Bab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi
|
|
- Adi Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 31 Bab V MetodeFunctional Statistics Algorithm (FSA) dalam Sintesis Populasi V.1 Mengenal Metode Functional Statistics Algorithm (FSA) Metode Functional Statistics Algorithm (FSA) adalah sebuah metode yang dikembangkan untuk menyelesaikan permasalahan yang berkaitan dengan distribusi data. Metode ini digunakan untuk menganalisis distribusi, untuk mendapatkan sesuatu dari distribusi tersebut. FSA merupakan algoritma yang lengkap untuk menentukan parameter, yang diperoleh dengan menganalisis distribusi yang telah ditentukan fungsinya. Selain dapat menentukan parameter, FSA digunakan untuk langkah fitting suatu data distribusi agar memiliki galat (error) yang kecil, sehingga didapatkan distribusi terbaik yang mendekati teori (kebenaran). FSA bekerja tanpa melibatkan angka random. Ide utama FSA adalah menyelesaikan masalah distribusi secara statistik, tanpa melibatkan angka random, tetapi menggunakan pembobotan noninteger pada distribusi frekuensi yang diasumsikan. FSA menyelesaikan masalah yang berkaitan dengan statistik dengan cara memeriksa atau meneliti fungsi distribusinya saja, kemudian kita tentukan nilai di setiap titik distribusi. Secara umum, berdasarkan hal tersebut, maka FSA membutuhkan fungsi yang kontinu, agar nilai pada setiap titiknya diketahui. FSA membutuhkan beberapa konsep untuk memudahkan penyelesaian masalah statistik distribusi ini, yaitu : konsep kekontinuan fungsi dan konsep interpolasi. Hal ini menunjukkan bahwa FSA dapat bekerja dengan jumlah titik data yag sedikit, atau bahkan memungkinkan untuk menyelesaikan masalah distribusi tanpa data, FSA hanya memerlukan fungsi saja, kemudian dihitung nilai fungsinya berdasarkan distribusi frekuensi yang diasumsikan dengan memasukkan bobot non-integer terhadap nilai fungsi tersebut. Metode FSA dapat diterapkan dalam distribusi apapun. Asalkan fungsinya diketahui, kita akan mengetahui nilai di setiap titik distribusinya sepanjang fungsi yang membentuk distribusi. Kita akan menggunakan metode FSA ini dalam mengestimasi parameter dalam diagram HR, beserta proses fittingnya. Proses fitting biasanya dengan menggunakan isochrone fitting, dahulu dilakukan secara subjektif, bergantung kepada orang yang melakukan proses isochrone fitting, yaitu dengan chi by eye. Maka
2 32 disusunlah metode yang mencoba menghilangkan subjektivitas dalam proses isochrone fitting, yaitu dengan FSA. Dengan menggunakan metode FSA, membuat hasil lebih objektif, karena perhitungan FSA lebih presisi dan galat yang dihasilkan sangat kecil, tidak tergantung kepada orang yang melakukan proses fitting. FSA merupakan algoritma yang tidak melibatkan angka random, sehingga komputasinya lebih efisien dibandingkan dengan metode yang melibatkan angka random dalam jumlah yang sangat besar, yaitu metode Monte Carlo. Kita akan melihat perbandingan metode manakah yang lebih efektif dan efisien dalam menyelesaikan masalah distribusi data. Kedua metode yang digunakan dalam simulasi masing-masing memiliki kelemahan dan kelebihan dalam menyelesaikan masalah distribusi. Di satu sisi salah satu metode lebih unggul dibandingkan metode yang lainnya. Akan tetapi di sisi yang lain, mungkin terjadi sebaliknya. Kita harus bisa memanfaatkan metode mana yang harus digunakan pada masalah yang dihadapi, apakah menggunakan metode FSA atau menggunakan metode Monte Carlo. Hal yang harus diingat adalah keefektifan dan keefisienan. V.2 Metode FSA : sebuah alternatif dari metode Monte Carlo dalam penyelesaian masalah distribusi (khususnya dalam analisis diagram HR) Menurut Wilson (2001) dan Wilson & Hurley (2003), Metode Functional Statistics Algorithm (FSA) dikembangkan dalam analisis diagram HR. Akan tetapi metode ini dapat diterapkan dalam berbagai masalah distribusi, yang biasanya diselesaikan dengan metode Monte Carlo. FSA adalah algoritma lengkap untuk mengestimasi parameter, termasuk langkah fitting. FSA menyelesaikan masalah statistik dengan menghitung fungsi, tanpa melibatkan angka random. Dengan tidak melibatkan angka random, membuat FSA lebih efisien dibandingkan dengan metode Monte Carlo dalam hal komputasinya, karena FSA tidak menghasilkan noise dalam komputasi teoritis yang disebabkan oleh percobaan random dengan jumlah yang besar. FSA hanya membutuhkan beberapa titik data, sebagai contoh yang realistis yang mewakili rentang distribusi statistik fungsi yang dimaksud. Jadi FSA tidak membutuhkan distribusi yang besar, hanya memerlukan fungsinya saja. Hal yang mendasar dalam pemikiran saintifik adalah bahwa noise observasi mengganggu perhitungan akurat. Salah satu efek yang ditimbulkan karena adanya noise tersebut adalah menjadikan observasi dan komputasi teoritis tidak sama dalam kenampakan dan distribusi.
3 33 Metode Monte Carlo, justru menimbulkan masalah ini, yaitu dengan menghadirkan noise ke komputasi teoritis, sehingga perhitungannya menjadi lebih lama dibandingkan dengan menggunakan metode FSA. Dalam menganalisis diagram HR, FSA efisien untuk masalah multiple stars dan untuk distribusi komposisi kimia, ekstingsi antar bintang dan parameter lainnya. FSA bekerja secara statistik ketika menghilangkan keterlibatan angka random. FSA menggunakan pembobotan non-integer berdasarkan pada distribusi frekuensi yang diasumsikan. Sebagai contoh, parameter komposisi kimia z, dalam hal ini nilai ratarata z diasumsikan memiliki distribusi Gaussian. Satu nilai z untuk keseluruhan bintang tentu akan bermanfaat, dan kita dapat menggunakan data tersebut dengan mudah. Untuk mendapatkan model yang terbaik, kita cukup melakukan perhitungan menggunakan FSA evolusi 10 bintang dengan nilai z yang bervariasi, kemudian diberikan bobot fraksi pada masing-masing bintang, yang ditambahkan kepada bobot bintang asal. FSA menggantikan setiap bintang individu dengan memberikan nilai bintang fraksi beserta dengan nilai z yang terdapat pada masing-masing bintang. Fraksi pembobotan bintang adalah daerah tepat di bawah kurva distribusi, dalam hal ini kurva distribusi Gaussian, atau dapat distribusi apapun, tergantung kepada distribusi frekuensi yang kita asumsikan. Akan tetapi dengan menggunakan metode Monte Carlo, untuk hasil yang sama dengan metode FSA, kita membutuhkan lebih banyak lagi jumlah bintang dan nilai z random yang bervariasi yang dijadikan percobaan / sampel. Hal ini disebabkan metode Monte Carlo megatasi masalah pembobotan dengan menempatkan titik distribusi angka random mengikuti distribusi frekuensi yang diasumsikan. Metode Monte Carlo mengintegrasikan di bawah distribusi dengan merata-ratakan, maka angka random yang dijadikan titik distribusi harus sangat besar, sedangkan FSA mengintegrasikan secara langsung. Dalam metode Monte Carlo, semakin banyak percobaan random yang dijadikan titik distribusi, maka akurasi distribusi data akan semakin baik. FSA bekerja dengan baik dengan jumlah titik distribusi kurang dari 10 titik serta jumlah including parameter yang sedikit, sedangkan Monte Carlo bekerja dengan baik jika jumlah percobaan randomnya sangat besar. Hal ini mengindikasikan bahwa metode FSA lebih efektif dan efisien dibandingkan metode Monte Carlo dalam hal running time komputasi. FSA memiliki kelemahan, yaitu semakin banyak jumlah including parameter, FSA akan semakin rumit dalam hal pembobotannya. Secara umum keduanya dapat diterapkan untuk
4 34 penyelesaian distribusi, dalam satu sisi FSA lebih efektif dibandingkan Monte Carlo, akan tetapi di sisi yang lain, Monte Carlo lebih efektif dan efisien dibandingkan dengan FSA. Salah satu masalah yang cukup sulit dalam diagram HR adalah masalah multiple star, yang menyebabkan deret utama dan juga deret lainnya berubah dan terjadi pelebaran. Pemodelan yang tepat membutuhkan pemahaman mengenai distribusi massa dari companion stars. Dengan membandingkan diagram HR teoritis dan diagram HR observasi, kita akan mendapatkan parameter distribusi dan mengestimasi parameter tersebut. Multiple star yang meliputi sistem bintang yang memiliki dua anggota (binaries), bintang ganda yang memiliki tiga anggota (triple) dan seterusnya. Sistem bintang yang memiliki dua anggota meliputi : close binaries dan wide binaries. Close binaries adalah sistem bintang dua anggota yang memiliki interaksi kuat, sedangkan wide binaries adalah sistem bintang dua anggota yang memiliki interaksi lemah. Wide binaries dilambangkan dengan w, sedangkan close binaries dilambangkan dengan c. sistem multiple dapat diimplementasikan menggunakan metode FSA. FSA merepresentasikan setiap primary star pada IMF (Initial Mass Function) dengan N p. N p menunjukkan salinan bintang yang sama dengan pembobotan fraksi, ditambahkan kepada bintang asal. Salinan bintang ada yang berupa close companion stars, wide companion stars dan gabungan antara close companion stars dan wide companion stars, dan juga single stars. Maka berdasarkan hal tersebut, terdapat empat kategori sistem bintang, yaitu sistem bintang yang memiliki tiga anggota (triple stars), sistem bintang yang memiliki dua anggota (wide companion dan close companion) dan bintang tunggal (single star). Sistem bintang yang memiliki tiga anggota berasal dari gabungan dari wide companion dan close companion. Terdapat sebuah parameter yang dapat membedakan antara companion yang memiliki massa bervariasi dengan wide companion dan close companion yang terdistribusi secara uniform pada diagram. Parameter yang dimaksud adalah q, yang merupakan perbandingan antara massa companion dan massa primary. Sebagai contoh aplikasi, kita akan menggunakan lima nilai q untuk setiap kategori companion, dan menggunakan fungsi pendekatan yang sederhana. Parameter yang hendak ditentukan adalah Initial Mass Function (IMF). Kerapatan probabilitas untuk wide companion dalam satu interval q adalah P w = A w + B w q w, sedangkan kerapatan probabilitas untuk close companion dalam satu interval q
5 35 adalah P c = A c + B c q c. probabilitas sistem relatif untuk empat kategori companion adalah sebagai berikut : i. (1 - P w )(1 P c ), untuk sistem bintang yang memiliki satu anggota ii. P c ( 1 P w ) / 5, untuk sistem bintang close binaries iii. P w ( 1 P c ) / 5, untuk sistem bintang wide binaries iv. P c P w / 25, untuk sistem bintang yang memiliki tiga anggota Untuk sistem bintang yang memiliki tiga anggota, merepresentasikan semua kombinasi yang memungkinkan dari nilai q dari wide dan close binaries. Maka sistem bintang yang memiliki tiga anggota berjumlah 25. untuk satu primary star pada IMF, kita akan memiliki 36 sistem yang meliputi 25 buah sistem bintang yang memiliki 3 anggota, 10 buah sistem bintang yang memiliki dua anggota (5 wide companion dan 5 close companion), dan satu bintang tunggal. Dengan menggunakan FSA, kita dapat menyelesaikan masalah distribusi multiple stars, yaitu dengan konsep pembobotan. Jumlah sistem bintang yang mengalami pembobotan, sebagai koreksi cluster teoritis, yang membutuhkan sedikit data dibandingkan dengan menggunakan metode Monte Carlo. Sistem Monte Carlo dalam mensimulasi distribusinya multiple stars dengan nilai q yang bervariasi membutuhkan sekitar data. Adapun dengan metode FSA untuk mendapatkan hal yang sama dengan metode Monte Carlo dibutuhkan sekitar 278 IMF. Seperti yang telah dijelaskan sebelumnya, bahwa untuk satu IMF, dapat menghasilkan 36 sistem. Maka didapatkan data yang diperoleh dari hasil kali jumlah IMF 278 dengan 36 sistem yang dihasilkan dari satu IMF. Walaupun metode FSA lebih efektif dari metode Monte Carlo dalam hal jumlah data yang diperlukan, akan tetapi sesungguhnya FSA lebih rumit dalam hal pembobotan. Kita harus melakukan pembobotan terhadap bintang tunggal, bintang ganda dan bintang triple dengan bobot yang berbeda antara satu dengan yang lainnya, kemudian dihitung parameter yang hendak dicari. Semakin banyak parameter yang hendak diketahui metode FSA semakin rumit. Kelemahan FSA adalah masalah pembobotan dan banyak including parameter. Untuk melihat perbandingan metode FSA dan metode Monte Carlo, kelebihan dan kekurangannya masing-masing, dijelaskan dalam bab VI, dengan aplikasi terhadap fungsi Gaussian 2-D dan implementasi pendekatan diagram HR.
Bab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA)
37 Bab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA) VI.1 Probabilitas Integral (Integral Kumulatif) Ketika menganalisis distribusi probabilitas,
Lebih terperinciTugas Akhir. Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana dari Institut Teknologi Bandung. Oleh. R. Dicky Fardiana
Perbandingan Antara Metode Functional Statistics Algorithm (FSA) dengan Metode Monte Carlo Dalam Sintesa Populasi Tugas Akhir Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana dari Institut
Lebih terperinciBab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data
24 Bab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data IV.1 Mengenal Metode Monte Carlo Distribusi probabilitas digunakan dalam menganalisis sampel data. Sebagaimana kita ketahui,
Lebih terperinciBab II Dasar Teori Evolusi Bintang
5 Bab II Dasar Teori Evolusi Bintang II.1 Mengenal Diagram Hertzprung-Russel (HR) Ejnar Hertzprung pada tahun 1911 mem-plot sebuah diagram yang menghubungkan antara magnitudo relatif bintang-bintang dalam
Lebih terperinciSYARAT BATAS DALAM PEMROGRAMAN
Bab IV SYARAT BATAS DALAM PEMROGRAMAN Sintesis populasi pada tesis ini dilakukan dengan menggunakan parameterparameter yang telah didefinisikan sebelumnya. Pemodelan evolusi bintang dan sintesis populasi
Lebih terperinciHASIL DAN ANALISIS. Karakteristik Hasil Evolusi
Bab VII HASIL DAN ANALISIS Sintesis populasi dengan simulasi Monte Carlo memberikan sekitar 220.000 percobaan untuk 1300 sistem bintang ganda progenitor. Sistem bintang progenitor sebelumnya telah diseleksi
Lebih terperinciDAFTAR PUSTAKA. de Jager, C., Nieuwenhuijzen, H., dan van der Hucht, K. A., 1988, Mass Loss Rates in The Hertzsprung-Russel Diagram, A&AS, 72, 259
DAFTAR PUSTAKA de Jager, C., Nieuwenhuijzen, H., dan van der Hucht, K. A., 1988, Mass Loss Rates in The Hertzsprung-Russel Diagram, A&AS, 72, 259 de Kool, M., 1992, Statistics of Cataclysmic Variable Formation,
Lebih terperinciSINTESIS POPULASI DENGAN PROGRAM STAR
Bab VI SINTESIS POPULASI DENGAN PROGRAM STAR Sintesis populasi biasanya dilakukan dengan membuat sekelompok model bintang dengan berbagai massa dan parameter yang diinginkan dan kemudian diikuti evolusinya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 1. Metode Penelitian Penelitian menggunakan metode deskriptif melalui pendekatan kuantitatif. Fenomena yang ada merupakan fenomena alam berupa kumpulan bintang-bintang dalam gugus
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada pengerjaan Tugas Akhir ini penelitian dilakukan menggunakan bahasa pemograman matlab R2008b. Untuk mendapatkan koefisien respon impuls kanal harus mengikuti metodologi
Lebih terperinciDetail Tugas Besar Mata Kuliah Pemodelan dan Simulasi
Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi Buatlah aplikasi program untuk menyelesaikan kasus permasalahan dibawah ini, dengan menggunakan software aplikasi yang kalian mampu gunakan, interfacing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Obyek dalam penelitian ini adalah harga penutupan saham-saham yang direkomendasikan akan dapat bertahan pada tahun politik (2014) dalam media kompas.com,
Lebih terperinciMETODE MONTE CARLO. Pemodelan & Simulasi TM11
METODE MONTE CARLO Pemodelan & Simulasi TM11 Metode Monte Carlo Metoda Monte Carlo telah digunakan sejak abad ke-18 oleh Comte de Buffon yang mengembangkan eskperimen untuk memperoleh rasio antara diameter
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Musik saat ini tengah menjadi trend setter yang banyak digemari masyarakat. Terbukti dari menjamurnya program-program mengenai musik di media massa dan besarnya antusiasme
Lebih terperinciAnalisis Model dan Simulasi. Hanna Lestari, M.Eng
Analisis Model dan Simulasi Hanna Lestari, M.Eng Simulasi dan Pemodelan Klasifikasi Model preskriptif deskriptif diskret kontinu probabilistik deterministik statik dinamik loop terbuka - tertutup Simulasi
Lebih terperinciBAB III PEMODELAN SISTEM
BAB III PEMODELAN SISTEM Secara umum, pemodelan dari sistem pengiriman data dengan sistem Alamouti secara keseluruhan dapat dilihat pada bagan berikut: Gambar 3. 1 Bagan sistem Alamouti secara keseluruhan
Lebih terperinciSimulasi Monte Carlo
Simulasi Monte Carlo Simulasi Monte Carlo Simulasi monte carlo melibatkan penggunaan angka acak untuk memodelkan sistem, dimana waktu tidak memegang peranan yang substantif (model statis) Pembangkitan
Lebih terperinciADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB 1 PENDAHULUAN. metode yang bisaanya digunakan dalam estimasi parameter yakni Ordinary Least
BAB 1 PENDAHULUAN 1.1 Latar Belakang Data populasi dalam suatu penelitian berguna untuk mengetahui karakteristik objek yang akan menghasilkan gambaran akurat mengenai karakteristik objek tersebut. Statistik
Lebih terperinciBAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciMata Kuliah Pemodelan & Simulasi
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinci6/15/2015. Simulasi dan Pemodelan. Keuntungan dan Kerugian. Elemen Analisis Simulasi. Formulasi Masalah. dan Simulasi
Simulasi dan Pemodelan Analisis lii Model dan Simulasi Klasifikasi Model preskriptif deskriptif diskret kontinu probabilistik deterministik statik dinamik loop terbuka - tertutup Hanna Lestari, M.Eng Simulasi
Lebih terperinciBAB I PENDAHULUAN. yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan
BAB I PENDAHULUAN 1.1 Latar Belakang Investasi adalah komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa datang. Investasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciAPLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI
APLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI Robi Irsamukhti dan Nurita Putri Hardiani Program Studi Magister Terapan Teknik Panas Bumi Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciANGIN BINTANG & HORIZONTAL BRANCH
Bab V ANGIN BINTANG & HORIZONTAL BRANCH Angin bintang adalah sebuah parameter yang mutlak digunakan agar model evolusi yang dibuat lebih realistis, karena sekecil apa pun suatu bintang pastilah memiliki
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Universitas Komputer Indonesia
MODEL INVENTORY Mata Kuliah Pemodelan & Simulasi Jurusan Teknik Informatika Universitas Komputer Indonesia Pendahuluan Inventory merupakan pengumpulan atau penyimpanan komoditas yang akan digunakan untuk
Lebih terperinciBAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR,
BAB IV PEMBAHASAN IV.1 Analisa Harga Saham BBCA Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR, penulis akan menganalisa pergerakan harga saham BBCA. Data yang diperlukan dalam
Lebih terperinciStudi dan Implementasi Integrasi Monte Carlo
Studi dan Implementasi Integrasi Monte Carlo Firdi Mulia - 13507045 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Integral Integral merupakan invers atau kebalikan dari differensial. Integral terdiri dari dua macam yakni integral tentu dan integral tak tentu. Integral
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciBAB 1 PENDAHULUAN. sangat pesat. Sangat cepatnya perkembangan tersebut tidak lepas karena dukungan dari
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Ilmu pengetahuan dan teknologi saat ini telah mengalami perkembangan yang sangat pesat. Sangat cepatnya perkembangan tersebut tidak lepas karena dukungan dari
Lebih terperinciBAB III MODEL SISTEM CLOSED-LOOP POWER CONTROL PADA CDMA
SIR dipakai untuk mengestimasi kondisi kanal dan selanjutnya sebagai informasi feedback pada closed-loop power control berbasis SIR untuk menentukan besar update daya pancar MS. Oleh karena itu, akurasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam pembuatan solusi tersebut adalah sebagai berikut: harapan dan memiliki manfaat yang maksimal.
BAB III METODOLOGI PENELITIAN Pada bab ini akan menjelaskan tentang tahapan-tahapan yang dilakukan untuk memecahkan masalah. Tahapan tersebut diawali dengan analisa permasalahan yang terjadi dalam Puskesmas
Lebih terperinciBAB III EXTENDED KALMAN FILTER DISKRIT. Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended
26 BAB III EXTENDED KALMAN FILTER DISKRIT 3.1 Pendahuluan Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended Kalman Filter merupakan algoritma yang digunakan untuk mengestimasi variabel
Lebih terperinciBab III Proses Smoothing Distribusi Menggunakan Metode Pixel Sharing
14 Bab III Proses Smoothing Distribusi Menggunakan Metode Pixel Sharing III.1 Konsep Areal Density dan Pixel Sharing Konsep areal density, sebagai sebuah kuantitas yang menyatakan jumlah titik data dalam
Lebih terperinci( ) ( ) (3) II-1 ( ) ( )
BAB II LANDASAN TEORI 2.1 Naïve Bayes Classifier 2.1.1 Teorema Bayes Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (atau aturan Bayes) dengan
Lebih terperinciBab II. Prinsip Fundamental Simulasi Monte Carlo
Bab II Prinsip Fundamental Simulasi Monte Carlo Metoda monte carlo adalah suatu metoda pemecahan masalah fisis dengan menirukan proses-proses nyata di alam memanfaatkan bilangan acak/ random. Jadi metoda
Lebih terperinciBAB IV PEMODELAN SISTEM
BAB IV PEMODELAN SISTEM 4.1 ASUMSI PERHITUNGAN MODEL Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi
Lebih terperinciPerancangan dan Pengujian Desain Sinkronisasi Waktu dan Frekuensi
Bab 4 Perancangan dan Pengujian Desain Sinkronisasi Waktu dan Frekuensi Pada bagian ini, penulis akan merancang sinkronisasi waktu dan frekuensi pada penerima DVB-T dengan menggunakan metoda-metoda yang
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis. Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Teori Inventori Inventory merupakan pengumpulan atau penyimpanan komoditas yang akan digunakan
Lebih terperinciAplikasi Graf pada Deskripsi Sistem Lokalisasi Robot Humanoid dengan Metode Monte Carlo Localization dan K Means Clustering
Aplikasi Graf pada Deskripsi Sistem Lokalisasi Robot Humanoid dengan Metode Monte Carlo Localization dan K Means Clustering Miftahul Mahfuzh (13513017) Program Studi Teknik Informatika Sekolah Teknik Elektro
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciSIMULASI ANTRIAN KLINIK DAN IMPLEMENTASINYA MENGGUNAKAN GPSS
SIMULASI SIMULASI ANTRIAN KLINIK DAN IMPLEMENTASINYA MENGGUNAKAN GPSS Dosen Pengampu : Dr. Danardono DISUSUN OLEH : Nama : Muh. Zaki Riyanto NIM : (02/156792/PA/08944) Prodi : Matematika JURUSAN MATEMATIKA
Lebih terperinciUKURAN SAMPEL DAN DISTRIBUSI SAMPLING DARI BEBERAPA VARIABEL RANDOM KONTINU
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 3, o.1 (14), hal 1-6. UKURA SAMPEL DA DISTRIBUSI SAMPLIG DARI BEBERAPA VARIABEL RADOM KOTIU Muhammad urudin, Muhlasah ovitasari Mara, Dadan Kusnandar
Lebih terperinciTriyana Muliawati, S.Si., M.Si.
SI 2201 - METODE NUMERIK Triyana Muliawati, S.Si., M.Si. Prodi Matematika Institut Teknologi Sumatera Lampung Selatan 35365 Hp. +6282260066546, Email. triyana.muliawati@ma.itera.ac.id 1. Pengenalan Metode
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Upaya pengembangan teknik-teknik baru untuk memanfaatkan sumber daya spektrum frekuensi yang terbatas terus dilakukan. CDMA dan antena adaptif adalah dua pendekatan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Gambar 3.1. Diagram Alir Sistematika Pemecahan Masalah 30 31 3.1.Tahap Identifikasi dan Pendahuluan Tahap identifikasi dan pendahuluan dilakukan dengan cara melakukan studi
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Robot manipulator adalah sebuah robot yang secara mekanik dapat difungsikan untuk memindahkan, mengangkat dan memanipulasi benda kerja[11]. Model dinamika dari robot
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Dasar Teori Antrian Dalam kehidupan sehari-hari, antrian (queueing) sangat sering ditemukan. Mengantri sering harus dilakukan jika kita menunggu giliran misalnya mengambil
Lebih terperinciPEMANFAATAN METODE MONTE CARLO DALAM PENCARIAN PATH TERPENDEK PADA GRAF
PEMANFAATAN METODE MONTE CARLO DALAM PENCARIAN PATH TERPENDEK PADA GRAF Said Iskandar Al Idrus Jurusan Matematika FMIPA Universitas Negeri Medan said.iskandar.alidrus@gmail.com Abstrak Pada saat ini ada
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Estimasi fungsi survival atau biasa disebut regresi fungsi survival merupakan bagian penting dari analisis survival. Estimasi ini biasa digunakan dalam
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciLOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK
LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK Deddy Barnabas Lasfeto Abstrak : Selama ini, metode peramalan secara konvensional yang digunakan adalah analisis regresi. Oleh karena itu, dicoba untuk
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Di dalam statistika, sebuah estimator adalah hasil perhitungan suatu estimasi terhadap kuantitas tertentu berdasarkan pada data terobservasi atau
Lebih terperinciPENDAHULUAN. Latar Belakang. Tujuan Penelitian
PENDAHULUAN Latar Belakang Fungsi Cobb-Douglas dengan galat aditif merupakan salah satu fungsi produksi yang dapat digunakan untuk menganalisis hubungan antara hasil produksi dan faktor-faktor produksi.
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciBAB V DISTRIBUSI NORMAL. Deskripsi: Pada bab ini akan dibahas mengenai konsep distribusi normal dalam pengukuran.
BAB V DISTRIBUSI NORMAL Deskripsi: Pada bab ini akan dibahas mengenai konsep distribusi normal dalam pengukuran. Manfaat: Memberikan metode distribusi normal yang benar saat melakukan proses pengukuran.
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN
DAFTAR ISI LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... x BAB I PENDAHULUAN...
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
5 II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan
Lebih terperinciBAB IV ANALISIS STATISTIK KETIDAKPASTIAN ACAK. Manfaat: Memberikan metode yang benar saat melakukan proses analisis hasil pengukuran.
BAB IV ANALISIS STATISTIK KETIDAKPASTIAN ACAK Deskripsi: Pada bab ini akan dibahas mengenai konsep analisis statistic ketidakpastian acak dalam suatu pengukuran. Manfaat: Memberikan metode yang benar saat
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Instrumen pengukur sejauh mana penguasaan kompetensi suatu bidang keilmuan seseorang dapat diketahui dengan melakukan tes. Tes memiliki berbagai macam
Lebih terperinciBAB 3 PERANCANGAN 3.1 GAMBARAN UMUM PROSES SEGMENTASI DOKUMEN
28 BAB 3 PERANCANGAN Pada bab ini akan dijelaskan mengenai rancangan percobaan pada penelitian segmentasi dokumen ini. Pembahasan akan dimulai dengan penjelasan mengenai gambaran umum proses segmentasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciOPTIMASI MULTI-OBJECTIVE UNTUK DISTRIBUSI BEBAN KERJA PEGAWAI MENGGUNAKAN NSGA-II AHMAD KHAIDIR TELEMATIKA CIO - TEKNIK ELEKTRO - ITS
OPTIMASI MULTI-OBJECTIVE UNTUK DISTRIBUSI BEBAN KERJA PEGAWAI MENGGUNAKAN NSGA-II AHMAD KHAIDIR 2210206725 TELEMATIKA CIO - TEKNIK ELEKTRO - ITS LATAR BELAKANG Perbaikan kinerja aparatur pemerintah Optimasi
Lebih terperinciBAB I PENDAHULUAN. bawah interaksi gravitasi bersama dan berasal dari suatu awan gas yang sama
BAB I PENDAHULUAN I.1 Latar Belakang Gugus bintang (stellar cluster) adalah suatu kelompok bintang yang berada di bawah interaksi gravitasi bersama dan berasal dari suatu awan gas yang sama yang menjadi
Lebih terperinciBAB IV SIMULASI DAN UNJUK KERJA MODULASI WIMAX
BAB IV SIMULASI DAN UNJUK KERJA MODULASI WIMAX Sebelum pembuatan perangkat lunak simulator, maka terlebih dahulu dilakukan pemodelan terhadap sistem yang akan disimulasikan. Pemodelan ini dilakukan agar
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBAB I PENDAHULUAN. negara-negara berkembang seperti Indonesia. Teknologi elektronik digunakan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi saat ini sedang terjadi di seluruh dunia terutama di negara-negara berkembang seperti Indonesia. Teknologi elektronik digunakan memudahkan
Lebih terperinciPENENTUAN PROSENTASE CALON MAHASISWA BARU YANG AKAN MENDAFTAR ULANG DENGAN BANTUAN SIMULASI MONTE CARLO
PENENTUAN PROSENTASE CALON MAHASISWA BARU YANG AKAN MENDAFTAR ULANG DENGAN BANTUAN SIMULASI MONTE CARLO Yogi Yusuf Wibisono Jurusan Teknik Industri Universtias Katolik Parahyangan Jalan Ciumbuleuit 94
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Suatu antrian ialah suatu garis tunggu dari nasabah yang memerlukan layanan dari satu atau lebih fasilitas pelayanan. Kejadian garis tunggu timbul disebabkan oleh
Lebih terperinciSIMULASI MONTE CARLO PADA PENENTUAN PERUBAHAN HARGA SAHAM ADHI.JK MELALUI PENDEKATAN PROSES WIENER DAN LEMMA ITÔ
Prosiding Seminar Nasional Volume 02, Nomor 1 ISSN 2443-1109 SIMULASI MONTE CARLO PADA PENENTUAN PERUBAHAN HARGA SAHAM ADHI.JK MELALUI PENDEKATAN PROSES WIENER DAN LEMMA ITÔ Zulfiqar Busrah 1, Budyanita
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Power control pada sistem CDMA adalah mekanisme yang dilakukan untuk mengatur daya pancar mobile station (MS) pada kanal uplink, maupun daya pancar base station
Lebih terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinciBAB 2 LANDASAN TEORI. dari beberapa item atau bahan baku yang digunakan oleh perusahaan untuk
BAB 2 LANDASAN TEORI 2.1 Definisi Persediaan Menurut Jacob, Chase, Aquilo (2009: 547) persediaan merupakan stok dari beberapa item atau bahan baku yang digunakan oleh perusahaan untuk produksi. Sedangkan
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
Salatiga, 5 Juni 23, Vol 4, No., ISSN:287 922 ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip 2), dan Bambang Susanto 3) ) Mahasiswa Program Studi
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June 2017 1 / 31 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciBAB I PENDAHULUAN. Sistem radio digital (Digital Audio Broadcasting, DAB, sekarang ini lazim
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sistem radio digital (Digital Audio Broadcasting, DAB, sekarang ini lazim disebut dengan radio digital) sangat inovatif dan merupakan sistem penyiaran multimedia
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciBAB III PEMODELAN MIMO OFDM DENGAN AMC
BAB III PEMODELAN MIMO OFDM DENGAN AMC 3.1 Pemodelan Sistem Gambar 13.1 Sistem transmisi MIMO-OFDM dengan AMC Dalam skripsi ini, pembuatan simulasi dilakukan pada sistem end-to-end sederhana yang dikhususkan
Lebih terperinciSTUDI BIT ERROR RATE UNTUK SISTEM MC-CDMA PADA KANAL FADING NAKAGAMI-m MENGGUNAKAN EGC
S TUGAS AKHIR RE 1599 STUDI BIT ERROR RATE UNTUK SISTEM MC-CDMA PADA KANAL FADING NAKAGAMI-m MENGGUNAKAN EGC IFTITAH ANGGRAINI NRP 2202 100 009 Dosen Pembimbing Ir.Titiek Suryani, MT JURUSAN TEKNIK ELEKTRO
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flowchart Diagram 3.1 Flowchart Metodologi Pemecahan Masalah Diagram 3.1 Flowchart Metodologi Pemecahan Masalah (Lanjutan) 62 63 3.2 Observasi Lapangan Observasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian Pembangunan perangkat lunak dalam tugas akhir ini menggunakan seperangkat komputer dengan spesifikasi sebagai berikut :
Lebih terperinciModel simulasi harus merefleksikan sifat-sifat penting sistem nyata. Untuk menjelaskan proses pemodelan akan digunakan percobaan jarum Buffon.
Model simulasi harus merefleksikan sifat-sifat penting sistem nyata. Untuk menjelaskan proses pemodelan akan digunakan percobaan jarum Buffon. Percobaan Disimulasikan Percobaan Jarum Buffon. Jarum sepanjang
Lebih terperinciTENTANG UTS. Penentuan Cadangan, hal. 1
TENTANG UTS Soal 1: Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan di atas tekanan saturasi, sedangkan dalam banyak jawaban di bawah tekanan
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciModul 14. PENELITIAN OPERASIONAL I MODEL SIMULASI. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
. PENELITIAN OPERASIONAL I MODEL SIMULASI Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 007 MODEL SIMULASI PENDAHULUAN
Lebih terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinci