lebih terperinci

Rosy M., Rahardjo S., Susiswo Jurusan Matematika Fakultas MIPA Universitas Negeri Malang

Rosy M., Rahardjo S., Susiswo Jurusan Matematika Fakultas MIPA Universitas Negeri Malang PERAMALAN INDEKS HARGA KONSUMEN (IHK) KOTA MALANG BULAN JANUARI SAMPAI BULAN JUNI TAHUN 013 MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Rosy M., Raharjo S., Susiswo Jurusan Maemaika

Lebih terperinci

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network

Peramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika,

Lebih terperinci

Perancangan Sistem Kontrol dengan Tanggapan Waktu

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

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3 III. METODOLOGI PENELITIAN A. Populai da Sampel Peelitia Populai dalam peelitia ii adalah emua iwa kela I IPA SMA Al Azhar-3 Badar Lampug tahu ajara 0/0 yag berjumlah 48 iwa da terebar dalam empat kela.

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

TOPIK 9 PETA KENDALI KHUSUS. LD, Semester II 2003/04 1. PETA KENDALI UNTUK PENGUKURAN INDIVIDUAL

TOPIK 9 PETA KENDALI KHUSUS. LD, Semester II 2003/04 1. PETA KENDALI UNTUK PENGUKURAN INDIVIDUAL TI 3 PENGENDALIAN KUALITAS STATISTIK TOPIK 9 PETA KENDALI KHUSUS LD, Seeer II 003/04 Hl. TI 3 PENGENDALIAN KUALITAS STATISTIK. PETA KENDALI UNTUK PENGUKURAN INDIVIDUAL =. Siuai: Diguakaya ipeki & pegukura

Lebih terperinci

PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU

PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU Supadi a a Program Sudi Pedidika Maemaika FPMIPA IKIP PGRI Semarag Jl. Dr. Cipo-Loar No1 Semarag Telp. (04)8316377 Fak (04) 844817 Abrak

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

Pendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi

Pendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi Pedugaa Parameter: Kau Dua amel alig beba Seliih rataa dua oulai - x x.96 x x.96 x x - SAMPLING ERROR Dugaa Selag bagi µ - µ ( x x z ( x x z Formula klik diketahui ama & Syarat : & Tidak ama Formula klik

Lebih terperinci

Pengujian Hipotesis untuk selisih dua nilai tengah populasi

Pengujian Hipotesis untuk selisih dua nilai tengah populasi Pegujia Hipotei utuk eliih dua ilai tegah populai Hipotei Hipotei atu arah: H 0 : - 0 v H : - < 0 H 0 : - 0 v H : - > 0 Hipotei dua arah: H 0 : - = 0 v H : - 0 Statitik uji z h ( ( ) ) 0 Formula klik diketahui

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial STATISTIK INFERENSIAL Prof. Dr. H. Almadi Syahza, SE., MP Email: ayahza@yahoo.co.id PROGRAM STUDI PENDIDIKAN EKONOMI FKIP UNIVERSITAS RIAU DISTRIBUSI SAMPLING 2 Bagia I Statitik Iduktif Metode da Ditribui

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

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

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN BAB IV ETODOLOGI PENELITIAN IV Lagkah-Lagkah Aalisis Struktur yag aka ijaika moel alam peelitia ii aalah struktur bagua latai a latai, yag iasumsika terbuat ari baja Struktur terlebih ahulu imoel ega megguaka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University --Fiherie Data Aalyi-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fiherie ad Marie Sciece Brawijaya Uiverity Tujua Itrukioal Khuu Mahaiwa dapat megguaka aalii tatitika ederhaa dega berfoku ukura

Lebih terperinci

Metode Statistika Pertemuan XI-XII

Metode Statistika Pertemuan XI-XII /4/0 Metode Statitika Pertemua XI-XII Statitika Ifereia: Pegujia Hipotei Populai : = 0 Butuh pembuktia berdaarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : 5 Ok, itu adalah pegujia hipotei,

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 6 Tafomai Foui Dik Idah Suilawai, S.T., M.Eg. Pogam Sudi Tkik Elko Fakula Tkik da Ilmu Komu Uivia Mcu Buaa Yogyakaa 9 KULIAH 6 SISTEM PEGOLAHA ISYARAT TRASFORMASI

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 ii aka dibaa daar-daar teori yag aka diguaka dalam peulia kripi ii, yaitu megeai metode peakira maximum likeliood, metode peakira oit maximum likeliood da fier iformatio..1

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-266 JURNAL SAINS DAN SENI ITS Vol., No., () 337-3 (3-9X Pri) D-66 Peramala Ideks Harga Saham Perusahaa Fiasial LQ Megguaka Meode Auoregressive Iegraed Movig Average (ARIMA) da Vecor Auoregressive (VAR) Rivai

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

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER Muflih Rori Pura Harahap 30 00 052 Pembimbing : Dr. Drs. Agus Suharsono, M.S. LATAR BELAKANG PENDAHULUAN

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

Tri Handhika dan Murni Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma, Depok, 16424

Tri Handhika dan Murni Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma, Depok, 16424 Saiika PEGGUAA METODE DIRECT SAMPLIG DA IVERSE SAMPLIG DALAM MEGESTIMASI UKURA POPULASI KUCIG DI PERUMAHA BUKIT RIVARIA SAWAGA DEPOK PADA BULA DESEMBER 009 Tri Hadhika da Muri Pua Sudi Kompuai Maemaika

Lebih terperinci

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Pedugaa Parameter HAZMIRA YOZZA JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Kompetei meyebutka klp ifereia tatitika & ruag ligkupya mejelaka metode pedugaa klaik da yarat-yarat peduga yag baik pada pedugaa

Lebih terperinci

PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH

PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER Populai : Parameter Sampel : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ebara cotoh PENDUGA TAK BIAS DAN MEMPUNYAI

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

Peramalan Kunjungan Wisata dengan Pendekatan Model SARIMA (Studi kasus : Kusuma Agrowisata)

Peramalan Kunjungan Wisata dengan Pendekatan Model SARIMA (Studi kasus : Kusuma Agrowisata) JURNAL AIN AN ENI IT Vol., No., (e. 0) IN: 30-98X A-9 eramala Kuuga Wisaa ega eeaa Moel ARIMA (ui asus : Kusuma Agrowisaa) Nofia Lesari a Nuri Wahyuigsih Jurusa Maemaia, Faulas Maemaia a Ilmu egeahua Alam,

Lebih terperinci