PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU

Ukuran: px
Mulai penontonan dengan halaman:

Download "PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU"

Transkripsi

1 PROSES KELAHIRAN DAN KEMATIAN SEBAGAI RANTAI MARKOV WAKTU KONTINU Supadi a a Program Sudi Pedidika Maemaika FPMIPA IKIP PGRI Semarag Jl. Dr. Cipo-Loar No1 Semarag Telp. (04) Fak (04) Abrak Raai Markov waku koiu yag merupaka bagia dari proe okaik. Pembahaa diawali dega pegeria daar yag dipakai ecara umum ermauk eorema da lemma eag peramaa differeial Kolmogorof yag berkaia dega raai Markov waku koiu. Aplikai raai marko v waku koiu dibaha dalam paper ii uuk proe kelahira da kemaia yaiu pada iem M/M/ ( M/M/1) ebagai gambara dari ecara yaa. Kaa kuci : Raai Markov waku koiu, Peramaa Differeial Kolmogorov,. 1. Pedahulua Proe okaik {X(), T} adalah uau baria keadia yag memeuhi kaidahkaidah peluag yag didefiiika ebagai baria peubah acak X(). Himpua T ebagai ruag parameer aau ruag idek dari proe okaik X da himpua emua ilai X() yag mugki ebagai peluag keadaa dari X. Alam emea ii berifa okaik yag memuculka ak higga proe okaik, dega klaifikai proe okaik erai dalam Tabel 1. Daar dari raai markov adalah proe meghiug yag didefiiika ebagai beriku; proe {N(), 0} ebagai proe meghiug apabila N() meyaaka bayakya periiwa yag eradi pada elag waku [0,]. Sedagka {N(), 0} adalah proe Poio bila uau proe meghiug dega waku aar keadia yag beba da berdiribui ekpoeial, era memiliki keaika-keaika yag aioer. Diribui ekpoeial meggambarka diribui waku aara keadia yag alig beba da eradi dega lau yag koa. Tabel 1. Klaifikai proe Markov

2 Parameer Dikri Koiu Ruag Keadaa Dikri Raai Markov dega idek parameer dikri Raai Markov dega idek parameer Koiu Koiu Proe markov dega idek parameer Dikri Proe markov dega idek parameer Koiu Proe markov adalah uau proe okaik dega ifa ika keadaa uuk aa ekarag dikeahui aau diberika maka peluag keadaa dari proe pada waku yag aka daag idak dipegerahui oleh keadaaa pada waku ebelumya. Raai markov adalah proe Markov dega peluag keadaa dikri eapi idek parameerya dapa dikri aau koiu.. Raai Markov waku Koiu Padag uau proe okaik waku koiu {X(), [0, ), R } dega ruag keadaa S berupa himpua bula o egaif. Proe {X(), [0, ), R } dikaaka uau raai Markov dega idek parameer waku koiu ika eiap, 0 da uuk eiap bilaga bula o egaif i,, x(u) da 0 u didefiiika ebagai beriku P (X(+) = X() = i, X(u) =x(u), 0 u ) = P(X(+) = X() = P i () (1) Suau proe okaik {X(), [0, ), R }waku koiu diebu raai markov waku koiu bila proe okak erebu mempuyai ifa Markovia. Sifa Markovia merupaka diribui beryara dari keadaa di waku medaag +, diberika keadaa pada waku aa ii da emua keadaa pada waku lampau, dimaa peluag dari keadaa diwaku medaag + haya bergaug pada keadaa aa ii da idak bergaug pada keadaa pada waku lampau. Jika peluag P (X(+) = X() = i) idak bergaug dari ilai maka raai Markov waku koiu dikaaka mempuyai peluag raii yag homoge aau aioer. Raai Markov waku koiu dikaaka waku homoge ika uuk ebarag ebarag keadaa i. S berlaku da

3 P i (,) = P( X() = X() = i, P( X(-) = X(0 ) = i ) () Pada raai Markov dikeahui bahwa raii dari proe eradi eiap au aua waku. Tidak demikia halya uuk proe Markov. Mialka proe Markov yag dielii berpidah ke keadaa i pada waku 0. Mialka eelah waku kemudia proe maih berada di keadaa yag ama ( peluag raii idak eradi ). Kemudia imbul perayaa berapa peluag proe erebu maih berada di keadaa yag ama elama waku dari pegamaa erakhir. Karea proe Markov maka dega ifa Markoviaya bahwa peluag proe erebu eap berada di keadaa i pada elag waku [, +] adalah peluag beryara proe erebu berada di keadaa i pada elag waku [, +] diberika proe berada di keadaa i pada waku. Aumika bahwa P i (,) koiu di =0 yaiu peluag raii aioer yag didefiiika ebagai beriku 1, i = δ i =limp i()= 0 0, i Raai Markov waku koiu diebu uau proe okaik {X(), [0, ), R } merupaka uau proe Markov bila uuk eiap raii di keadaa i mempuyai ifa: (i). Lamaya proe waku berada di keadaa ke i ebelum melakuka raii ke keadaa lai adalah berdiribui ekpoeial dega parameer ( mial ebu rae ) v i = 1/ i uuk 0 v i da, (ii). Bila proe erebu berpidah ke keadaa dega peluag P i dimaa P i = 1 da P ii = 0 uuk eiap i. Pada keadaa i uuk rae v i = diebu keadaaa ekeika ( iaaeou ae ), dega aumi 0 v i uuk eiap i. Dalam kodii eperi ii maka keadaa i diebu aborbig yaiu bila ekali mauk uau keadaa maka idak perah meiggalka keadaa erebu. Raai Markov waku koiu diebu proe kelahira da kemaia bila (i). Keadaa S = {1,.,3,...} (ii). q i = 0 uuk i- > 1 Dega demikia proe kelahira da kemaia adalah raai markov waku koiu dea ruag keadaa {0,1,,3,...} uuk raii dari keadaa i haya dapa berpidah ke

4 keadaa i-1 aau i+1. Raai markov ii diamaka demikia karea pada proe ii direpreeaika dega uau ukura populai yag berambah au dikareaka au proe kelahira da ebalikya berkurag au diebabka au proe kemaia. (iii). Mial diberika i = q i, i+1 proe kelahira da i=q i, i-1 proe kemaia (iv). Nilai { i, i 0 } diebu rae kelahira da { i, i 1} diebu rae kemaia (v). Karea q i = v i diperoleh v i = i + i da S i P i,i+1 = =1- P + i i i,i-1 3. Peramaa Difereial Kolmogorov Didefiiika peluag dari keadaa ke-i meuu keadaa ke- pada aa i ebagai beriku P i () = P( X(+) = X() = i ) Da mialka proe Poio uuk i, maka peluag dari keadaa i ke meuu keadaa pada aa adalah P i () = P(keadia -i dari paag elag ) = -i () (-i)! Lemma 1. Peluag dari dua aau lebih raii pada aa adalah O() (i). 1-P i() lim = qi 0 (ii). P i() lim = q i, i 0 Lemma. Mialka X(), [0, ), R } raai Markov waku koiu dega ruag keadaa S, rae (q i) i, S dega peluag raii (P i()) i, S. Maka uuk eiap, berlaku P i(+)= P ik ()P k() k=0 Dari Lemma, ika ada da, ehigga P i () > 0 da P i () > 0, maka i alig berkomuikai. Apabila raai Markov irreducible maka P i () > 0, >0, i da. Raai

5 Markov dega peluag raii P i () homoge adalah π lim P i(), S. Uuk raai Markov waku koiu yag irreducible maka π 0, S, ull recure aau raie π 0, S, π 1, poiif recure S Pada raai Markov dikri uuk meeuka apakah raai markov irreducible mempuyai diribui aioer ( pada waku yag lama ) dega memerika π π P, S i i Dega P i peluag raii au lagkah dega π merupaka iem peramaa liier homoge da memberika peyeleaia yag idak uggal. Da ika peyeleaia erebu ada, maka peyeleaia uuk waku yag lama ( paag) aka berdiribui aioer.. Pada raai markov koiu, peluag raii digaika oleh ieia raii yag didefiiika eperi pada Lemma 1. Dega megguaka peramaa Chapma Kolmogorov dapa dieuka diribui peluag pada aa +h. Uuk meeuka diribui peluag di waku +h dapa uga dega megkodiika erhadap keadaa di waku yag elah lalu da di waku medaag, yag ecara beruruuru dega megguaka peramaa Kolmogorof. P' ()= q P ()-v P (), i,, 0 i ik k i i k i P' ()= q P ()-v P (), i,, 0 Da i k ik i k Backward Kolomogorof da peramaa Forward P i(,)= q ik ()P i(,)-q i()p i(), i,, 0 peramaa Backword Kolmogorof k P (,)= q ()P (,)-q ()P (), i,, 0 peramaa Forward Kolmogorof i k ik i k i 4. Diribui Limi da Peramaa Keeimbaga Mialka {X(), [0, ), R} adalah uau proe Markov da mialka pula {E, = 0,1,,...} embedded raai Markov dari proe markvo erebu, yaiu raai Markov yag diuruka dari proe {X(), [0, ), R}. Traii dari {E, = 0,1,,...} merupaka raii dari {X(), [0, ), R} dega idak memperhaika waku aar raiiya.

6 Aumika bahwa raai {E, = 0,1,,...} berifa Ireeducible da poiif recure. Dega aumi erebu maka ada da idak ergaug pada i. P lim P () Uuk medapaka limi P, padag iem peramaa differeial Kolomogorov Forward Pi ()= qkp ik ()-v P i () k Uuk maka dega megubah urua lim da peumlaha diperoleh i lim Pi ()= lim k ik i k k q P ()- v P () q P - v P k k Karea Pi() fugi yag erbaa maka aka koverge ke iik 0, ehigga diperoleh 0 q P -v P aau v P q P, (3) k k k k k k da P 1 (4) Dega demikia diribui peluag limi dari {X(), [0, ), R} ada yaiu P. Nilai P mempuyai ierpreai yaiu ebagai propori waku proe Markov {X(), [0, ), R} berada pada keadaa. Peluag P diamaka uga ebagai peluag aioer karea ika diribui peluag dari keadaa awala ama dega P. Sehigga uuk emua proe aka berada di keadaa dega peluag P, da didefiiika dega vp m ( lau proe meiggalka keadaa ) k q P = ( lau proe memauki keadaa ) k k Dega demikia maka peramaa (3) da (4) dikeal dega peramaa keeimbaga ( balace equaio ) 5. Peerapa Dua Proe Kelahira da Kemaia 1.1 Aria M/M/ Padag aria di loke ebuah bak, dega diagram M/M/ ebagai beriku: SISTEM M/M/ X 1 X() Kedaaga X X... X X Pelayaa mi (,)x

7 Dega aumi : 1. Aria dega erver ecara paralel ( bila ecara eri diebu iem ekueial aau adem ). Pelagga daag ke-eumlah erver megikui proe Poio dega rae 3. Waku aar kedaaga pelagga berdiribui ekpoeial da iid ( idepedece ideic diibuio ) dega mea 1/ 4. Jika ebarag erver beba, maka pelagga dapa lagug dilayai 5. Bila Server edag ibuk, maka pelagga ari ( meuggu dalam gari aria ) 6. Bila erver eleeai melayai pelagga, pelagga meiggalka iem da elauya pelagga berikuya dalam gari aria yag dilayai 7. Waku pelayaa eiap erver berdiribui ekpoeial da iid dega mea 1/ ( mea rae pelayaa ) MialkaX() bayakya pelagga dalam iem pada aa. Uuk iem M/M/, proe {X(), 0} merupaka proe kelahira da kemaia yag didefiika dega :, 1, (=+1,+,... ) =, 0 Dimaa bila, maka emua -pelagga erlayai da bila, maka palig ediki au pelagga meuggu dalam aria. Aka dieuka krieria agar aiical equilibrium ercapai, mialka P(X()=)= p (). Equilibrium ii ercapai pada aa meuu ak higga,

8 ehigga p = lim p (). Nilai p dapa dieuka dega megguaka peramaa keeimbaga, yaiu rae i= rae ou. Uuk ae 0 : p 1 = po p 1 = po Uuk ae 1 : (+i)p1 p i-1 +(i+1)p i+1 Uuk ae 1 maka uuk i 1 (+)p = p +p 1 0 i (+)p = p +3p i 1 (+(-1))p = p +p -1 Peyeleaia eady-ae dari peramaa kelahira da kemaia dega = = =, =, =, =3,..., = =,> Maka ada yaiu / aau <. Peyeleaia umum dari proe kelahira da kemaia : ! p = !, =0,...,, =,+1,... Trafiiic ieia uuk iem adalah rae kedaaga ρ= = maximum rae eleai pelayaa Sehigga peluagya meadi p = (ρ)!, =0,1...,-1, - (ρ) ρ, =,+1,...! Dega kaa lai peluag eady-ae ( aioer ) yaiu p = p 0 1!, =0,1...,-1, 1 p 0, -!

9 Da dega megguaka hubuga =0 p =1 uuk dari 0 meuu ak higga diperoleh 1 p 0, apa rafficieia !! - π = 1+ p =0 (ρ) (ρ) Jika π = p π = 0 =0 = =0 1!! ρ - 1 =, dega raffic ieia -1 (ρ) ρ +!!(1-ρ) 1 maka iem idak koverge uuk eady ae (ρ)! ρ -1 π 0 (ρ)! 0, =0,1,,... π, =,+1,... Peluag emua - erver ibuk pada ebagia waku ( ermauk peluag kedaaga pelagga ari yaiu = -1 p0 P(X x) p (-1)! -1 (-1)!(-) Raa-raa bayakya pelagga dalam aria adalah = 3 p0 L Q= (-)p 3...! p0! 1 ( 1)!( ) Raa-raa bayakya pelaggga dalam iem adalah

10 1 1 L p p p p p (-)p = = = = 0 = = = = = 1 = p p L Q = 3 (-1) p ( ) 1+ ( )+ ( ) ( ) + +L -1 0 Q! 3! (-1)! (-1)!(-) -1 p 1 ( )p ( ) p +L! (-1)!(-) (-1)! = Q Q (- ) Q 0 0! (-1)!(-) L ( )p ( ) L Q ( )p 0 ( )!! (-) L ( ) 0 Uuk waku ari ebarag pelagga adalah P(X=0) = p 0 +p p -1 = 1 P(X ) Bila X >0 maka fugi kepadaa peluagya adalah p0 -(-)x f (x)= e, x 0 (-1)! Mea waku ari yaiu Q 0 (-1)(-) p Da mea waku uggu dalam iem diperoleh W = W Q + 1/ 1. Aria M/M/1 SISTEM Bayakya pelagga dalam iem (4) Bayakya pelayaa (5)

11 Dega kema iem M/M/1 ebagai beriku: Ipu : (1) da (3) Ukura efekivia : () da (4) Variabel Kepuua : parameer (5) da (6) Aumi : (i). Padag iem aria dega au erver dimaa pelagga daag berdaarka uau proe Poio dega lau. Mialka T= waku aar kedaaga pelagga berdiribui ekpoeial da iid,maka P(T ) = 1- e -, 0 (ii). Mea waku aar kedaaga adalah 1/ (iii). Waku pelayaa uuk eorag pelagga berdiribui ekpoeial. Mialka S= waku pelayaa, da = mea rae pelayaa ( bayakya pelayaa per aua waku), maka E(S) = 1/ = mea waku pelayaa, da P(S ) = 1-e -, 0 (iv). Mialka A()= bayakya kedaaga pada elag waku [0,], maka (v). Mialka L() = bayakya pelagga dalam iem ( dalam aria da dalam pelayaa) pada waku, Pedekaa Saiical Equilibrium

12 Uuk iem M/M/1, proe i = q i,i-1 merupaka uau proe Markov. Jika aiical equlibrium ercapai maka p = lim p (), ehigga aka diperoleh: Uuk ae 0 : p 1 = p0 p 1 = p0 Uuk ae 1 : Uuk ae : (+) p -p p p p p p p 0 0 (+)p 1-p p p p p p p Uuk ae : 1 p p p, 0 p p Uuk meyeleaika iem ii diperluka hubuga yaiu maka diperoleh hubuga i 0 p 1.Mialka = /, i i i 0 0 i 0 i 0.p 1 ρ.p 1 Da dega ormaliai didapaka p 0 = 1- = 1- p 0 da p = p 0 adalah peluag waku idle, edagka (1- ), 1, dega adalah peluag waku ibuk. Dega demikia maka aiical equilibrium ercapai bila = / < 1. Jika <1, maka ekpeai bayakya pelagga pada iem aria adalah i i i 0 i 0 i 0 L=E[L()] i.pi i.p.ρ = p ρ i.p.ρ Da p ρ + = p 1-ρ (1-ρ) (1-ρ) = 1-ρ - N Var[L()] (-L) π = 0 (1-ρ) ρ Mialka E(R) meyaaka ekpeai waku repo ebarag pelagga. Dega megguaka Lile Formula ( L= W) yaiu ae dari raa-raa bayakya pekeraa dalam

13 iem aria dalam eady-ae adalah ama dega perkalia rae kedaaga da raa-raa waku repo, maka ρ E(N)=.E(R) E(R) E(N) 1-ρ ρ / 1/ 1 = = (1-ρ) /(1-/) 1-ρ - Karea E(R) = W + E(S), maka diperoleh W= E(R)-E(S) = Da L Q =W (-) 1/ 1 1-(1-ρ) ρ - = 1-ρ (1-ρ) (1-ρ) (-) Dimaa W meyaaka ekpeai dari waku uggu ebarag pelagga S meyaaka ekpeai waku pelayaa eorag pelagga L Q meyaaka ekpeai bayakya pelagga yag megari 6. Sudi Kau Dua Proe Kelahira da Kemaia Suau kompuer di Laboraorium raa-raa meerima 30 periah iap mei, da diaumika periah-periah erebu megikui proe Poio. Kompuer erebu megeraka periah dega diipli aria FCFS ( fir come fir ervice) da waku pegeraa au periah berdiribui ekpoeial dega mea 1/40 mei. Bila pihak laboraorium igi meigkaka pelayaa kompuer erebu maka dapa dilakuka dega dua aleraif yaiu : (i). Membeli au kompuer yag ama dega kompuer yag lama (ii). Meggai kompuer lama dega au kompuer baru dega kemampua meyeleaika 50 pekeraa alam au mei. Dari kau diaa dapa diperoleh iformai yaiu : Aleraif (i) merupaka iem M/M/, yaiu dega peramaa keeimbaga : 1 p = k k ρp k-1 0 da i=0 P =1 i Maka diperoleh k+1 1= P 0 +ρp 0 + ρ P 0 + ρ P ρ P k Karea rafic ieia dari

14 rae kedaaga ρ = = maximum rae eleai pelayaa Maka diperoleh k+1 3 ρ P 0[1+ρ +ρ +ρ ρ +... ] P ρ Sehigga diperoleh Po yaiu peluag waku idle (idak ibuk) yaiu P 0 1 ρ 1 1 ρ 1 ρ 1 ρ Dega rafic ieia ρ = = da P (50) Raa-raa bayakya periah dalam aria adalah ( ) (30)(50)(0.6) L Q= (-1)!(-) ( 1)!( 50 30) Raa-raa bayakya periah dalam iem adalah ρ (0.3) E[L]= = ρ 1 (0.3) Raa-raa waku repo dari au periah adalah E[R]= = (1-ρ ) Dega raa-raa waku uggu au periah adalah W ( ) = P (-1)(-) Q 0 Da raa-raa waku uggu iem yaiu W = W Q +1/ = = Dega demikia diperoleh L = W = 30( ) = Aleraif (ii) merupaka iem M/M/1, dega rafic ieia da raa-raa paag aria periah yag haru dieleaika kompuer erebu beruru uru adalah 30 ρ = da L= 30 E[L]= = Sedagka raa-raa waku repo dari au periah adalah periah

15 1 1 E[R]= = 0.1 mei Da raa-raa waku uggu dari au periah yaiu 30 W= mei (-) 40(40 30) Sehigga diperoleh raa-raa bayakya periah yag megari yaiu L Q = 30(0.075) =.5 Dega demikia ika dierapka dari kedua aleraif erebu diaa maka lebih baik memilih parameer ukura kualia pelayaa uuk iem M/M/, yaiu dega meambah au kompuer yag ama dega kompuer yag lama. 7. Keimpula Dari raai Markov waku koiu dapa dikeahui da dipelaari ifa (kelakua) uau proe okaik eelah proe erebu berala dalam elag waku yag paag maupu igka. Sehigga dapa diklaifikaika da di berika perlakua ( reame) yag epa erhadap permaalaha dari uau proe okaik yag ada. Peramaa differeial Kolmogorof merupaka iem uuk medapaka diribui peluag di waku +h dega megkodiika erhadap keadaa di waku-waku medaag da ebelumya. Dafar Puaka Geza Scay, 007, Iroducio o Probabiliy wih Saiical Aplicaio, Birkhauer, Boo Ro, M. Sheldom, 000, Iroducio o Model Probabiliy, Joh Wiley & So, Ic Ro, M. Sheldom, 1986, Sochaic Proce, Joh Wiley & So, Ic Taylor, M. Howard ad Karli, Samuel, 1975, A Fir Coure i Sochaic Procee, Academic Pre, Ic Zaawiak, T. ad Brzeziak, Z, 003, Baic Sochaic Procee, Spriger

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

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

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

BAB 2. TRANSFORMASI LAPLACE 2.1 Pengertian Transformasi Latar Belakang Penggunaan Transformasi Contoh Sederhana Penggunaan Transformasi

BAB 2. TRANSFORMASI LAPLACE 2.1 Pengertian Transformasi Latar Belakang Penggunaan Transformasi Contoh Sederhana Penggunaan Transformasi BAB. TRANSFORMASI LAPLACE. Pegeria Traformai.. Laar Belakag Pegguaa Traformai.. Cooh Sederhaa Pegguaa Traformai. Pegeria Traformai Laplace da ivere Traformai Laplace.. Laar Belakag Pegguaa Traformai Laplace..

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 II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F BAB III AALISIS EMODELA ATRIA HAULER EGAGKUTA OVERBURDE ADA JALA 7F 3.. edahulua ada Bab II telah dijelaka beberapa teori yag diguaka utuk melakuka aalii yag tepat dalam memecahka maalah yag ada. ada bab

Lebih terperinci

Bab III. Menggunakan Jaringan

Bab III. Menggunakan Jaringan Bab III Pembuaan Jadwal Pelajaran Sekolah dengan Menggunakan Jaringan Pada bab ini akan dipaparkan cara memodelkan uau jaringan, ehingga dapa merepreenaikan uau jadwal pelajaran di ekolah. Tahap perama

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

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN EORI. ijaua Puaka Daa ruu waku adalah daa yag dikumpulka meuru urua waku dalam uau reag waku ereu (Roadi, 006). Secara umum aalii ruu waku mempuyai ujua uuk pemodela da peramala. Pemodela

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

Tri Handhika dan Murni Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma, Depok, 16424

Tri Handhika dan Murni Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma, Depok, 16424 Saiika PEGGUAA METODE DIRECT SAMPLIG DA IVERSE SAMPLIG DALAM MEGESTIMASI UKURA POPULASI KUCIG DI PERUMAHA BUKIT RIVARIA SAWAGA DEPOK PADA BULA DESEMBER 009 Tri Hadhika da Muri Pua Sudi Kompuai Maemaika

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ii aka dibaa daar-daar teori yag aka diguaka dalam peulia kripi ii, yaitu megeai metode peakira maximum likeliood, metode peakira oit maximum likeliood da fier iformatio..1

Lebih terperinci

ANALISIS SISTEM KENDALI

ANALISIS SISTEM KENDALI BAB IV ANALISIS SISEM ENDALI Dalam prakekya, iyal mauka iem kedali idak dapa dikeahui ebelumya, eapi mempuyai ifa acak, ehigga mauka eaa idak dapa diyaaka ecara aalii. Uuk aalii da peracaga iem kedali,

Lebih terperinci

Transformasi Laplace Bagian 1

Transformasi Laplace Bagian 1 Modul Tranformai aplace Bagian M PENDAHUUAN Prof. S.M. Nababan, Ph.D eode maemaika adalah alah au cabang ilmu maemaika yang mempelajari berbagai meode unuk menyeleaikan maalah-maalah fii yang dimodelkan

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

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

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

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM 4.1 Peduga dega Kerel Seragam Pada bab ii diguaka peduga dega kerel eragam. Hal ii karea aya belum berail memperole ebara aimtotik dari

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

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

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

INTERVAL KEPERCAYAAN

INTERVAL KEPERCAYAAN INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira

Lebih terperinci

BAB IV DESKRIPSI ANALISIS DATA

BAB IV DESKRIPSI ANALISIS DATA BAB IV DESKRIPSI ANALISIS DATA A. Dekripi Data Peelitia ii megguaka peelitia ekperime, ubyek peelitiaya dibedaka mejadi dua kela, yaitu kela kotrol da kela ekperime. Kela kotrol pada peelitia ii merupaka

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

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

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

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

APLIKASI MODEL JUKES CANTOR DALAM MENENTUKAN PELUANG BASA NITROGEN KETURUNAN SUATU INDIVIDU

APLIKASI MODEL JUKES CANTOR DALAM MENENTUKAN PELUANG BASA NITROGEN KETURUNAN SUATU INDIVIDU Bulei Ilmiah ah. a. da eraaya Bimaer Volume 5 No. 6 hal 8. LIKI ODEL JUKE NOR DL ENENUKN ELUN B NIROEN KEURUNN UU INDIVIDU Nahrul Hayai ariaul Kifiah Bayu rihadoo INIRI eia idividu memiliki DN yag meruaka

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

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

REPRESENTASI INTEGRAL STOKASTIK UNTUK GERAK BROWN FRAKSIONAL

REPRESENTASI INTEGRAL STOKASTIK UNTUK GERAK BROWN FRAKSIONAL Proiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-6-6--9 hal 5-4 November 6 hp://jurnal.fkip.un.ac.id REPRESENTASI INTEGRAL STOKASTIK UNTUK GERAK BROWN FRAKSIONAL Chaarina Enny Murwaningya,,

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

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015 KONSTAN: Jural Fiika da Pedidika Fiika Vol.. o. (05) hal. 36-45 PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN GERUNG TAHUN PELAJARAN 04/05 Lida Sekar

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui Statitika, Vol. No., 5 6 Mei Diagram Kedali Simpaga Baku Ekak utuk Proe Berditribui Normal dega Parameter Diketahui Aceg Komarudi Mutaqi, Suwada Program Studi Statitika Fakulta MIPA Uiverita Ilam Badug,

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

Metode Statistika Pertemuan XI-XII

Metode Statistika Pertemuan XI-XII /4/0 Metode Statitika Pertemua XI-XII Statitika Ifereia: Pegujia Hipotei Populai : = 0 Butuh pembuktia berdaarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : 5 Ok, itu adalah pegujia hipotei,

Lebih terperinci

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Pedugaa Parameter HAZMIRA YOZZA JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Kompetei meyebutka klp ifereia tatitika & ruag ligkupya mejelaka metode pedugaa klaik da yarat-yarat peduga yag baik pada pedugaa

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3 III. METODOLOGI PENELITIAN A. Populai da Sampel Peelitia Populai dalam peelitia ii adalah emua iwa kela I IPA SMA Al Azhar-3 Badar Lampug tahu ajara 0/0 yag berjumlah 48 iwa da terebar dalam empat kela.

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

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

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

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

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

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

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

Pengujian Hipotesis untuk selisih dua nilai tengah populasi

Pengujian Hipotesis untuk selisih dua nilai tengah populasi Pegujia Hipotei utuk eliih dua ilai tegah populai Hipotei Hipotei atu arah: H 0 : - 0 v H : - < 0 H 0 : - 0 v H : - > 0 Hipotei dua arah: H 0 : - = 0 v H : - 0 Statitik uji z h ( ( ) ) 0 Formula klik diketahui

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

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

SUMMABILITAS CESARO PADA OPERASI DERET DIVERGEN. Sangadji* 1

SUMMABILITAS CESARO PADA OPERASI DERET DIVERGEN. Sangadji* 1 Summabilita Cearo pada Operai Dere Diverge (Sagadji) SUMMABILITAS CESARO PADA OPERASI DERET DIVERGE Sagadji* ABSTRAK SUMMABILITAS CESARO PADA OPERASI DERET DIVERGE Bayak orag uka membicaraka tetag deret

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori Bab II adaa eori Bab ii meyajika kajia item da teori-teori yag aka medaari da diguaka dalam mecari betuk model tereduki. Beberapa hal yag aka dikaji dalam bab ii adalah item PV da beberapa teori daar yag

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH. telepon PT. Pos Indonesia cabang Kebon Jeruk, Jakarta Barat dan melihat

BAB 3 METODOLOGI PEMECAHAN MASALAH. telepon PT. Pos Indonesia cabang Kebon Jeruk, Jakarta Barat dan melihat BAB 3 METODOLOGI EMECAHAN MASALAH 3. Meetapka Ukura Kierja Dalam ebuah item atria, ada dua kompoe yag petig, yaitu populai dari pelagga bagaimaa mereka memauki item atria yag ada da waktu pelayaa itu ediri

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter Pedahulua Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

A.Interval Konfidensi pada Selisih Rata-rata

A.Interval Konfidensi pada Selisih Rata-rata A.Iterval Kofidei pada Seliih Rata-rata. Bila kita mempuyai da maig-maig adalah mea ample acak beba berukura da yag diambil dari populai dega ragam da diketahui, maka elag kepercayaa 00-% bagi - adalah

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

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

Pendugaan Parameter 1

Pendugaan Parameter 1 Topik Bahaa: Pedugaa Parameter 1 (Selag Pedugaa, Pedugaa Selag 1 Rata-Rata) Pertemua ke II 1 Ilutrai Statitika Ifereia : Mecakup emua metode yag diguaka utuk pearika keimpula atau geeraliai megeai populai

Lebih terperinci

SIFAT SIFAT TRANSFORMASI LINEAR DARI R KE R

SIFAT SIFAT TRANSFORMASI LINEAR DARI R KE R SIF SIF RNSFORMSI LINER m DRI R KE R Diuu utuk memeuhi uga Mata Kuliah ljabar Liear Doe Pegampu : Dr. Suroo, M. Pd Diuu oleh : Kelompok. ge Chritie rii ( 84.55 ). dik Setyo Nugroho ( 84.65 ). Beti Lutvi

Lebih terperinci

ANALISIS SISTEM ANTRIAN PADA BAGIAN TELLER DI BANKALTIM KANTOR CABANG PEMBANTU KOMPLEK PASAR SUNGAI DAMA SAMARINDA

ANALISIS SISTEM ANTRIAN PADA BAGIAN TELLER DI BANKALTIM KANTOR CABANG PEMBANTU KOMPLEK PASAR SUNGAI DAMA SAMARINDA ANALISIS SISTEM ANTRIAN PADA BAGIAN TELLER DI BANKALTIM KANTOR CABANG PEMBANTU KOMPLEK PASAR SUNGAI DAMA SAMARINDA SAHAT FERWINALDO SIAHAAN, ROBIN JONATHAN, ADI SUROSO NPM : 08..00.3443.7 JURUSAN MANAJEMEN

Lebih terperinci

Implementasi Algoritma Turan Untuk Menentukan Nilai Aproksimasi Pada Proses Mencari Akar-akar Polinomial

Implementasi Algoritma Turan Untuk Menentukan Nilai Aproksimasi Pada Proses Mencari Akar-akar Polinomial Semiar aioal Pacaarjaa VI 26, Surabaya Implemeai Alorima Tura Uuk Meeuka ilai Aprokimai Pada Proe Mecari Akar-akar Poliomial Suprioo Coirul Imro Badu Arry Sajoyo Jurua Maemaika Iiu Tekoloi Sepulu opember

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

Metode Statistika Pertemuan IX-X

Metode Statistika Pertemuan IX-X /7/0 Metode Statitika Pertemua IX-X Statitika Ifereia: Pedugaa Parameter Populai : Parameter Cotoh : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ditribui amplig PENDUGA TAK

Lebih terperinci

PEMERINTAH KOTA DUMAI DINAS PENDIDIKAN KOTA DUMAI SMA NEGERI 3 DUMAI TAHUN PELAJARAN 2007/ 2008 UJIAN SEMESTER GANJIL

PEMERINTAH KOTA DUMAI DINAS PENDIDIKAN KOTA DUMAI SMA NEGERI 3 DUMAI TAHUN PELAJARAN 2007/ 2008 UJIAN SEMESTER GANJIL PEMERINTAH KOTA DUMAI DINAS PENDIDIKAN KOTA DUMAI SMA NEGERI 3 DUMAI TAHUN PELAJARAN 27/ 28 UJIAN SEMESTER GANJIL Maa Pelajar Fiika Kela XII IPA Waku 12 meni 1. Hubungan anara jarak () dengan waku () dari

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

SOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial

SOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial SOAL PELATIHAN. Jelaka pegertia hipotei?. Seorag peeliti biaaya tertarik meguji atu hipotei dari eam alteratif hipotei. Sebutka eam alteratif hipotei terebut? 3. Apa yag dimakud dega pegujia hipotei? 4.

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain:

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain: Peahulua Peugaa Parameter Peugaa Parameter Populai ilakuka ega megguaka ilai Statitik Sampel, Mial :. x iguaka ebagai peuga bagi µ. iguaka ebagai peuga bagi σ 3. p atau p$ iguaka ebagai peuga bagi π Peugaa

Lebih terperinci

EKONOMI FERTILITAS. Minggu ke 10 DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA IPB

EKONOMI FERTILITAS. Minggu ke 10 DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA IPB EKONOMI FERTILITAS Miggu ke 10 DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA IPB 2015 1 2 PENDAHULUAN Fertilita : jumlah aak yag dilahirka hidup Ukura Fertilita: - Agka kelahira kaar (Crude

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

PENDAHULUAN LANDASAN TEORI

PENDAHULUAN LANDASAN TEORI PENDAHULUAN Laar Belakang Salah au maalah aru dalam uau nework adalah penenuan pah erpendek. Maalah pah erpendek ini merupakan maalah pengopimuman, karena dengan diperolehnya pah erpendek diharapkan dapa

Lebih terperinci

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai

BAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai 3 BAB II ESTIMASI STATISTIK. Pegertia Etimai a. Etimai merupaka uatu metode dimaa kita dapat memperkiraka ilai Populai dega memakai ilai ampel. b. Etimai merupaka kegiata pearika keimpula tatitik yag berawal

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

Fisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman

Fisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman Fiika Statitik Jumlah SKS : 3 Oleh : Rahmawati M, S.Si., M.Si. Jurua Fiika Fakulta Matematika da Ilmu Pegetahua Alam Uiverita Mulawarma Pertemua 2 da 3 Pedahulua (Termodiamika) 2. Statitik Maxwell-Boltzma.

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret

SISTEM PENGOLAHAN ISYARAT. Kuliah 6 Transformasi Fourier Diskret TKE 43 SISTEM PEGOLAHA ISYARAT Kuliah 6 Tafomai Foui Dik Idah Suilawai, S.T., M.Eg. Pogam Sudi Tkik Elko Fakula Tkik da Ilmu Komu Uivia Mcu Buaa Yogyakaa 9 KULIAH 6 SISTEM PEGOLAHA ISYARAT TRASFORMASI

Lebih terperinci

MENENTUKAN SPECTRUM SUATU GRAF BERBANTUAN MATLAB

MENENTUKAN SPECTRUM SUATU GRAF BERBANTUAN MATLAB LAPORAN PENELITIAN KOMPETITIF DOSEN BERSAMA MAHASISWA MENENTUKAN SPECTRUM SUATU GRAF BERBANTUAN MATLAB KETUA TIM PENELITI ABDUSSAKIR, M.Pd JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

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

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH

PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER Populai : Parameter Sampel : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ebara cotoh PENDUGA TAK BIAS DAN MEMPUNYAI

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

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

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

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

III. KERANGKA TEORI. hubungan input dengan output (Debertin, 1986; Doll dan Orazem, 1984). Secara

III. KERANGKA TEORI. hubungan input dengan output (Debertin, 1986; Doll dan Orazem, 1984). Secara III. KERANGKA TEORI 3.1. Fugi Produki Fugi produki dapa didefiiika ebagai hubuga ecara eki dalam raformai ipu (reource) ke dalam oupu aau yag melukika aara hubuga ipu dega oupu (Deberi, 1986; Doll da Orazem,

Lebih terperinci

BAB KINEMATIKA GERAK LURUS

BAB KINEMATIKA GERAK LURUS BAB KINEMATIKA GERAK LURUS.Pada ekiar ahun 53, eorang ilmuwan Ialia,Taraglia,elah beruaha unuk mempelajari gerakan peluru meriam yang diembakkan. Taraglia melakukan ekperimen dengan menembakkan peluru

Lebih terperinci

Dari Penulis: Buku ini diterbitkan oleh Penerbit ITB Tahun 2002 ISBN

Dari Penulis: Buku ini diterbitkan oleh Penerbit ITB Tahun 2002 ISBN Dari Peuli: uku ii dierbika leh Peerbi IT Tahu ISN 979-999-54- eri erbaru ahu berjudul alii agkaia Lirik dalam jilid bia diuduh beba di hp://www.buku-e.lipi.g.id alii agkaia Lirik Oleh Sudarya Sudirham

Lebih terperinci

III. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar

III. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar 7 III. METDE PENELITIAN A. Populai Peelitia Populai peelitia ii yaitu eluruh iwa kela MA Negeri Badar Lampug dega ampel kela, pada emeter geap Tahu Pelajara 0/0. B. ampel Peelitia Tekik pegambila ampel

Lebih terperinci

BAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model

BAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model 3 BAB III METODE PENELITIAN A. Jei Peelitia Tujua peelitia ii yaki membadigka kemampua berpikir kriti dega kemampua berpikir kreatif dega megguaka dua model pembelajara yaitu model pembelajara berbai maalah

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