Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson

Ukuran: px
Mulai penontonan dengan halaman:

Download "Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson"

Transkripsi

1 Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Mau lhood Esao Modl ar da og-ar dala Rgrs Posso Yul Wbawa Jaa Nugraha Jurusa Sasa FMIPA-UII Kapus Trpadu UII Jl Kalurag KM 4. Tlp/fa : Absra Rgrs Posso dguaa uu podla pada rspo brdsrbus Posso. Parar raa-raa rupaa fugs dar varabl dpd. Tlah dlaua sas rhadap parar dala rgrs Posso gguaa od Mau lhood Esao ME. Esas ddasara pada odl lar da odl loglar. Kdua odl dbadga gguaa daa sulas. Kara parar raaraa dasusa brla posf hal gabaa sas parar dala odl log lar lbh ssua dbadg odl lar.. Kaa Kuc: Mau lhood log-lar hssa. PENDAHUUAN Aalss rgrs rupaa od sasa ag populr dguaa uu aaa hubuga aara varabl dpd dga varabl dpd. Dala gaalss hubuga aara bbrapa varabl rdapa sulah foa daa varabl dpda brbu br aaupu brbu dsr. McCullagh da Nldr 989 gaa suau foa daa varabl dpda brbu dsr ap da br aa foa agu baaa suau ada dala dsrbus Posso aau rupaa pross ada Posso daa baas aas baaa ada u da rbaas. D bawah ods spral ag dal a rad suau prswa suss ag salg bbas da dala sau wau aau ruag ag saa aa odl posso rupaa suau odl pdaa uu baaa suau ada ag daa Haarsa. Slaua blaaa dhadapaa pada varabl dpd ag da ou aa ada bbrapa asalah ag aa dhadap da prlu dapa prhaa husus. Pross ada Posso rupaa pgbaga dar pross Broull da boal dapa daaa odl rgrs dar buah daa.... ε dga da Ja dasusa bahwa Eε aa: E... Sarag a E P adalah propors populas dar pgaaa pada... uu aau dga aa la: P Prob[ ] Q P Prob[ ] dga... Jad uu buah pgaaa aa rdapa pluag P P P ag asg asg rupaa parar dar dsrbus Broull. Ja dprhaa pada odl d aas las bahwa ε da ou a haa dua harga ag ug au: ε [... ] 3 dga harga bsa P Q aau P P. Abaa da ada asus ag orala M-8

2 Yul Wbawa Jaa Nugraha/Mau lhood Esao pada odl galaa. Asus dua ag pas dlaggar adalah ag hooga varas. Ja Eε aa: Varε Eε M-8 Q Prob[ ] -P Prob[ ] Q P P Q PQQ P PQ Ja P hargaa brvaras uru ga varabl dpd aa varas galaa ad da hoog. Jad dala hal ada dua plaggara asus au: Dsrbus dar ε adalah dsr da da oral. Varas gala da hoog. Dga da pgguaa ood uadra rcl basa aa sul dlaua uu asus spr ag dlasa d aas Mrs 99. Haarsa dala plaa laua pgbaga pada odl rgrs ga hubuga aara varabl dpd dga varabl dpd daa varabl dpda rupaa bu dsr ag da br. Baaa suau ada dala suau u ru dasusa sbaga fugs dar sau aau lbh varabl dpd. Dala plaa pl gasusa bahwa raa raa dar baaa ada dala u ru rupaa parar dar dsrbus Posso. Raa raa Posso uga rupaa fugs dar varabl dpd ag dapa dbaga ad odl rgrs Posso daa fugs l ag dguaa dala pbua odl rgrs Posso adalah λ. Sud asus ag dguaa pada pla rupaa daa sulas dga gguaa praga lua sofwar R au uu baga daa ag gu dsrbus Posso. Mod ag dguaa uu gsas parar dala rgrs Posso adalah Mau lhood Esao ME. Esas ddasara pada odl lar da odl log lar dga gasusa bahwa parar raa raa brla posf. Rgrs Noral Rah Yas 3 dfsa Rgrs oral rupaa odl lar au Y Xε uu 3... N. Pada awala dbagu uu plaar hubuga aara varabl dpd X dga varabl dpd Y daa Y brdsrbus oral da salg bbas. Modl lar ag palg awal da palg sdrhaa basa dsbu sbaga odl lar oral/las Noral/Classcal ar Modl uu slaua dsga NM. Bbrapa cr dar bu lar adalah sbaga bru.. Hubuga aara spas EY μ da obas varabl dpd lr η adalah brsfa lagsug das au μ η.. Bu varas dar varabl dpd ag brsfa osa au varas Y vary σ. Dga da scara sluruha vary INσ dga IN adalah ars das brordo N. Pdugaa parar uu odl NM durua dar prsaaa urua praa dar fugs log-llhooda ag slah lalu bbrapa pdrhaaa dala bu ars dapa daaa dga: µ S V Y a Y r µ 4 Hubuga aara raaa μ μ dala NM ghasla bu husus T S X Y µ 5 σ Dala aaaa d lapaga srg dupa daa ag da brdsrbus oral. Apabla daa ag da brdsrbus oral ash salg bbas aa odl lar ag plaar hubuga varabl s daa dsbu odl lar rgralsas Gralzd ar Modls '

3 uu slaua dsga GM. Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Rgrs Posso GM scara dal olh McCullagh da Nldr 989. Pdaa ddasara pada odl rgrs dga dsrbus rspoa rasu dala lurga sposal. Fugs dsrbus ag daoodas olh GM adalah dsrbus ag rasu dala luarga posal spr dsbus boal oral Posso gaa sposal Mrs da Mogor 997. Ada bbrapa opo uaa dala aalss GM au daa varabl dpd l sbara ag rasu dala luarga sposal sala oral boal Posso gaa da rdapa hubuga aara a populas da prdor ag daaa olh fugs l. Adaa hubuga ag ssugguha da lar aara varabl dpd da varabl dpd shgga fugs l dapa daggap sbaga rasforas ag lara hubuga rsbu. Modl uu rgrs Posso pada dasara aaa raa raa dar dsrbus ag dsr dala hal adalah pross Posso sbaga fugs dar varabl dpda bru rupaa fugs dar dsrbus Posso. λ λ f ; λ uu.. 6! Esas Parar Pgguaa odl rgrs Posso rdapa bbrapa plaggara asus ga gala ag da brdsrbus oral da varas gala ag da hoog shgga dala pasra parar da bsa gguaa od uadra rcl basa. Uu gaas hal rsbu aa od ag dapa dguaa uu gsas parar au dga gguaa od asu llhood Mrs 99. Raa raa dala rgrs Posso dodla sbaga fugs dar sulah varabl dpd. Adapu uu gsas parar au dga gguaa fugs llhood da prsaaa llhood ag ddasar dar dsrbus Posso f λ λ 7 λ λ λ λ λ 8!! Pdugaa parar dala rgrs Posso dga gguaa Mau lhood Esao ME dapa ddaa pada odl lar da odl log lar au: Esas Parar dga Pdaa Modl ar Modl uu rgrs Posso pada dasara aaa raa raa dar dsrbus ag dsr sbaga fugs dar varabl dpda. Bru rupaa odl rgrs Posso dga pdaa odl lar: λ 9 Pdugaa parar dga gguaa pdaa odl lar dga od ME rupaa urua praa dar fugs log llhooda aa bu ag aa dguaa uu prolh parar dga gguaa od ME adalah: Turua praa: l M-83

4 Yul Wbawa Jaa Nugraha/Mau lhood Esao M-84 shgga dpua:! l l da dhasla: Turua dua: 3 l l Esas Parar dga Pdaa Modl og ar Modl rgrs Posso ag aa dprolh dga gguaa pdaa odl log lar adalah sbaga bru: λ 6 Pdugaa parar dga gguaa pdaa odl log lar dga gguaa od ME uu odl rgrs Posso rupaa urua praa dar fugs log llhooda aa bu ag aa dguaa uu prolh parar dga gguaa od ME adalah:! l l 7 da dhasla: 8 Turua dua: 9

5 Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 M-85 l l l Pada prsaaa da 8 aa dguaa uu prolh. Prlu dcaa da spr pada aalss rgrs ag basa bahwa pada urua praa fugs log-llhooda da dapa lagsug dprolh la parara shgga salah sau od uu ghug ME au dga gguaa raf. Bbrapa od ag dapa dusula uu ghug ME lalu raf daaraa adalah od lrsas urua ral sps dsc da Drapr da Sh Haarsa gusula od ala gah Marquard. Sla u Mrs 99 gusula uu gguaa od ag dsbu od uadra rcl rbobo ulag scara raf Irav rwghd las squar IRS da od Gauss-Nwo. Sdaga od ag lbh uu dguaa pada asalah adalah od Nwo-Raphso Agrs 99. Mod Nwo Raphso Mod Nwo Raphso rupaa salah sau od uu ghug ME lalu raf dga od pdaa ag gguaa sau awal. [ ] * g H 3 daa: g T H aa bu ars uu g da H adalah: g 4 H 5

6 Yul Wbawa Jaa Nugraha/Mau lhood Esao HASI DAN PEMBAHASAN Spr lah dlasa pada pdahulua bahwa dala bahasa daa ag dguaa sbaga lusras pbua odl uu daa dga varabl dpd rupaa daa dsr ag guu dsrbus Posso. Mbaga daa dga ulah sapl parar λ dpgaruh olh varabl dpd X λ pb bx dga... Dala sulas dabl b da b. Brdasara daa XY dlaua sas parar gguaa od ME gguaa pdaa dsrbus oral rgrs lar da dsrbus Posso rgrs Posso. Pada rgrs lar daa dbaga sda hgga VarY λ au saa dga la varas pada dsrbus Posso. Esas Parar Rgrs Posso Brdasara hasl pada daa ag brdsrbus Posso dga laua rplas sbaa 4 aa aa dprolh la varabl dpd da varabl dpd ag aa dguaa uu gsas parar dala rgrs posso. Tabl rupaa abl hasl sas parar dga laua rplas sbaa 4 al. Tabl. Esas parar rgrs Posso pada odl log lar dga rplas sbaa 4 al. No b b No b b [] [] [] [] [3] [3] [4] [4] [5] [5] [6] [6] [7] [7] [8] [8] [9] [9] [] [3] [] [3] [] [3] [3] [33] [4] [34] [5] [35] [6] [36] [7] [37] [8] [38] [9] [39] [] [4] Tabl. Esas parar rgrs Posso pada odl lar dga rplas sbaa 4 al. No b b No b b [] [] [] [] [3] [3] [4] [4] [5] [5] [6] [6] [7] [7] [8] [8] M-86

7 Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 [9] [9] [] [3] [] [3] [] [3] [3] [33] [4] [34] [5] [35] [6] [36] [7] [37] [8] [38] [9] [39] [] [4] Brdasara daa sulas aa uu gahu la sas parar ag da la parar pada odl rgrs Posso dga pdaa odl log lar da odl lar dapa du dga gguaa u da Z. Bru adalah u hposs ag dguaa uu gsas parar dala rgrs Posso: Modl og ar Pgua pada Hposs H : lawa H : Mua ga sgfas α.5 Sas U: Nla.4 dga la p-valu.98 Darah Krs: H dola apabla > abl aau p-valu < α Kpuusa: Tda ola H da dapa dspula bahwa la. Pgua pada Hposs H : lawa H : Mua ga sgfas α.5 Sas U: Nla.376 dga la p-valu.97 Darah Krs: H dola apabla > abl aau p-valu < α Kpuusa: Tda ola H da dapa dspula bahwa la. Modl ar Pgua pada Hposs H : lawa H : Mua ga sgfas α.5 Sas U: Nla dga la p-valu.-6 Darah Krs: H dola apabla > abl aau p-valu < α Kpuusa: Tola H da dapa dspula bahwa la. Pgua pada Hposs H : lawa H : Mua ga sgfas α.5 M-87

8 Yul Wbawa Jaa Nugraha/Mau lhood Esao Sas U: Nla dga la p-valu.-6 Darah Krs: H dola apabla > abl aau p-valu < α Kpuusa: Tola H da dapa dspula bahwa la. Brdasara pgua parar dala odl rgrs Posso dga gguaa odl log lar da odl lar dapa dhasla bahwa odl lar lbh pa dguaa dala gsas parar rgrs Posso KESIMPUAN Dar hasl da pbahasa dapa dabl spula sbaga bru.. Pgguaa aalss rgrs Posso lbh ba dguaa dala podla suau asus daa varabl dpd brbu dsr da brdsrbus posso pada foa agu baaa suau ada dala suau u dga baas aas baaa ada u da rbaas da rupaa pross ada Posso aau agu dala dsrbus Posso.. Dala badga odl lar da log lar dga gguaa daa sulas dprolh bahwa odl log lar lbh ssua dguaa pada asus ag agu pross ada Posso ara pgguaa pada odl lr aa dapa dguaa apabla la labda bsar dga parar raa raa dasusa brla posf. DAFTAR PUSTAKA Agrs. 99. Cagorcal Daa Aalss. Scod do. Jho Wll ad sos Ic Nw Yor. Drapr N.R. ad H. Sh. 98. Appld Rgrsso Aalss. Scod do. Joh Wl ad Sos. Ic Nw Yor. Haarsa N.. Pgbaga Modl Rgrs Pada Pubah Rspo Dsr. Jural Foru Tor da Aplas Sasa Vol. Noor. : 5 3. McCullough P. da Nldr J.A Gralzd ar Modls. d. d. Chapa ad Hall Nw Yor NY. Mrs. R. H. 99. Classcal ad Modr Rgrsso Wh Applcaos. Prb PWS KENT Publsg Copa. Boso. Mrs R.H. da Mogor D.C. 997 A Tuoral O Gralzd ar Modl Joural of Qual Tcholog Vol. 9. No. 3. pp Nldr J. A. ad R. W. M. Wddrbu. 97. Gralzd ar Modls. Joural of Roal Sascal Soc Srs A 53: Rah R.. Ifrs pada Modl Modl r Trgralsas Maalah Maaa da Sasa Vol.. FMIPA Uvrsas Jbr. Yas M. 3. Podla da Aalsa Daa Bragor ag Tda Salg Bbas Jural IMU DASAR Vol. 4 Noor. : 9. M-88

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB ADASA TEORI. Varabl Varabl adalah arar ag aa d obsrvas dar u amaa. Varabl dalam pla mrupaa suau arbu dar slompo obj ag dl da mml varas aara sau obj dga obj ag la dalam lompo rsbu, msala gg bada da

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

Pengkelasan dengan Skor Propensitas

Pengkelasan dengan Skor Propensitas Saska, Vol. 6 No. 2, 35 39 Nobr 26 Pgklasa dga Skor Prosas Marzuk da Fakhrurraz Jurusa Maaka FMIPA Usah Jl. Sch Abdul Rauf No. 3 Darussala Bada Ach 23 ABSTRAK Prbadga dua oulas dga laar blakag obk (kovara

Lebih terperinci

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

Lebih terperinci

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial Prhungan Pr dngan Asus Wau Anar Kla Brdsrbus Esponnsal Fahauz Zuharoh Jurusan Pnddan Maaa, STKIP, YPUP Maassar Info: Jurnal MSA Vol. 2 o. Eds: Januar Jun 24 Arl o.: 3 Halaan: 5-22 ISS: 2355-83X Prod Maaa

Lebih terperinci

PEMODELAN REGRESI ZERO INFLATED POISSON (APLIKASI PADA DATA PEKERJA SEKS KOMERSIAL DI KLINIK REPRODUKSI PUTAT JAYA SURABAYA) Abstrak

PEMODELAN REGRESI ZERO INFLATED POISSON (APLIKASI PADA DATA PEKERJA SEKS KOMERSIAL DI KLINIK REPRODUKSI PUTAT JAYA SURABAYA) Abstrak Pmodla Rgrs Zro Ilatd Posso... Ala star PEMODEAN REGRESI ZERO INFAED POISSON APIKASI PADA DAA PEKERJA SEKS KOMERSIA DI KINIK REPRODUKSI PUA JAYA SURABAYA Ala star Purhad Madu Rata Jurusa Spl Uvrstas Ad

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

Penerapan Model Predictive Control (MPC) pada Kapal Autopilot dengan Lintasan Tertentu

Penerapan Model Predictive Control (MPC) pada Kapal Autopilot dengan Lintasan Tertentu JURNA SAINS DAN SENI ITS Vol, No, Sp 0 ISSN: 0-98X A-5 Papa Mol P Cool MPC paa Kapal Aoplo a aa T S Aa Sola, Kaa, a Sba Ja Maaa, Fala Maaa a Il Paa Ala, I Tolo Spl Nopb ITS Jl A Raa Ha, Sabaya 60 Eal:

Lebih terperinci

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. '

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. ' DFTR ITILH. rrval : rswa daagya sorag plagga dalam ssm ara.. rrval ra : Nla raa-raa bayaya arrval dalam sau saua wau. 3. Br-da : ggambara suau pross yag ddalamya rdapa prswa lar d dalam ssm ara al brar

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 56 BAB IV METODOLOGI PENELITIAN Brdasara la yag rah dlaua sblumya, ada bbraa alraf ssfas modl da modolog yag daa dguaa uu mggambara hubuga rja ssm uaga da rumbuha oom. Kg da Lv (99) mgaj hubuga aara rmbaga

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

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t

KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t Jural -DuMah Volum No Jauar 6 Hlm 8- KARAKTERISTIK FUNGSI DISTRIUSI FOUR-PARAMETER GENERALIZED- Rahma Cahad Warsoo Musoa Usma Da Kurasar Pddka Mamaka STKIP Muhammadah Prgswu Emal: rahma_cahad@ahoocom Mamaka

Lebih terperinci

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus Jural EKSPONENSIAL Volum 3, Nomor, M 22 ISSN 285-7829 Itrprtas Paramtr dalam Modl Rgrs Logst utu Varabl Bbas Dotomus Paramtr Itrprtato Logstc Rgrsso Modls for Dcotomus Idpdt Varabl Darah A. Noh Program

Lebih terperinci

(1) dengan yi = 0,1. Kata Kunci regresi logistik biner, model logit dan probit, orientasi pasar, usaha kecil menengah, industri produk kulit.

(1) dengan yi = 0,1. Kata Kunci regresi logistik biner, model logit dan probit, orientasi pasar, usaha kecil menengah, industri produk kulit. Prbadga Modl Logt da Probt Utu Mgaalss Fator-Fator yag Mmgaruh Draat Ortas Pasar Usaha Kcl Mgah (Stud Kasus d Stra Idustr Produ Kult d Kabuat Sdoaro Ryo Fbrawa, Luca Ardat da Wbawat Jurusa Statsta, Faultas

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG Sudaro Jurusa Matatka FMIPA UNDIP Jl Prof H Sodarto SH Tbalag Sarag 575 Abstract Coutg probablty a two-tald hypothss dtr lvl of th

Lebih terperinci

BAB 2 TEORI DASAR (2-3) (2-4) E = Medan Listrik H = Medan Magnet

BAB 2 TEORI DASAR (2-3) (2-4) E = Medan Listrik H = Medan Magnet BAB TORI DASAR. PRINSIP DASAR GPR Radar mrupaa ala ag dguaa uu md ara aau arah uau bda aomal dga glombag rado baga umbr rada. Salah au pgmbaga apla glombag rado adalah Groud Prag Radar GPR ag dguaa uu

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

APLIKASI STATISTIKA DALAM BIDANG KESEHATAN DENGAN REGRESI LOGISTIK ORDINAL

APLIKASI STATISTIKA DALAM BIDANG KESEHATAN DENGAN REGRESI LOGISTIK ORDINAL APIKASI SAISIKA DAAM BIDANG KESEHAAN DENGAN EGESI OGISIK ODINA oha Bdhaa* [email protected] SIKES Kota Sabm Abstra Dalam mta varabl-varabl prdtor yag brpgarh trhadap varabl rspo dmaa varabl rspo brsala

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS [email protected] ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

Sidang Tugas Akhir D3-Statistika, 11 Juni 2013 Gedung H Lt.2

Sidang Tugas Akhir D3-Statistika, 11 Juni 2013 Gedung H Lt.2 Sdag Tugas Akr D3-Saska, Ju 3 Gdug H L. Taua Pusaka Saska Dskrf Tabl Kogs Walol, 995 Mod-mod ag brkaa dga gumula da aa suau gugus daa, sgga mmbrka formas ag brgua da aa mmbrka formas mga daa ag dmlk da

Lebih terperinci

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL A Sawa Program S Mamaka Isr a Saska Faklas Sas a Mamaka Uvrsas Krs Saya Wacaa Jl Dpogoro 5-6 Salaga 57

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah: BAB LANDASAN TEORI Pramala adalah giaa umu mmpriraa apa ag aa rjadi pada masa ag aa daag brdasara pgalama di masa lalu. Mod pramala ag srig diguaa dalam oomi da duia usaha adalah dr wau (im sris).. Bbrapa

Lebih terperinci

ANALISIS PENYALURAN RASKIN DI KOTA SEMARANG. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang

ANALISIS PENYALURAN RASKIN DI KOTA SEMARANG. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang ANAISIS PENYAURAN RASKIN DI KOTA SEMARANG Rosaa Eo N da Ta Wdharh Alum PS Sasa Jurusa Mamaa FMIPA UNDIP PS Sasa Jurusa Mamaa FMIPA UNDIP Jl. Prof. H. Sodaro, S.H., Tmbala, Smara Absrac. Ras Proram s aoal

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

PENGGUNAAN PEMBOBOTAN MODEL BLACK-LITTERMAN DALAM MENENTUKAN VALUE AT RISK PADA PORTOFOLIO INVESTASI

PENGGUNAAN PEMBOBOTAN MODEL BLACK-LITTERMAN DALAM MENENTUKAN VALUE AT RISK PADA PORTOFOLIO INVESTASI ENGGUNAAN EMBOBOAN MODEL BLACK-LIERMAN DALAM MENENUKAN VALUE A RISK ADA OROFOLIO INVESASI Ea Swasta *, Johas Kho, Rola a Mahasswa oga S Matata Dos Juusa Matata Faultas Matata da Ilu gtahua Ala Uvstas Rau

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bbrapa tor yag dprlua utu mduug pmbahasa dataraya adalah rgrs lar brgada, mtod uadrat trcl (MKT), pguja asums aalss rgrs, outlr, rgrs robust, ofs dtrmas, bradow pot. A. Rgrs Lar Brgada

Lebih terperinci

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di: JURNAL GAUSSIAN, Volum, Nomor, ahu 0, Halama 55-64 Ol d: htt://joural-s.ud.ac.d/d.h/gaussa PEMODELAN REGRESI ZERO-INFLAED NEGAIVE BINOMIAL ZINB UNUK DAA RESPON DISKRI DENGAN EXCESS ZEROS Bau Arawa, Suart,

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret JM Volue I Noor Deseer 0 Fugsoal Ad Orogoal pada W 0 () d dala R Ryad Faulas Kegurua da Ilu Pedda Uversas Seelas Mare Asrac Ths paper dscusses aou a represeao heore o a orhogoally addve ucoal o W 0 ()

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

PERBANDINGAN SOLUSI NUMERIK DAN SOLUSI ANALITIK PADA PERSAMAAN PANAS SKRIPSI OLEH MUHAMMAD HASAN NIM

PERBANDINGAN SOLUSI NUMERIK DAN SOLUSI ANALITIK PADA PERSAMAAN PANAS SKRIPSI OLEH MUHAMMAD HASAN NIM PERBANDINGAN SOLSI NMERIK DAN SOLSI ANALIIK PADA PERSAMAAN PANAS SKRIPSI OLEH MHAMMAD HASAN NIM. 63 JRSAN MAEMAIKA FAKLAS SAINS DAN EKNOLOGI NIVERSIAS ISLAM NEGERI MALANA MALIK IBRAHIM MALANG 5 PERBANDINGAN

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

SOAL 1.1. : Melempar dua mata uang, ruang sampelnya (S) adalah :

SOAL 1.1. : Melempar dua mata uang, ruang sampelnya (S) adalah : uba aca da sfa sfaya. rcobaa aca Radom prm mrupaa suau prcobaa dmaa luara oucom yag rad da dapa dua dga pas. Ruag sampl Sampl spac / S / Ω adala mpua yag mmua asl smua prcobaa. T sampl adala aggoa dar

Lebih terperinci

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks SOLUSI SISTEM PERSAMAAN DIFERENSIAL LINEAR BIASA TINGKAT- DENGAN METODE TEKNIK OPERATOR Ibu Maja S.Si.M.M Saf UP.MPK Plikik Ngri Sriwijaa Palbag [email protected] Absraks Sis rsaaa liar biasa igka dga dua

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan

Catatan Kuliah 8 Memahami dan Menganalisa Optimisasi Pertumbuhan Caaan Kuliah 8 Mahai dan Mnganalisa Opiisasi Prubuhan. Sia dari Fungsi Eksponnsial Fungsi ksponnsial adalah ungsi ang variabl bbasna uncul sbagai pangka. Bnuk uu : b ; b > diana : variabl dpndn Conoh :

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

PENENTUAN ALOKASI PESANAN BAHAN BAKU DENGAN INTEGRASI METODE FUZZY-TOPSIS DAN MULTI CHOICE GOAL PROGRAMMING DI PT. DJARUM KUDUS

PENENTUAN ALOKASI PESANAN BAHAN BAKU DENGAN INTEGRASI METODE FUZZY-TOPSIS DAN MULTI CHOICE GOAL PROGRAMMING DI PT. DJARUM KUDUS Jural SIMETRIS Vol 6 No Novmbr 5 ISSN: 5-98 PENENTUN LOKSI PESNN BHN BKU ENGN INTEGRSI METOE FUZZ-TOPSIS N MULTI CHOICE GOL PROGRMMING I PT JRUM KUUS aa Puspa Sar Fakulas Tkk Program Su Tkk Iusr Uvrsas

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N TURI Mota Dwya ), N Wahyu Utam, M. Pd. ) Program Stud Pdda Matmata Faultas

Lebih terperinci

USAHA KONVEKSI PAKAIAN JADI

USAHA KONVEKSI PAKAIAN JADI P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R I A H ) U S A H A K O N V E K S I P A K A I A N J A D I P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H (

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

Distribusi Poisson Tergeneralisasi Tak Terbatas dan Beberapa Sifat-Sifatnya ( Suatu pengembangan teori statistika matematika)

Distribusi Poisson Tergeneralisasi Tak Terbatas dan Beberapa Sifat-Sifatnya ( Suatu pengembangan teori statistika matematika) Dstrbs osso Trgralsas Ta Trbatas da Bbrapa SfatSfatya Sat pgmbaga tor statsta matmata tjah Solah Tgg Agama Islam Ngr STAIN rworto Jl A Ya No 4A rworto Abstra Dstrbs osso dmbaga mjad Dstrbs osso Trgralsas

Lebih terperinci

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS

ESTIMASI PARAMETER DUA LEVEL MODEL GSTARX-GLS Program Sudi MMT-ITS, Surabaya Agusus ESTIMASI PARAMETER UA LEVEL MOEL GSTARX- Andria Prima iago dan Suharono Program Sudi Magisr Saisika, Insiu Tknologi Spuluh Nopmbr Jl Arif Rahman Hakim, Surabaya,,

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB NILAI EIGEN DAN VEKTOR EIGEN

BAB NILAI EIGEN DAN VEKTOR EIGEN BAB 8 RUANG EIGEN Masalah nilai dan vkor ign banyak skali dijumpai dalam bidang rkayasa, spri maslah ksabilan sism, opimasi dngan SVD, komprsi pada pngolahan cira, dan lain-lain. Unuk lbih mmahami masalah

Lebih terperinci

Model Regresi Logistik pada Kelulusan Ujian Sertifikasi Pengadaan Barang dan Jasa Pemerintah

Model Regresi Logistik pada Kelulusan Ujian Sertifikasi Pengadaan Barang dan Jasa Pemerintah JEKT JURNAL EKONOMI 9 [] : 80 KUANTITATIF - 84 TERAPAN Vol. 9 No. FEBRUARI 06 ISSN : 30-8968 Modl Rrs Lost pada Klulusa Uja Srtfas Padaa Bara da Jasa Pmrtah Ru *) ABSTRAK Modl rrs mrupaa alat utu maalss

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pegeahua megea pasag suru d Idoesa dapa dguaa uu peeua baas wlayah, pemeaa bamer, surve hdrograf, da avgas. LAT (Lowes Asroomcal Tde dguaa oleh Idoesa sebaga char daum

Lebih terperinci

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4)

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4) j j hh j j hh j j hh j j hh j j hh hh jajc h jajc h jajc h jajc h jajc h hh c ja h c ja h c ja h c ja h c ja h hh c ja h h c ja h h c ja h h c ja h h c ja h h hh j j ANALISIS PERKEMBANGAN LAJU INFLASI

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

BAB 2 MATEMATIKA SEBAGAI ALAT ANALISIS SISTEM KONTROL

BAB 2 MATEMATIKA SEBAGAI ALAT ANALISIS SISTEM KONTROL BB MEMIK SEBGI L NLISIS SISEM KONROL uu aal dama pro:. raorma Laplac umum. Smula ompur lb aura da dal. raorma Laplac L: Brlau aa pada Pramaa Dral PD lar: mruba PD mjad pramaa aljabar Dapa mgguaa gra uu

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Sasa ISSN: 460-6456 Aalss Kovaras dalam Desa Peguura Berulag u Megevaluas Efe Perlaua Puu erhada Produs Taama Teh Aalyss of Covarace Reeaed Measureme Desgs o Evaluae Treame Effecs o Tea Produco

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal. 3-2 Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudarao Sudira ig Uari Mgal Sifa-Sifa Marial 3- Sudarao S & Nig Uari Mgal Sifa-Sifa Marial BAB 3 Prsaaa Globag Scrödigr Scrödigr aaka bawa prilaku lkro rasuk igkaigka rgi lkro ag diskri dala ao gikui suau

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

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

BAB IV DATA DAN ANALISA

BAB IV DATA DAN ANALISA BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG SKRIPSI Dajua epada Faulas Maemaa da Ilmu Pegeahua Alam Uversas Neger ogyaara uu memeuh sebaga persyaraa gua memperoleh gelar Sarjaa Sas Oleh: Naala Jagrum

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT PROSIDING SEMINAR NASIONAL SAISIA UNIVERSIAS DIPONEGORO 0 ISBN: 978-979-097-4-4 INERVAL ONFIDENSI SPLINE UADRA DENGAN PENDEAAN PIVOAL QUANIY Rowa Dafl Saraamual I Noma Budaara ) Mahasswa Magser Jurusa

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

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

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: [email protected] ABSTRACT I ths ae we

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha ([email protected]) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIAL

ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIAL Jural Matmata Mur da Traa Vol5 No Dsmbr : 4-5 ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIA Ry Aula Hj Noor Fajrah Nur Salam Proram Stud Matmata Faultas MIPA Ulam Bajarbaru Kalsl ABSTRAK Estmas tt dar

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

Persamaan Gelombang Schrödinger. Sudaryatno Sudirham

Persamaan Gelombang Schrödinger. Sudaryatno Sudirham www.darublic.co Prsaaa Globag Scrödigr Sudarao Sudira Scrödigr aaa bawa rilau lro rasu iga-iga rgi lro ag disri dala ao giui suau rsaaa difrsial uu globag ag udia dial sbagai rsaaa Scrödigr. Dail D. Polloc

Lebih terperinci