BAYESIAN REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO (RJMCMC) UNTUK PEMODELAN MIXTURE SURVIVAL 1. PENDAHULUAN
|
|
- Susanto Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAYESIAN REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO (RJMCMC) UNTUK PEMODELAN MIXTURE SURVIVAL 1 Najihatur Reji, 2 Nur Iriawan 1,2 Jurusan Statistia, FMIPA ITS, Surabaya 1 rezqi.najihatur@gmail.com, 2 nuririawan@gmail.com ABSTRAK. Analisis survival merupaan metode satistia yang tepat untu menganalisis data watu tempuh suatu obje sampai terjadinya suatu peristiwa atau ejadian tertentu terhadap obje tersebut yang telah ditetapan. Banyanya asus perceraian di Pengadilan Agama merupaan masalah yang cuup menghawatiran di masyaraat, pengamatan tentang lama suatu perniahan dapat dipertahanan merupaan fenomena survival ini. Pengamatan dilauan pada para piha yang mendaftaran gugatan perceraian di Pengadilan Agama Kabupaten Malang, sebagai unit penelitian. Maalah ini mendemonstrasian emampuan pemodelan mixture survival dalam suatu cox proportional hazard yang dipaduan dengan cara estimasi parameternya menggunaan metode reversible jump marov chain monte carlo (RJMCMC) pada data survival yang mempunyai pola multimodal. RJMCMC dapat membantu memodelan permasalahan mixture secara bersamaan dengan penentuan banyanya omponen penyusunan mixture yang optimal. Hasil pemodelan dan analisis menunjuan bahwa model survival perniahan di area Pengadilan Agama Kabupaten Malang terdiri atas12omponen mixture. Model mixture survival lama perniahan disusun oleh 12 omponen, yaitu: S t 0, 95S t 0, 017S t 0, 008S t 0, 0055S t 0, 0035S t 0, 0035S t mix , 0025S t 0, 0025S t 0, 002S t 0, 002S t 0, 0015S t 0, 0015S t Kata Kunci: Analisis Survival; Cox Proportional Hazard; Mixture Survival; Reversible Jump Marov Chain Monte Carlo 1. PENDAHULUAN Analisis survival adalah analisis mengenai data yang diperoleh dari catatan watu yang dicapai suatu obje sampai terjadinya peristiwa tertentu yang telah ditetapan. Metode regresi survival merupaan metode regresi yang digunaan untu melihat fator-fator yang menyebaban terjadinya suatu peristiwa dengan variabel responnya adalah watu etahanan hidup. Regresi cox proportional hazard memunginan untu interpretasi pengaruh dari masing-masing variabel preditor [ i ]. Analisis survival umumnya digunaan dalam bidang medis, namun analisis ini juga coco digunaan dalam bidang lainnya seperti pada bidang teni, riminologi, sosiologi, dan pada bidang-bidang lainnya yang memilii resio, dalam penelitian ini penulis tertari untu mengamati asus sosiologi yaitu lama perniahan dengan uuran para piha yang telah melauan pendaftaran perceraian. Analisis survivalemudian diembangan dengan menggabungan onsep mixture arena data yang diperoleh tida selamanya dapat direpresentasian terhadap satu distribusi saja, namun dapat pula diduga terdiri dari beberapa omponen distribusi penyusun. Penelitian mengenai mixture survival telah dilauan oleh Ando, et al. [ ii ] tentang model ernel mixture survival pada beberapa jenis penyait aner, Muthen [ iii ] tentang mixture survival untu variabel watu disrit, Hariyanto [ iv ] tentang asus lama mencari erja di pulau Jawa tahun 2007 dengan model mixture survival, dan Hasyim [ v ] tentang model mixture survival spasial dengan fraility berdistribusi conditional autoregressive (CAR) pada asus ejadian demam berdarah (DBD) di Kabupaten Pameasan. Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
2 Pada penelitian-penelitian sebelumnya, proses inferensi bayesian menggunaan algoritma Marov Chain Monte Carlo (MCMC), dimana metode ini terbatas pada asus banyanya omponen penyusun mixture dietahui. Hal ini aan menjadi tida berlau pada ondisi banyanya omponen penyusun mixture tida dietahui. Proses inferensi bayesian pada ondisi vetor parameter model tida tetap diembangan oleh Green [ vi ] yang emudian disebut Reversible Jump Marov Chain Monte Carlo (RJMCMC). Richardson dan Green [ vii ] memanfaatan algoritma ini untu pemodelan mixture dengan banya omponen penyusun mixture yang tida dietahui. Penelitian mengenai analisis survival data lama perniahan belum pernah ada yang menggabungannya dengan onsep mixture, dimana penggunaan model mixture distribution dinilai lebih bai arena memperhatian sifat data [ viii ], terlebih lagi penelitian yang telah dilauan terbatas pada dietahui banyanya omponen penyusun mixture. Kenyataannya banya persoalan dimana banyanya omponen penyusun mixture sangat sulit ditentuan atau dengan ata lain banyanya omponen penyusun mixture tida dietahui. Salah satu persoalan yang diterapan dalam penelitian ini adalah bagaimana memodelan data lama perniahan dengan pemodelan mixture survival dalam suatu cox proportional hazard yang dipaduan dengan cara estimasi parameter menggunaan metode RJMCMC pada data survival yang mempunyai pola multimodal. Di Indonesia, Kabupaten Malang menempati posisi edua untu tingginya asus perceraian dan menempati posisi pertama di Provinsi Jawa Timur. Tingginya anga perceraian terlihat dalam urun watu Januari hingga November 2014 tercatat perara perceraian yang terdiri dari cerai gugat dan cerai tala. Berbagai alasan yang mendasari para piha untu emudian mengajuan perceraian e PA Kabupaten Malang, yaitu dengan alasan moral (risis ahla dan cemburu), meninggalan ewajiban (eonomi dan tida adanya tanggung jawab), penganiayaan, cacat bilogis atau gila, dan terus menerus berselisih. Pada ahirnya, penelitian ini diharapan dapat menghasilan model terbai sehingga dapat dilauan langah pencegahan terjadinya asus perceraian setelah adanya sebuah perniahan dengan mengamati fator-fator yang berpengaruh pada lama perniahan di Pengadilan Agama Kabupaten Malang. 2. METODE PENELITIAN 2.1 Analisis Survival Dalam analisis survival, terdapat dua fungsi yang digunaan yaitu fungsi survival dan fungsi hazard. Fungsi survivals(t) didefinisian sebagai probabilitas seorang individu bertahan lebih lama dari watu t [ ix ]. S t P T t 1 P T t 1 F t (1) selanjutnya, Kelinbaum [ x ] menyataan fungsi hazardsebagai laju egagalan (failure) sesaat dengan asumsi individu telah bertahan sampai watu e-t yang didefinisian pada persamaan beriut: h t dt P t T t t T t (2) Kemudian diperoleh hubungan antara fungsi survival dan fungsi hazard sebagai beriut: Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
3 h t f t (3) S t Jia resio gagal (failure) pada watu tertentu bergantung pada nilai x 1, x 2,..., x p dari p variabel preditor X 1, X 2,..., X p maa nilai variabel tersebut diasumsian telah tercatat sebagai time origin. Kumpulan nilai variabel preditor dalam model hazard proportional diwaili oleh vetor x dengan x = (x 1, x 2,..., x p ) T. Misalan h 0 (t) sebagai fungsi hazard untu setiap obye dengan nilai dari semua variabel preditor penyusun vetorx adalah nol maa fungsi h 0 (t) diataan sebagai fungsi baseline hazard [ xi ]. Model hazard proportional sebagai beriut: T h t h0 t exp β x (4) 2.2 Reversible Jump Marov Chain Monte Carlo (RJMCMC) Penggunaan algoritma MCMC pada proses inferensi bayesian terbatas pada asus dimana dimensi vetor parameter model bersifat tetap. Penggunaan metode RJMCMC dilauan pada pemodelan mixture dengan banya omponen yang tida dietahui. Keuntungan dari penggunaan metode ini adalah dapat memodelan suatu mixture secara bersama-sama dengan banyanya omponen penyusun mixture. Algoritma RJMCMC dapat dilauan melalui enam langah beriut: Algoritma Updatew 2. Update dimana = (, ) 3. Update z 4. Update 5. Split/merge omponen-omponen mixture 6. Birth/death omponen-omponen mixture Proses pada langah 1 sampai 4 tida aan mengubah dimensi vetor parameter model yang terdiri dari (,,, w, dan z), sedangan langah 5 dan 6 aan mengubah banyanya omponen penyusun mixture satu per satu. 2.3 Mixture Survival Bernando dan Giron [ xii ] menggambaran suatu model mixture sebagai sebuah model peluang yang digambaran dengan densitas sebagai beriut: p x, j p x, j 0 (5) j1 dimana,,...,,,,..., dan adalah banyanya omponen dalam mixture. Model mixture regresi survival ini didasaran pada persamaan (5) dengan fungsi densitasnya disusun dari distribusi data survival-nya. Persamaan dari model mixture survival adalah: f t, f t f t f t (6) Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
4 f t adalah fungsi densitas untu data survival omponen e-, adalah proporsi omponen distribusi mixture e-, dan adalah omponen e-1, 2,...,. Sehingga fungsi survival distribusi mixture dengan -omponen adalah: S t S ( t) S ( t)... S ( t) (7) dengan S dengan t adalah fungsi survival dari omponen mixture e-. dan model proportional hazard untu mixture survival adalah: h t h t h t h t (8) h i i i i dengan i t adalah fungsi hazard dari omponen mixture e Langah-Langah Analisis Data yang digunaan pada penelitian ini adalah data seunder yang diperoleh dari register perara percerain yang terjadi di Pengadilan Agama Kabupaten Malang pada bulan Januari November 2014 sebanya asus perceraian. Failure event dalam analisis survival lama perniahan pada penelitian ini adalah ejadian putusnya suatu hubungan perniahan (perceraian). Sensor yang digunaan dalam penelitian ini adalah sensor anan (right censor) yang berarti bahwa jia sepasang suami istri sampai dengan masa pendataan selesai belum mengalami failure event maa watunya dibatasi hanya sampai dengan berahirnya masa pendataan. Sensor juga diterapan jia sepasang suami istri mencabut asus perceraiannya (ruju) atau asus perceraian tersebut dinyataan di tola oleh PA Kabupaten Malang maa watunya dibatasi hanya sampai dengan berahirnya asus tersebut. Variabel yang digunaan dalam penelitian ini yaitu variabel respon yang merupaan lama perniahan (dalam tahun), sedangan variabel preditor meliputi jenis cerai, umur penggugat, pendidian penggugat, peerjaan penggugat, umur tergugat, pendidian tergugat, peerjaan tergugat, jumlah ana, dan alasan perceraian. Langah-langah analisis dalam penelitian ini adalah sebagai beriut: 1. Identifiasi awal data lama perniahan berdistribusi mixture. 1) Membuat histogram. 2) Melauan uji googness of fit. 2. Menentuan banyanya omponen penyusun mixture. Tida dietahuinya banya omponen penyusun mixture, maa aan dibuat algoritma RJMCMC. Algoritma ini digunaan untu mengestimasi banya omponen model mixture. 3. Pembentuan model mixture dengan banya omponen tida dietahui. 1) Berdasaran hasil estimasi parameter regresi cox proportional hazard emudian digunaan sebagai nilai initial untu menyusun mixture regresi survival. 2) Membentu model mixture survival. 3. HASIL PENELITIAN DAN PEMBAHASAN Dalam penelitian ini untu mengidentifiasi distribusi mixture, tahapan awal yang dilauan adalah dengan melihat distribusi data lama perniahan untu setiap pasangan yang mendaftaran perceraian di PA Kabupaten Malang dengan menggunaan metode histogram dan melauan pengujian Anderson-Darling. Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
5 Gambar 1. Histogram Data Lama Perniahan Histogram pada Gambar 1 menunjuan bahwa data lama perniahan tidalah simetris dan patut diduga bahwa data watu survival tidalah berasal dari satu distribusi (uni-modal) melainan disusun oleh beberapa distribusi (multimodal). Hal ini dipertegas dengan uji Anderson-Darling. Tabel 1. Uji Distribusi Watu Survival Distribusi Statisti uji ( A ) Nilai Kritis (a n,1-a ) Keputusan Lognormal Weibull Weibul 3P Normal Esponensial Loglogisti 88,308 20,898 17, ,630 87, ,120 2 n Tola H 0 Tola H 0 Tola H 0 Tola H 0 Tola H 0 Tola H 0 Tabel 1 menunjuan uji dari beberapa distribusi yang umumnya digunaan dalam analisis survival, namun berdasaran uji Anderson-Darling tida ada yang sesuai dengan distribusi-distribusi dugaan tersebut arena nilai statisti uji Anderson-Darling> nilai ritis pada α = 0,05. Hasil uji ini menegasan esimpulan yang didapatan dari visual histogram pada Gambar 1. Dengan menggunaan algoritma RJMCMC, emudian aan ditentuan banyanya omponen penyusun mixture untu data lama perniahan dengan listing program sebagai beriut: Program 1: model { for (i in 1:n) { Z[i] ~ dlnorm(psi[i], tau)i(t.cen[i],) } psi[1:n] <- jump.lin.pred(x[1:n, 1:Q],, beta.prec) id<- jump.model.id(psi[1:n]) beta.prec <- tau / lambda tau ~ dgamma(a, b) ~ dbin(0.5, Q) } list(tau = 0.01) Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
6 list( n = 6945,Q = 20, lambda = 1000, a = 0.001, b = 0.001, Z = c(3,3,4,4,4,4,4,4,4,..., 562,566,635), t.cen=c(1,1,1,..., 0,1,0), X = structure(.data = c( 0,26,1,0,0,0,0,0,18,1,0,0,0,0,0,0,0,0,0,0, 0,26,1,0,0,0,0,0,17,1,0,0,0,0,0,0,0,1,0,0, 0,31,0,1,0,0,1,0,27,1,0,0,0,0,0,0,0,0,0,0,... 0,24,0,0,0,0,0,0,26,0,0,0,0,0,0,3,0,0,0,0, 1,18,0,1,0,0,1,0,24,1,0,0,0,0,1,5,0,1,0,0),.Dim = c(6945,20)) ) Dengan sampling sebanya 2000 ali, RJMCMC membentu 12 omponen mixture log normal dengan nilai proporsi masing-masing mixture seperti yang ditunjuan pada Tabel 2. Tabel 2. Proporsi Tiap Komponen Mixture Komponen Mixture e- Posterior Prob. Cumulative Prob. 1 0,9500 0, ,0170 0, ,0085 0, ,0055 0, ,0035 0, ,0035 0, ,0025 0, ,0025 0, ,0020 0, ,0020 0, ,0015 0, , Nilai posterior prob.pada Tabel 2menunjuan proporsi tiap omponen mixture.selanjutnya dibentu model mixture regresi survival dengan metode regresi cox proportional hazard yang didasaran pada pendeatan bayesian. Dalam penelitian ini lama perniahan dianggap mengiuti distribusi log normal dengan parameter (µ,) adalah µ parameter loasi dan adalah parameter scale. Distribusi prior untu parameter scale menggunaan distribusi seawan (conjugate) yaitu distribusi Gamma. Selanjutnya, distribusi prior untu proporsi mixture menggunaan distribusi Dirichlet. Berdasaran persamaan(5), dijabaran menjadi parameter distribusi log normal (µ,), dengan teori bayes maa model mixture dengan penjabaran teori bayes distribusi posterior bersyarat penuh aan menjadi proporsional terhadap fungsi lielihood diali dengan prior. Dalam bentu persamaan, dapat ditulisan sebagai beriut: p,, x l x,, p p p Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
7 dengan n 1 log x 2 i l x,, exp 2 i1 x 2 2 i 1 p e adalah distribusi prior bagi yaitu Gamma (α,β) p i 1 xi i i1 i1 i1 i adalah distribusi prior bagi λ yaitu Dirichlet (α) Model mixture survival dengan metode regresi cox proportional hazard dapat digambaran sebagai persamaan beriut: ) ) ) p x, exp x exp x... exp x i i i i i i Dalam regresi cox proportional hazard, yang disusun dalam model adalah exp(βx) arena pada enyataannya baseline hazard h t tida perlu dietahui dan dimasuan dalam 0 model jia data berasal dari populasi yang sama (Collet, 2003). Selanjutnya, distribusi prior untu nilai beta pada masing-masing variabel preditor menggunaan prior informatif yang mengiuti distribusi normal. Prior beta didasaran pada hasil pengolahan regresi cox proportional hazard. Model mixture survival lama perniahan disusun oleh 12 omponen, yaitu: Smix t 0, 95S1 t 0, 017S2 t 0, 008S3 t 0, 0055S4 t 0, 0035S5 t 0, 0035S6 t da 0, 0025S7 t 0, 0025S8 t 0, 002S9 t 0, 002S10 t 0, 0015S11 t 0, 0015S12 t n model proportional hazard untu mixture survival adalah: h t 0,95 h t 0, 017 h t 0, 008 h t 0, 0055 h t 0, 0035 h t hi 6 thi 7 thi 8 thi 9 thi10 t hi11 t hi 12 t i i i i i i 0, , , , 002 0, 002 0, , SIMPULAN Identifiasi data memilii indiasi multimodal dan berdistribusi mixturelog normal yang ditunjuan oleh plot histogram dan uji Anderson-Darling yang menunjuan bahwa data tida dapat dideati dengan satu distribusi univariat. Tida dietahuinya banya omponen mixture yang membentu data, selanjutnya dengan menggunaan algoritma RJMCMC didapatan sebanya 12 omponen penyusun mixture. Model mixture survival lama perniahan disusun oleh 12 omponen, yaitu: Smix t 0, 95S1 t 0, 017S2 t 0, 008S3 t 0, 0055S4 t 0, 0035S5 t 0, 0035S6 t da 0, 0025S7 t 0, 0025S8 t 0, 002S9 t 0, 002S10 t 0, 0015S11 t 0, 0015S12 t n model proportional hazard untu mixture survival adalah: Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
8 hi 6 thi 7 thi 8 thi 9 thi10 t hi11 t hi 12 t h t 0,95 h t 0, 017 h t 0, 008 h t 0, 0055 h t 0, 0035 h t i i i i i i 0, , , , 002 0, 002 0, , 0015 UCAPAN TERIMAKASIH Ucapan terima asih disampaian epada Prof. Drs. Nur Iriawan, M.Iomp., Ph.D. yang telah bersedia meluangan watunya membimbing penulis dalam penulisan maalah ini. Terimaasih pula epada Pengadilan Agama Kabupaten Malang, Jawa Timur yang telah bersedia memberian data guna elancaran penyelesaian maalah ini dan juga tida terlupa epada para piha yang telah membantu penulis dalam menyelesaian maalah ini. DAFTAR PUSTAKA [1] Lee,E. T., & Wang, J. W Statistical Methods for Survival Data Analysis. 3rd ed. New Yor: John Wiley and Sons, Inc. [2] Ando, T., Imoto, S. & Miyano, S Kernel Survival Models for Identifying Cancer Subtypes, Predicting Patient s Cancer Types and Survival Probabilities. Genome Informatics, 15(2), pp [3] Muthen, B. & Masyn, K Discrete-Time Survival Mixture Analysis. Journal of Educational and Behavioral Statistics, 5(2), pp [4] Hariyanto, S Model Mixture Survival pada Kasus Lama Kerja di Pulau Jawa Tahun Tesis (Tida Dipubliasian). Surabaya: Institut Tenologi Sepuluh Nopember. [5] Hasyim, M Model Mixture Survival Spasial dengan Frailty Berdistribusi Conditionally Autoregressive (CAR) pada Kasus Kejadian Demam Berdarah Dengue (DBD) di Kabupaten Pameasan. Tesis (Tida Dipubliasian). Surabaya: Institut Tenologi Sepuluh Nopember. [6] Green, P. J Reversible Jump Marov Chain Monte Carlo Computation and Bayesian Model Determination. Biometria, 82(4), pp [7] Richardson, S. & Green, P. J On Bayesian Analysis of Mixture with an Unnown Number of Components. Journal of the Royal Statistical Society, 59(4), pp [8] Iriawan, N Studi tentang Bayesian Mixture Normal dengan Menggunaan Metode MCMC. Surabaya: Lemlit ITS. [9] Le, C. T Applied Survival Analysis. New Yor: John Wiley and Sons. Inc. [10] Kleinbaum, D. G. & Klein, M Survival Analysis: A Self Learning. 3rd ed. New Yor: Springer. Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
9 [11] Collet, D Modelling Survival Data in Medical Research. London: Chapman and Hall. [12] Bernando, J. M. & Giron, F. J A Bayesian Analysis of Simple Mixture Problem. Bayesian Statistics, Volume 3, pp i Lee & Wang ii Ando, et al iii MUthen iv Hariyanto v Hasyim vi Green,1995 vii Richardson & green viii Iriawan, 2001 ix Le, 1997 x Kleinbaum xi Collet xii Bernando Prosiding Seminar Nasional Matematia dan Pendidian Matematia UMS
BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciPendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciDESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO
DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciPenentuan Sampling Minimal Dalam Eksperimen Life-Testing menggunakan Order Statistics. Oleh:
Penentuan Sampling Minimal Dalam Esperimen Life-Testing menggunaan Order Statistics Oleh: Budhi Handoo Staff Pengajar Jurusan Statistia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Padjadjaran
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciModel Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan
Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciPenerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik
Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciMODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL. Universitas Hasanuddin
MODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL 1 Rima Ruktiari, 2 Sri Astuti Thamrin, 3 Armin Lawi 1,2,3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperinciMetode Penggerombolan Berhirarki
4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e
Lebih terperinciMega Khoirunnisak 1, Nur Iriawan 2
1 PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA BERHENTI STUDI (DROP OUT) DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER MENGGUNAKAN ANALISIS BAYESIAN MIXTURE SURVIVAL Mega Khoirunnisak 1, Nur Iriawan 2
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciMODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)
MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan (asmara@ut.ac.id) Sitta Alief Farihati Jurusan Matematia
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciTransformasi Wavelet Diskret Untuk Data Time Series
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 015 Transformasi Wavelet Disret Untu Data Time Series S - 11 11 Vemmie Nastiti Lestari, Subanar Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan
Lebih terperinciAPLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK
APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciAgar Xn berperilaku acak yang dapat dipertanggungjawabkan :
ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNTUK DETEKSI KERUSAKAN. B.T. Atmaja, A.S. Aisyah, dan D.
PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNUK DEEKSI KERUSAKAN B.. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan eni Fisia,Faultas enologi Industri, Institut enologi
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciMAT. 12. Barisan dan Deret
MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciPEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR- FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI SULAWESI SELATAN TAHUN 2014
PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR- FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI SULAWESI SELATAN TAHUN 2014 SKRIPSI Diajuan Untu Memenuhi Salah Satu Syarat Meraih Gelar Sarjana
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciOPTIMALISASI PORTOFOLIO SAHAM DENGAN BAYESIAN MARKOV CHAIN MONTE CARLO MENGGUNAKAN PENDEKATAN MODEL MIXTURE OF MIXTURE
OPTIMALISASI PORTOFOLIO SAHAM DENGAN BAYESIAN MARKOV CHAIN MONTE CARLO MENGGUNAKAN PENDEKATAN MODEL MIXTURE OF MIXTURE Dina Ristiningtyas dan Nur Iriawan Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen
Lebih terperinciTUGAS I RANCANGAN PERCOBAAN BAB I
TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinciKAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST
KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinci2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data
2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti
Lebih terperinciMega Khoirunnisak Pembimbing: Prof. Drs. Nur Iriawan, MIkom, PhD
Pemodelan Faktor-faktor Yang Mempengaruhi Mahasiswa Berhenti Studi (Drop Out) di Institut Teknologi Sepuluh Nopember Menggunakan Analisis Bayesian Mixture Survival Mega Khoirunnisak 1308.100.501 Pembimbing:
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinci3. Sebaran Peluang Diskrit
3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciSISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA
SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu
Lebih terperinciSeminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) UNTUK ESTIMASI POSISI PELURU KENDALI
Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER () UNTUK ESTIMASI POSISI PELURU KENDALI OLEH : Teguh Herlambang (121 21 14) DOSEN PEMBIMBING: Subchan, PhD (1971513 19972 1 1 ) Dr. Erna Apriliani, M.Si
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciModel Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama Anita Nur Vitriana, Rosita Kusumawati Program Studi
Lebih terperinciSIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE
SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciPEMODELAN IPM PROVINSI JAWA TIMUR, JAWA TENGAH, JAWA BARAT DAN SUMATERA UTARA DENGAN METODE REGRESI LOGISTIK ORDINAL
PEMODELAN IPM PROVINSI AWA IMUR, AWA ENGAH, AWA BARA DAN SUMAERA UARA DENGAN MEODE REGRESI LOGISIK ORDINAL Citra Fatimah Nur dan Purhadi Mahasiswa urusan Statistia, Institut enologi Sepuluh Nopember Kampus
Lebih terperinciBAB II DASAR TEORI. II.1. Pendahuluan
BAB II DASAR EORI II.1. Pendahuluan Pada bab ini pertama-tama aan dijelasan secara singat apa yang dimasud dengan target tracing dalam sistem Radar. Di dalam sebuah sistem Radar ada beberapa proses yang
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
Lebih terperinci