ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II BESERTA SIMULASINYA

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II BESERTA SIMULASINYA"

Transkripsi

1 ESTIMASI PARAMETER UNTUK DATA WAKTU HIDUP YANG BERDISTRIBUSI RAYLEIGH PADA DATA TERSENSOR TIPE II BESERTA SIMULASINYA SKRIPSI Dajukan dalam Rangka Penyelesaan Sud Saa unuk Mencapa Gela Sajana Sans Oleh : Nama : Muh. As Sunanda NIM : Pogam Sud : Maemaka S Juusan : Maemaka FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI SEMARANG 006

2 ABSTRAK Pekembangan lmu pengeahuan dan eknolog saa n belangsung sanga pesa. Hal n mendoong manusa unuk eus beupaya memanfaakan kemajuan eknolog esebu yang danaanya dwujudkan melalu penelanpenelan. Dalam bdang maemaka edapa cabang lmu saska yang sudah bekembang begu jauh dengan adanya penemuan bebaga ala analss unuk bebaga kepeluan nfeens, esmas, pengujan dan meode peamalan. Uj hdup adalah penyeldkan enang daya ahan hdup suau un aau komponen pada keadaan opeasonal eenu. Daa waku hdup yang dpeoleh da pecobaan uj hdup dapa bebenuk daa lengkap, daa esenso pe I dan daa esenso pe II. Daa esenso pe II adalah suau daa waku kemaan aau kegagalan yang hanya edapa buah obsevas ekecl dalam sampel andom yang beukuan n dengan n. Fungs dsbus ahan hdup yang ddasakan pada pengeahuan aau asums eenu enang dsbus populasnya emasuk dalam fungs paamek. unuk menganalss ehadap fungs dsbus da daa waku hdup adalah dengan mengesmas haga paamee dsbusnya. Pemasalahan dalam penelan n adalah Bagamana esmas paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II?, Bagamana smulas hasl yang dpeoleh dengan pogam Mcosof Vsual Basc 6.0? dan baasan masalah da penelan n adalah daa yang dgunakan adalah daa waku hdup yang esenso pe II, dak bekelompok (unggal), daa Waku hdup yang esenso pe II dasumskan bedsbus Raylegh. Langkah-langkah dalam penelan n yau mengdenfkas dan mengumpulkan mae-mae pasyaa, menca esmao paamee unuk daa waku hdup bedsbus Raylegh pada daa esenso pe II sea membua smulas yang dpeoleh dengan pogam Mcosof Vsual Basc 6.0. Bedasakan hasl penelan maka dapa dsmpulkan bahwa Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II adalah θ = = + ( n ) dan Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II dapa dsmulaskan dengan pogam Mcosof Vsual Basc 6.0 dengan hasl yang efsen dan dapa dsajkan dalam amplan yang lebh menak. Bedasakan hasl penelan dsaankan dsaankan adanya penelan lebh lanju mengena Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso Tpe I sea smulasnya dan juga unuk dsbus-dsbus yang lan pada daa bekelompok.

3 HALAMAN PENGESAHAN Skps dengan judul Esmas Paamee unuk Daa Waku Hdup yang Bedsbus Raylegh Pada Daa Tesenso Tpe II Besea Smulasnya n elah dpeahankan dhadapan sdang Pana Ujan Skps Fakulas Maemaka dan Ilmu Pengeahuan Alam Unvesas Nege Semaang pada: Ha : Tanggal : Pana Ujan Keua, Sekeas, Ds. Kasmad Imam S., M.S Ds. Supyono, M.S NIP NIP Pembmbng Uama Penguj Uama Da. Sunam, M.S Da. Nu Kaomah D, M.S NIP NIP Pembmbng Pendampng Anggoa Penguj Ds. Khaeun, M. S Da. Sunam, M.S NIP NIP Anggoa Penguj Ds. Khaeun, M. S NIP

4 MOTTO DAN PERSEMBAHAN MOTTO Sesungguhnya sesudah kesulan u ada kemudahan.(qs. Alam Nasyah : 6) Pelajalah lmu. Baang sapa yang mempelajanya kaena Allah, u aqwa. Mengulang-ulangnya, u Tasbh. Membahasnya, u jhad. Mengajakannya oang yang dak ahu, u sedekah. Membekan kepada yang akhnya, u mendekakan d kepada Tuhan. (Al-Ghozal, 986) Kebehaslan adalah ss lan da kegagalan, sepe na peak d balk awan keaguan dan kau akkan penah ahu sebeapa deka ujuanmu, mungkn sudah deka keka bagmu easa jauh, maka eaplah bejuang bahkan keka hanaman makn keas, keka segalanya ampak sanga buuk, kau eap ak boleh behen. (Clnon Howell) PERSEMBAHAN Skps n penuls pesembahkan kepada : Ibu & Bapak ecna, Ade -ade ku esayang (Ddk & Agung), Anak-anak Helloween cos, Teman-eman Ma 0. v

5 KATA PENGANTAR Segala puj bag Allah, Rabb seu sekalan alam. Dalah yang menguus Rasul-Nya dengan membawa peunjuk dan den yang bena aga dmenangkan- Nya aas semua den dan cukuplah Allah sebaga saks. Sholawa dan salam semoga selalu ecuah kepada Nab Muhammad SAW, keluaga, paa sahaba sea uma belau yang senanasa menegakkan kalma-kalma Allah hngga akh masa. Segala peencanaan manusa hanyalah usaha, adapun ealsasnya hanyalah Allah yang menenukan. Penyusunan skps n juga dak elepas da hal esebu dan paulah bag penuls unuk mengucapkan asa syuku aas eselesanya skps yang bejudul Esmas Paamee Unuk Daa Waku Hdup Yang Bedsbus Raylegh Pada Daa Tesenso Tpe II Besea Smulasnya. Dalam penyusunan skps n, penuls banyak mendapa banuan da bebaga phak. Oleh kaena u pada kesempaan yang bak n, penuls ngn mengucapkan ema kash kepada :. D. H. A. T. Soego, S.H, M. M, Reko Unvesas Nege Semaang,. Ds. Kasmad Imam S., M. S, Dekan FMIPA Unvesas Nege Semaang, 3. Ds. Supyono, M. S, Keua juusan Maemaka FMIPA Unvesas Nege Semaang, 4. Da. Sunam, M.S., Pembmbng Uama yang elah membekan bmbngan, dan aahan kepada penuls dalam menyusun skps n, v

6 5. Ds. Khaeun, M. S., Pembmbng Pendampng yang elah membekan bmbngan dan aahan kepada penuls dalam menyusun skps n, 6. Da. Kusn, M. S, Kepala Laboaoum Maemaka FMIPA Unvesas Nege Semaang yang elah membekan jn dan segala faslas selama melakukan penelan d Laboaoum Kompue, 7. Bapak dan Ibu sea keluaga semua yang selalu mencuahkan kash sayang, 8. Teman-eman sepejuangan yang elah membekan banuan dan dukungan kepada penuls dalam menyusun skps n. Penuls menyada sepenuhnya bahwa skps n dak lupu da kesalahan sea jauh da sempuna. Oleh kaena u, saan dan kk sanga penuls haapkan dem penyempunaan skps n. Haapan penuls semoga skps n dapa bemanfaa bag ka semua. Semaang, Desembe 005 Penuls v

7 DAFTAR ISI HALAMAN JUDUL... ABSTRAK... HALAMAN PENGESAHAN... MOTTO DAN PERSEMBAHAN...v KATA PENGANTAR... v DAFTAR ISI...v DAFTAR GAMBAR...x DAFTAR NOTASI DAN SIMBOL... x PENDAHULUAN A. Laa Belakang... B. Rumusan Masalah... 3 C. Pembaasan Masalah... 3 D. Tujuan dan Manfaa Penelan... 4 E. Ssemaka Penulsan Skps... 4 LANDASAN TEORI A. Konsep Dasa Pobablas.. 6 B. Vaabel Randon dan Dsbus Peluang... 9 C. Konsep Dasa Dsbus Waku Hdup D. Sask Teuu.. 6 E. Daa Tesenso F. Fungs Tahan Hdup Empk.. 9 G. Dsbus Webull.. 9 H. Dsbus Raylegh. 0 I. Meode Esmas Paamee Dsbus dengan meode Maksmum Lkelhood.. J. Uj Kolmogoov Smnov 3 v

8 K. Mcosof Vsual Basc Ves L. METODE PENELITIAN 33 HASIL PENELITIAN DAN PEMBAHASAN A. Esmas Paamee unuk Daa Waku Hdup Yang Bedsbus Raylegh Pada Daa Tesenso Tpe II dengan Meode Maksmum Lkelhood.. 36 B. Smulas Esmas Paamee unuk Daa Waku Hdup Yang Bedsbus Raylegh Pada Daa Tesenso Tpe II dengan Menggunakan Pogam Mcosof Vsual Basc PENUTUP A. Smpulan 5 B. Saan. 5 DAFTAR PUSTAKA. 53 LAMPIRAN 54 v

9 DAFTAR GAMBAR Gamba. Lngkungan Keja Mcosof Vsual Basc Ves Gamba. Toolbox d Mcosof Vsual Basc Ves Gamba.3 Jendela Souce Pogam d Mcosof Vsual Basc Ves Gamba 4. Fom Menu Uama. 4 Gamba 4. Fom Inpu Daa. 43 Gamba 4.3 Tamplan Oupu 44 Gamba 4.4 Tamplan Oupu 46 Gamba 4.5 Tamplan Oupu 3 48 Gamba 4.6 Tamplan Oupu 4 50 x

10 DAFTAR NOTASI DAN SIMBOL S: Ruang Sampel X Vaabel Random F(.): Fungs Dsbus f(.): Fungs Densas Pobablas g(.): Fungs Densas Unuk Sask Teuu S(.): Fungs Tahan Hdup θ, β: Paamee θˆ Ω n P h(.) H(.) L(.) T dl(.) dθ Π Σ : Esmao Paamee : Ruang Paamee : Banyaknya Sampel Random : Pobablas : Fungs Hazad : Fungs Hazad kumulaf : Fungs Lkelhood : Rank Obsevas : Indeks Baas Daa Tesenso : Vaabel Random Waku Hdup : Waku Hdup Obyek ke- : Tuunan da Fungs Lkelhood ehadap Paamee θ : Ph (Pekalan Fako-fako) : Sgma (Pemjumlahan Suku-Suku) x

11 BAB I PENDAHULUAN A. Laa Belakang Pekembangan lmu pengeahuan dan eknolog saa n belangsung sanga pesa. Hal n mendoong manusa unuk eus beupaya memanfaakan kemajuan eknolog esebu yang danaanya dwujudkan melalu penelan-penelaan. Penelan yang dlakukan dapa beupa penelan yang beujuan unuk menemukan dan menyelesakan masalah-masalah bau, mengembangkan pengeahuan yang ada maupun penelan dalam menguj kebenaan suau pengeahuan. Dalam bdang maemaka juga edapa cabang saska yang sudah bekembang begu jauh dengan adanya penemuan bebaga ala analss unuk bebaga kepeluan nfeens, esmas, pengujan dan meode peamalan. Uj hdup adalah penyeldkan enang daya ahan hdup suau un aau komponen pada keadaan opeasonal eenu. Ruang lngkup penggunaan uj hdup danaanya adalah dalam bdang eknk, bolog, ekayasa dan kedokean. Bebaga penelan d bdang Bolog, Fska, Peanan dan Kedokean esebu basanya akan menghaslkan daa yang behubungan dengan waku hdup da suau ndvdu. Daa waku hdup meupakan vaabel andom non negaf. Analss saska yang dgunakan unuk menganalss daa waku hdup esebu dsebu analss ahan hdup (Suvval).

12 Daa waku hdup yang dpeoleh da pecobaan uj hdup dapa bebenuk daa lengkap, daa esenso pe I dan daa esenso pe II. Bebenuk daa lengkap jka semua benda dalam pecobaan duj sampa semuanya ma. Bebenuk daa esenso pe I jka daa uj hdup dhaslkan seelah pecobaan bejalan selama waku yang denukan, sea bebenuk daa esenso pe II jka obsevas dakh seelah sejumlah kemaan aau kegagalan eenu elah ejad (Lawless, 98: 43). Daa esenso pe II adalah suau daa waku kemaan aau kegagalan yang hanya edapa buah obsevas ekecl dalam sampel andom yang beukuan n dengan n. Ekspemen menunjukkan penyensoan pe II lebh seng dgunakan, msalnya dalam uj hdup da oal obsevas sebanyak n, eap uj akan behen pada waku obsevas sampel mempunya waku kemaan aau kegagalan ke- unuk n. Fungs dsbus ahan hdup yang ddasakan pada pengeahuan aau asums eenu enang dsbus populasnya emasuk dalam fungs paamek. Bebeapa dsbus yang dapa dgunakan unuk menggambakan waku hdup anaa lan Dsbus Eksponensal, Dsbus Webull, Dsbus Gamma, Dsbus Raylegh, dan lan-lan (Lawless, 98: 6). D anaa bebeapa dsbus esebu, dalam skps n dplh fungs ahan hdup bedsbus Raylegh, aau daa waku hdup dasumskan mengku dsbus Raylegh. Unuk mengeahu apakah dsbus da daa dalam fungs ahan hdup yang dasumskan elah menggambakan keadaan yang sesungguhnya,

13 3 dpelukan suau analss ehadap daa waku hdup. Langkah unuk menganalss ehadap fungs dsbus da daa waku hdup adalah dengan mengesmas haga paamee dsbusnya. Da hasl-hasl yang dpeoleh belum dsmulaskan dengan banuan kompue khususnya dengan pogam Mcosof Vsual Basc 6.0. Bedasakan esebu maka mendoong unuk mengadakan penelan enang Esmas Paamee Unuk Daa Waku Hdup yang Bedsbus Raylegh Pada Daa Tpe II Besea Smulasnya. B. Rumusan Masalah Bedasakan laa belakang d aas, maka pemasalahan dalam penelan n adalah sebaga beku.. Bagamana esmas paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II?. Bagamana smulas hasl yang dpeoleh dengan pogam Mcosof Vsual Basc 6.0? C. Baasan Masalah Unuk membaas uang lngkup pada penelan n dbekan baasan masalah sebaga beku.. Daa yang dgunakan adalah daa waku hdup yang esenso pe II, dak bekelompok (unggal).. Daa Waku hdup yang esenso pe II dasumskan bedsbus Raylegh. D. Tujuan Dan Manfaa Penelan Tujuan yang ngn dcapa dalam penelan n adalah sebaga beku.

14 4 Dapa menenukan esmao paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II. Dapa Mengeahu smulas hasl yang ddapa dengan menggunakan pogam Mcosof Vsual Basc 6.0. Adapun manfaa yang ngn dcapa dalam penelan n adalah sebaga beku.. Secaa eos akan membekan ambahan wawasan ehadap lmu saska euama enang fungs ahan hdup unuk daa waku hdup yang bedsbus Raylegh.. Kaena besfa aplkaf maka dapa deapkan pada lmu lan d lua saska msalnya lmu bolog, kedokean dan eknk. E. Ssemaka Skps Secaa gas besa Skps n dbag menjad ga bagan yau bagan Pendahuluan, bagan Is dan bagan Akh. Bagan Pendahuluan Skps melpu: Halaman Judul, Absak, Halaman Pengesahan, Moo dan Pesembahan, Kaa Pengana dan Dafa s. Bagan Is skps ed da lma bab, yau sebaga beku. BAB I Pendahuluan Bab n bes enang laa belakang, pemasalahan, baasan masalah, ujuan dan manfaa penelan sea ssemaka skps. BAB II Landasan Teo

15 5 Bab n bes enang eo-eo mendasa yang mendukung dalam pelaksanaan penelan. BAB III Meode Penelan Bab n bes meode yang dgunakan dalam penelan n, yau dengan menggunakan meode leau. BAB IV Hasl Penelan dan Pembahasan Bab n bes enang penyelesaan da pemasalahan yang dungkapkan, yau esmas paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II dan smulas hasl yang ddapa dengan menggunakan pogam Mcosof Vsual Basc 6.0. BAB V Penuup Bab n bes smpulan dan saan. Bagan Akh skps, bes Dafa Pusaka dan Lampan

16 BAB II LANDASAN TEORI A. Konsep Dasa Pobablas Ruang Sampel dan Kejadan Defns Hmpunan semua hasl semua hasl (oucome) yang mungkn muncul pada suau pecobaan dsebu uang sampel dan dnoaskan dengan S. ( Ban, L.J, 99: ) Tap ap hasl yang mungkn dalam uang sampel dsebu unsu aau anggoa uang sampel esebu aau dsebu juga dengan slah k sampel. Conoh: Pada pecobaan melempa dua maa uang, dpeoleh S = {AA, AG, GA, GG}, dengan AA adalah kejadan muncul angka pada lempaan peama, dan muncul angka pada lempaan kedua; AG adalah kejadan muncul angka pada lempaan peama, dan muncul gamba pada lempaan kedua; GA adalah kejadan muncul gamba pada lempaan peama, dan muncul angka pada lempaan kedua; GG adalah kejadan muncul gamba pada lempaan peama, dan muncul gamba pada lempaan kedua. Tk sampelnya adalah AA, AG, GA, dan GG. Defns Kejadan aau peswa adalah hmpunan bagan da uang sampel. (Ban, L.J, 99:4) Conoh : 6

17 7 Suau pecobaan yang dlakukan denga melanunkan sebuah dadu, maka uang sampelnya: S = {,, 3, 4, 5, 6}. Msalkan A menyaakan suau kejadan bahwa blangan genap muncul, maka kejadan A = {, 4, 6}, sehngga A meupakan hmpunan bagan uang sampel S, dnoaskan sebaga A S. Defns 3 Ruang nol aau uang kosong adalah hmpunan bagan uang sampel yang dak mengandung unsu. Hmpunan n dnyaakan dengan lambang. (Walpole, 995:4) Defns Peluang Suau Kejadan Teo peluang mempelaja enang peluang ejadnya suau kejadan aau peswa. Peluang dnyaakan dalam pecahan aau desmal anaa 0 dan. bla peluang suau kejadan benla 0, maka kejadan esebu dak akan ejad. Sedangkan bla peluang suau kejadan benla, maka kejadan esebu pas ejad. Dalam eo peluang suau kejadan adalah sau aau bebeapa kemungknan hasl da suau ndakan. (Rchad.I.levn: 000). Tujuan eo peluang adalah menggambakan dan menaks aa aa sedemkan u dalam benuk peluang kejadan. Peluang kejadan A duls P(A). Menuu Papouls (99: 6) peluang ddefnskan dengan menggunakan ga pendekaan yang bebeda. Kega defns esebu adalah sebaga beku. a. Defns Aksomak. Pendekaan aksomak peluang bedasa pada ga posula sebaga beku.

18 8 Peluang P(A) kejadan A adalah blangan non negaf yang deapkan pada kejadan n yau P(A) 0. Peluang P(B) kejadan B pas sama dengan, yau P(B) =. Dan bla kejadan kejadan A dan B salng asng maka P(A+B) = P(A) + P(B) b. Defns Fekuens Relaf Pendekaan fekuens elaf bedasa pada defns beku. Peluang P(A) kejadan A adalah lm da pebandngan n(a) dengan N, dmana n mendeka ak hngga, sehngga dapa duls sebaga beku. P(A) = n( A) lm n N dmana n(a) adalah jumlah ejadnya suau kejadan A dan N adalah jumlah usaha. c. Defns Klask Menuu defns klask, Bla suau pecobaan dapa menghaslkan N macam hasl yang bekemungknan sama dan bla epa sebanyak n da hasl bekaan dengan kejadan A, maka peluang kejadan A adalah n( A) P( A) = N

19 9 Defns 4 Peluang suau kejadan A adalah jumlah semua k sampel yang emasuk A. Jad: 0 P(A), P( )=0, P(S)=. (Walpole, 995:6) Defns 5 Msalkan A dan B menyaakan dua kejadan dalam koleks kejadan dalam uang sampel S, maka peluang besyaa da kejadan A bla dbekan kejadan B dnoaskan dengan P(A B) P( A B) = dengan P ( B) 0 P( B) (Ban, L.J, 99:8) B. Vaabel Random dan Dsbus Peluang Vaabel Random Defns 6 Vaabel andom X meupakan fungs yang memeakan seap hasl yang mungkn e pada uang sampel S dengan suau blangan eal x, sedemkan sehngga X(e) = x. (Ban, L.J, 99:53) Ada dua macam vaabel andom, yau vaabel andom dsk dan vaabel andom konnu.

20 0 Defns 7 Jka semua hmpunan nla yang mungkn da suau vaabel andom X meupakan hmpunan eblang (counable se), yau { x, x,,..., x n } aau { x, x,,...}, maka X dsebu vaabel andom dsk. (Ban, L.J, 99:53) Defns 8 Jka hmpunan semua nla yang mungkn da suau vaabel andom X meupakan selang blangan eal, maka X dsebu vaabel andom konnu. (Ban, L.J, 99:64) Dsbus peluang Dsbus Peluang Dsk Defns 9 Msalkan A uang da vaabel andom dsk X dan A eblang. Fungs f da A ke dalam R yang memenuh: a. f(x) 0 unuk seap x d A xda b. f ( x ) = dnamakan fungs densas pobablas (fdp) da vaabel andom dsk X. Jka vaabel andom dsk X dengan fdp f(x), maka peluang suau kejadan A dbekan oleh P(A) = f ( x) xda (Djauha, 990:4)

21 Defns 0 Fungs dsbus kumulaf F(x) da vaabel andom dsk X ddefnskan unuk sembaang blangan eal x oleh F( x) = P( X x) Dsbus Peluang Konnu Defns (Ban, L.J, 99:53) Msalkan A uang vaabel andom konnu X. Fungs f da A ke dalam R yang memenuh: a. f(x) 0, unuk semua x d A b. f ( x) dx = dnamakan fungs densas pobablas (fdp) da vaabel andom konnu X. Jka vaabel andom konnu X memlk fdp f(x), maka peluang suau kejadan aau peswa A, dbekan oleh P ( A) = f ( x) dx xda (Djauha, 990:43) Defns Suau fungs f(x) yang ddefnskan pada selang nla vaabel andom X dsebu fungs densas pobablas (fdp konnu), sehngga fungs dsbus kumulafnya dapa dnyaakan sebaga x F(x) = f ( ) d. (Ban, L.J, 99:64)

22 Konsep Dasa Dsbus waku Hdup Msalkan vaabel andom T menunjukkan waku hdup da ogansme dalam populas. Waku hdup T meupakan vaabel andom konnu dan non negaf dalam neval [0, ). Lawless (98) menyebukan bahwa dsbus waku hdup dapa dnyaakan dengan ga fungs yau, fungs densas pobablas, fungs ahan hdup (Suvval), dan fungs hazad. Fungs Densas Pobablas Menuu Lawless (98) fungs densas pobablas adalah pobablas suau ndvdu ma aau gagal dalam neval waku da sampa + Δ, dengan waku T meupakan vaabel andom. Fungs densas Pobablas dnyaakan dengan f() = P( T < ( + Δ)) lm Δ (.) 0 Δ Waku hdup meupakan vaabel andom non negaf, sehngga waku hdup hanya duku unuk nla yang posf, maka dpeoleh f() = 0 unuk <0 dan 0 f () d() =. Fungs Tahan Hdup (Suvval) Menuu Lawless (98) fungs ahan hdup (Suvval) adalah pobablas suau ndvdu yang mash dapa beahan hdup sampa dengan waku ( > 0). Jka T meupakan vaabel andom da waku hdup suau ndvdu dalam neval [0, ), maka fungs dsbus kumulaf F() unuk

23 3 dsbus konnu dengan fungs densas pobablas f() dnyaakan sebaga beku F() = P (T ) aau F() = 0 f ( x) dx, unuk > 0 (.) Oleh kaena u dpeoleh fungs ahan hdup (Suvval) yang ddefnskan dengan S() = P (T ) = - P (T ) = F() (.3) Dalam bebeapa hal, khususnya yang mencakup ahan hdup da komponenkomponen ndus, S() denukan sebaga fungs Suvval. Jad hubungan fungs densas pobablas dengan fungs ahan hdup (Suvval) adalah f() = P( T < ( + Δ)) lm Δ 0 Δ = F () = - S () (.4) Dalam hal n fungs ahan hdup S() meupakan fungs monoon uun yang mempunya sfa (). S(0) =, anya peluang suau ndvdu beahan hdup lebh lama da waku nol adalah (). S( ) = 0, anya peluang suau ndvdu beahan hdup pada waku yang ak ehngga adalah 0.

24 4 Fungs Hazad Menuu Lawless (98) fungs hazad adalah pobablas suau ndvdu ma dalam neval waku da sampa + Δ, jka dkeahu ndvdu esebu mash dapa beahan hdup sampa dengan waku. fungs hazad secaa maemaka dnyaakan sebaga: h() = P( T < ( + Δ) T ) lm (.5) Δ 0 Δ Msalkan f() adalah fungs densas pobablas pada waku, maka da pesamaan (.5) dpeoleh: h() = P( T lm Δ 0 < ( + Δ) T Δ ) P[( T < ( + Δ)) ( T )] = lm Δ 0 P( T ). Δ P( T < ( + Δ)) = lm Δ 0 P( T ). Δ F( + Δ) F( ) = lm Δ 0 Δ F( ) F( + Δ) F( ) = lm. Δ 0 Δ S( ) F'( ) = S( ) h() = f ( ) S( ) (.6)

25 5 Da pesamaan (.4) dan (.6) dpeoleh h() sebaga beku h() S'( ) = S( ) d ln S( ) = S'( ). ds( ) ds( ) d ln S( ) =. d ds( ) d h() = ln S( ) (.7) d Da (.7) dpeoleh 0 d h( x) dx = S x dx dx ln ( ) o beku. 0 0 d h( x) dx = ln S( x) dx dx h( x) dx = ln S(x) 0. Kaena S(0) =, maka dpeoleh 0 h( x) dx = ln S ( ) S() = exp[ o 0 h( x) dx ]. Da uaan d aas dpeoleh hubungan anaa f(), S() dan h() sebaga ) f() = - S () (.8)

26 6 ) h() = f ( ) S( ) ) S() = exp[ h( x) dx ]. 0 Dengan demkan jka fungs hazad h() da suau dsbus dalam ahan hdup dkeahu, maka f(), F() dan S() dapa dca. Sedangkan fungs hazad kumulaf ddefnskan dengan H() = 0 h( x) dx (.9) melalu pesamaan (.8) fungs hazad kumulaf yang dhubungkan dengan fungs ahan hdup dpeoleh aau S() = exp[-h()] H() = -lns(). Dan da pesamaan (.6) dan (.8) dpeoleh f() = h() exp[ C. Sask Teuu Defns 3 0 h( x) dx ]. (.0) Hmpunan vaabel andom X, X,, X n dsebu sampel andom yang beukuan n da suau populas denga fungs densas f(x) maka fungs densas pobablas besama da vaabel andom ndependen akan dbekan sebaga f(x, x,...,x n ) = f(x ) f(x )... f(x n ) (Ban, L.J, 99:59)

27 7 Jka sampel andom yang beukuan n esebu duukan dalam suau uuan nak maka dsebu sask euu aau ode sask da X, X,, X n dan dnyaakan dengan X.n, X.n,, X n.n aau Y, Y,, Y n dengan X n = Y, =,,, n. Dan msalkan X, X,, X n adalah sampel andom yang beukuan n da fungs densas pobablas, f(x), dmana unuk f(x) konnu dan f(x)>0; a<x<b, maka fungs densas pobablas da sask euu ke-k, Y k adalah n ( k )!( n k)!! k k n k g k (y k ) = [ F( y )] [ F( y )] f ( y ) k k jka a<y k <b. (Ban, L.J, 99:7) D. Daa Tesenso Dalam penyensoan seng ejad ndvdu yang dama esenso. Masalah penyensoan n meupakan suau hal yang membedakan anaa uj hdup dengan bdang lmu sask yang lan. Daa esenso adalah daa yang dpeoleh sebelum hasl yang dngnkan da pengamaan ejad, sedangkan waku pengamaan elah beakh aau oleh sebab lan. Daa yang mengalam penyensoan hanya memua sebagan nfomas mengena vaabel andom yang dpehakan, namun bepengauh ehadap pengean-pengean dan pehungan sask. Ada ga macam meode yang seng dgunakan dalam ekspemen uj hdup, yau sebaga beku.. Sampel lengkap, bla uj dhenkan seelah semua un gagal aau ma. Senso pe I, bla uj dhenkan seelah waku eenu.

28 8 3. Senso pe II, bla uj dhenkan seelah dpeoleh sejumlah kegagalan eenu. Lawless (98) menyebukan bahwa daa esenso pe II meupakan daa kemaan aau kegagalan yang dak lengkap (ncomplee moaly daa) yau daa waku kemaan aau kegagalan da obsevas ekecl dalam sampel andom yang beukuan n dengan n. Dalam ekspemen menunjukkan penyensoan pe II lebh seng dgunakan sebaga conoh dalam uj hdup da oal obsevas sebanyak n, eap uj hdup akan behen pada waku obsevas sampel mempunya waku kemaan aau kegagalan ke-. Oleh kaena u uj hdup n dapa menghema waku dan baya, kaena uj hdup memakan waku yang lama unuk penyensoan ehadap kegagalan da obsevas. Daa esenso pe II dpeoleh da penyeldkan ehadap n obsevas, sehngga penyensoan behen sampa obsevas sampel yang mempunya waku kemaan aau kegagalan ke-. Oleh kaena u dalam penyensoan pe II umumnya daa ed da waku hdup ekecl... da sampel andom beukuan n. Bla,,...,..d dan bedsbus konnu dengan fungs densas pobablas f() dan fungs suvvo S() maka fungs densas pobablas (fdp) besama da,,..., adalah n g =! [ f F n,,..., ] ( ) [ ( ( ))] ( )! = n! n = f ( ()... f ( ( ) ) S( ( ) ) ( n )! n... (.) (Lawless, 98:3)

29 9 E. Fungs Tahan Hdup Empk Menuu Eland dan Johnson (980), msalkan 3 n adalah daa esenso pe II dan meupakan obsevas ekecl ddalam sampel yang beukuan n. msalkan juga 3 n adalah n ode waku kemaan, sedangkan P(T ) = F( ) meupakan fungs dsbus kumulaf dan P(T > ) = - F( ) = S( ) meupakan fungs ahan hdup maka dsbus kemaan aau kegagalan kumulaf empk ddefnskan dengan F 0 () = 0,unuk <,unuk j = N j,unuk < + Fungs ahan hdup empk adalah S 0 () = 0,unuk <,unuk j = N j,unuk < + dengan N j = n + adalah jumlah elaf da ndvdu pada waku ank obsevas ke-. F. Dsbus Webull Menuu Lawless(98), dsbus Webull meupakan dsbus yang menggambakan kejadan eksm sepe waku hdup da makhluk hdup. Dsbus Webull palng banyak dgunakan dalam model dsbus waku hdup. Msalkan vaabel andom konnu T bedsbus Webull, dengan paamee θ dan β, dsngka T ~ WEI (θ, β) maka fungs densas pobablasnya adalah

30 0 βθ, θ > 0, β > 0. (.) β β β f() = ( ) exp[ ( θ) ], > 0 Adapun fungs ahan hdup dan fungs hazad da dsbus Webull adalah β S() = exp[ (θ ) ], >0 (.3) dan β h() = θβ ( θ ) (.4) dmana θ > 0, β > 0, > 0. sedangkan fungs dsbus da dsbus Webull adalah [ ] F() = - exp ( θ) (.5) Dmana θ > 0, > 0. (Lawless, 98: 5) G. Dsbus Raylegh Menuu Ban dan Engelhad (99), dalam bebeapa kasus khusus paamee benuk, β, da dsbus Webull dbe haga β =, dkenal sebaga dsbus Raylegh. Sehngga dpeoleh fungs ahan hdup da dsbus Raylegh sebaga beku. [ ] S() exp ( θ) = dnama θ > 0, > 0 (.6) dan dpeoleh fungs hazad da dsbus Raylegh yau: h() = θ (.7) dmana >0, θ>0, dan menunjukkan waku hdup da ndvdu yang dobsevas. Da fungs ahan hdup, pesamaan (.6), dapa denukan fungs dsbus kegagalan da daa waku hdup yang bedsbus Raylegh,

31 F() = S() [ ] = - exp ( θ) [ ] - F() = exp ( θ) da pesamaan (.8) dan (.6) dpeoleh pesamaan: f() = [ ( ) ] ( exp ) ds( ) d θ = (.8) d d sehngga dpeoleh fungs densas pobablas da dsbus Raylegh, yau sebaga beku [ ] f() = exp ( θ) θ unuk >0, θ>0. H. Meode Esmas Paamee Dsbus dengan Meode Maksmum Lkelhood Meode unuk mengesmas haga paamee dsbus da daa dalam fungs ahan hdup (Suvval) adalah dengan menggunakan meode maksmum lkelhood. Menuu Ban dan Engelhad (99), meode maksmum lkelhood menggunakan nla dalam uang paamee Ω yang besesuaan dengan haga kemungknan maksmum da daa obsevas sebaga esmas da paamee yang dak dkeahu. Dalam aplkasnya L(θ) menunjukkan fungs densas pobablas besama da sampel andom. Jka Ω uang paamee yang meupakan neval ebuka dan L(θ) meupakan fungs yang dapa duunkan sea dasumskan maksmum pada Ω maka pesamaan maksmum lkelhoodnya adalah

32 d ( ) = dθ L θ 0 (.9) Jka penyelesaan da pesamaan esebu ada, maka maksmum da L(θ) dapa epenuh. Apabla penyelesaan da pesamaan (.7) suka dselesakan maka fungs L(θ) dapa dbua logama naualnya, dengan keenuan memaksmumkan lnl(θ), sehngga pesamaan logama naual lkelhoodnya adalah d ln L( θ ) = 0 dθ (.0) Defns 4 Jka fungs densas pobablas besama da n vaabel andom X, X,,X n yang dobsevas pada x, x,,x n dnoaskan dengan f(x, x,,x n ). maka fungs lklelhood da hmpunan pengamaan x, x,,x n dnyaakan sebaga n L(θ) = f(x ;θ) f(x ;θ) f(x n ;θ) = f ( x ; θ ) (.) dengan θ paamee yang dak dkeahu. = (Ban, L.J, 99 : 93) Penduga maksmum lkelhood da θ ddapa dengan menyelesakan d pesamaan ln L( θ ) = 0, msalkan ada k paamee yang dak dkeahu, maka dθ penduga paamee lkelhood da θ ddapa dengan menyelesakan d ln L( θ, θ,..., θ k ) = 0, dengan =,, 3,, k. dθ (Ban, L.J, 99 : 90)

33 3 I. Uj Kolmogoov Smnov Pendekaan secaa sask mempunya bebaga macam benuk, benuk yang palng banyak dgunakan dalam meode nonpaamek adalah uj hpoess. Uj hpoess meupakan poses pendekaan da sampel apakah menema aau menolak suau penyaaan enang populas. Dalam analss ahan hdup langkah penng yang pelu dlakukan adalah dengan mengesmas haga paamee dsbus da daa dalam fungs ahan hdup. Namun dalam membua kepuusan aau kesmpulan dpelukan uj sgnfkan unuk menguj kebakan sesua (goodness of f) da paamee dsbus yang elah dasumskan, yau dsbus Raylegh. Dalam hal n dgunakan uj kolmogoov-smnov unuk daa sampel unggal aau dak dkelompokkan. Uj kolmogoov smnov meupakan suau uj nonpaamek unuk menguj sampa dmana dsbus kegagalan kumulaf yang dama sesua dengan dsbus kegagalan kumulaf bedasakan hpoess. Unuk menguj kebakan sesua da paamee dsbus Raylegh akan dambl uj hpoess dua ss yau, H 0 : F() = F 0 () dan H : F() F 0 (). unuk daa esenso pe II yang dak dkelompokkan akan dgunakan sask kolmogoov - smnov da uj dua ss dan ddefnskan sebaga D 0 n = Dn ( ) = maks F ( ) F0 ( ) n dengan φ = φ, n, F 0 () adalah dsbus kegagalan kumulaf obsevas dan F 0 () adalah dsbus kegagalan kumulaf bedasakan hpoess.

34 4 Dasumskan adalah pengukuan unggal da hmpunan waku kemaan aau kegagalan yang esenso pe II da oal sampel yang beukuan n. maka dpeoleh daeah kknya yau H 0 dolak jka D n n > y α aau H 0 dema jka D n n dengan y -α adalah kuanl ke-(- α) yang dpeoleh da abel y α kolmogoov smnov pada lampan 3. Unuk susunan sau ss sask uj kolmogoov-smnov bebenuk + D 0 n = maks[ F ) F ( ) ] Dan n ( 0 D 0 n = maks[ F ( ) F ( )] n 0, unuk alenaf F()>F 0 (),= unuk alenaf F()<F 0 () Jka T <T < <T adalah ode kemaan aau kegagalan ekecl da sampel andom beukuan n dsbus Raylegh, maka unuk menghung + Dn(φ) dan D n(φ) da uj sau ss dgunakan umus D + n = maks j = N F ( ) 0 j dan D n = maks F 0( ) j = N j dengan N j = n +, =,,,. unuk menghung D n da dua ss dpeoleh da D n = maks ( D n +,D n - ).

35 5 J. Mcosof Vsual Basc Ves 6.0. Pengean Mcosof Vsual Basc ves 6.0 Mcosof Vsual Basc ves 6.0 meupakan bahasa pemogaman yang bebass Mcosof Wndows, sebaga bahasa pemogamaan yang muakh, Mcosof Vsual Basc ves 6.0 dancang unuk dapa memanfaakan fslas yang eseda dalam Mcosof Wndows. Mcosof Vsual Basc ves 6.0 juga meupakan bahasa pemogaman Objec Oened Pogamng (OOP), yau pemogaman yang beoenas pada objek. Vsual Basc adalah salah sau developmen ool unuk membangun aplkas dalam lngkungan wndows. Dalam pengembangan aplkas, Vsual Basc menggunakan pendekaan vsual unuk meancang use nevace dalam benuk fom, sedangkan unuk kodenya menggunakan bahasa basc yang cendeung mudah dpelaja. Vsual Basc elah menjad ool bag paa pemula maupun paa develope. Dalam lngkungan Wndow s Use-nevace sanga memegang peanan penng, kaena dalam pemakaan aplkas yang ka bua, pemaka senanasa beneaks dengan Use-neface anpa menyada bahwa d belakangnya bejalan nuks-nsuks pogam yang mendukung amplan dan poses yang dlakukan. Pada pemogaman Vsual, pengembangan aplkas dmula dengan pembenukan use nevace, kemudan mengau pope da objek yang dgunakan dalam use neface, dan bau dlakukan penulsan kode pogam unuk menangan kejadan-kejadan (even). Tahap pengembangan aplkas

36 6 demkan dkenal dengan slah pengembangan aplkas dengan pendekaan Boom Up.. Suku Aplkas Vsual Basc ves 6.0 Menu Ba Man Toolba Fom Desane Code Wndow Popees Wndow Pojec Wndow Toolbox Immedae Wndow Waches Wndows Fom Layou Wndow Gamba.. Lngkungan Keja Mcosof Vsual Basc Ves 6.0 a. Fom Meupakan wndow aau jendela d mana akan dbua Useneface aau amplan. b. Conol Meupakaan amplan bebass gafs yang dmasukkan dalam fom unuk membua neaks dengan pemaka.

37 7 Adapun secaa gas besa fungs da masng-masng konol esebu adalah sebaga beku. ) Pone bukan meupakan suau konol. con n dgunakan keka anda ngn memlh konol yang sudah beada pada fom. ) PcueBox adalah konol yang dgunakan unuk menamplkan gamba (mage) dengan foma BMP, DIB(bmap), CUR(cuso), WMF(meafle), EMF(enhanced meafle), GIF, dan JPG. 3) Label adalah konol yang dgunakan unuk menamplakan ex yang dak dapa dpebak oleh pemaka 4) Texbox adalah konol yang mengandung sng yang dapa dpebak oleh pemaka, dapa beupa sau bas unggal, aau banyak bas. 5) Fame adalah konol yang dgunakan sebaga conane bag konol lannya. 6) CommandBuon meupakan konol yang hamp seng demukan pada seap fom, dan dgunakan unuk membangkkan even poses eenu keka pemaka melakukan dklk dsana.

38 8 Pone Label Fame CheckBox LsBox HScollBa Tme DLsBox Shape Image PcueBox Texbox Command Buon OponBuon Combobox VScollBa DveLsBox FleLsBox Lne Daa OLE Gamba.. ToolBox d Mcosof Vsual Basc Ves 6.0 7) CheckBox dgunakan unuk plhan yang snya benla yes/no, ue/false. 8) OponBuon seng dgunakan unuk plhan yang hanya sau plhan da bebeapa opon. 9) LsBox mengandun sejumlah em dan use dapa memlh lebh da lebh da sau (beganung pada pope mulselec). 0) ComboBox meupakan kombnas da exbox dan suau LsBox d mana pemasukan daa dapa dlakukan dengan pengekan maupun pemlhan.

39 9 ) HScollba dan VscollBa dgunakan unuk membenuk scollba bed send. ) Tme dgunakan unuk poses backgound yang dakfkan bedasakan neval waku eenu yang meupakan konol nonvsual. 3) DveLsBox, DLsBox, dan FleLsBox seng dgunakan unuk membenuk dalog box yang bekaan dengan fle. 4) Shape dan Lne dgunakan unuk menamplakan beuk sepe gas, peseg, lngkaan dan sebaganya 5) Image befungs sepe ImageBox, eap dak dapa dgunakan sebaga conane bag konol lannya. Sesuau yang pelu dkeahu bahwa konol Image menggunakan esouce lebh kecl dbandngkan dengan PcueBox. 6) Daa dgunakan unuk daa bndng. 7) OLE dapa dgunakan sebaga empa bag pogam eksenal sepe Mcosof Excel, Mcosof Wod dan sebaganya. c. Popees Meupakan nla aau kaakesk yang dmlk oleh sebuah objek vsual basc. d. Even Pocedue Meupakan kode yang behubungan dengan objek. Kode n akan deksekus keka ada espon da pemaka beupa even eenu.

40 30 e. Geneal Pocedue Meupakan kode yang dak behubungan dengan objek. Kode n haus dmna oleh aplkas. f. Meods Meupakan seangkaan penah yang eseda pada suau objek yang dmna unuk mengejakan ugas khusus. Gamba.3. Jendela Souce Pogam d Mcosof Vsual Basc Ves 6.0 g. Module Meupakan kumpulan da posedu umum, deklaas vaabel dan defns konsana yang dgunakan oleh aplkas. 3. Mengenal Daa dan Vaabel Keka seoang use (pengguna) menggunakan sebuah pogam kompue, sengkal kompue memnanya unuk membekan nfomas.

41 3 Infomas n kemudan dsmpan aau dolah oleh kompue. Infomas nlah yang dsebu dengan daa. Vsual Basc 6 mengenal bebeapa ype daa, anaa lan: a. sng adalah pe daa unuk eks (huuf, angka dan anda baca). b. nege adalah pe daa unuk angka bula. c. sngle adalah pe daa unuk angka pecahan. d. cuency adalah pe daa unuk angka maa uang. e. dae adalah pe daa unuk anggal dan jam. f. boolean adalah pe daa yang benla TRUE aau FALSE. Daa yang dsmpan d dalam memoy kompue membuuhkan sebuah wadah. Wadah nlah yang dsebu dengan vaabel. Seap vaabel unuk menympan daa dengan ype eenu membuuhkan alokas jumlah memoy (bye) yang bebeda. Auan d dalam penamaan vaabel adalah sebaga beku. a. Haus dawal dengan huuf. b. Tdak boleh menggunakan spas. Spas bsa dgan dengan kaake undescoe ( _ ). c. Tdak boleh menggunakan kaake-kaake khusus (sepe : +, -, *, /, <, >, dan lan-lan). d. Tdak boleh menggunakan kaa-kaa kunc yang sudah dkenal oleh Vsual Basc 6 (sepe : dm, as, sng, nege, dan lan-lan). Sebuah vaabel hanya dapa menympan sau nla daa sesua dengan pe daanya. Unuk pe daa eenu nla_daa haus dap anda pembaas.

42 3 Tpe daa sng dbaas anda pek ganda. Tpe daa dae dbaas anda paga. Tpe daa lannya dak pelu anda pembaas. Sebuah vaabel mempunya uang-lngkup (scope) dan waku-hdup (lfeme). Ada macam vaabel dalam sebuah pogam, yau: a. vaabel global adalah vaabel yang dapa dkenal oleh seluuh bagan pogam. Nla daa yang esmpan ddalamnya akan hdup eus selama pogam bejalan. b. vaabel lokal adalah vaabel yang hanya dkenal oleh sau bagan pogam saja. Nla daa yang esmpan ddalamnya hanya hdup selama bagan pogam esebu djalankan. Vaabel yang nla daanya besfa eap dan dak bsa dubah dsebu konsana.

43 BAB III METODE PENELITIAN Peanan meode penelan dalam suau penelan sanga penng. Sehngga dengan meode penelan dapa mencapa ujuan penelan yang elah deapkan dan aga penelan yang elah dlakukan bejalan dengan lanca. Melalu meode penelan, masalah yang dhadap dapa daas dan dpecahkan da peolehan daa yang elah dkumpulkan. Langkah-langkah yang dlakukan pada penelan n melpu bebeapa hal yau sebaga beku. A. Pemlhan Masalah Dalam pekulahan yang dpeoleh penuls, banyak masalah yang pelu dkaj lebh lanju. Da bebeapa masalah esebu dhadapkan pada pesoalan unuk memlh masalah yang kemudan djadkan bahan dasa unuk melakukan penelan lebh lanju. B. Meumuskan Masalah Peumusan masalah dpelukan unuk membaas pemasalahan sehngga dpeoleh bahan kajan yang jelas. Sehngga akan lebh mudah unuk menenukan langkah dalam memecahkan masalah esebu. C. Sud Pusaka Seelah dpeoleh masalah unuk del, penel mengadakan sud pusaka. Sud pusaka adalah penelaahan sumbe pusaka yang elevan, dgunakan unuk mengumpulkan daa nfomas yang dpelukan dalam penelan. Sud 33

44 34 pusaka dawal dengan mengumpulkan sumbe pusaka yang beupa buku aau leau, junal, skps dan sebaganya. Seelah pusaka ekumpul dlanjukan dengan pemahaman s sumbe pusaka esebu yang pada akhnya sumbe pusaka n djadkan landasan unuk menganalss pemasalahan. D. Memecahkan Masalah Seelah pemasalahan dumuskan dan sumbe pusaka ekumpul, langkah selanjunya adalah pemecahan masalah melalu pengkajan secaa eos yang selanjunya dsususn secaa nc dalam benuk pembahasan. Dalam pembahasan masalah dlakukan bebeapa langkah pokok yau sebaga beku.. Mengdenfkas dan mengumpulkan mae-mae pasyaa yang nannya dgunakan unuk pehungan dalam menenukan esmas paamee unuk daa waku hdup yang bedsbus Raylegh, yau anaa lan mae-mae dalam maa kulah Saska Maemaka I dan II, Defeensal dan Inegal dalam Kalkulus I dan II, sea maa kulah Pogam Kompue I dan II.. Menca esmao paamee dengan meode maxmun lkelhood unuk dsbus Raylegh. 3. Membua smulas hasl yang ddapa dengan pogam Mcosof Vsual Basc 6.0.

45 35 E. Menak kesmpulan Langkah eakh dalam kegaan penelan n adalah menak kesmpulan da keseluuhan pemasalahan yang elah dumuskan dengan bedasakan pada landasan eo dan hasl pemecahan masalah.

46 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Esmas Paamee unuk Daa Waku Hdup yang Bedsbus Raylegh Pada Daa Tesenso Tpe II dengan Meode Maksmum Lkelhood Sengkal daa hasl ekspemen dak dkeahu benuk hubungan fungsonal anaa vaabel-vaabel yang mempengauh nla daa sampel, sehngga sul dalam melakukan suau analss sask ehadap populas yang dama. Hubungan fungsonal n dgambakan dengan suau pesamaan maemaka yang beupa fungs pendekaan, yau fungs dsbus. Unuk u elebh dahulu dplh benuk dsbus da daa dalam fungs ahan hdup yang dduga, yau yang bebenuk paamek dan daa waku hdup dasumskan bedsbus Raylegh. Kemudan dca benuk fungs paamee yang dwakl daa hasl ekspemen esebu, aga dapa menduga nla daa pada haga selanjunya. Dalam skps n dgunakan meode maksmum lkelhood unuk menca esmas paamee da dsbus Raylegh. Menuu Ban dan Engelhad (99), meode maksmum lkelhood menggunakan nla dalam uang paamee Ω yang besesuaan dengan haga kemungknan maksmum da daa obsevas sebaga esmas da paamee yang dak dkeahu. Dalam aplkasnya L(θ) menunjukkan fungs densas pobablas besama da sampel andom. Jka Ω uang paamee yang meupakan neval ebuka dan 36

47 37 L(θ) meupakan fungs yang dapa duunkan sea dasumskan maksmum pada Ω maka pesamaan maksmum lkelhoodnya adalah d ( ) = dθ L θ 0 Jka penyelesaan da pesamaan esebu ada, maka maksmum da L(θ) dapa epenuh. Apabla penyelesaan da pesamaan esebu suka unuk dselesakan maka fungs L(θ) dapa dbua logama naualnya, dengan keenuan lnl(θ) maksmum, sehngga pesamaan logama naual maksmum lkelhoodnya adalah d ln L( θ ) = 0 dθ Penduga maksmum lkelhood da θ ddapa dengan menyelesakan d pesamaan ln L( θ ) = 0, msalkan ada k paamee yang dak dkeahu, maka dθ penduga paamee lkelhood da θ ddapa dengan menyelesakan d ln L( θ, θ,..., θ k ) = 0, dengan =,, 3,, k. dθ Msalkan... adalah daa esenso pe II dan meupakan obsevas ekecl dalam sampel andom beukuan n dengan n da dsbus Raylegh unuk daa yang dak dkelompokkan (daa unggal), sehngga dpeoleh fungs densas pobablas besama da sask euu yang peama da sampel andom beukuan n da f( ) yang konnu adalah (4.) n! ( n )! n g(.. ) = [ F( ) ] = f ( )

48 38 Fungs lkelhood da dsbus Raylegh unuk daa esenso pe II memlk benuk sebaga beku. L(θ) = ( ) [ ] { } ( ) [ ] = n n n exp ) ( exp )! (! θ θ θ = ( ) [ ] { }( ) ( ) = = n n n exp ) ( exp )! (! θ θ θ L(θ) = ( ) ( ) ( ) = = + n n n ) ( exp )! (! θ θ θ (4.) Kemudan dak logama naual (ln) da fungs lkelhood (4.), sehngga dpeoleh fungs log-lkelhood da dsbus Raylegh sebaga beku. lnl(θ) = ( ) ( ) ( ) = = n n n ln ) ( ln )! (! ln θ θ θ = ( ) ( ) ( ) = = + + n n n ln ) ( ln )! (! ln θ θ θ (4.3) dengan menuunkan ln L(θ) ehadap paamee θ, dpeoleh + = = ) ( ) ( ln n d L d θ θ θ θ (4.4) Esmao maksmum lkelhood θ ddapa dengan menyelesakan pesamaan 0 ) ( ln = θ θ d L d, sehngga dpeoleh + = ) ( n θ θ = 0

49 39 0 ) ( = + = n θ, dengan θ >0 (4.5) Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II dpeoleh dengan penyelesaan ssem pesamaan: 0 ) ( = + = n θ dan dpeoleh ) ( + = = n θ (4.6) Conoh 4. (Lawless, 98: 45) Mann dan Feg (973) membekan waku kegagalan da 3 komponen pesawa ebang yang akan denukan uj hdupnya dan poses dhenkan pada waku kegagalan ke-0. waku kegagalan (dalam jam ) da 0 komponen pesawa ebang esebu adalah 0.; 0.50; 0.88;.00;.3;.33;.54;.76;.50; dan oleh kaena u da daa esebu dlakukan esmas paamee dsbus da daa dalam fungs ahan hdup yang dasumskan bedsbus Raylegh. Penyelesaan : = 0, = 0,50 3 = 0,88 4 =,00 5 =,3 6 =,33

50 40 7 =,54 8 =,76 9 =,50 0 = 3,00 n = 3 = 0 = 0 = 3,00 θ = = + ( n ) 0 = (0.) (0.50) (0.88) (.00)... (3.00) (3-0).(3,00) = 53,30 = 0,433. Jad nla esmas paamee unuk θ da dsbus Raylegh adalah θˆ = 0,433. B. Smulas Esmas Paamee unuk Daa Waku Hdup Yang Bedsbus Raylegh Pada Daa Tesenso Tpe II dengan Menggunakan Pogam Mcosof Vsual Basc 6.0 Smulas unuk menghung Esmao Paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II n dbua dengan menggunakan pogam Mcosof Vsual Basc ves 6.0. Pogam Mcosof Vsual Basc 6.0 mempunya banyak kelebhan, d anaanya adalah amplan vsual yang dhaslkan oleh pogam n cukup menak kaena dlengkap dengan objek-objek desan yang cukup banyak. Selan u bahasa yang dgunakan dalam

51 4 pemogaman n juga dak begu um yau menggunakan bahasa pemogaman ngka ngg sepe bahasa pemogaman Pascal dan C++. Smulas da pogam Mcosof Vsual Basc 6.0. n dgunakan unuk memudahkan dalam pehungan menca Esmao Paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II. Beku penjelasan mengena smulas Esmao Paamee unuk daa waku hdup yang bedsbus Raylegh pada daa esenso pe II dengan menggunakan pogam Mcosof Vsual Basc Fom Awal Pada fom n edapa ombol-ombol unuk unuk memanggl fomfom yang lan, yau ombol open dan ombol Ex. Gamba 4.. Fom Menu Uama

52 4 Jka menekan ombol open, akan muncul Fom Inpu Daa yang dgunakan unuk memasukkan daa-daa yang bekaan dengan sampel pengujan. Jka menekan ombol Ex, maka akan kelua da pogam n.. Fom Inpu Daa Fom Inpu Daa dgunakan sebaga fom pengsan daa-daa da sampel pengujan. Jka akan menghung esmao paamee da daa waku hdup yang bedsbus Raylegh pada daa esenso pe II maka haus mengs elebh dahulu daa-daa yang dpelukan sepe banyaknya sampel, Banyaknya sampel eobsevas, dan nla-nla sampel pengujan. Banyaknya sampel dskan pada koak Jumlah Sampel, Banyaknya sampel eobsevas dskan pada koak Sampel Teobsevas (), dan nla-nla sampel pengujan dskan pada koak Daa Ke-,. Fom Inpu Daa n dapa dakses melalu Fom Awal yau dengan menekan ombol Open. Gamba 4. Fom Inpu Daa

53 43 Msalnya sepe pada conoh 4.. akan dca esmao Paameenya dengan menggunakan smulas. Caanya, peama-ama plh ombol Open melalu Fom awal kemudan akan muncul Fom Inpu Daa unuk mengs banyaknya daa, banyaknya daa eobsevas (), dan daa-daa sampel pengujan. Adapun langkah-langkahnya yau sebaga beku. a Masukkan banyaknya sampel pada exbox jumlah sampel. Is dengan angka 3 yau jumlah sampel yang dkeahu. b Masukkan banyaknya sampel yang eobsevas () yau 0 c Masukkan daa pada exbox sebanyak 0 daa yang akan damplkan pada abel daa yang eleak d sebelah kanan. d Seelah semua daa es, plh ombol Hung yang edapa pada Fom Inpu Daa. e Nla MLE akan damplkan. Hasl pehungan dapa dlha pada amplan beku.

54 44 Gamba 4.3 Tamplan Oupu Dengan menggunakan smulas besanya Esmao maksmum lkelhood da paamee dsbus Raylegh, θ adalah dan haslnya sama sepe caa pehungan secaa manual. Conoh 4. Beku dbekan 30 sampel da suau obsevas mengena waku uj hdup yang dsbus Raylegh dan poses dhenkan pada 4 0bsevas yang peama, yau sebaga beku Hunglah esmao paamee unuk daa waku hdup esebu? Penyelesaan: Unuk menghung esmao paamee dengan menggunakan smulas caanya adalah: a. Masukkan banyaknya sampel pada exbox jumlah sampel. Is dengan angka 30 yau jumlah sampel yang dkeahu.

55 45 b. Masukkan banyaknya sampel yang eobsevas () yau 4 c. Masukkan daa pada exbox sebanyak 4 daa yang akan damplkan pada abel daa yang eleak d sebelah kanan. d. Seelah semua daa es, plh ombol Hung yang edapa pada Fom Inpu Daa. e. Nla MLE akan damplkan. Hasl pehungan dapa dlha pada amplan beku. Gamba 4.4 Tamplan Oupu Dengan menggunakan smulas besanya Esmao maksmum lkelhood da paamee dsbus Raylegh, θ adalah 0.365

56 46 Conoh 4.3 Beku dbekan 40 sampel da suau obsevas mengena waku uj hdup yang dsbus Raylegh dan poses dhenkan pada 8 0bsevas yang peama, yau sebaga beku Hunglah esmao paamee unuk daa waku hdup esebu? Penyelesaan: Unuk menghung esmao paamee dengan menggunakan smulas caanya adalah: a. Masukkan banyaknya sampel pada exbox jumlah sampel. Is dengan angka 40 yau jumlah sampel yang dkeahu. b. Masukkan banyaknya sampel yang eobsevas () yau 8 c. Masukkan daa pada exbox sebanyak 8 daa yang akan damplkan pada abel daa yang eleak d sebelah kanan. d. Seelah semua daa es, plh ombol Hung yang edapa pada Fom Inpu Daa. e. Nla MLE akan damplkan.

57 47 Hasl pehungan dapa dlha pada amplan beku. Gamba 4.5 Tamplan Oupu 3 Dengan menggunakan smulas besanya Esmao maksmum lkelhood da paamee dsbus Raylegh, θ adalah Conoh 4.4 Bugaghs (995) membekan daa dalam suau obsevas 5 komponen elekonk pada egangan 000 vol yang akan denukan uj hdupnya dan poses dhenkan pada waku kegagalan ke-4. waku kegagalan (dalam jam ) da 4 komponen elekonk esebu adalah 450; 550; 600; 650. oleh kaena u da daa esebu dlakukan esmas paamee dsbus da daa dalam fungs ahan hdup yang bedsbus Raylegh.

58 48 Penyelesaan : Unuk menghung esmao paamee dengan menggunakan smulas caanya adalah sebaga beku. a. Masukkan banyaknya sampel pada exbox jumlah sampel. Is dengan angka 5 yau jumlah sampel yang dkeahu. b. Masukkan banyaknya sampel yang eobsevas () yau 4 c. Masukkan daa pada exbox sebanyak 4 daa yang akan damplkan pada abel daa yang eleak d sebelah kanan. d. Seelah semua daa es, plh ombol Hung yang edapa pada Fom Inpu Daa. e. Nla MLE akan damplkan. Hasl pehungan dapa dlha pada amplan beku. Gamba 4.6 Tamplan Oupu 4

59 49 Dengan menggunakan smulas besanya Esmao maksmum lkelhood da paamee dsbus Raylegh, θ adalah

60 BAB V PENUTUP Smpulan Bedasakan hasl penelan maka dapa dak smpulan sebaga beku. Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II adalah θ =. + ( n ) = Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II dengan menggunakan pogam Mcosof Vsual Basc 6.0 dapa dlha pada halaman Pogam Mcosof Vsual Basc 6.0 dapa menamplkan benuk meode pencaan Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II dengan hasl yang efsen dan dapa dsajkan dalam amplan yang lebh menak kaena Mcosof Vsual Basc 6.0 memlk bebaga macam objek vsual yang vaaf dan mudah dgunakan. Saan Skps n hanya membahas mengena benuk Esmao maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso pe II sea smulasnya dengan menggunakan pogam Mcosof Vsual Basc 6.0. Oleh kaena u dsaankan adanya penelan lebh lanju mengena Esmao 50

61 5 maksmum lkelhood da paamee dsbus Raylegh, θ, unuk daa esenso Tpe I sea smulasnya dan juga unuk dsbus-dsbus yang lan pada daa bekelompok.

62 5 DAFTAR PUSTAKA Ban, L.J., dan Engelhad, M. (99). Inoducon o Pobably and Mahemacal Sascs, Duxbuy of Wahfo, Inc., Calfona. Djauha, M. A Sask Maemak. Bandung: Insu Teknolog Bandung. Eland, R. C. and Johnson, N. L Suvval Models and Daa Analyss, New Yok: John Wley and Sons, Inc. Lawless, J.K. (98). Sascs Model and Mehods fo Lfeme Daa, John Wlley and Sons, Inc. New Yok. Papouls, A. 99. Pobablas, Vaabel Random, dan Poses Sokask. Yogyakaa: Gadjah Mada Unvesy Pess. Walpole, R. E dan Myes, R. H Ilmu Peluang dan Saska Unuk Insnyu dan Ilmuwan. Tejemahan. Bandung: Insu Teknolog Bandung.

63 53 Lampan LISTING PROGRAM Lsng Pogam fom Awal Pvae Sub Command_Clck() Raylegh.Show awal.hde End Sub Pvae Sub Command_Clck() End End Sub Lsng Pogam fom Raylegh Dm (000) As Double Dm, a, jumlah, jumlah, anaa, bbawah, baas, alpha, beha, nlat, selang As Double Dm j, esmaobayes, f_, f_, f_3, f_4, f_5, f_6, jumlah, jumlah, jumlah3, jumlah4, jumlah5, jumlah6 As Double Dm negal, negal, negal3, negal4, negal5, negal6, gamma, gamma As Double

64 54 Dm sum, sum, sum3, sum4, sum5, sum6, dela, dela, dela3, mddle, mddle, mddle3 As Double Pvae Sub Command_Clck() nilan = Val(Tex.Tex) jumlah = Val(Label7.Capon) If Command.Capon = "INPUT" Then Command.Enabled = False Tex3.Enabled = Tue Tex3.SeFocus Tex3.Tex = "" 'Command.Lef = 3960 'Command.Wdh = 935 'Command.Hegh = 495 Label8.Capon = "Daa ke-" & + & "" Else Command.Capon = "INPUT" 'Tex6.Enabled = Tue 'Command.Lef = 760 'Command.Wdh = 4455 'Command.Hegh = 495 'Command.Top = 670 'Command.Lef = 3960 'Command.Wdh = 935

65 55 'Command.Hegh = 495 Tex6.Tex = Round(esmao, 7) Command.Enabled = False Command.SeFocus End If End Sub Pvae Sub Command_MouseMove(Buon As Inege, Shf As Inege, X As Sngle, Y As Sngle) Command.BackColo = &HFFC0C0 Command.BackColo = &H F Command3.BackColo = &H F End Sub Pvae Sub Command_Clck() = 0 jumlah = 0 jumlah = 0 Tex.Enabled = Tue Tex.SeFocus Tex.Tex = "" Tex.Tex = "" Tex3.Tex = "" Tex6.Tex = "" Label7.Capon = ""

66 56 Label4.Capon = "" Ls.Clea Ls.Clea Ls3.Clea Tme.Enabled = Tue Command.Enabled = False Label8.Vsble = False Image.Vsble = Tue Command.Enabled = False Label7.Capon = "" End Sub Pvae Sub Command_MouseMove(Buon As Inege, Shf As Inege, X As Sngle, Y As Sngle) Command.BackColo = &H F Command.BackColo = &HFFC0C0 Command3.BackColo = &H F End Sub Pvae Sub Command3_Clck() awal.show Raylegh.Hde End Sub Pvae Sub Command3_MouseMove(Buon As Inege, Shf As Inege, X As Sngle, Y As Sngle)

67 57 Command.BackColo = &H F Command.BackColo = &H F Command3.BackColo = &HFFC0C0 End Sub Pvae Sub Fom_Acvae() Tex.SeFocus Tex.Enabled = False Tex3.Enabled = False 'Tex4.Enabled = False 'Tex5.Enabled = False End Sub Pvae Sub Fom_Load() 'Shape4.Lef = 640 'Shape4.Top = -5 Command.Enabled = False Command.Enabled = False 'Label7.Capon = "" End Sub Pvae Sub Fom_MouseMove(Buon As Inege, Shf As Inege, X As Sngle, Y As Sngle) Command.BackColo = &H F Command.BackColo = &H F Command3.BackColo = &H F

68 58 End Sub Pvae Sub Image_Clck(Index As Inege) End Sub Pvae Sub Tex_KeyPess(KeyAsc As Inege) If KeyAsc = vbkeyreun Then If Tex.Tex = "" Then X = MsgBox("Daa Haus Ds", vbokonly, "WARNING") Tex.Tex = "" Tex.SeFocus Else Tex.Enabled = Tue Tex.SeFocus Tex.Enabled = False Command.Enabled = Tue End If End If If KeyAsc = vbkeyback Then Ex Sub End If Selec Case KeyAsc Case Asc("0") Ex Sub Case Asc("")

69 59 Ex Sub Case Asc("") Ex Sub Case Asc("3") Ex Sub Case Asc("4") Ex Sub Case Asc("5") Ex Sub Case Asc("6") Ex Sub Case Asc("7") Ex Sub Case Asc("8") Ex Sub Case Asc("9") Ex Sub Case Asc(".") Ex Sub Case Asc("-") Ex Sub Case Else Beep

70 60 KeyAsc = 0 Ex Sub End Selec End Sub Pvae Sub Tex_KeyPess(KeyAsc As Inege) nilan = Val(Tex.Tex) nlair = Val(Tex.Tex) If KeyAsc = vbkeyreun Then If Tex.Tex = "" Then X = MsgBox("Daa Haus Ds", vbokonly, "WARNING") Tex.Tex = "" Tex.SeFocus Else If nilan <= nlair Then X = MsgBox("Nla haus lebh kecl da nla n", vbokonly, "WARNING") Tex.Tex = "" Tex.SeFocus Else Tme.Enabled = Tue Tex3.Enabled = Tue Tex3.SeFocus

71 6 Tex.Enabled = False Label8.Vsble = Tue Image.Vsble = False Label8.Capon = "Daa ke-" End If End If End If If KeyAsc = vbkeyback Then Ex Sub End If Selec Case KeyAsc Case Asc("0") Ex Sub Case Asc("") Ex Sub Case Asc("") Ex Sub Case Asc("3") Ex Sub Case Asc("4") Ex Sub Case Asc("5") Ex Sub

Reliabilitas. A. Pengertian

Reliabilitas. A. Pengertian Relablas A. Pengean Relablas adalah sejauh mana hasl ujan sswa eap aau konssen da posedu penlaan (Nko, 007:66). Menuu Ellen, suau es dkaakan elabel jka sko obsevas nla awal behubungan dengan sko yang sebenanya.

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

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

Lebih terperinci

kimia LAJU REAKSI II Tujuan Pembelajaran

kimia LAJU REAKSI II Tujuan Pembelajaran KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

PERATURAN BUPATI PACITAN NOMOR 7 TAHUN2008 TENTANG

PERATURAN BUPATI PACITAN NOMOR 7 TAHUN2008 TENTANG BUPAT PACTAN PERATURAN BUPAT PACTAN NOMOR 7 TAHUN2008 TENTANG UNT AKUNTANS PEMBANTU PENGGUNA ANGGARAN/BARANG WLAYAH TUGAS PEMBANTUAN (UAPPA/B-WTP) KABUPATEN PACTAN DENGAN RAMAT TUHAN YANG MAHA ESA! BUPAT

Lebih terperinci

MODUL 2 PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH

MODUL 2 PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH MODUL PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH A. Pendahuluan Pecobaan sau fako adalah suau pecobaan ang dancang dengan hana melbakan sau fako dengan bbeapa aaf sebaga pelakuan. Rancangan

Lebih terperinci

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

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

Lebih terperinci

COMPLETELY RANDOMIZED DESIGN (CRD)

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

P(A S) = P(A S) = P(B A) = dengan P(A) > 0.

P(A S) = P(A S) = P(B A) = dengan P(A) > 0. 0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu

Lebih terperinci

Bab 4 ANALISIS KORELASI

Bab 4 ANALISIS KORELASI Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor Pogam Pekuliahan Dasa Umum Sekolah Tinggi Teknologi Telkom Fungsi Veko [MA4] Deinisi Deinisi ungsi veko Fungsi veko meupakan auan yang mengkaikan ε R dengan epa sau veko F R Noasi : F : R R F î gĵ, g aau

Lebih terperinci

Fisika Dasar I (FI-321)

Fisika Dasar I (FI-321) Fisika Dasa I (FI-321) Topik hai ini (minggu 3) Geak dalam Dua dan Tiga Dimensi Posisi dan Pepindahan Kecepaan Pecepaan Geak Paabola Geak Melingka Geak dalam Dua dan Tiga Dimensi Menggunakan anda + aau

Lebih terperinci

BAB III PENGEMBANGAN MODEL MATEMATIK

BAB III PENGEMBANGAN MODEL MATEMATIK A III PENGEMANGAN MODEL MATEMATIK Pada analisis manual ang akan dikembangkan, unuk menjamin bahwa eoi maupun umusan ang diuunkan belaku (valid) maka pelu dieapkan asumsi dasa. Sehingga hasil analisis manual

Lebih terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

Lebih terperinci

Bab III Reduksi Orde Model Sistem LPV

Bab III Reduksi Orde Model Sistem LPV Bab III Reduks Ode Model Sstem PV Metode eduks ode model melalu MI telah dgunakan untuk meeduks ode model sstem I bak untuk kasus kontnu maupun dskt. Melalu metode n telah dhaslkan pula bentuk da model

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 15 BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian 2.1.1 Definisi Ruang Sampel Himpunan semua hasil semua hasil (oucome) yang mungkin muncul pada suau percobaan disebu ruang sampel dan dinoasikan dengan

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H PERBANDINGAN MODEL COX PROPORTIONAL HAZARD DAN MODEL PARAMETRIK BERDASARKAN ANALISIS RESIDUAL (Sud Kasus pada Daa Kanker Paru-Paru yang Dperoleh dar Conoh Daa pada Sofware S-Plus 2000 dan Smulas unuk Dsrbus

Lebih terperinci

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013 ! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata 3 BAB III BAGAN CUSUM 3.. Dasa statstk bagan kendal Cumulatve Sum untuk ata-ata Bagan Cusum dgunakan untuk mendeteks pegesean kecl pada mean atau vaans dalam poses oleh kaena adanya penyebab khusus secaa

Lebih terperinci

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

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

Lebih terperinci

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang Fska Modern Persaaan Schroodnger dan Fngs Gelobang Apa Persaaan unuk Gelobang Maer? De Brogle eberkan posula bahwa seap parkel elk hubungan: h/ p Golobang aer ala n dkonfras oleh percobaan dfraks elekron,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING

ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING ANALISA SISTEM ANTRIAN MULTISERVER MULTIQUEUE MENGGUNAKAN METODE JOCKEYING Ewin Panggabean Pogam Sudi Teknik Infomaika STMIK Pelia Nusanaa Medan, Jl. Iskanda Muda No 1 Medan, Sumaea Uaa 20154, Indonesia

Lebih terperinci

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN

Lebih terperinci

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010 3 1 BUPAT PACTAN PERATURAN BUPAT PACTAN \ NOMOR ;6TAHUN 2010 TENTANG PENYELENGGARAAN SSTEM PENGENDALAN NTERN PEMERNTA D LNGKUNGAN PEMERNTAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN,

Lebih terperinci

Analisis Jalur / Path Analysis

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

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum ewton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang 39 BAB III METODE PENELITIAN 3.1. Desan Peneltan Untuk mencapa tujuan peneltan, maka dpelukan suatu metode yang tepat aga peneltan dapat dlaksanakan dengan bak. Sebagamana yang dkemukakan oleh Mohammad

Lebih terperinci

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING

ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING J. Math. and Its Appl. ISSN: 1829-65X Vol. 7, No. 2, Novembe 21, 27 4 ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING Fada Agustn W. 1, Thatht Puwanngtyas 2 Juusan Matematka, FMIPA ITS Suabaya

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

Week 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda

Week 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda Week 5 Knstanta Saluan Tansms pme dan sekunde Knstanta kabel kax dan kabel paalel ganda 1 Pada pembahasan lalu: Besaan γ dan Z da sebuah saluan tansms memankan peanan pentng pada fenmena peambatan gelmbang.

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

KONSTRUKSI LIFE TABLE UNTUK INDIVIDU

KONSTRUKSI LIFE TABLE UNTUK INDIVIDU KONSTRUKSI LIFE TABLE UNTUK INDIVIDU DALAM INTERVAL WAKTU SATU TAHUN oleh ANIS FUUADAH NIM. M0198020 SKRIPSI dtuls dan dajukan untuk memenuh sebagan persyaratan mendapatkan gelar Sarjana Sans Matematka.

Lebih terperinci

Odi Boy P H Dosen Pembimbing : Prof. Dr. Ir. Achmad Jazidie, M.Eng.

Odi Boy P H Dosen Pembimbing : Prof. Dr. Ir. Achmad Jazidie, M.Eng. ENDAHULUAN DASAR EORI SIMULASI IMLEMENASI KESIMULAN Od Boy H 694 Dosen embmbng : of. D. I. Achmad Jazde, M.Eng. ENDAHULUAN DASAR EORI SIMULASI IMLEMENASI KESIMULAN endulum ebalk adalah ssem yang nonlnea

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam

Lebih terperinci

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

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

Lebih terperinci

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2) JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

9. TEKNIK PENGINTEGRALAN

9. TEKNIK PENGINTEGRALAN 9. TEKNIK PENGINTEGRALAN 9. Inegral Parsal Formula Inegral Parsal : Cara : plh u yang urunannya lebh sederhana Conoh : Hung u dv uv v du e d msal u =, maka du=d dv e d v e d e sehngga e d e e d e e C INF8

Lebih terperinci

DERET BALMER DARI ATOM HIDROGEN

DERET BALMER DARI ATOM HIDROGEN DERET BALMER DARI ATOM HIDROGEN I. Tujuan: Menentukan haga konstanta ydbeg dan spectum atom hydogen II. Teo Dasa Pengamatan menunjukan bahwa gas yang besuhu tngg memancakan cahaya dengan spectum gas yang

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

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

Lebih terperinci

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI

SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI SOLUSI SISTEM PERSAMAAN DIFFERENSIAL NON LINEAR MENGGUNAKAN METODE EULER BERBANTUAN PROGRAM MATLAB SKRIPSI oleh: RILA DWI RAHMAWATI NIM: 0350050 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5" TAHUN 2008 TENTANG

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5 TAHUN 2008 TENTANG BUPAT PACTAN PERATURAN BUPAT PACTAN ; NOMOR 5" TAHUN 2008 TENTANG PETUNJUK PELAKSANAAN PERATURAN DAERA KABUPATEN PACTAN NOMOR 25 TAHUN 2007 TENTANG ORGAN DAN KEPEGAWAAN PERUSAHAAN DAERAH AR MNUM j KABUPATEN

Lebih terperinci

ANALISIS FREKUENSI GELOMBANG ULTRASONIK TERHADAP RADIUS GELEMBUNG KAVITASI PADA SISTEM CAIRAN KOMPRESIBEL. Tb Gamma Nur Rahman

ANALISIS FREKUENSI GELOMBANG ULTRASONIK TERHADAP RADIUS GELEMBUNG KAVITASI PADA SISTEM CAIRAN KOMPRESIBEL. Tb Gamma Nur Rahman ANALISIS FEKUENSI GELOMBANG ULTASONIK TEHADAP ADIUS GELEMBUNG KAVITASI PADA SISTEM CAIAN KOMPESIBEL Tb Gamma Nu ahman POGAM STUDI FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PETANIAN

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci