BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 A 2 LANDASAN TEORI 2. Model Regres Nonparaer Analss regres dala sasa erupaan salah sau eode unu enenuan hubungan sebab aba anara sau varabel dengan varabel yang lan elalu pengaaan ecenderungan pola hubungan ersebu dengan engesas urva regresnya. Sas nonparaer erupaan suau analss daa sas yang sanga epa dgunaan unu engu daa lu - lu sosal arena asus - asu yang dgunaan dala u nonparaer adalah pengaaan - pengaaan bebas da enga dan lebh leluasa dbandng u paraer. Dan sapel yang elah eenuh seua asus odel sas paraeernya sebanya danuran eaa u paraer darpada u nonparaer arena d sapng lebh esen u paraer dapa engeahu suau perbedaan yang da deahu dala u nonparaer. U sas nonparaer adalah es yang odelnya da eneapan onds enang paraeer dar populas ana sapel ersebu dabl elanan asus erenu yang beraan dengan sebagan besar u sas nonparaer. Asus asus n lebh sed dan lebh leah dar yang era dengan es paraer. Apalag es nonparaer da eerluan penguuran seper yang dbuuhan unu enyelesaan es paraer es nonparaer Unversas Suaera Uara

2 palng berlau unu daa dala sala ordnal dan berlau uga unu sapel dala sala nonal. Dala hal n perlu perbangan dala elh suau u sas unu ebua epuusan enang hpoess penelan aa perlu rera beru n : a. Keuaan u. b. Penerapan odel sas d ana es n ddasaran pada daa penelan. c. Daya esens dan d. Tnga penguuran dcapa dala penelan. Unu enyaaan bahwa u sas paraer yang palng ua dala u euaan ea seua asus odel sas yang erpenuh dan ea varabel dala analss duur dala sedanya sala nerval. Naun ea seua asus u paraer enang populas aa daya esens yang dengan ulah sapel bsa enggunaan u nonparaer darpada u paraer dan eperahanan daya yang saa unu enola H o. Karena daya es nonparaer dapa dngaan hanya dengan enngaan uuran N dan arena arang encapa penguuran yang eungnan enggunaan es paraer. Dala banya u sas nonparaer a penguuran euaan u lebh leah dbandngan dengan sala nerval aa u paraer penel aan enabah noras dan dengan dean encpaan dsors yang ungn saa besar. Apalag asus yang harus dbua unu ebenaran dala enggunaan es paraer basanya berupu pada dugaan dan harapan unu pengeahuan enang paraeer populas hapr selalu urang. Ahrnya unu beberapa dsrbus populas u sas nonparaer elas unggul dala euaan u unu sau paraer.whney 948 Unversas Suaera Uara

3 Ada beberapa eunungan dar u sas nonparaer sebaga beru :. Pernyaaan probablas yang dperoleh dar sebagan u sas nonparaer adalah probablas dala sapel besar dana perraan ba yang erseda erlepas dar benu dsrbus populas dar ana sapel aca dabl. Keauraan dar pernyaaan probablas da berganung pada benu populas espun beberapa es nonparaer ungn enganggap denas benu dua aau lebh dsrbus populas. Dala asus asus erenu es nonparaer berasus bahwa dsrbus yang endasarnya adalah onnu asus yang erea bag dengan es paraer. 2. Ja uuran sapel yang dgunaan lebh ecl dar 30 aa da ada alerna unu enggunaan u sas nonparaer ecual sa dar dsrbus populas deahu secara pas. 3. Ada yang coco dala u sas nonparaer dala conoh pengaaan dar populas yang berbeda. Tes nonparaer dapa enangan daa anpa eerluan asus yang apanya da realss. 4. U sas nonparaer auh lebh udah unu belaar dan enerapan darpada es paraer. Selan eunungan u sas nonparaer uga el eleahan yau :. Ja seua asus dala sas paraer berasal dar sapel dan a penguuran adalah daya yang dperluan aa u sas nonparaer adalah boros daa. Tnga peborosan dnyaaan dengan esens daya dar es nonparaer. 2. elu ada eode nonparaer unu penguan neras dala analss varans odel ecual asus husus yang dbua enang ad. Unversas Suaera Uara

4 Regres nonparaer uga denal sebaga ungs learng pada achne learnng. Esas gx dnoasan ĝx denal sebaga penghalus sooher. Pada penelan n ungs gx yang enggunaan bass Splne dan penghalus λ sehngga odel dnaaan Cubc Splne Soohng CSS. 2.2 Regres Splne Splne erupaan benu husus dar poongan pecewse polynoal orde p yang el sa ersegen onnu sehngga ee enelasan araers loal dar ungs daa Euban 988. Dala splne dgunaan runcaed power bass dengan sebaga no salan 2.. yau : dana p enunuan deraa polynoal p p.... dar runcaed power bass dan unu deraa p 0 2 dan 3 secara uu erupaan runcaed power bass onsan lnear uadra dan ub Taesawa Fungs splne deraa p unu odel ersebu ddensan sebaga beru : Dengan : p r r p s α β..n dan..n. r p r 0 r p ; ; < r r Perolehan splne opal dan eulusan urvanya berganung pada pelhan no dan paraeer penghalus λ. Dala splne no erupaan perpaduan bersaa anara perubahan ungs pada nerval yang berlanan. Pelhan no opal dala regres splne nonparaer pada odel odel oesen bervaras da berbeda auh dengan pelhan no pada regres splne nonparaer pada uunya yau berdasaran pada eode Unversas Suaera Uara

5 generalzed cross valdaon GCV. Unu odel oesen bervaras no opal dengan eode GCV n dplh secara erpsah unu asng asng obye dan eudan selanunya dasuan e dala odel secara eseluruhan unu endapaan esas splne secara sulan. Unu asalah eulusan / easaran urva regres splne nonparaer berganung pada pelhan paraeer penghalus λ. Pada nla λ yang ecl aa urvanya asar aau sebalnya unu nla λ yang besar aa urvanya aan enad ulus sooh dana ungs yang ulus aan erlha elas secara geoer ea graden dar urva pada no erenu da berubah dengan cepa Euban 988 dan Wahba 990. Paraeer λ erupaan pengonrol dala elha urva dan esebangan anara esesuaan urva erhadap daa sehngga pelhan paraeer λ yang opal enad penng arena beraan dengan perolehan esaor yang opal. 2.3 ass Splne Model regres y g ϵ : 2..n erupaan resdual dan g adalah urva regres. Apabla dgunaan pendeaan urva splne runcaed daaan regres nonparaer aa urva regres g dapa duls sebaga beru : Euban 988 g K β α u 2 dengan u 2..K dengan u < u 2 < < u K adalah no dan ε N 0 neger non nega. Nla enunuan deraa splne runcaed yang uga erupaan poongan polynoal berderaa dengan 2 urunan onnyu d no. Ja urva regres g ddea dengan ungs Splne aa g dapa duls enad : Unversas Suaera Uara

6 K g γ β 3 dengan - erupaan bass Splne. Cara ebangun ungs Splne orde dengan no a < u <... < u K < b adalah dengan erlebh dahulu endensan no abahan sebanya 2 yau dana u... u0 a dan u K... u K b. asanya a u u u u K dabl dar nla nu dan b dabl dar nla asu. Fungs Splne ddensan secara reurs sebaga beru : oella dan Shar 2003 u u 4 u u u u u < u 5 0 < u u dengan adalah deraa dar Splne. Unu 2 eberan ungs Splne lnear 3 eberan ungs Splne uadra dan 4 eberan ungs Splne ub. Unu engesas oesen γ dapa ddensan ar sebaga beru : λ 6.. n.. K aau dapa duls sebaga beru : 2... K λ 7 n 2 n... K n Jad λ adalah sebuah ar beruuran n x K. Sebaga gabaran unu enelasan ungs Splne salnya Splne lnear 2 dengan sau no pada 5 dengan nla nu dan nla asu 0. Maa langahnya adalah enenuan no abahan sebanya 2 yau dabl dar nla nu Unversas Suaera Uara

7 dan asu 0 sehngga nos enad u u u 5 u u 0 aa ar yang aan dbenu adalah λ n yau sebuah ar dengan uuran n x 3. Dengan persaaan 4-2 dapa duls sebaga beru : ddensan bernla 0 arena u - u 0. Euban 988. Dan 0 aan bernla pada bernla u 0 0 sapa dengan u dan bernla 0 unu yang lan sehngga dapa duls seper persaaan 5 sebaga beru : < 5 5 < 0 Sedangan unu bass 02 dengan enggunaan persaaan 4 dapa duls sebaga beru : dan dapa uga duls seper persaaan 5 sebaga beru : 02 < < 0 5 Unu bass 2 dapa enggunaan persaaan 4 dan dapa duls sebaga beru : dan dapa d uls uga seper persaaan 5 sebaga beru : < 5 5 < 0 Unversas Suaera Uara

8 Unu urva Splne uadra dengan 2 no salnya pada 3 dan 7 dapa dcar dengan cara yang serupa dengan hasl sebaga beru : < < < 0 Dengan cara yang serupa dapa dbua urva Splne dengan berbaga dan beberapa nos. 2.4 Mulvarae Adapve Regresson Splnes MARS Splne adalah salah sau ens poongan polynoal yau polynoal yang el sa ersegen. Sa ersegen n eberan lesblas lebh dar polynoal basa sehngga eungnan unu enyesuaan dr secara lebh ee erhadap araers loal dar suau ungs aau daa. Secara uu ungs splne berorde adalah sebarang ungs yang dnyaaan sebaga beru : 0 h S α δ u dengan u u 0 u < u 8 dengan : α dan δ adalah onsana rl u u h adalah no. Maa ungs splne daas enunuan ungs S erupaan poongan polynoal berorde pada subnerval [u u ] el urunan onnu nga -2 S - erupaan ungs angga Unversas Suaera Uara

9 dengan lopaan u..u h dan ungs S adalah suau polynoal dengan orde d luar [u u n ]. Recursve Parong Regresson RPR erupaan pendeaan dar ungs yang da deahu dengan : S c 9 dengan I[ ϵ R ]I[.] enunuan ungs ndcaor yang epunya nla sau a pernyaaan benar ϵ R dan 0 nol a salah c erupaan oesen onsana yang denuan dala subregon. Penenuan nos pada regres duy aau regres aegor dlauan secara anual arena el dens daa yang rendah dan hal n da aan engala esulan sedangan unu daa yang berdens ngg erdapa esulan. Unu engaas hal ersebu dgunaan odel Recursve Paron Regresson arena penenuan nos erganung ooas dar daa. Naun dean odel n ash erdapa eleahan yau odel yang dhaslan da onnu pada nos dan unu engaasnya dgunaan odel MARS. Model MARS selan penenuan nos yang dlauan secara oaas dar daa uga enghaslan odel yang onnu pada nos. Pelhan nos pada MARS enggunaan algora orward sepwse dan bacward sepwse yang salah saunya ddasaran nla Generalzed Cross Valdaon GCV nu. Model MARS dapa duls yau : a K [ s. v u ] M 0 a 0 dengan : α 0 α bass ungs ndu oesen dar bass ungs e Unversas Suaera Uara

10 M K asu bass ungs nonconsan bass ungs deraa neras S nlanya ± v varabel ndependen u nla nos dar varabel ndependen v Penabaran dar persaaan 0 dapa dsaan sebaga beru : M α 0 α [ s. v u ] M M a [ s. v u ][ s2. v2 u2 ] α [ s. v u ][ s2. v2 u2 ][ s3. v3 u3 dan secara uu persaaan 0 dapa dulsan sebaga beru : ] α 0 K K 2 K 3 2 Persaaan 2 eperlhaan bahwa penulahan peraa elpu seua bass ungs unu sau varabel penulahan edua elpu seua bass ungs unu neras anara dua varabel penulahan ega elpu seua bass ungs unu neras anara ga varabel dan seerusnya. Msalan w { κ' w} T Λ Λ adalah hpunana dar varabel yang dhubungan dengan K w bass ungs e- aa seap penulahan peraa dan persaaan 2 daas dapa dnyaaan sebaga beru : Unversas Suaera Uara

11 K β α 3 erupaan penulahan seua bass ungs unu sau varabel x dan erupaan splne dengan deraa q yang erepresenasan ungs unvara. Seap ungs bvara pada persaaan 2 dapa duls sebaga beru : 2 K β α 4 yang erepresenasan penulahan seua bass ungs dua varabel dan. Penabahan n unu enghubungan onrbus unvara yang dulsan sebaga beru : * 5 Unu ungs rvara pada penulahan yang ega dperoleh dengan enulahan seua bass ungs unu ga varabel yang dulsan sebaga beru : 3 K β α 6 Penabahan ungs unvarae dan bvarae epunya onrbus dala benu : * 7 Persaaan 2 erupaan deoposs dar analss varans unu abel ongens yang denal dengan deoposs anova dar odel MARS. Inerpresas odel MARS elalu deoposs anova adalah erepresenasan varabel yang asu dala odel ba unu sau varabel aupun neras anara varabel. Penabahan ad pada persaaan 3 dapa dunuan dengan ebua plo anara dengan sebaga salah sau odel ad. Konrbus neras anara dua varabel dapa dvsualsasan dengan ebua plo anara * dengan dan enggunaan onur plo. Model dengan neras yang lebh ngg Unversas Suaera Uara

12 dala varans dapa dbuang dengan enggunaan plo dala beberapa varabel xed dengan varabel opleen. Pada odel MARS pelhan odel enggunaan eode sepwse yang erdr dar orward dan bacward. Forward sepwse dlauan unu endapaan ulah bass ungs asu dan rera pelhan bass ungs adalah enuan average su o square resdual ASR. Unu eenuh osep parseon dar orward sepwse dengan enuan nla generalzed cross-valdaon GCV. Fredan and Slveran 989 Fredan Melh Persaaan Regres Terba Dala elh persaaan regres erba erdapa dua rera yang salng berenangan yau agar persaaanya beranaa bag uuan peraalan sebanya easuan sebanya ungn ungs Z sehngga dperoleh nla raalan yang erandalan dan unu eperoleh noras dar banya peubah sera proonorannya serng al eerluan baya ngg aa persaaan regresnya encaup sed ungn ungs Z. Kopro anara edua esre ulah basanya dsebu pelhan persaaan regres erba. Unu engeraan n da ada sau prosedur sas yang has aau un. Sebanya bla engeahu σ 2 raga aca sesungguhnya unu suau asalah pelhan persaaan regres erba aan auh lebh udah. Maa perlu derapan pada asalah yang saa da selalu enghaslan awaban yang saa. Oleh arena u perlu dlauan prosedur prosedur sebaga beru : a Seua eungnan regres dengan enggunaan ga crera yau R 2 s 2 dan C p Mellow. b Regres hpunan erba dengan enggunaan R 2 R 2 erorelas dan C p. Unversas Suaera Uara

13 c Elnas langah undur d Regres beraar e eberapa varas eode berunya Regres gulud g PRESS h Regres oponen Uaa Regres aar crr dan Regres berahap. Secara uu eode penenuan odel erba dbedaan enad :. Meode anpa seles varabel ndependen. Meode yang easuan seluruh varabel ndependen yang dduga berpengaruh e dala odel dan engaoodas adanya olnereas / ulolneras. Conoh : prncple coponen regresson regres oponen uaa rdge regresson regres gulud. Meode dengan seles Meode yang elauan seles varabel ndependen yang asu e dala odel sesua dengan crera / prosedurnya. Conoh : Meode bacward orward sepwse bes subse regresson. Adapun penelasan dar eode dengan seles yau : Meode bacward Mula dengan odel lengap eudan varabel ndependen yang devaluas a ada yang da sgnan deluaran yang palng da sgnan dlauan erus enerus sapa da ada lag varabel ndependen yang da sgnan. Meode Forward Unversas Suaera Uara

14 Varabel ndependen yang peraa al asu e dala odel adalah varabel yang epunya orelas erngg dan sgnan dengan varabel dependen varabel yang asu edua adalah varabel yang orelas parsalnya dengan varabel depende adalah erngg edua dan ash sgnan dlauan erus enerus saap da ada lag varabel ndependenyang snan. Meode Sepwse Gabungan anara eode orward dan bacward varabel yang peraa al asu adalah varabel yang orelasnya erngg dan sgnan dengan varabel dependen varabel yang asu edua adalah varabel yang orelas parsalnya erngg dan ash sgnan seelah varabel erenu asu e dala odel aa varabel lan yang ada d dala odel devaluas a ada varabel yang da sgnan aa varabel ersebu deluaran. Meode es Subse Meode n enyaan buah odel erba dar seap elopo odel regres berdasaran banyanya varabel ndependen elopo dengan 2.. varabel ndependen. Meode R 2 Koesen deernas R 2 aan selalu pos dan pengerannya secara nu dapa dnyaaan sebaga beru yau R 2 enyaaan propors varans pad Y yang dapa derangan oleh. Varabel bebas Y epunya seulah varblas erenu yang ddensan sebaga varannya. Meode MSE Dgunaan dala enggunaan opas sas unu elh odel agar MSE nu eap uuran n epunya dua eleahan. Peraa uuran n enunuan pencocoan suau odel erhadap daa hsors. Kedua sebaga uuran eepaan odel Unversas Suaera Uara

15 adalah berhubungan dengan enyaaan bahwa eode yang berbeda aan enggunaan prosedur yang berbeda pula. Unversas Suaera Uara

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

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

Lebih terperinci

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

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

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

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 III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3. Analisa Haronik Elevasi pasang suru adalah penulahan dari beberapa konsana pasang suru dan fakor eeorologis yang diasusikan konsan, seperi diunukkan pada persaaan beriku:

Lebih terperinci

PRESENTASI TUGAS AKHIR

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

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

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

Lebih terperinci

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK Tess ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK Oleh : MUHAMMAD NAFI NRP.304008 PROGRAM PASCASARJANA PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Analss Model Loglner Untu data yang bersfat ategor dan dapat dbentu pada suatu tabel ontngens, dapat danalss dengan analss odel loglner. Model loglner dgunaan untu enganalss eungnan

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

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

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

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

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

LKTIS UNDIP Oleh: Rezzy Eko Caraka

LKTIS UNDIP Oleh: Rezzy Eko Caraka PEMODELAN LAJU INFLASI DENGAN MODEL REGRESI SPLINE MULTIVARIABEL DALAM MENJAGA STABILITAS EKONOMI INDONESIA LKTIS UNDIP 204 Oleh: Rezz Eo Caraa Negara Mau Laar Belaang Sabilias Eonoi Julah Uang Beredar

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

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

Lebih terperinci

PERBANDINGAN PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING SATU PARAMETER BROWN DAN METODE DOUBLE EXPONENTIAL SMOOTHING DUA PARAMETER HOLT

PERBANDINGAN PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING SATU PARAMETER BROWN DAN METODE DOUBLE EXPONENTIAL SMOOTHING DUA PARAMETER HOLT aisika, Vol. 4, No. 1, Tahun 2016 PERBANDINGAN PERAMALAN METODE DOUBLE EXPONENTIAL MOOTHING ATU PARAMETER BROWN DAN METODE DOUBLE EXPONENTIAL MOOTHING DUA PARAMETER HOLT Julnia Bidangan 1, Ika Purnaasari

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

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR PROSIDING ISBN : 978 979 6353 3 MEODE LEVENBERG MARQUARD UNUK MASALAH KUADRA ERKECIL NONLINEAR -8 Lusa Krsyat Budash Progra Stud Mateatka Unverstas Sanata Dhara Yogyakarta lusa_krs@sta.usd.ac.d Abstrak

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

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

( ) 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

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011

Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei 2011 Senar Nasonal Saska Unversas Dponegoro, Searang, 2 Me 20 ENERAAN ANALISIS KEUTUSAN DALAM RISIKO DALAM ENGAMBILAN KEUTUSAN INVESTASI SAHAM JANGKA ENDEK UNTUK MENDAATKAN CAITAL GAIN ATAU KERUGIAN YANG OTIMUM

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

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

BAB VI SUHU DAN KALOR

BAB VI SUHU DAN KALOR BAB VI SUHU DAN KALOR STANDAR KOMPETENSI : 5. Meneapkan konsep dan prinsip kalor, konservasi energi dan suber energi dengan berbagai perubahannya dala esin kalor. Kopeensi Dasar : 5.1 Melakukan percobaan

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

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

II LANDASAN TEORI 2.1 Persamaan Dasar Fluida

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3

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

BAB 3 MODEL LEE-CARTER

BAB 3 MODEL LEE-CARTER BAB 3 MODEL LEE-CARTER 3. Pendahuluan Model Goperz yang elah dibahas di Bab 2 banyak diodifikasi oleh para Saisikawan. Pada waku iu (sekiar ahun 980-990), Saisikawan eliha odel ini cukup bagus unuk erepresenasikan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor Jural Grade Vol3 No Jul 007 : 77-8 U Meda Pegaruh Uaa da Ieras dala Peroaa Berfaor Sg Nugroho Jurusa Maeaa, Faulas Maeaa da Ilu Pegeahua Ala, Uversas Begulu, Idoesa Dera Ju 007; Dseuu 6 Jul 007 Asra -

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryano Sudrham nalss Rangkaan Lsrk D Kawasan Waku BB 12 nalss Transen d Kawasan Waku Rangkaan Orde Perama Yang dmaksud dengan analss ransen adalah analss rangkaan yang sedang dalam keadaan peralhan

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

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

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

ANALISIS KAUSALITAS KEPUTUSAN INVESTASI, PEMBIAYAAN DAN DIVIDEN PADA PERUSAHAAN ASURANSI

ANALISIS KAUSALITAS KEPUTUSAN INVESTASI, PEMBIAYAAN DAN DIVIDEN PADA PERUSAHAAN ASURANSI hal: 85 15 ANALISIS KAUSALITAS KEPUTUSAN INVESTASI, PEMBIAYAAN DAN DIVIDEN PADA PERUSAHAAN ASURANSI Sursno Fakulas Ekono Unversas Isla Indonesa Yuana Alunus Progra Magser Manageen Unversas Isla Indonesa

Lebih terperinci

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering

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

Lebih terperinci

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

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

Lebih terperinci

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

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

KINETIKA REAKSI HOMOGEN SISTEM BATCH

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

Lebih terperinci

BAB 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

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

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

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

HARD:Subject-based Search Engine menggunakan TF-IDF dan Jaccard s Coefficient

HARD:Subject-based Search Engine menggunakan TF-IDF dan Jaccard s Coefficient HARD:Subec-base Search Engne enggunaan TF-IDF an Jaccar s Coeffcen Rolly Inan, Anre Defeng Jurusan Ten Inforaa Unversas Krsen Pera Jl. Salanero -3, Wonocolo Surabaya 6036 Absrac Ths paper proposes a hybrze

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

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

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

Pengolahan Data Angin dan Pasut LAPORAN TUGAS AKHIR (KL-40Z0) Bab 3

Pengolahan Data Angin dan Pasut LAPORAN TUGAS AKHIR (KL-40Z0) Bab 3 LPORN TUGS KHIR KL-40Z0 Perancangan Deraga dan Tresle Tpe Deck On Ple d Pelabuhan Garongkong, Propns Sulawes Selaan Bab 3 Pengolahan Daa ngn dan Pasu Bab 3 Pengolahan Daa ngn dan Pasu Laporan Tugas khr

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan

Lebih terperinci

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2.

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2. ROSIDING ISBN: 978-979-6353-3- Model Suu Bunga Mulnomal 4 S-5 Danang Teguh Qoyym *, Ded Rosad Jurusan Maemaa FMIA Unversas Gadah Mada *qoyym@ugm.ac.d Maalah n adalah merupaan pengembangan dar model suu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

Analisis Jalur / Path Analysis

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

Lebih terperinci

BAB 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 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

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

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

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

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

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

Lebih terperinci

PERMASALAHAN LOKASI (Model Dasar) [2]

PERMASALAHAN LOKASI (Model Dasar) [2] PERMASALAHAN LOKASI Model Dasar [] Technques of Contnuous Space Locaton Probles Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch provde

Lebih terperinci

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance 30/05/04 Technques of Contnuous Space Locaton Probles PERMASALAHAN LOKASI Model Dasar [] Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi

BAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi A 2 LANDASAN TEORI 2. Perasalahan Cuttng Stoc Satu Dens Perasalahan Cuttng stoc erupaan suatu perasalahan ang uncul arena bana paa aplasna ala bang pernustran. Msalan ala pernustran au, bagaana eanaeen

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

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

Lebih terperinci

Peramalan 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

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

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

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

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

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

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

Lebih terperinci

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN ISBN : 978.60.36.00.0 PARIAL PROPORIONAL ODDS MODEL PADA USIA KAWIN PERAMA WANIA Mhraunnsa, Isman Zan Mahasswa Jurusan Sasa Insu enolog Sepuluh Nopember (IS) Surabaa Dosen Jurusan Sasa Insu enolog Sepuluh

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

B a b 1 I s y a r a t

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

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