BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,
|
|
- Doddy Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi ormal bau, peasir tabias μ da σ, outlier, diagram otrol, riteria tida terotrol, average ru legth(arl), diagram otrol variabel, diagram otrol simpaga bau(σ), diagram otrol R, diagram otrol s da diagram otrol simpaga bau robust.. Distribusi Normal da Distribusi Normal Bau..1 Distribusi Normal Distribusi ormal merupaa distribusi probabilitas otiu yag palig petig dalam bidag statistia. Distribusi ormal disebut juga sebagai distribusi Gaussia yag maa hal ii diberia sebagai peghargaa utu ahli matematia jerma Karl Friedrich Gauss ( ) dalam betu fugsi distribusi ormal. Fugsi desitas dari peubah aca X yag berdistibusi ormal dega ratarata μ da varias σ adalah: dimaa : - x ; - µ ; σ > 0 ditulis X~N(μ, σ ) f(x) = 1 σ π e 1 (x μ σ ) (.1) Distribusi ormal memilii urva yag simetris membetu suatu loceg (lihat Gambar.1). Hal ii terjadi etia ilai rata-rata, media, da modus dari data 5
2 6 berilai sama, amu etia odisi ii tida terpeuhi, distribusi data yag terbetu aa mirig aa atau mirig iri. f(x) μ x Gambar.1 Kurva Distribusi Normal.. Distribusi Normal Bau Distribusi ormal bau adalah distribusi ormal yag memilii sifat husus, yaitu distribusi dega : rata-rata(µ) = 0 da simpaga bau(σ) = 1. Distribusi ormal bau mucul sebagai solusi dari adaya masalah dalam peyusua tabel distribusi ormal. Masalah tersebut ialah eyataa bahwa terdapat baya seali macam distribusi ormal dipegaruhi oleh ilai rata-rata da simpaga bau ya. Oleh area itu agar ita tetap dapat mecari probabilitas suatu iterval dega megguaa lagah pratis melalui tabel distribusi ormal daripada perhituga metode itegral yag lebih omples, maa diguaalah apa yag disebut dega distribusi ormal bau. Maa dari itu, seluruh pegamata dega setiap peubah aca ormal X dega rata-rata μ da varias σ dapat ditrasformasia mejadi himpua pegamata baru suatu peubah aca ormal Z dega E(Z)=0 da V(Z)=1. Hal ii dapat dierjaa dega trasformasi sebagai beriut : Z = X μ σ (.) Fugsi desitas ormal bau didasara pada Persamaa (.1) dega meggati μ = 0 da σ = 1 yaitu:
3 7 f(z) 1 1 π e Z, z...(.3) Betu trasformasi di atas memetaa distribusi ormal mejadi distribusi ormal stadard (bau). Trasformasi ii juga mempertahaa luas di bawah urva distribusi ormal ya. Artiya, luas di bawah urva distribusi ormal atara x 1 da x sama dega luas dibawah urva distribusi ormal stadard atara z 1 da z..3 Peasir Tabias μ da σ Misala X 1, X,, X merupaa sampel aca dari distribusi N(μ, σ ) dega μ. Meurut Hogg da Craig (1995) peasir emugia masimum bagi da dari sampel tersebut masig-masig adalah : μ = i=1 X i σ = i=1 (X i X ) (.) (.5) Dapat ditujua bahwa rata-rata peasir μ da σ masig-masig adalah : E(μ ) = μ da E(σ ) = ( 1) Tampa μ merupaa peasir tabias dari μ da σ merupaa peasir bias utu σ. Sehigga peasir tabias bagi σ adalah : σ s = i=1 (X i X ) 1 (.6) Aa tetapi simpaga bau s yaitu aar uadrat dari Persamaa (.6) merupaa peasir bias bagi σ, yaitu: E(s) = c σ da V(s) = σ (1 c ) dimaa, c = ( 1 ) Γ( ) (.7) 1 Γ[ ( 1) ] maa peasir tabiasya adalah: s = s c (.8)
4 8. Outlier Outlier serig ali ditemua dalam seumpula data, bai data hasil peelitia melalui esperime maupu survey. Outlier merupaa pegamata yag meyimpag jauh dari pegamata laiya. Outlier ii meimbula ecurigaa bahwa pegamata tersebut dihasila dari elompo yag berbeda Dari pemerisaa sampel yag megadug outlier, aa meimbula arateristi yag berbeda atara pegamata outlier tersebut dega pegamata-pegamata bua outlier (Hawi, 1980). Barett da Lewis (199) meyataa bahwa outlier adalah pegamata atau sebagia pegamata yag tampa tida osiste dega himpua data sisaya. Outlier dapat berasal dari distribusi yag sama dega elompo data yag laiya atau berasal dari distribusi lai (otamia). Salah satu metode utu medetesi outlier adalah dega megguaa box plot. Boxplot merupaa rigasa distribusi sampel yag disajia secara grafis yag bisa meggambara betu distribusi data (sewess), uura tedesi setral da uura peyebara (eragama) data pegamata. Terdapat uura statisti yag bisa ita baca dari boxplot yaitu ilai miimum, uartil pertama, media, uartil etiga, ilai masimum, pagar dalam (ier fece), pagar luar (outer fece) da boxplot juga dapat meujua ada tidaya ilai outlier da ilai estrim dari data pegamata. Nilai pagar dalam (ier fece) da pagar luar (outer fece) yag dihitug sebagai beriut: ier fece: H H L U - (1.5 H - spread) (1.5 H - spread) (.9) outer fece: H H L U - (3 H - spread) (3 H - spread) (.10)
5 9 dimaa, H L = uartil e 1 H U = uartil e 3 H spread = H U H L Secara umum betu dari boxplot terlihat pada Gambar.. Gambar. Box Plot Suatu pegamata disebut sebagai outlier jia suatu pegamata terleta diluar ier fece da diataa estrim jia suatu pegamata terleta diluar outer fece..5 Diagram Kotrol Diagram otrol merupaa suatu tei yag dieal sebagai metode grafi yag di guaa utu megevaluasi apaah suatu proses berada dalam pegedalia ualitas secara statisti atau tida sehigga dapat memecaha masalah da meghasila perbaia ualitas. Metode ii dapat membatu perusahaa dalam megotrol proses produsiya dega memberia iformasi dalam betu grafi. Tujua dari peracaga program apliasi diagram otrol ii adalah utu melihat sejauh maa tigat eberhasila suatu proses produsi sehigga bisa dijadia pedoma dalam megaraha perusahaa earah pemeuha spesifiasi osume. Diagram otrol merupaa alat SPC yag palig petig yag diguaa utu medetesi etia proses dalam eadaa tida teredali (out of cotrol). Diagram otrol pertama ali dipereala oleh DR. Walter Adrew Shewart dari
6 10 Bell Telephoe Laboratories, Ameria Seriat, tahu 19 dega masud utu meghilaga variasi tida ormal melalui pemisaha variasi yag disebaba oleh peyebab husus (special-causes variatio) dari variasi yag disebaba oleh sebab umum (commo-causes variatio). Pada dasarya, semua proses meampila variasi, amu proses produsi harus diedalia dega cara meghilaga variasi peyebab husus dari proses tersebut, sehigga variasi yag ada pada proses haya disebaba oleh variasi peyebab umum. Diagram otrol adalah gambar sederhaa dega tiga garis, yaitu garis pusat (ceter lie), garis batas otrol atas (BKA) da garis batas otrol bawah (BKB). Diagram otrol merupaa suatu alat dalam megedalia proses, yag bertujua utu meetua suatu proses berada dalam pegedalia statisti, mematau proses terus-meerus sepajag watu agar proses tetap stabil secara statisti da haya megadug variasi peyebab umum, serta meetua emampua proses (process capability). Pada Gambar.3 merupaa cotoh gambara diagram otrol yag diguaa dalam pegedalia ualitas secara umum. Gambar.3 Cotoh Diagram Kotrol Batas edali biasaya berjara ±3σ dari garis tegah, tetapi boleh juga memilih ±σ atau ±σ tergatug dari resio statisti da esuara mecari peyebab esalaha. Tetapi umumya baya diguaa ±3σ area lebih mudah
7 11 dalam perhituga da tabel ya sudah baya tersedia. Gambar. merupaa cotoh diagram otrol utu 3σ atau σ Gambar. Diagram Kotrol dega 3σ atau σ.5.1 Kriteria Tida Terotrol Batas-batas otrol ii dipilih sedemiia sehigga apabila proses teredali, hampir semua titi-titi sampel aa jatuh di atara edua garis itu. Mesipu semua titi-titi terleta di dalam batas edali, belum tetu proses tersebut teredali. Utu meetua riteria tida teredali ii, diagram otrol dibagi mejadi 3 zoa yag diuur dalam satua simpaga bau(σ) atara garis tegah dega batas otrol sebagai beriut: Gambar.5 Pembagia Zoa Diagram Kotrol 3σ Meurut Kiemele d (000) ada 7 gejala-gejala diagram otrol diataa tida terotrol, yaitu: 1. Terdapat 1 atau lebih titi yag berada di luar batas otrol.. 7 titi berturut-turut berada di sisi yag sama dari garis tegah.
8 titi berturut-turut membetu tre meigat atau meuru.. dari 3 titi secara berturut-turut jatuh di zoa A atau lebih, di sisi yag sama dari garis tegah. 5. dari 5 titi secara berturut-turut jatuh di zoa B atau lebih, di sisi yag sama dari garis tegah titi berturut-turut ai da turu secara bergatia titi berturut-turut jatuh di zoa C Jia diagram otrol proses tida meujua etujuh gejala diatas, atau membetu pola tida aca laiya, ita dapat megataa bahwa proses terotrol. Diagram otrol ii bai diguaa utu pergesera diatas 1.5σ. Kemampua utu medetesi pergesera yag ecil atau urag dari 1.5σ, dapat di laua dega megguaa diagram otrol yag meyertaa iformasi dari sampel sebelumya. Kierja dari diagram otrol ditetua oleh ARL seperti yag aa dijelasa beriutya..5. Average Ru Legth (ARL) Kriteria yag diguaa utu dapat membadiga ierja diagram otrol adalah dega meguur seberapa cepat diagram otrol tersebut membagita siyal out of cotrol. Diagram otrol yag lebih cepat medetesi siyal out of cotrol disebut lebih sesitif terhadap perubaha proses. Salah satu cara utu meguur ierja diagram otrol adalah dega megguaa Average Ru Legth (ARL). ARL adalah rata-rata ru (observasi) yag harus dilaua sampai ditemuaya out of cotrol yag pertama. Apabila proses dalam eadaa i cotrol maa diguaa otasi ARL0. Dega demiia ARL0 aa berilai besar da ARL1 aa berilai ecil etia proses dalam eadaa out of cotrol. Secara umum persamaa utu perhituga ilai ARL adalah:
9 13 ARL = 1 dega p = probabilitas suatu titi eluar dari batas-batas diagram otrol. p Utu ARL0, p=α= probabilitas esalaha/error tipe I (meyataa eadaa tida terotrol padahal eadaa terotrol) atau probabilitas suatu titi rata-rata sampel jatuh dari luar batas otrol pada saat proses terotrol, α disebut juga sebagai probabilitas false alarm, sedaga utu ARL1 ilai p=1-β=probabilitas esalaha/error tipe II (meyataa eadaa terotrol padahal eadaa tida terotrol) atau probabilitas suatu titi rata-rata sampel jatuh di dalam batas otrol pada saat proses tida terotrol. Secara umum performa bai dari sebuah diagram otrol jia mempuyai ARL0 sebesar mugi da ARL1 seecil mugi. (Motgomery, 01).6 Diagram Kotrol Variabel Data variabel merupaa peubah aca otiyu. Data ii diuur dalam satua-satua uatitatif, sebagai cotoh: Cycle time yag dibutuha utu melaua satu proses, Diameter poros, Tiggi bada 100 orag operator, da lai-lai. Ketia ita mempuyai data variabel terdapat dua uura yag diotrol yaitu loasi da dispersi dari distribusi. Utu data distribusi ormal, parameter loasi diotrol oleh X da dispersi oleh s da R. Pada bagia selajutya haya aa dibahas diagram otrol dispersi dega megguaa simpaga bau(σ). Utu megotrol simpaga bau, diperlua sampel yag diambil dalam beberapa periode. Adaia uura sampelya da bayaya periode pegamata sebaya. Secara umum data hasil pegamata X sebagai arateristi mutu yag diuur dapat disajia seperti pada Tabel.1.
10 1 Tabel.1. Data Pegamata utu Karateristi Mutu Variabel Pegamata Periode X R S S x 11 x 1... x 1 x 1 R1 s 1 s 1 x 1 x... x x R s s s s 3 3 x 31 x 3... x 3 x 3 R x 1 x... x x R s s Jumlah Rata-rata i1 x i R i i1 s i i1 x i Ri s i x 1 i R 1 i s s i i1 1 i ~ 1 1 s s i i1.7 Diagram Kotrol Simpaga Bau (σ) Adaia X adalah arateristi mutu yag mejadi perhatia, berdistribusi ormal dega rata-rata μ da variasya σ atau ditulis X~N(μ, σ ). Dispersi proses yag aa diotrol diwaili oleh simpaga bau (σ) dega cara megambil sampel beruura yaitu X 1, X,, X, pada masig-masig periode. Secara umum batas-batas otrol Shewhart 3σ dega megguaa statisti Y (fugsi dari sampel aca) adalah sebagai beriut: BKA E( Y ) 3 Pusat E( Y ) BKB E( Y ) 3 Var( Y ) Var( Y ) (.11) Dalam pratiya utu megotrol simpaga bau (σ) Y dapat berupa simpaga bau sampel (s) atau retag (R). Utu diagram otrol R da s aa dibahas pada subbab beriutya.
11 Diagram Kotrol R Dapat ditujua bahwa rata-rata da varias dari R masig-masig sebagai beriut: E(R) = d σ V(R) = d 3 σ dimaa ilai d da d 3 utu berbagai terdapat pada Lampira 3. Oleh area itu, batas-batas otrol R dega megguaa Persamaa (.11) adalah: BKA d 3 BKB d 3 Pusat d d d 3 3 (.1) Dalam hal σ tida dietahui gati σ oleh peasir tabiasya. Utu meetuaya ambil sampel beruura sebaya periode yag data pegamataya seperti pada Tabel.1. Dari sampel-sampel tersebut aa meghasila peasir tabias bagi σ yaitu R. Sehigga batas-batas otrol pada d Persamaa (.1) mejadi: BKA R 3d Pusat R 3 R d D R (.13) BKB R 3d 3 R d D 3 R dimaa, R = i=1 R i R i = mas(x ij ) mi(x ij ) ; i=1,,, da j=1,,, D 3 = 1 3 d 3 d da D = d 3 d Lampira 3., ilai-ilaiya utu berbagai terdapat pada
12 16.7. Diagram Kotrol s Rata-rata da varias dari s masig-masig adalah: E(s) = c σ V(s) = σ (1 c ) dimaa c seperti Persamaa (.7), ilai-ilaiya utu berbagai terdapat di Lampira 3. Oleh area itu, batas-batas otrol s dega megguaa Persamaa (.11) adalah: BKA c 3 1 c Pusat c BKB c 3 1 c (.1) Dalam hal σ tida dietahui gati σ oleh peasir tabiasya. Dari sampelsampel pada Tabel.1 aa meghasila peasir tabias bagi σ yaitu s c. Sehigga batas-batas otrol pada Persamaa (.1) mejadi: BKA s 3 Pusat s BKA s 3 s c s c 1 c 1 c B s B s 3 (.15) dimaa, s seperti pada Tabel.1, s i adalah aar uadrat dari Persamaa (.6) da c seperti pada Persamaa (.7) sedaga B 3 = 1 3 C 1 c da B = C 1 c, ilai-ilaiya utu berbagai terdapat pada Lampira 3. Walaupu s c da R d adalah peasir tabias bagi aa tetapi meurut Mahmoud d (010) bahwa peasir yag didasara pada s (lihat Tabel.1) lebih efisie (varias miimum) daripada yag didasara pada s da R etia distribusi ormal dipeuhi. Peasir tabias dari dega didasara pada s yaitu:
13 17 σ = s c (m) (.16) dega: s = ( 1 s i=1 i ) 1 (.17) dimaa si adalah aar uadrat dari Persamaa (.6) da c (m) = ( 1 ) Γ( m ) m 1 dega m = (-1) + 1 Γ[ (m 1) ] Persamaa (.13) da Persamaa (.15) utu megotrol simpaga bau (σ) ditulis secara umum sebagai beriut: BKA U ˆ BKB L ˆ (.18) Persamaa (.18) aa diguaa utu pegotrola proses pada fase I. Pada fase I, seumpula data diumpula da diaalisis dalam aalisis retrospetif, yaitu meciptaa batas otrol percobaa utu meetua apaah proses tetap berada dalam otrol selama selag watu di maa data diumpula. Lalu utu melihat apaah batas otrol tersebut laya da dapat diguaa utu mematau produsi selajutya. Telah disiggug bahwa apabila terjadi outlier aa meyebaba ierja diagram otrol R da s meuru dega ditadai oleh megecilya ilai ARL0 da atau membesarya ilai ARL1, area R da s bua peasir robust bagi σ. Utu meaggulagi edua hal tersebut maa diguaa peasir robust dari. Terdapat beberapa metode peasir robust utu simpaga bau. Tetapi pada peelitia ii haya fous pada peasir robust adaptive trimmer yaitu s i M D, MD da i s M D,. Meurut Schoohove da Does (01) i M D, s yag memberia ierja terbai..8 Diagram Kotrol Simpaga Bau Robust Secara umum batas-batas diagram-diagram otrol simpaga bau robust batas-batasya ditulis seperti pada Persamaa (.19) dega meggati σ dega
14 18 peasir robust yag dipilih. Sebagaimaa yag telah disiggug sebelumya disii aa diemuaa peasir simpaga bau robust dega meggabuga metode MD s da MD i (adaptive trimmer) yag disebut MD i,s. Oleh area itu uraiaya diawali dega membahas metode peasir MD s emudia MD i da dilajuta dega prosedur gabugaya yaitu MD i,s. Prosedurya aa dijelasa sebagai beriut:.8.1 Prosedur Peasir MD s 1. Tetua deviasi dari media utu masig-masig subgrup Keteraga: MD i = j=1 x ij M i Mi = media subgrup e-i xij = subgrup e-i sampel e-j = uura subgrup. Hitug rata-rata MDi dimaa, = bayaya subgrup, i=1,,.., (.19) MD = 1 MD i=1 i (.0) 3. Peasir tabias dari adalah MD dimaa t t () () = E [ MD ]. σ Nilai E[MD] sulit utu dihitug. Riaz da Saghir (009) telah meghitug ilai t () dega megguaa simulasi yag ditampilas seperti dalam Lampira. Peasir robust dari diotasia oleh MD s, yaitu: MD s = MD t () (.1). Batas-batas otrol peasir MD s seperti pada Persamaa (.18) dega meggati σ dega Persamaa (.1).
15 19 5. Pada fase I, jia ada pegamata yag tida terotrol maa pegamata tersebut dieluara da perhituga diulag sampai semua pegamata yag tersisa dalam eadaa terotrol..8. Prosedur Peasir MD i 1. Hitug residu dega meguraga media subgrup dega dataya, yaitu: e ij = x ij M i (.) Hal ii dilaua utu mejami bahwa variabilitas diuur withi bua betwee.. Buat diagram otrol idividu utu e ij dari Lagah 1, dega batas-batas diagram otrol adalah: BKA U MD BKB L MD dega ilai U da L diperlihata pada Lampira 1. Nilai (.3) M D diperoleh dega megguaa Persamaa (.0). 3. Jia ada residu, e ij, yag jatuh diluar batas otrol pada Persamaa (.3), maa residu tersebut dibuag. Kemudia, Lagah diulag sampai semua e ij berada dalam batas-bats otrol.. Setelah semua residu i-cotrol, emudia dari data yag tersisa, dihitug: MD i i = j=1 x ij M i i (.) dimaa, i adalah bayaya pegamata yag tersisa dari subgrup e-i. 5. Peasir robust dari diotasia oleh i M D, yaitu MD i = 1 MD i=1 i i (.5) 6. Batas-batas otrol residu adalah sama seperti pada Persamaa (.18) haya saja σ digati dega peasir MD i dari Persamaa (.5).
16 0 7. Jia ada residu yag diluar batas otrol maa residu tersebut dibuag, maa Lagah -6 diulag sampai residu berada dalam batas-batas otrol..8.3 Prosedur Peasir MD i,s 1. Peasir awal ditetua oleh MD seperti pada Persamaa (.0).. Peasir σ dari Lagah 1 diguaa utu membuat batas-batas otrol simpaga bau sehigga data subgrup dapat disarig. 3. Nilai IQR d IQR () diplota pada diagram otrol dega batas-batas otrol: BKA U BKB L MD t ( ) MD t ( ) (.6) Nilai U da L terdapat pada Lampira 1. Sedaga utu ilai IQR didapat dega meghitug: IQR = Q 3 Q 1 (.7) Sebagai cotoh, jia = 5 maa ilai IQR = x () x (). Schoohove da Does (01) telah memberia ilai d IQR () utu =,5 da 9 yaitu d ( IQR ) 0.59, d ( IQR 5) da d ( IQR 9) Lagah 3 diulagi higga semua subgrup dalam eadaa terotrol. 5. Lagah beriutya adalah pembuata diagram otrol idividu dari subgrup yag sudah terotrol dega batas-batasya adalah: BKA U MD BKB L MD (.8) dega Lampira 1. M D seperti pada Persamaa (.0) ilai U da L tercatum pada
17 1 6. Jia miimal ada satu residual dari suatu subgrup berada diluar batas-batas otrol, maa subgrup tersebut dibuag. Kemudia Lagah 5 diulag sampai semua residu berada dalam batas-batas otrol. 7. Peasir robust dari diotasia oleh MD i,s yaitu dimaa MD i,s = MD t (5) M D merupaa rata-rata deviasi dari media pada Lagah 6.
Gambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperinciRepresentasi sinyal dalam impuls
Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha
Lebih terperinciMACAM-MACAM TEKNIK MEMBILANG
0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA
Lebih terperinciMODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng
MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag
Lebih terperinciPerluasan Uji Kruskal Wallis untuk Data Multivariat
Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia
Lebih terperinciTEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS
Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia
Lebih terperinciMASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?
Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai
Lebih terperinciDiagram Kontrol Simpangan Baku Robust
Prosidig Statistika ISSN: 60-656 Diagram Kotrol Simpaga Baku Robust 1 Azka Fatharai, Suwada, 3 Suliadi 1,,3 Prodi Statistika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Islam Badug, Jl. Tamasari
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciBAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
Lebih terperinciBARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
Lebih terperinciPEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)
PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciSTUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas
Lebih terperinciBAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan
BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciBab 16 Integral di Ruang-n
Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat
Lebih terperinci3. Integral (3) (Integral Tentu)
Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciBAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi
BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag
Lebih terperinciSinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit
Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit
Lebih terperinciMAKALAH TEOREMA BINOMIAL
MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciAplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier
Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg
Lebih terperinciBAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)
BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas
Lebih terperinciPenggunaan Transformasi z
Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:
Lebih terperinciKonvolusi pada Distribusi dengan Support Kompak
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5
Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,
Lebih terperinciBAB 6 NOTASI SIGMA, BARISAN DAN DERET
BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat
Lebih terperinci1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi
Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...
Lebih terperinciBab 6: Analisa Spektrum
BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan
BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara
Lebih terperinciPeluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes
eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =
Lebih terperinciPenulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.
PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciPERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR
Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.
Lebih terperinciMASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI
Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa
Lebih terperinciBAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
Lebih terperinciUNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI
UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciPEMBUKTIAN SIFAT RUANG BANACH PADA D(K)
JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this
Lebih terperinciMetode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu
Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug
Lebih terperinciPemilihan Kapasitas Dan Lokasi Optimal Kapasitor Paralel Pada Sistem Distribusi Daya Listrik
ELECTRICIAN Jural Reayasa da Teologi Eletro 0 Pemiliha Kapasitas Da Loasi Optimal Paralel Pada Sistem Distribusi Daya Listri Osea Zebua Jurusa Tei Eletro, Faultas Tei, Uiversitas Lampug Jl. Prof. Sumatri
Lebih terperinciModel Antrian Multi Layanan
Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah
Lebih terperinciGRAFIKA
6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciPENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )
(Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi
Lebih terperinciBab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS
Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi
Lebih terperinciANALISIS KESALAHAN Deskripsi : Objektif : 6.1 Pendahuluan 6.2 Koefesien Kesalahan Statik
96 VI ANALISIS ESALAHAN Desrisi : Bab ii memberia gambara tetag aalisis esalaha da eeaa ada sistem edali yag terdiri dari oefesie esalaha stati, oefesie esalaha diami da aalisis eeaa sistem Objetif : Memahami
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciAnova (analysis of varian)
ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil
Lebih terperinciBAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA
BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,
Lebih terperinciPENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI
PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI Diajua Utu Memeuhi Sebagia Persyarata Mecapai Derajat Sarjaa S-1 OLEH: RISKA JULIANI F1A1 11 031 PROGRAM
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciJurnal MIPA 38 (1) (2015): Jurnal MIPA.
Jural MIPA 38 () (5): 68-78 Jural MIPA http://ouraluesacid/u/idephp/jm APROKSIMASI ANUIAS HIDUP MENGGUNAKAN KOMBINASI EKSPONENSIAL LJ Siay S Gurito Guardi 3 Jurusa Matematia FMIPA Uiversitas Pattimura
Lebih terperinciBAB 5 UKURAN DISPERSI
BAB 5 UKURAN DISPERSI A. Ukura Dispersi Meurut Hasa (011 : 101) ukura dispersi atau ukura variasi atau ukura peyimpaga adalah ukura yag meyataka seberapa jauh peyimpaga ilai-ilai data dari ilai-ilai pusatya
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciPenerapan Algoritma Dijkstra dalam Pemilihan Trayek Bus Transjakarta
Peerapa Algoritma Dijstra dalam Pemiliha Traye Bus Trasjaarta Muhammad Yafi 504 Program Studi Tei Iformatia Seolah Tei Eletro da Iformatia Istitut Teologi Badug, Jl. Gaesha 0 Badug 40, Idoesia 504@std.stei.itb.ac.id
Lebih terperinciJurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal
Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)
I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinci7. Perbaikan Kualitas Citra
7. Perbaia Kualitas Citra Perbaia ualitas citra (image ehacemet) merupaa salah satu proses awal dalam pegolaha citra (image preprocessig). Perbaia ualitas diperlua area serigali citra yag diadia obe pembahasa
Lebih terperinciPEMODELAN LAMA PEMBERIAN ASI EKSKLUSIF PADA RUMAH TANGGA MISKIN DENGAN METODE REGRESI POHON DI PROVINSI SULAWESI TENGAH
PEMODELAN LAMA PEMBERIAN ASI EKSKLUSIF PADA RUMAH TANGGA MISKIN DENGAN METODE REGRESI POHON DI PROVINSI SULAWESI TENGAH Yermia Firma Setiawirawa da Dr. Bambag Widjaaro Oto, S.Si, M.Si Mahasiswa Jurusa
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciUKURAN PEMUSATAN UKURAN PENYEBARAN
UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciTINJAUAN PUSTAKA Statistical Proses Control Control Chart
TINJAUAN PUTAKA tatistical Proses Cotrol tatistical Proses Cotrol adalah salah satu cabag ilu statistia yag eelajari tetag eeraa tei statistia utu eguur da egaalisis variasi yag terjadi selaa roses rodusi
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinci1. Integral (1) Pembahasan yang akan kita lakukan hanya mengenai bentuk persamaan diferensial seperti contoh yang pertama.
Darublic www.darublic.com 1. Itegral (1) (Macam Itegral, Pedeata Numeri) Sudarato Sudirham Dalam bab sebeluma, ita memelajari salah satu bagia utama alulus, aitu alulus diferesial. Beriut ii ita aa membahas
Lebih terperinciPROSIDING ISSN:
PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciMASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN
MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN Adam Priyo Hartoo 1), Farida Haum 2), Toi Bahtiar 3) 1)2)3) Departeme Matematia, FMIPA, Istitut Pertaia Bogor Kampus
Lebih terperinciBarisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1
Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga
Lebih terperinciGerak Brown Fraksional dan Sifat-sifatnya
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciUJI STATISTIK PENGARUH PERLAKUAN PERMUKAAN TERHADAP UMUR FATIK DENGAN DATA TERBATAS
Uji Statisti Pegaruh Perlaua Permuaa terhadap dega Data Terbatas (Agus Suhartoo) Areditasi LIPI omor : 536/D/007 Taggal 6 Jui 007 UJI STATISTIK PEGARUH PERLAKUA PERMUKAA TERHADAP UMUR FATIK DEGA DATA TERBATAS
Lebih terperincix x x1 x x,..., 2 x, 1
0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET KELAS XII. IPS SEMESTER I Oleh : Drs. Pudjul Prijoo ( http://vidyagata.wordpress.co ) SMA NEGERI 6 Jala Mayje Sugoo 58 Malag Telp./Fax : (034) 75036 E-Mail : sa6_alag@yahoo.co.id
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciUKURAN LOKASI DAN DISPERSI
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga UKURAN LOKASI DAN DISPERSI Statistika da Probabilitas Statistical Measures Commo statistical measures Measure of cetral tedecy Mea
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL
PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia
Lebih terperinciMENGUJI KEMAKNAAN SAMPEL TUNGGAL
MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciKLASIFIKASI KARAKTERISTIK KECELAKAAN LALU LINTAS DI KOTA DENPASAR DENGAN PENDEKATAN CLASSIFICATION AND REGRESSION TREES (CART)
E-Jural Matematia Vol. 4 (4), November 2015, pp. 146-151 ISSN: 2303-1751 KLASIFIKASI KAAKTEISTIK KECELAKAAN LALU LINTAS DI KOTA DENPASA DENGAN PENDEKATAN CLASSIFICATION AND EGESSION TEES (CAT) I Gede Agus
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinci