ESTIMATOR DERET FOURIER UNTUK ESTIMASI KURVA REGRESI NONPARAMETRIK BIRESPON

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMATOR DERET FOURIER UNTUK ESTIMASI KURVA REGRESI NONPARAMETRIK BIRESPON"

Transkripsi

1 ESTIMATOR DERET FOURIER UNTU ESTIMASI URVA REGRESI NONPARAMETRI BIRESPON Agusii Tipea* Absac : I he las decade Fouie seies esimao i opaameic egessio oe espose a lo o aeio om eseaches because o is lexibili. I his pape will be developed i Fouie seies esimao i opaameic egessio o wo esposes Biespo. Daa ae give i pais j j j =... ad j j j =.... The elaioship bewee j j j ad j ollowig opaameic egessio model Biespo: j = j + j ad j = j + j Fom o egessio cuves ad ae ukow ad assumed o be coaied wihi he space o coiuous ucios. Radom eo j muuall idepede wih mea zeo ad vaiace ad j also muuall idepede wih mea zeo ad vaiace. Radom eo j ad j ae coelaed wih he Co j j =. Regessio cuve ad especivel wee appoached b a coiuous ad dieeiable ucio: d j = j k cos k j Ad d j = cos k k j k j k k k =... k k =... ae paamees ha ae ukow i he Fouie seies model. Esimaed opaameic egessio cuve Biespo ad obaied om he complee opimizaio Pealized Weighed Leas Squae PLST: " " w [ ] d [ ] d Compleio o his om o opimizaio PLST Fouie seies esimao ha ca be peseed i he om: ˆ. Fouie seies esimao i opaameic egessio Biespo is biased ˆ B ˆ o opaameic egessio cuve Alhough biased bu his esimao is a liea esimao which is ve suppoive i buildig saisical ieece o opaameic egessio cuve Biespo. e wods: Fouie seies esimao Nopaameic Regessio Biespo Pealized Weighed Leas Squae. * Pogam Sudi Maemaika Fakulas Sais da Tekik Uivesias Jedeal Soedima Puwokeo 6 Magisa No. 8 Th. XXV Jui 3 ISSN 5-95

2 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo PENDAHULUAN Dibeika model egesi opaameik sau espo j = j + ε j j [ab] j =. Beuk kuva egesi diasumsika idak dikeahui da emua di dalam suau uag ugsi eeu sepei m uag Sobolev W [ ] a b uag ugsi-ugsi koiu π uag Hilbe uag Eopi da ag laia. Pegambila asumsi ii egaug pada sia smooh ag dimiliki oleh ugsi ag polaa idak dikeahui esebu Budiaaa ; 999. Eo adom ε j diasumsika bedisibusi idepede dega mea ol da vaiasi σ. Pesoala dalam egesi opaameik adalah bagaimaa medapaka beuk esimao uuk kuva egesi. Dalam egesi opaameik umuma beuk esimao opaameik dipeoleh dega megguaka pedekaa ugsi keluaga misala dee ohogoal Eubak988 Waveles Aoiadis e al. eel Eubak988 da Splie Budiaaa 6. Bedasaka padaga eoi esimasi pedekaa ugsi keluaga umuma suli medapaka ladasa dasa Saisika ag diguaka dalam pedekaa ugsi keluaga esebu Budiaaa ; ; 5. Wahba 99 Wag 998 da Budiaaa idak lagi megguaka pedekaa ugsi keluaga eapi megguaka opimasi Pealized ag meggabugka Goodess o i da peal. Esimao egesi opaameik dipeoleh dai meelesaika opimasi : Mi { R + H J } uuk suau uag ugsi H. uaias R da J beuu-uu meaaka goodess o i da ukua kemulusa ugsi peal. Paamee peghalus badwih megool aaa R da J. elompok egesi opaameik ag seig megguaka pedekaa pealized ii adalah Splie. aea kelebihaa ii bebeapa kelompok egesi lai sepei Dee Fouie juga mulai meguaka pedekaa pealized eapi masih megkombiasikaa dega pedekaa ugsi keluaga Bilodeau 99; Tipea da Budiaaa 6. Esimao Dee Fouie dalam egesi opaameik sau espo dalam bebeapa ahu eakhi baak medapa pehaia dai bebeapa peelii egesi opaameik. Esimao Dee Fouie ii umuma diguaka apabila daa ag diselidiki polaa idak dikeahui da ada keceduga pola musima Tipea da Budiaaa 6 da Bilodeau 99. Dalam esimao Dee Fouie kuva egesi opaameik sau espo diasumsika idak dikeahui da emua di dalam uag ugsi koiu!π. Eo adom ε j diasumsika bedisibusi omal idepede dega mea ol da vaiasi σ. aea koiu pada ieval π maka dapa dihampii oleh ugsi dimaa i = meupaka paameepaamee model Bilodeau 99. Bedasaka model Dee Fouie ii Bilodeau 99 membeika esimao Dee Foie uuk kuva egesi opaameik sau espo bebeuk : F ˆ ˆ ˆ ˆ i cos i = dega i ˆ ˆ ˆ ˆ ˆ... dipeoleh dai pesamaa : ˆ = X X G X dimaa G maiks diagoal da X suau maiks koeisie. Selajua Tipea da Budiaaa 6 meaaka bahwa apabila eo adom dai Magisa No. 8 Th. XXV Jui 3 ISSN

3 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo model egesi opaameik sau espo bedisibusi omal maka esimao Dee Fouie da ag dibeika oleh Bilodeau 99 mempuai sia i. meupaka esimao bias uuk kuva egesi opaameik. ii. meupaka kelas esimao liea dalam obsevasi da iii. da masig-masig bedisibusi omal. Dalam bebeapa pesoala pakis seig dijumpai model egesi ag memiliki espo lebih dai sau Biespo pola kuva egesia idak jelas da idak dikeahui sea ada idikasi musima. Secaa eoiis esimao Dee Fouie dalam egesi opaameik Biespo meupaka geealisasi dai esimao Dee Fouie dalam egesi opaameik sau espo. Peeliia ag meagku esimao Dee Fouie dalam egesi opaameik Biespo belum baak dikembagka oleh paa peelii. Dalam ulisa ii aka dibeika beuk esimao Dee Fouie dalam egesi opaameik Biespo da sia-sia ag dimiliki oleh esimao esebu. REGRESI NOPARAMETRI BIRESPON DAN STRUTUR MATRIS VARIANCE-COVARIAN Dibeika daa bepasaga j j j = da j j j = Hubuga aaa j j j da j diasumsika megikui model egesi opaameik dega dua espo Biespo : j = j + j j = j = j + j j =. Beuk kuva egesi da idak dikeahui da diasumsika emua didalam uag ugsi koiu!π dimaa:!π ={g ; g koiu pada ieval π }. Eo adom j j = salig idepede dega mea ol da vaiasi da eo adom j j = juga salig idepede dega mea ol da vaiasi. Eo adom j j = da j j = salig bekoelasi dega Co j j =.Suku maiks vaiace-covaiace dai eo diulis: W =. Misalka dibeika kuaias da koelasi Pada sisi lai vaiasi dapa disajika mejadi : maka covaiasi dapa diulis mejadi = =. da beuu-uu dapa disajika mejadi : da. Dega demikia maiks vaiace-covaiace W 8 Magisa No. 8 Th. XXV Jui 3 ISSN 5-95

4 9 Magisa No. 8 Th. XXV Jui 3 ISSN 5-95 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo W = Maiks W dapa pula disajika W = x x I J J I dega maiks I da I beuu-uu meaaka maiks Ideias beukua x da x sea maiks x J. Bedasaka maiks vaiace-covaiace W ii aka dieuka beuk esimao Dee Fouie Bivaiae dalam egesi opaameik Biespo. ESTIMATOR DERET FOURIER BIVARIATE DALAM REGRESI NONPARAMETRI BIRESPON Pesamaa egesi opaameik Biespo dapa diaaka dalam beuk maiks: 3 aea kuva egesi!π da

5 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo!π maka da beuu-uu dapa dihampii oleh ugsi koiu da dieesiabel d da d aiu : j = d j j = da j = d j j = dega d j = j k cos k j da d j = j k cos k j 5 k Pesamaa egesi opaameik Biespo 3 dapa diulis mejadi: k k cos k k k cos k k k cos k k k cos k k k cos k k k cos k k 6 uaias-kuaias k k... k k... meupaka paamee-paamee ag idak dikeahui di dalam model Dee Fouie da 5. Esimasi kuva egesi opaameik Biespo da dipeoleh dai meelesaika opimasi Pealized Leas Squae Tebobo PLST : Veko ' adalah veko beukua x da k k k... k k veko beukua k xk =.Veko ' meupaka veko beukua da veko beukua x k =. maiks bobo beukua ag egaug pada da da bekaia dega pesamaa. Paamee da meupaka paamee peghalus badwih. Dai Pesamaa 7 diuaika kompoe Goodess o i : G G ' W 8 Peal : Magisa No. 8 Th. XXV Jui 3 ISSN 5-95

6 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo P P P d + d 9 dega: Peama aka diuaika kompoe Goodess o i. Model egesi opaameik Biespo pada Pesamaa 6 dapa disajika dalam beuk : B dega da B cos cos cos cos cos cos cos cos cos cos cos cos cos cos cos cos cos cos Goodess o i pada Pesamaa 8 dapa diaaka mejadi : G B ' W B.. Selajua aka diuuka Peal dai Pesamaa 9. Peama diuuka elebih dahulu peal suku peama dai Pesamaa 9 sebagai beiku : Magisa No. 8 Th. XXV Jui 3 ISSN 5-95

7 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo d k co s k d d k d Uuk meelesaika iegal ii elebih dahulu dieuka kuaias dai : d d c o s k k k d d k cos k d d k d d k si k k k k k cos k Pesamaa eakhi membeika : k d k k cos k d k k k k k j j d cos cos k k cos j k k j k j k k cos k d k k cos k j cos j j d. Uuk meelesaika k k j pesamaa ii peama dihiug ilai Iegal suku peama dai Pesamaa sebagai beiku : co s k k k k d k k cos k d k k k cos k d k k k k d k c o s k k k k k si k k k. Selajua dihiug ilai Iegal suku kedua dai Pesamaa sebagai beiku: k cos j cos k j k k j j d k j k j cosk cos j d k j kj k j cos k cos j d. Selajua dipeoleh : cosk cos j d k j c o s k j d c o s k j d cos cos k j k j d si k j si si k j k j k j.akibaa: k cos j cos k j k k j j d k j k j cos k cos j d k j kj ak a j =. Hasil ii membeika ilai Peal suku peama dai Pesamaa 9 : k j d k k k. Lagkah selajua adalah meuuka Peal suku kedua dai Pesamaa 9. Dega caa ag seupa dega caa pehiuga Peal pada suku peama dipeoleh ilai Peal dai suku kedua pada Pesamaa 9 : d k k 3. k Magisa No. 8 Th. XXV Jui 3 ISSN 5-95

8 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo Bedasaka Pesamaa da 3 maka Peal pada Pesamaa 9 dapa diulis mejadi : P = k k k k k k = + = D + D I D = I D = * D * dimaa : I D D* Diag D D I D da D Diag.... Dega mempehaika Pesamaa da Pesamaa maka opimasi PLST pada Pesamaa 7 dapa diaaka mejadi : Mi G P = Mi B ' W B * D* Mi W B W B W B * D* Mi W B W B W B * D * Magisa No. 8 Th. XXV Jui 3 ISSN

9 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo Dega sediki pejabaa da megguaka deivai pasial dipeoleh pesamaa omal : B W B W B * D*. Esimao uuk dibeika oleh : ˆ B W B * D * B W N N dega N= +. Esimao Dee Fouie uuk kuva egesi opaameik Biespo dibeika oleh ˆ : ˆ ˆ B ˆ. = H 5 dega B B W B * D* B W N N H = B B W B * D* B W N N SIFAT-SIFAT ESTIMATOR DERET FOURIER BIVARIATE Pesamaa 5 membeika esimao Dee Fouie uuk kuva egesi opaameik Biespo ag pada dasaa dapa diaaka sebagai kombiasi liea dai obsevasi espo aiu : = H = H. Pesamaa ii mempelihaka bahwa esimao Dee Fouie uuk kuva egesi opaameik Biespo egolog kelas esimao liea. Esimao liea dalam Saisika Ieesi khususa eoi esimasi saga disukai kaea sia liea ii aka membeika kemudaha dalam medapaka ieesi uuk kuva egesi opaameik Biespo. Walaupu esimao Dee Fouie ii egolog esimao liea eapi esimao Dee Fouie ii besia bias. Hal ii dapa diujuka sebagai beiku. Dai Pesamaa ˆ ˆ 5 dipeoleh : E E ˆ E = H E = H E H = =. E H Magisa No. 8 Th. XXV Jui 3 ISSN 5-95

10 Esimao Dee Fouie uuk Esimasi uva Regesi Nopaameik Biespo REFERENSI Aoiadis A. Bigo J. ad Spaias T. Wavele Esimaos i Nopaameic Regessio : A Compaaive Simulaio Sud Joual o Saisical Sowae Bilodeau M. 99 Fouie Smoohe ad Addiive Models The Caadia Joual o Saisics Budiaaa I. N. 999 Esimao Splie Tebobo Dalam Regesi Semipaameik Majalah Ilmu Pegeahua da Tekologi IPTES 3-9. Budiaaa I. N. Opimasi da Poeksi Dalam Regesi Nopaameik Splie Majalah Bekala Maemaika da Ilmu Pegeahua Alam BMIPA Uivesias Gadjah Mada 35-. Budiaaa I. N. Regesi Nopaameik da Semipaameik Sea Pekembagaa Makalah Pembicaa Uama pada Semia Nasioal Alumi Pasca Sajaa Maemaika Uivesias Gadjah Mada Yogakaa. Budiaaa I. N. Esimao Tipe Pealized Likelihood Jual Naual FMIPA Uibaw Edisi husus Budiaaa I. N. 5 Model eluaga Splie Poliomial Tucaed Dalam Regesi Semipaameik Makalah Semia Nasioal Maemaika Juusa Maemaika Uivesias Dipoegoo Semaag. Budiaaa I. N. 6 Model Splie Dega os Opimal Jual Ilmu Dasa FMIPA Uivesias Jembe EubakR.L.988 Splie Smoohig ad Nopaameic Regessio Mecel Dekke New Yok. Tipea A. ad Budiaaa I N. 6 Fouie Esimao i Nopaameic Regessio Ieaioal Coeece O Naual Scieces ad Applied Naual Sciees Ahmad Dahla Uivesi Yogakaa. Wahba G.99 Splie Models Fo Obsevasio Daa SIAM Peslvaia. Wag Y. 998 Splie Smoohig Models Wih Coelaed Eos Joual o he Ameica Saisical Associaio Magisa No. 8 Th. XXV Jui 3 ISSN

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

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

Lebih terperinci

MATRIKS KOVARIANSI DALAM REGRESI NONPARAMETRIK MULTIRESPON PADA KASUS KORELASI SAMA DAN KORELASI TIDAK SAMA

MATRIKS KOVARIANSI DALAM REGRESI NONPARAMETRIK MULTIRESPON PADA KASUS KORELASI SAMA DAN KORELASI TIDAK SAMA MP : Volume 4 Nomo ui hal. 6-7 MARKS KOVARANS DALAM REGRES NONPARAMERK MULRESPON PADA KASUS KORELAS SAMA DAN KORELAS DAK SAMA Budi Lesai uusa Maemaia FMPA Uivesias embe. budilesaida@ahoo.com Noma Budiaaa

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BILANGAN BAB V BARISAN BILANGAN DAN DERET Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh

Lebih terperinci

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT PBANDINGAN PENAKSIR REGRESI LINI SEDHANA PADA SAMPLING BPINGKAT, SAMPLING EKSTRIM BPINGKAT DAN SAMPLING MEDIAN BPINGKAT E. W. Aitoag *, Haiso, R. Efedi Mahasiswi Pogam S Matematika Dose Juusa Matematika

Lebih terperinci

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh, Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap

Lebih terperinci

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV BAB III STATISTIK INFERENSI PADA RANTAI MARKOV 3. Pedahulua Pada Bab II elah dibahas megeai aai Makov beode- aau Ō() da maiks peluag asisiya. Pada bagia ii, aka dibahas bagaimaa meeuka ode aai Makov dai

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

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

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

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN Dose Pegampu : Pof. D. Si Wahyui DISUSUN OLEH: Nama : Muh. Zaki Riyato Nim : 02/156792/PA/08944 Pogam Studi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

ANALISIS REGRESI BERGANDA

ANALISIS REGRESI BERGANDA Matei kuliah Aalisis Multivaiat Aalisis Regesi Begada : Tekik Idusti WiMa Madiu ANALISIS REGRESI BERGANDA Cotoh : Dai hasil peelitia dipeoleh data seagai eikut : Aalisis : 3 0 7 7 3 3 5 4 4 7 6 4 5 3 8

Lebih terperinci

KORELASI DAN REGRESI BERGANDA

KORELASI DAN REGRESI BERGANDA KORELASI DAN REGRESI BERGANDA KORELASI BERGANDA Koelasi begada meupaka alat uku megeai hubuga yag tejadi ataa vaiabel depede () dega dua atau lebih vaiabel idepede,. Dega koelasi begada kekuata atau keeata

Lebih terperinci

Statistika Non Parametrik

Statistika Non Parametrik . Pedahulua Statistika No Paametik Kelebiha Uji No Paametik: - Pehituga sedehaa da cepat - Data dapat beupa data kualitatif (Nomial atau Odial) - Distibusi data tidak haus Nomal Kelemaha Uji No Paametik:

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

PENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2)

PENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2) 5 PENDEKTN TEORITIK Model Pepidaha Massa Kafei Pepidaha massa kafei yag ejadi selama poses pelaua belagsug seaa difusi. Model pepidaha massa kafei dai dalam biji kopi diuuka bedasaka asumsi-asumsi sebagai

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 39 V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 5.. Pegembaga Mode Pemodea fuzzy eah ebuki sebagai ekik yag saga begua keika peaaa daam kodisi keidakpasia aau dega ifomasi yag idak pasi seig dijumpai

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD)

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) Muhamad Zaki Riyato NIM: 02/156792/PA/08944 E-mail: zaki@mail.ugm.ac.id http://zaki.math.web.id Dose Pembimbig: Pof. D. Si Wahyui Pedahulua Sebelum melagkah

Lebih terperinci

EKSISTENSI INVERS GRUP DARI MATRIKS BLOK. Mahasiswa Program S1 Matematika 2

EKSISTENSI INVERS GRUP DARI MATRIKS BLOK. Mahasiswa Program S1 Matematika 2 ESSTENS NVERS GRU DR TRS LO Riaa Wedya Rola ae usaii ahasiswa ogam S atematika Dose Juusa atematika Fakultas atematika da lmu egetahua lam ampus iawidya ekabau 89 doesia email: iaa_wedya@yahoocom STRCT

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR PERBNDINGN METODE BUNG MJEMUK DN TURN 78 DLM MENENTUKN SIS PINJMN SETIP PERIODE PD NUITS DUE ( Sudi Kasus: Kopeasi Uiesias Islam Negei Sula Syaif Kasim Riau ) TUGS KHIR Diajuka Sebagai Salah Sau Syaa Uuk

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

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

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor

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

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

V. PENGUJIAN HIPOTESIS

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

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

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

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

APLIKASI TEORI KONTROL DALAM LINIERISASI MODEL PERSAMAAN GERAK SATELIT

APLIKASI TEORI KONTROL DALAM LINIERISASI MODEL PERSAMAAN GERAK SATELIT APLIKASI TEORI KONTROL DALAM LINIERISASI MODEL PERSAMAAN GERAK SATELIT Swesi Yunia Puwani, Asep K. Supiana, Nusani Anggiani Absak Maemaika sanga bepean dalam pengembangan ilmu konol. Aplikasi sisem konol

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

Jl. Prof. Dr.Hamka Air Tawar Padang, 25131, Telp. (0751)444648, Indonesia

Jl. Prof. Dr.Hamka Air Tawar Padang, 25131, Telp. (0751)444648, Indonesia Analisis Kovaiansi pada Rancangan Acak Lengkap dengan Peubah Pengiing Beganda Menggunakan Pendekaan Maiks Wimi Saika #1, Lufian Almash *, Yenni Kuniawai #3 # Mahemaics Depaemen Sae Univesiy of Padang Jl.

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA 4/3/05 REGRESI LINER BERGND DN REGRESI (TREND) NONLINER Oleh : Fauza mi Sei, 3 pil 05` GDL (07.30-0.50) Regesi Dai deajat (pagkat) tiap peuah eas Liie (ila pagkatya ) No-liie (ila pagkatya uka ) Dai ayakya

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA.

PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA. PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA. Wachyudi Duda, Kuiati, da Ai Adiyati. Pogam Studi Matematika Fakultas

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

MASALAH PENELUSURAN (KASUS KONTINU)

MASALAH PENELUSURAN (KASUS KONTINU) MASALAH PENELUSUAN KASUS KONINU Oleh : Noii Hasi Dose Pogam Si Sisem Ifomasi UNIKOM Absak Sisem kool opimm aalah sa sisem yag meacag opimasi ilai, baik maksimm map miimm, ai sa fgsi objekif. Sisem ii bepa

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

Menentukan Pembagi Bersama Terbesar dengan Algoritma

Menentukan Pembagi Bersama Terbesar dengan Algoritma Meetuka Pembagi Besama Tebesa dega Algoitma Macelius Hey M. (135108) Pogam Studi Tekik Ifomatika Sekolah Tekik Elekto da Ifomatika Istitut Tekologi Badug, Jl. Gaesha 10 Badug 4013, Idoesia 135108@std.stei.itb.ac.id

Lebih terperinci

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi II. TINJAUAN PUSTAKA Pada bab ii aka dibeika bebeapa kosep dasa, istilah istilah da defiisi yag eat kaitaya dega masalah yag haus dibahas yaitu megeai bayakya caa megkostuksi Dyck path dega pajag k upstokes

Lebih terperinci

BAB 1 PENDAHULUAN. statistik dipergunakan untuk mencapai hasil yang dapat diramalkan.

BAB 1 PENDAHULUAN. statistik dipergunakan untuk mencapai hasil yang dapat diramalkan. BAB PENDAHULUAN.. Lata Belakag Tidak seoagpu yag dapat meamalka apa yag aka tejadi dimasa yag aka datag secaa sempua, meskipu dega megguaka bebagai alat aalisis. Setiap amala yag dilakuka tidak telepas

Lebih terperinci

MODEL ASIMETRIS GABUNGAN INVENTORY DAN ROUTING UNTUK MINIMISASI HARGA KOMODITI

MODEL ASIMETRIS GABUNGAN INVENTORY DAN ROUTING UNTUK MINIMISASI HARGA KOMODITI JURNAL MAEMAIKA DAN KOMPUER Vol. 7. No. 2, 42-5, Agusus 24, ISSN : 4-858 MODEL ASIMERIS GABUNGAN INVENOR DAN ROUING UNUK MINIMISASI HARGA KOMODII Sawadi, Susilo Haiyao Juusa Maemaika FMIPA UNDIP Absak

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar belakang Masalah

BAB I PENDAHULUAN 1.1 Latar belakang Masalah BAB I PENDAHULUAN. Lata belakag Masalah Dalam pemasalaha pegelolaa da meeeme seigkali diumpai kegiata peamala, pedugaa, pekiaa, da laiya. Salah satu metode yag dapat diguaka utuk meyelesaika masalah tesebut

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:

BAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan: BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB TINJAUAN TEORITIS.. Aalisis Koelasi Aalisis koelasi adalah metode statistika yag diguaka utuk meetuka kuatya atau deajat huuga liie ataa dua vaiael atau leih. Semaki yata huuga liie (gais luus), maka

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

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

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

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

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

Lebih terperinci

Universitas Sumatera Utara

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

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dega caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia adalah

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

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

Lebih terperinci

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 Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

A. LATAR BELAKANG MASALAH

A. LATAR BELAKANG MASALAH PENDAHULUAN A. LAAR BELAKANG MASALAH Model koreksi kesalaha ECM - Error Correcio Model merupaka model regresi liier ag meeuka keseimbaga jagka pajag di aara beberapa variabel. Di dalam model koreksi kesalaha

Lebih terperinci

Pemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan

Pemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan Pemetaa Liea Yag Megawetka Ives azi Matiks Atas Lapaga ibeika matiks x atas lapaga Sutopo Juusa Matematika Fakultas Matematika da Pegetahua Alam Uivesitas Gadjah Mada sutopo_mipa@ugm.ac.id Abstact F lapaga

Lebih terperinci

PEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER. Wuleng,A.T., Islamiyati,A., Herdiani, E.T. Abstrak

PEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER. Wuleng,A.T., Islamiyati,A., Herdiani, E.T. Abstrak PEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER Wuleg,A.T., Islamiyati,A., Herdiai, E.T. Abstrak Regresi oparametrik adalah suatu pedekata regresi utuk pola data yag tidak diketahui betuk kurva

Lebih terperinci

METODE PENDEKATAN SKYRME-EXTENDED-THOMAS -FERMI UNTUK PERHITUNGAN POTENSIAL REAKSI FUSI ANTARA DUA INTI 16 O. Muhammad Zamrun F. *

METODE PENDEKATAN SKYRME-EXTENDED-THOMAS -FERMI UNTUK PERHITUNGAN POTENSIAL REAKSI FUSI ANTARA DUA INTI 16 O. Muhammad Zamrun F. * Risalah Lokakaya Komuasi dalam Sais da Tekologi Nukli: 6-7 Agusus 84-5 METODE PENDEKATAN SKYRME-EXTENDED-THOMAS-FERMI UNTUK PERHITUNGAN POTENSIAL REAKSI FUSI ANTARA DUA INTI 6 O Muhammad Zamu F. * ABSTRAK

Lebih terperinci

KAJIAN MODEL FRAKSIONAL PROSES DIFUSI. Siwi Tri Rahayu Universitas Jenderal Soedirman

KAJIAN MODEL FRAKSIONAL PROSES DIFUSI. Siwi Tri Rahayu Universitas Jenderal Soedirman Prosidig Semiar Nasioal Maemaika da Terapaya 6 p-issn : 55-384; e-issn : 55-39 KAJIAN MODEL FRAKSIONAL PROSES DIFUSI Siwi Tri Rahayu Uiversias Jederal Soedirma 53siwi@gmailcom Bambag Hedriya Guswao Uiversias

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di: ISSN: 339-54 URNAL GAUSSIAN, Volume 4, Nomo, Tahu 5, Halama 33-39 Olie di: h://eoual-sudiaid/idexh/gaussia ANALISIS KORESPONDENSI UNTUK MENDAPATKAN PETA PERSEPSI DAN VARIABEL BAGI KEGIATAN USAHA (Sudi

Lebih terperinci

V. METODE PENELITIAN. Alam Universitas Lampung. Metode yang digunakan dalam penelitian ini adalah

V. METODE PENELITIAN. Alam Universitas Lampung. Metode yang digunakan dalam penelitian ini adalah V. METODE PENELITIAN Peelitia ii dilakuka pada Semester IV Tahu Akademik 4/5, bertempat di Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiversitas Lampug. Metode yag diguaka dalam peelitia

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

Universitas Sumatera Utara

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

Lebih terperinci

Barekeng, Juni hal Vol. 1. No. 1

Barekeng, Juni hal Vol. 1. No. 1 Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA

Lebih terperinci

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM07 METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM07 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pd metode ii, utuk meetuka

Lebih terperinci

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM09

METODE NUMERIK UNTUK SIMULASI. Pemodelan & Simulasi TM09 METODE NUMERIK UNTUK SIMULASI Pemodela & Simulasi TM09 Metode Numerik ( Metode umerik dpt diklasiikasika mjd:. Metode satu-lagka atau sigle-step. Metode multistep Metode sigle-step Pada metode ii, utuk

Lebih terperinci

PENERAPAN METODE BOX-JENKINS UNTUK MERAMALKAN VOLUME LALU LINTAS

PENERAPAN METODE BOX-JENKINS UNTUK MERAMALKAN VOLUME LALU LINTAS SISFO-Jual Sisem Ifomasi PENERAPAN METODE BOX-JENKINS UNTUK MERAMALKAN VOLUME LALU LINTAS Wiwi Aggaei Juusa Sisem Ifomasi Faulas Teologi Ifomasi, Isiu Teologi Sepuluh Novembe Suabaya Kampus ITS Suolilo,

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract Esmas Paamee (Ida sa) ESIMASI PARAMEER DISRIBUSI WEIBULL DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah, Sugo, Ra Rahmawa Mahasswa Juusa Saska FSM Uvesas Dpoegoo Sa Pegaja Juusa Saska FSM UNDIP Absa

Lebih terperinci

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

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

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

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

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

Lebih terperinci

kimia LAJU REAKSI II Tujuan Pembelajaran

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

MOMEN, KEMIRINGAN, DAN KURTOSIS

MOMEN, KEMIRINGAN, DAN KURTOSIS 00 MOMEN, KEMIRINGAN, DAN KURTOSIS Achmad Samsudi, S.Pd., M.Pd. Juusa Pedidika Fisika FPMIPA Uivesitas Pedidika Idoesia /8/00 MODUL MOMEN, KEMIRINGAN, DAN KURTOSIS Achmad Samsudi, S.Pd., M.Pd. Pedahulua

Lebih terperinci

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

BAB III PENGEMBANGAN MODEL MATEMATIK

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

Lebih terperinci

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4 JURNAL ILMU-ILMU EKNIK - SISEM Vol. 3 No. OPIMASI INVENORY COS PAA MOEL MAEMAIKA EP (ECONOMIC PROUCION UANIY) ENGAN ACKORER AN VARIASI SE UP COS Rofila El Maghfiroh 4 Absrak: Masalah pegedalia persediaa

Lebih terperinci