EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV
|
|
- Hamdani Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda Smarang Abstract. Dvlopd bonus malus systm (BMS s to mak th prmum pad by nsurd wll b as closd as possbl wth xpctd occurrnc of clam n vry yar bass. To study th ffcncy of a BMS, w must prvously obsrv th ffct of clam frquncy on valu of prmum. Th ffcncy of Bonus Malus Systm can b found through ts Markov modl; that s by found a statonary dstrbuton n form of ln vctors of ts BMS Markov chan wth ts componnts as a functon of clam frquncy. In ths papr, th BMS usd s that of Brazl. Kywords: bonus malus systm, markov chan, stasonary, ffcncy. 1. PENDAHULUAN Prm asurans dbntuk proposonal dngan rsko yang trjad. Khususnya dalam asurans kndaraan brmotor/mobl prm dasar dtntukan brdasarkan bsar, harga atau kapastas dar kndaraan yang dasuranskan. Stlah masuk asurans, pnntuan bsar prm pada tahun brkutnya hanya dpngaruh olh banyaknya kclakaan dalam satu tahun prod sblumnya. Dmana dngan adanya kclakaan maka akan trjad klam. Sstm sprt pnntuan prm sprt n dsbut dngan sstm bonus-malus (BMS. Sstm n prtama kal dprknalkan dan dkmbangkan d Eropa pada awal tahun 1960 ([1],[2],[3]. Stap ngara jka tdak stap prusahaan mmlk sstm BMS yang brbda, yang mmungknkan lbh bak satu dar yang lannya ([5],[6]. Pnntuan prm dngan mnggunakan sstm BMS dapat dpandang sbaga modl multpl stat (kadaan multpl. Dasar modl stokastk kadaan multpl n adalah ranta Markov dngan banyak kadaan brhngga. Sbaga lustras prubahan prm kndaraan brmotor dar tahun prtama k tahun kdua, dngan tahun prtama tdak ada klam, atau ada satu klam, atau dua klam, dan strusnya dralsaskan sbaga bntuk transs dar kadaan. Dalam papr n akan dbahas pngaruh prubahan bsar prm trhadap nla fsns dar sstm bonus malus, yatu sstm bonus malus Brasl. 2. SISTEM BONUS MALUS Sstm bonus-malus (BMS mmprsntaskan banyaknya tarf grup yang brhngga dan brgantung pada prm tahunan. Stap tahun, tarf grup dttapkan sbaga tarf grup dar tahun sblumnya dan banyaknya klam yang trcatat dar trtanggung asurans pada prusahaan asurans slama tahun tu. Jka tdak ada klam atau klam tdak trcatat maka trtanggung trsbut akan mndapat bonus yang brbntuk pngurangan nla prm. Sdangkan jka trjad klam, palng sdkt satu klam yang trcatat maka prm yang harus dbayar pada tahun brkutnya olh trtanggung akan nak. Dngan kata lan jka dalam satu tahun prod trjad klam maka akan mndapat malus. Sstm bonus-malus dapat dnyatakan sbaga brkut. 1. Banyaknya tarf grup brhngga d awal prod dar asurans dnotaskan dngan C, dmana 1,2,.n. Sdangkan banyaknya tarf grup d akhr prod asurans dnotaskan dngan C j, j 1,2 n. Tarf grup trndah dsbut d- 207
2 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: ngan suprbonus dan tarf grup trtngg dsbut dngan supr-malus. Prm tahunan brgantung pada banyaknya tarf grup yang trjad. 2. Prosntas dar prm dasar r (dalam % mnotaskan prosntas yang akan dkalkan dngan prm dasar sbaga prm brkutnya yang harus dbayar, dngan r 1 r 2 r 3. r n. 3. Prpndahan dar tarf grup sblumnya (k- k tarf grup brkutnya (k-j dngan k klam yang trcatat, dnyatakan dngan t j 1, trjad prpndahan dar tarf grup k - k tarf grup k - j. 0, lannya. (2.1 Untuk slanjutnya, msalkan untuk sorang pmgang pols, klam yang trcatat dalam satu tahun adalah brbntuk suatu barsan X 1, X 2,. X m dar suatu pubah acak yang salng bbas dngan fungs pluang brsama {q k }. Dnotaskan bahwa C 1,C 2, adalah tarf grup dar tahun k tahun dar pmgang pols. Tarf grup tahun sblumnya dngan banyaknya klam yang trcatat. Dngan dmkan maka prmasalahan sstm bonus-malus dapat dpandang sbaga modl ranta markov. Dngan mnggunakan tor Markov, maka {C n } barsan pubah acak dngan ruang tarf grup brhngga. {C n } adalah Ranta Markov yang mmlk matrk M(p j sdmkan hngga untuk smua n1,2, dan 0, 1,, n, Pr(C n n C n-1 n-1,., C 0 0 p( n 1, n. (2.2 dmana Pr(C n-1 n-1,., C 0 0 >0. Mnurut [8] pluang transs p j mrupakan pluang prpndahan dar tarf grup k k tarf grup k-j dar pmgang pols dapat dtulskan sbaga p j qktj (k. k 0 Mnurut ([4],[7] banyaknya klam (k yang trjad dan trcatat olh pmgang pols dasumskan mmnuh dfns pross Posson dngan laju λ. Dngan mnggunakan prsamaan (2.1 maka matrk transs p j dar ranta markov dapat mnjad k λ M( [ pj (λ ] tj( k, (2.3 k 0 k! dngan p j (λ 0 dan p (λ. n k 0 j 1 Msal ddfnskan p n j ( λ P(Y n ( Λ j. Dar prsamaan (2.3 pluang untuk tdak ada klam adalah postf, p 0 ( > 0. Dngan mnggunakan sfat dar ranta markov yang rgulr maka dprolh. Jka dstrbus pluang untuk banyaknya klam slama satu prod adalah salng bbas trhadap prod, maka tarf grup untuk polsnya brbntuk ranta Markov dngan matrk transs M( yang dbrkan dalam prsamaan (2.3.. Jka pluang untuk tdak ada klam dalam satu prod p 0 (>0, maka dsbut dngan rgular. Akbatnya p k (>0. Dngan dmkan ranta Markov dar sstm bonus-malus n adalah rgular. Artnya trdapat blangan q 1, shngga {M(} q smua unsurnya brnla postf murn. Dalam kasus rgular dngan nla gn satu yatu nla gn dar matrk M. Dstrbus stasonr, vktor kolom π( mrupakan solus tunggal dar prsamaan π( π( M(, (2.4 dngan π 1. j E j Atau dngan kata lan dstrbus stasonr yang dprolh mrupakan nla dar gn vktor dar prsamaan (2.4 yang brssuaan dngan nla gn satu dar matrk M. 3. EFISIENSI SISTEM BONUS MALUS Dalam BMS prm stasonr dnotaskan dngan b( dan dtulskan sbaga jumlahan dar prkalan vktor bars dstr- 208
3 Supand (Efsns Sstm Bonus Malus sbaga Modl Ranta Markov bus stasonr dar ranta Markov (π π 1, π 2, π n dngan vktor kolom nla prm B untuk stap kadaan aktual. Notas b( n tdak brgantung pada kadaan awal. b1 b2 π1 π 2,..., π n π b πb, bn (3.1 b( ( dngan b adalah prm yang dbayarkan pada kadaan k- ssua dnga tarf grup pada kadaan k-. Notas b( mrupakan fungs nak dar λ. Dngan mngasumskan bahwa barsan dar klam adalah d (ndpndnt dntcally dstrbutd mmpunya man V [7], maka prm ntto (prm yang dbayarkan tanpa adanya baya yang dbayarkan adalah λv, maka prsamaan (3.1 dapat dtulskan sbaga b( λv. (3.2 Fungs b( mrupakan fungs dalam λ, dan tdak lnr. Untuk dapat mlnrkan prsamaan (3.2, karna b(>0, maka fungs trsbut dapat dambl logartmanya untuk kdua ssnya. Dngan dmkan fungs logartma dar prsamaan (3.2 adalah logb(logλ+logv. (3.3 Dngan mnurunkan trhadap λ pada masng-masng ruas pada prsamaan (3.3 dprolh 1 db( 1, b( λ atau db( b( λ 1. (3.4 d( λ Prsamaan (3.4 mnunjukkan bahwa untuk stap prm yang dbayarkan olh trtanggung sama dngan prm pada sstm Bonus Malus. Prubahan pada banyaknya klam yang dharapkan pada tap prod /λ mngakbatkan prubahan pada prm rata-rata db(/b(. Scara umum prsamaan (3.4 mrupakan raso dar varans dar prm stasonr dngan varans dar frkuns klam dan dsbut sbaga fsns dar BMS yang dnotaskan dngan (, λ db( d log b( (. (3.5 b( d log λ Nla ( dar prsamaan (3.5 adalah pos-tf karna b(>0 dan scara umum 0<(<1. Slanjutnya dar prsamaan (3.5, bagan db(/ dprolh dngan mnurunkan prsamaan (3.1 trhadap λ, shngga dprolh db(λ dπ b. (3.6 Sdangkan prsamaan turunan dπ / dprolh dngan mnurunkan prsamaan (3.1 yatu ππm dan π 1 trhadap λ, dπ dπ dm M + π dπ 0 dngan bntuk matrk dm/ dar prsamaan brkut dm ( λ xp( ( T k! m k 0 k, (3.7 k+ 1 Tk dprolh (3.8 dngan T k t j (k dngan t j (k sprt pada prsamaan ( METODE MENCARI NILAI EFISIENSI METODE EKSAK Msalkan modl BMS dar Brasl pada Tabl 1, ttap hanya dambl untuk 3 kadaan saja. Dngan nla prmnya mnjad (100,90,80 dan bntuk tablnya mnjad 209
4 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: (C, r (Tarf grup, Prosntas Tabl 1. Sstm Bonus-malus Tarf Grup stlah satu tahun Banyaknya klam (3, (2, (1, Tabl 2. Tabl transs dar Sstm Bonus malus {1,2,..} {0}. 2 {1,2,..}. {0} 3 {2,3,..} {1} {0} Dar Tabl 1 dan Tabl 2 datas maka bntuk matrk transs ranta Markovnya, M( mnjad M( 1 (1 + λ 0 0 Msalkan p1- -λ, q -λ dan rλ -λ maka bntuk matrk M( dar contoh BMS adalah p q 0 M(λ p 0 q p r r q Slanjutnya dar matrk M( datas akan dtntukan dstrbus stasonrnya. Dngan mnggunakan prsamaan (2.4 maka dapat dtulskan mnjad p q 0 ( π ( 1 π 2 π 3 π1 π 2 π 3 p 0 q. p r r q Dngan mnggunakan sstm prsamaan lnr dan mmasukan nla p, q, dan r maka dprolh nla π 1,π 2,π 3 yatu 1 ( λ + 1 (1 π 1, π 2, 1 λ 1 λ π 3 1 λ. Slanjutnya dngan mnggunakan nla-nla dar tarf grup yatu (100, 90, dan 80 dprolh prm stasonr sbaga brkut. 100 b ( λ ( π 1 π 2 π 3 90 π b. 80 Shngga turunan prm stasonr dalam λ dprolh db ( ( 1+ λ ( λ 100 λ ( 1+ λ -100 ( λ 2 ( ( ( λ 2λ ( ( 2 λ 2λ ( ( + 2λ - 90 ( λ λ λ 2 ( + 2λ - 80 ( λ 2 Dngan mngambl λλ dprolh π (π 1 π 2 π 3 ( Slanjutnya dngan mnggunakan prsamaan (3.1 dprolh nla dar prm stasonr, yatu b1 b( λ 0. 1 ( π1 π2 π3 b2 b 3 πb db( dan nla dar λ Shngga nla fsns dapat dcar dngan mnggunakan prsamaan (3.5 yatu 210
5 Supand (Efsns Sstm Bonus Malus sbaga Modl Ranta Markov 0. 1 ( λ Mtod Numrk Dar Tabl 1 dan Tabl 2, dngan mnggunakan asums pada prsamaan (2.3, maka bntuk matrk transs ranta Markovnya, M( mnjad 0 M( 0 (1 + λ dan 0 dm(/ 0 λ (1 Bntuk matrk transs M( datas mmpunya nla dtrmnan dt(m(-λ -2λ. Slanjutnya dar bntuk matrk M( n akan dcar dstrbus stasonrnya, yatu π. Dngan mngambl dstrbus awal π 1 (a 1,b 1,c 1 dngan a 1 +b 1 +c 1 1 dprolh π 2 π 1 M( 0 (a 1,b 1,c 1 0 (1 + λ [(a 1 +b 1 (1- -λ +c 1 (1-(1+ -λ a 1 -λ +c 1 λ -λ (b 1 +c 1 (1- -λ ] π 3 π 2 M( [(a 1 +b 1 (1- -λ +c 1 (1-(1+ -λ a 1 -λ +c 1 λ -λ (b 1 +c 1 (1- -λ ]. 1 (1 + 0 λ 0 π 4 π 2 M( π n+1 π n M(, dmana untuk n, maka ππm( dngan π sbaga vktor bars dngan komponnnya mrupakan fungs dar λ. Dngan mngambl λ0.1 maka bntuk matrk datas adalah M(λ Matrk M( n akan stasonr stlah n22 yatu dprolh matrk M 21 (λ Shngga dprolh dstrbus stasonr dar matrk ranta Markov M(( untuk pmlhan dstrbus awal trtntu yatu π adalah π ( Slanjutnya dngan mnggunakan prsamaan (3.1 dprolh nla dar prm stasonr yatu b1 b( λ 0. 1 ( π1, π 2 π 3 b2 b3 π b Pross slanjutnya yatu mnntukan nla dar db(/. Sblumnya db(/ n akan dtntukan trlbh dahulu nla dar dπ/ dngan mnggunakan pross tras sprt ktka mnghtung dstrbus stasonr dar matrk ranta Markov M(. Pandang bahwa π dan M( mash dalam bntuk fungs dalam λ. Karna π mrupakan suatu vktor bars yang komponnkomponnnya fungs dar λ dan matrk M( juga mrupakan matrk dngan unsur-unsurnya dalam bntuk fungs λ, maka bntuk turunan dar dπ/ adalah sprt dalam prsamaan (3.6. Slanjutnya msalkan bahwa sdπ/ maka bntuk tras dar prsamaan (3.7 adalah s 1 s 0 M(+π(dM(/ s 2 s 1 M(+π(dM(/ 211
6 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: s n+1 s n M(+π(dM(/ untuk n, maka ssm(+π(dm(/ dngan s sbaga vktor bars dngan komponn-komponnnya mrupakan fungs dar λ. Dngan mngambl nla λ0.1 dngan bantuan program Mapl dan mngambl nla s 0 (-0.6,0.6,0, maka dprolh nla stasonr stlah n21 dngan tngkat ksalahan 10-10, yatu s 21 [ , , ] shngga untuk nla dar db(/ dapat dktahu yatu db( λ dπ b ( Dngan nla dar frkuns klam λ, prm stasonr b( dan nla dar db(/, maka untuk λ0.1 dprolh nla fsns untuk BMS contoh dalam Tabl 1 dan Tabl 2 dngan mnggunakan prsamaan 9, yatu λ db( λ ( λ 0. 1 b( λ (0.1/ Dngan dmkan maka untuk λ0.1 modl BMS dalam kasus n mmbrkan nla fsns sbsar Dar hasl prhtungan dngan mnggunakan mtod ksak maupun mtod numrk akan dprolh nla fsns yang tdak jauh brbda. Untuk kasus dmana bntuk matrk transs mmpunya ukuran ukuran yang kcl akan lbh mudah mnggunakan mtod ksak. Sbalknya untuk matrk transs yang dhaslkan dar sstm bonus malus bsar maka dsarankan akan lbh mudah dngan mnggunakan mtod pndkatan yatu mtod numrk. Dalam prhtungan slanjutnya smua nla λ n brada antara 0 dan 1. Ddalam bbrapa ngara rata-rata frkuns klam ( adalah 10% [4]. Nla 10% n slanjutnya dgunakan dalam papr n untuk untuk mnntukan nla fsns dar modl BMS. 5. STUDI KASUS MODEL BMS BRASIL Dalam sstm bonus-malus, ngara Brasl mmpunya tujuh tarf grup bonus yang dnomor dar 1 hngga 7 dngan tngkatan tarf grup 100, 90, 85, 80, 75, 70, 65. Tarf grup dmula pada tarf grup prtama yatu tarf grup 100. Jka tdak trjad klam dalam satu tahun tarf grup akan turun satu tngkat k tarf grup yang lbh rndah prosntasnya. Sdangkan jka trjad klam sbanyak k dngan k 1, maka untuk stap klamnya mngakbatkan tarf grup nak satu tngkat k tarf grup yang lbh bsar prosntasnya. BMS modl Brasl n dsajkan dalam Tabl 3. Slanjutnya dngan mnggunakan mtod numrk untuk λ0.1, dstrbus stasonr dar matrk ranta markov BMS Brasl n adalah π (π 1, π 2,, π 7 yatu π , π π , π π , π , π dngan nla fsns ( Untuk frkuns klam yang lan dngan 0 λ 2 dngan prtambahan 0.1, fsns BMS Brasl dsajkan dalam plot fsns dalam Gambar 1. Brdasarkan Gambar 1, fsns BMS ngara Brasl trjad knakan yang tajam mula dar λ0 sampa dngan λ0.6. Untuk λ>0.6 fsns mngalam pnurunan. Sdangkan fsns trtngg dcapa pada saat λ0.6 yatu Modfkas prm Pada modfkas n dlakukan prubahan prm pada kadaan palng atas. Prubahan n antara lan dngan mnakkan dan mnurunkan prm palng atas (100 dngan 105, 102 dan 95 srta 98 dsajkan 212
7 Supand (Efsns Sstm Bonus Malus sbaga Modl Ranta Markov dalam Gambar 2. Pada modfkas prtama yatu dngan mnakkan prm mnjad 105 untuk stap λ (0<λ 2 trjad knakan yatu dngan knakan rata-rata sbsar 1.1%. Untuk fsns trtngg dcapa ktka λ0.6 yatu dngan nla Modfkas slanjutnya dngan mnurunkan prm mnjad 95. Dngan modfkas n fsnsnya m- ngalam pnurunan untuk stap λ (0<λ 2 dngan rata-rata pnurunan 1.99%. Efsns trtngg dcapa pada saat λ0.6 yatu sbsar Untuk dapat mmbrkan gambaran bahwa dngan mnakkan/mnurunkan prm akan mnakkan/mnurunkan fsns dlakukan prubahan dngan prm 102 dan 98. Tabl 3. Sstm Bonus malus ngara Brasl (C, r (Tarf grup,prosntas Tarf Grup Stlah Satu Tahun Banyaknya Klam ( 7, ( 6, ( 5, ( 4, ( 3, ( 2, ( 1, Ef sns B M S B rasl Frkuns klam Gambar 1. Plot fsns BMS Brasl untuk 0 λ 2 dngan prtambahan Efsns Modfkas BMS Brasl (prubahan prm atas Smula Efsns Frkuns klam Gambar 2. Efsns Modfkas BMS Brasl dngan prubahan pada prm atas 213
8 Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006: Pada prubahan prm dngan 102 nla fsns untuk stap λ (0<λ 2 juga mngalam knakan rata-rata 0.76% dngan fsns trtngg dcapa ktka λ0.6 yatu Dar Gambar 2 mnunjukkan bahwa untuk modfkas n plot nla fsns slalu brada BMS Brasl smula dan modfkas BMS Brasl dngan prubahan prm atas dngan 105. Modfkas brkutnya yatu dngan mngubah prm atas mnjad 98. Dalam modfkas n mnghaslkan nla fsns yang lbh kcl untuk stap λ (0<λ 2, dmana nla fsns rata-rata mngalam pnurunan sbsar 0.9%. Efsns trtngg dcapa ktka λ0.6 yatu Dar Gambar 2 trlhat bahwa plot nla fsns untuk modfkas n slalu brada dantara BMS Brasl smula dan modfkas BMS Brasl dngan 95. Dngan modfkas prm pada kadaan palng atas n mnunjukkan bahwa untuk 0<λ<0.4 cndrung prbdaan fsns sangat kcl (Gambar 2. Sdangkan untuk λ>0.4 trjad prubahan nla fsns yatu trjad knakan fsns jka prm atas dnakan dan pnurunan fsns jka prm atas dturunkan. Hal n mnunjukkan bahwa dngan modfkas n phak yang mngasuranskan akan cndrung brhat-hat dngan kndaraan brmotornya bla prm atas dnakkan jka dbandngkan dngan pnurunan prm atas, shngga akan mndapatkan bonus pnurunan prm untuk tahun pmbayaran prm brkutnya. 5. KESIMPULAN Brdasarkan pmbahasan pada bagan sblumnya dapat dsmpulkan bahwa tarf grup untuk tahun brkutnya dhtung brdasarkan tarf grup tahun sblumnya dngan banyaknya klam yang trcatat. Dngan dmkan maka prmasalahan sstm bonus-malus (BMS dapat dpandang sbaga Modl Ranta Markov. Modl kadaan multpl (modl Markov mrupakan suatu modl stokastk yang dbangun brdasarkan ranta markov waktu dskrt dngan ruang kadaan hngga. Dalam mnntukan fsns dar BMS dngan mnggunakan dstrbus stasonr dar ranta Markov. Dstrbus stasonr n dgunakan untuk mnntukan prm stasonr. Untuk dapat mnngkatkan fsns dar BMS trdapat dua faktor yang sangat pntng, yatu dngan mrubah prm shngga prbandngan prm trtngg dan palng rndah mnjad lbh bsar. Prubahan prm akan mnghaslkan nla fsns dar BMS yang lbh brvaras shngga akan dapat dktahu kcndrungan phak yang mngasuranskan kndaraan brmotornya brada d frkuns klam mana akan brhat-hat (pada umumnya untuk BMS Brasl dawal masuk asurans 6. DAFTAR PUSTAKA [1] Bchsl., F. (1964, Erlahrungs-Tarffrung n dr Motorfahrzug haftpflcht-vrschrung, Mtt Vrn Schwz Vrschrungsmath, 64: [2] Buhlmann, H. (1964, Optmal Pramnstufnsystm, Mtt Vrn Schwz Vrschrungsmath, 64: [3] Dlaport, P. (1965, Tarfcaton du rsqu ndvdual d accdnts d automobls par la prm modl sur l rsqu, ASTIN Bull III, 3. [4] Lmar J. (1998, Bonus-Malus Systm, Th Europan and Asan Approach to Mrt Ratng. North Amrcan Actuaral Journal, 2(1: [5] Lmar,J and Hongmn Z. (1994, A Comparatv Analyss of 30 Bonus- Malus Systm. ASTIN BULETIN, 24(2: [6] Lomaranta, K. (1972, Som Asymtotc Proprts of Bonus Malus, ASTIN BULLETIN, 6(3: [7] Rolsk.T, Schmdl,H., Schmdt, V., and Tugls, J. (1999. Stochastc Procsss for Insuranc and Fnanc, John Wly & Sons, Nw york. [8] Ross. (2000, Introducton to Probablty Modls, Svnth Edton, Acadmc Prss, London, UK. 214
BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.
BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu
Lebih terperinciESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)
ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka
Lebih terperinciHubungan antara K dengan koefisien fugasitas:
Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =
Lebih terperinciBAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM
BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak
Lebih terperinciBAB IV FUNGSI KOMPLEKS
47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas
Lebih terperinciII. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan
II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam
Lebih terperinciUJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan
UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns
Lebih terperinciPENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.
Lebih terperinciBAB 2 SISTEM MAKRO DAN MIKRO
BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh
Lebih terperinciLOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS
Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciFIXED EFFECT MODEL PADA REGRESI DATA PANEL
ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan
Lebih terperinciBAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi
BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada
Lebih terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciGelombang Datar Lintas Medium
Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp
Lebih terperinciAnalisis Variansi Multivariat
Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak
Lebih terperinciBAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA
BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms
Lebih terperinciPEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE
PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka
Lebih terperinciDiktat TERMODINAMIKA DASAR
Dktat TERMODINAMIKA DASAR Olh : Ir. Sudjto, PhD., Ir. Safuddn Badow, Agung Sugng W., ST.,MT BabIV HUKUM TERMODINAMIKA I : SISTEM TERBUKA ( VOLUME ATUR ) 4.1 ANALISA TERMODINAMIKA VOLUME ATUR Pada sbagan
Lebih terperinciPROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)
PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhus, Dva Wdyananto,dan Brnadta Dsnova Kr Cntr of Ald Mathmatcs (CAM), Program tud Matmatka
Lebih terperinciANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN
ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciPENGUAT FREKUENSI RENDAH (lanjutan)
EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum
Lebih terperinciModifikasi Metode Full Wave di Sekitar Titik Singular
Kontrbus Fska Indonsa Vol. 3 No.3, Jul 2002 Abstrak odfkas tod Full Wav d Sktar Ttk Sngular Ttk Stawat Bdang Aplkas Gomagnt dan agnt Antarksa, Pusat Pmanfaatan Sans Antarksa LAPAN, Jl. Dr. Junjunan 33
Lebih terperinciPengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja
8 Pngaruh Pnyspan Indukor dan Kapasor pada Sambungan Saluran Udara dan Kabl Dsrbus kv rhadap Prambaan Glombang gangan Surja Moch. Dhofr Absrak Dalam ulsan n dpaparkan pngaruh sspan L sr aau C parall danara
Lebih terperinciOPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)
OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN
ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM
Lebih terperinciMETODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract
JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths
Lebih terperinciBAB 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 terperinciII. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN
II. PERANAN TATITIK DALAM ANALII PERCOBAAN Hal-hal yang prl dplajar. 1. baran Normal dan sbaran t- stdnt. Mmbandngan da harga rata-rata sampl. a. Prbandngan da harga rata-rata sampl tda brpasangan npard
Lebih terperinciBAB 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 terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciPersatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function
Prsatua ktuars Idosa Dasar-dasar Matmatka suras Jwa 8 Nombr 00 Utuk soal o s/d 3 d bawah, dktahu suatu sural fucto 00 s ( ) utuk 0 00 0 Htuglah F (75) X 0,0 B 0,30 C 0,40 D 0,50 E 0,0 Htuglah f (75) X
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA
PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 9 ABSTRACT RAFIDHA. Prcng of Gnral
Lebih terperinciANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO
ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan
Lebih terperinciAplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)
TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat
Lebih terperinciKONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA
LAPORAN PENELITIAN HIBAH PENELITIAN STRATEGIS NASIONAL TAHUN ANGGARAN 2009 KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA Pnliti : Lasmini Ambarwati, ST.,
Lebih terperinciOleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciKESETIMBANGAN MASSA DAN KALOR SERTA EFISIENSI PEMBANGKIT LISTRIK TENAGA UAP PADA BERBAGAI PERUBAHAN BEBAN DENGAN MENVARIASIKAN JUMLAH FEEDWATER HEATER
KESETIMBANGAN MASSA DAN KALOR SERTA EFISIENSI PEMBANGKIT LISTRIK TENAGA UAP PADA BERBAGAI PERUBAHAN BEBAN DENGAN MENVARIASIKAN JUMLAH FEEDWATER HEATER Dnd Junad 1, I Mad Suardjaja 1 dan Tr Agung Rohmat
Lebih terperinciPERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR
Prodng Smnar Naonal Manajmn Tknolog XVIII Program Stud MMT-ITS, Surabaya 7 Jul 13 PERANCANGAN AN SIMULASI FEEFORWAR AUTOTUNING PI ECOUPLING TITO SYSTEM OLOM ISTILASI METANOL-AIR Ral Harudan 1), atjuk Atrowulan
Lebih terperinciPENENTUAN NILAI e/m ELEKTRON
Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga
Lebih terperinci8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik
8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna
Lebih terperinci1) Jurusan Fisika FMIPA UGM Yogyakarta, 2) Jurusan Agronomi Fak Pertanian UGM Yogyakarta, 3) Jurusan Pangan dan Gizi FTP UGM Yogyakarta.
YOGYAKARTA, 18 NOVEMBER 21 ISSN 1978-176 PENENTUAN KOEFISIEN DIFUSI BATANG DAN AKAR PADI TERHADAP PERTUKARAN GAS O 2 DAN O 2 DENGAN METODE SPEKTROSKOPI FOTOAKUSTIK LASER O 2 MENGGUNAKAN GAS SF 6 SEBAGAI
Lebih terperinciBAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]
BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciMODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL
ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB II TEORI DASAR 2.1 Pengertian Pasang Surut
BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,
Lebih terperinciDidownload 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 terperinciESTIMASI 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 terperinci4. DI D FRA R K A S K I
4. DIFRAKSI Dfraks adalah dvas dar prambatan cahaya atau pmblokan arah rambat cahaya. fk dfraks adalah karaktrstk dar fnomna glombang, apakah buny, atau cahaya dmana mukamuka glombangnya dblokkan.. Hchts,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciBAB 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 terperincimenganalisis prosedur klasifikasi/deteksi kesamaan atau ketidaksamaan atau ukuran seberapa
Transms, Vol. 11, No. 1, Jun 006 : 6-10 PENDEKATAN ANALISIS POLA UNTUK MENGETAHUI PENGARUH KERAWITAN CAMPURSARI PADA VOKALISNYA, DALAM SISTEM SKALA NADA PENTATONIS DAN DIATONIS Dssy Irmawat dssy5518@yahoo.com
Lebih terperinciIntegral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma
Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk
Lebih terperinciPELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN
JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,
Lebih terperinciPenentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang
Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation
Lebih terperinciANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN
65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta
Lebih terperinciOnline Jurnal of Natural Science, Vol.3(1): ISSN: March 2014
Onlin Jurnal of Natural Scinc, ol.3(1): 65-74 ISSN: 338-0950 March 014 PELABELAN TOTAL SISI AJAIB SUPER (TSAS) PADA GABUNGAN GRAF ULAT BULU DAN BIPARTITE LENGKAP I W. Sudarsana 1, Fitria and S. Musdalifah
Lebih terperinciPROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX
Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciPENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS
30 ISSN 06-38 Yoyok Dw Styo Pambud PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS Yoyok Dw Styo Pambud Pusat Tknolog Raktor dan Kslamatan Nuklr, BATAN Gd. 80 Kawasan
Lebih terperinciANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER
Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB 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 terperinciIV. Konsolidasi. Pertemuan VII
Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl
Lebih terperinciBAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.
BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng
Lebih terperinciINTERFERENSI DAN DIFRAKSI
ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau
Lebih terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperinciSistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana
Lebih terperinciKAJIAN ANALISIS REGRESI DENGAN DATA PANEL
Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciA v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan
Mata kula LKTONKA ANALOG. LOLOH ALK Pngglngan pnguat ( amplr) dapat pula dglngkan dalam 4 macam glngan umum, yatu pnguat tgangan, pnguat aru, pnguat tranantaran dan pnguat trantaanan. Pngglngan n brdaarkan
Lebih terperinciJurnal Inovasi Pembelajaran Fisika (INPAFI)
Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan
BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang
Lebih terperinciTINJAUAN 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 terperinciKecocokan 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 terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciMETODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT
METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciMuatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu
Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya
Lebih terperinciANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI
Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciMODEL MATEMATIS DAN SIMULASI PERGERAKAN HARGA SAHAM SKRIPSI
MODEL MATEMATI DAN IMULAI PERGERAKAN HARGA AHAM KRIPI Dajukan Unuk Mmnuh alah au yara Mmprolh Glar arjana ans Program ud Mamaka Dsusun Olh : RIDWAN RAHADIYANTO NIM : 334 PROGRAM TUDI MATEMATIKA JURUAN
Lebih terperinciBAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK
Dktat Rekayasa Trafk BB II PDKT PROBBILITS D MODL TRFIK 2. Pendahuluan Trafk merupakan perstwa-perstwa kebetulan yang pada dasarnya tdak dketahu kapan datangnya dan berapa lama akan berlangsung. Maka untuk
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Lngkungan Implmntas Pada pmbahasan lngkungan mplmntas mlput pmbahasan spsfkas hadwa yang dgunakan, pangkat lunak, pangkat pmbangun dan tools yang dgunakan untuk mmbuat
Lebih terperinciII. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf
II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan
Lebih terperinciPENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI
Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciMODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI
MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI Evapotranspraton modl on vgtaton wth vard canopy layr Yanto yanto@unsod.ac.d, ynt@umch.du Program Stud Tknk Spl Fakultas Sans
Lebih terperinciBAB II DASAR TEORI. 2.1 Definisi Game Theory
BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinci