PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG)"

Transkripsi

1 PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG)

2 Pembangkit Bilangan Random Pembangkit bilangan random adalah suatu algoritma yang digunakan untuk menghasilkan urutan-urutan (sequence) dari angka-angka sebagai hasil dari perhitungan dengan komputer yang diketahui distribusinya sehingga angka tersebut muncul secara random dan digunakan terus menerus.

3 Beberapa Pengertian Urutan (sequence) merupakan bilangan random yang dihasilkan secara urut dalam jumlah yang mengikuti algoritma tertentu sesuai dengan distribusi yang dikehendaki. Distribusi, berhubungan dengan distribusi probabilitas yang digunakan untuk meninjau atau terlibat langsung dalam penarikan bilangan random tersebut. Pada umumnya distribusi yang digunakan adalah distribusi seragam (uniform variate)

4 Pengertian Random Pengertian random menunjukkan bahwa algoritma tersebut akanmenghasilkan suatu angka yang akan berperan dalam pemunculan angka yang akan keluar dalam proses di komputer. Suatu angka yang diperoleh merupakan angka penentu bagi angka random berikutnya, demikian seterusnya. Meskipun begitu, angka-angka yang muncul dapat berlain-lainan.

5 Deskripsi Bilangan Random 1. Tabel Bilangan Random 2. Bilangan Random elektronik 3. Congruential Pseudo Random Number Generator: 1. Additive (Aritmetik) Random Number Generator 2. Multiplicative Random Number Generator 3. Mixed Congruential Random Number Generator

6 Sifat-Sifat Congruential Pseudo Random Number Generator 1. Independent, berarti masing-masing komponen atau variabel-variabelnya harus bebas dari ketentuan-ketentuan tersendiri 2. Uniform, berarti memiliki distribusi yang umum yaitu distribusi probabilitas yang sama untuk semua besaran yang dikeluarkan/diambil. 3. Kerapatan (Densitas), Kerapatan distribusi probabilitas mengikuti syarat distribusi probabilitas (0<p(x)<1). 4. Efficient, berarti metodenya sederhana.

7 Additive (Aritmetik) Random Number Generator Bentuk Rumus Z i = (a. Z i-1 + c) mod m Dimana : Z i-1 = Bilangan random yang lama a = Konstanta a harus lebih besar dari m Z i = Bilangan random yang baru c = Angka konstan bersyarat m = Angka modulo

8 Multiplicative Random Number generator Bentuk rumusnya : Z i+1 = (a. Z i ) mod m Dimana : Z i = Bilangan random yang lama Z i+1 = Bilangan random yang baru a > 1, c = 0, m > 1 Pemilihan m (modulo), merupakan angka integer yang cukup besar dan merupakan satu kata (word) yang dipakai pada komputer. Komputer 32 bits, angka integer terbesar adalah = = Nilai m = =

9 Mixed Pseudo RNG Rumus yang digunakan Z n = (a n. Z 0 + (a n -1/a-1).c) mod m Syarat utama, n harus berupa bilangan integer dan lebih besar dari nol (linier Congruential RNG) Bila c = 0 maka diperoleh Multiplicative Congruen RNG. Penjelasan : C = bilangan relatif prima terhadap n a = 1 (mod q) untuk setiap faktor prima q dari m a = 1 (mod 4) bila 4 adalah suatu faktor dari m

10 Uji Statistik untuk Keacakan Uji Keseragaman (Uniformity test) Runs Up and Down Test Lain-lain Autokorelasi dll

11 Uji Keseragaman Bilangan random harus memiliki distribusi seragam Uji yang digunakan Tes kebaikan suai 2 Test Kolmogorof Smirnov (lihat Bab sebelumnya) Tes kebaikan suai 2 Rumus : ( f O 2 2 f ) e f o

12 Contoh : 2 Kelas Frekuensi Frekuensi (fo-fe)2/fe Observasi Ekspektasi Jumlah

13 Contoh: Lanjutan Hipotesa H0 : 2 hitung < 2 tabel Bil random seragam H1 : 2 hitung > 2 tabel Bil random tdk seragam 2 hitung = tabel ( =0.05, df=10-1=9) : Kesimpulan 2 hitung < 2 tabel Menerima H0, bilangan random yang dibangkitkan memiliki nilai seragam

14 Runs Up and Down Test Jika ada N bilangan random, maka 2 N N Jika ada 40 bilangan random (lihat contoh) + : Run - : Down

15

16 Contoh : lanjutan Rata-rata dan standar deviasi = (2 x 40-1)/3 = = (16 x 40 29)/90 = 6.79 = 2.61 Hipotesis: H0 : = H1 : = 26.33

17 Misal x = 26 (nilai Run) Maka ( ) Z X Z = ( )/2.61 = Lihat (gambar kurva untuk kesimpulan) H0 ditolak H0 diterima H0 ditolak

18 Persamaan Matematika Persamaan differensial Berupa turunan waktu dengan x contoh : Persamaan aljabar dx dt atau disimbolkan Persamaan differensial parsial Persamaan perbedaan (difference equation)

PEMBANGKIT BILANGAN ACAK

PEMBANGKIT BILANGAN ACAK PEMBANGKIT BILANGAN ACAK Mata Kuliah Pemodelan & Simulasi Pertemuan Ke- 7 Riani L. JurusanTeknik Informatika Universitas Komputer Indonesia 1 CARA MEMPEROLEH : Pembangkit Bilangan Acak (Random Number Generator)

Lebih terperinci

PEMBANGKIT BILANGAN ACAK (Random Number Generator)

PEMBANGKIT BILANGAN ACAK (Random Number Generator) PEMBANGKIT BILANGAN ACAK (Random Number Generator) Mata Kuliah Pemodelan & Simulasi Jurusan Teknik Informatika Universitas Komputer Indonesia 1 2 Random Number Generator (1) Cara memperoleh : ZAMAN DAHULU,

Lebih terperinci

BILANGAN ACAK (RANDOM NUMBER)

BILANGAN ACAK (RANDOM NUMBER) BILANGAN ACAK (RANDOM NUMBER) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com/ E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009

Lebih terperinci

PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi

PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA Pemodelan & Simulasi Bilangan Acak Bilangan acak adalah bilangan yang kemunculannya terjadi secara acak. Bilangan acak ini penting untuk keperluan simulasi.

Lebih terperinci

PEMBANGKIT RANDOM VARIATE

PEMBANGKIT 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 terperinci

Dasar-dasar Simulasi

Dasar-dasar Simulasi Bab 3: Dasar-dasar Simulasi PEMODELAN DAN SIMULASI SISTEM M O N I C A A. K A P P I A N T A R I - 2 0 0 9 Sumber: Harrell, C., B.K. Ghosh and R.O. Bowden, Jr., Simulation Using Promodel, 2 nd ed., McGraw-

Lebih terperinci

ANALISIS KINERJA SISTEM ANTRIAN M/M/1

ANALISIS KINERJA SISTEM ANTRIAN M/M/1 ANALISIS KINERJA SISTEM ANTRIAN M/M/1 Desy C. Silaban, M. Zulfin Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera Utara (USU) Jl. Almamater, Kampus USU

Lebih terperinci

KAJIAN PENGARUH PANJANG INTERVAL KATEGORI PADA PENYEBARAN DATA ACAK BERDISTRIBUSI SERAGAM SKRIPSI OKA ARIYANTO

KAJIAN PENGARUH PANJANG INTERVAL KATEGORI PADA PENYEBARAN DATA ACAK BERDISTRIBUSI SERAGAM SKRIPSI OKA ARIYANTO KAJIAN PENGARUH PANJANG INTERVAL KATEGORI PADA PENYEBARAN DATA ACAK BERDISTRIBUSI SERAGAM SKRIPSI OKA ARIYANTO 120803066 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi

Mata 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 terperinci

PembangkitVariabelRandom

PembangkitVariabelRandom PembangkitVariabelandom Slide: Tri Harsono 1 1. Pembangkitvariabelrandom diskrit variabel random: adalah nilai suatu variabel random yg mempunyai distribusitertentuutkmengambilvariabelrandom dari beberapa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Kriptografi Kriptografi berasal dari gabungan dua suku kata yang berasal dari bahasa Yunani, yaitu Kryptos dan Graphein. Kryptos memiliki makna tersembunyi, misterius, atau rahasia.

Lebih terperinci

Perancangan Sistem Media Pembelajaran Balita (Game Akez) dengan Metode Linear Congruentials Generator (LCG)

Perancangan Sistem Media Pembelajaran Balita (Game Akez) dengan Metode Linear Congruentials Generator (LCG) Perancangan Sistem Media Pembelajaran Balita (Game Akez) dengan Metode Linear Congruentials Generator (LCG) Devri Suherdi Eresha School IT devrisuherdi10@gmail.com Deliansyah Universitas Islam Sumatera

Lebih terperinci

Random Number Generation (RNG) Pembangkitan Bilangan

Random Number Generation (RNG) Pembangkitan Bilangan Random Number Generation (RNG) Pembangkitan Bilangan Random Random Number Generation 1 Definition of RNG RNG suatu algoritma yg digunakan utk menghasilkan urutan angka2 sbg hasil perhitungan dgn komp.,

Lebih terperinci

Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya

Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya Athia Saelan (13508029) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT

ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT ANALISIS TEORITIS DAN PENERAPAN UJI AUTOKORELASI DARI FIVE BASIC TEST UNTUK MENGUJI KEACAKAN BARISAN BIT Sari Agustini Hafman dan Arif Fachru Rozi Lembaga Sandi Negara E-mail: sari.hafman@lemsaneg.go.id,

Lebih terperinci

ESTIMASI PENGUNJUNG MENGGUNAKAN SIMULASI MONTE CARLO PADA WARUNG INTERNET XYZ

ESTIMASI PENGUNJUNG MENGGUNAKAN SIMULASI MONTE CARLO PADA WARUNG INTERNET XYZ ESTIMASI PENGUNJUNG MENGGUNAKAN SIMULASI MONTE CARLO PADA WARUNG INTERNET XYZ M. Haviz Irfani 1), Dafid 2) 1), 2) Program Studi Sistem Informasi STMIK Global Informatika MDP 1), 2) Jalan Rajawali No. 14

Lebih terperinci

BAB II TEORI ANTRIAN. Denmark yang bernama A.K.Erlang, yang bekerja pada perusahaan telepon di

BAB II TEORI ANTRIAN. Denmark yang bernama A.K.Erlang, yang bekerja pada perusahaan telepon di BAB II TEORI ANTRIAN 2.1. Sejarah Teori Antrian Teori tentang antrian ditemukan dan dikembangkan oleh seorang insinyur Denmark yang bernama A.K.Erlang, yang bekerja pada perusahaan telepon di Kopenhagen

Lebih terperinci

Membangkitkan Bilangan Acak Menggunakan Matlab

Membangkitkan Bilangan Acak Menggunakan Matlab Membangkitkan Bilangan Acak Menggunakan Matlab Achmad Basuki 2004 Materi Linear Congruent Method Metode Resuffle Fungsi Standard Membangkitkan Bilangan Acak Menampilkan Grafik Bilangan Acak Pseudo Random

Lebih terperinci

Membangkitkan Bilangan Acak Menggunakan Matlab. Achmad Basuki

Membangkitkan Bilangan Acak Menggunakan Matlab. Achmad Basuki Membangkitkan Bilangan Acak Menggunakan Matlab Achmad Basuki 2004 Materi Linear Congruent Method Metode Resuffle Fungsi Standard Membangkitkan Bilangan Acak Grafik dan Statistik Bilangan Acak Pseudo Random

Lebih terperinci

Cara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu

Cara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu Cara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu Zaman modern (>1940), dgn cara membentuk bilangan acak secara numerik/aritmatik (menggunakan komputer), disebut Pseudo Random

Lebih terperinci

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur

Lebih terperinci

METODE MONTE CARLO. Pemodelan & Simulasi TM11

METODE 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 terperinci

Aplikasi Teori Bilangan Bulat dalam Pembangkitan Bilangan Acak Semu

Aplikasi Teori Bilangan Bulat dalam Pembangkitan Bilangan Acak Semu Aplikasi Teori Bilangan Bulat dalam Pembangkitan Bilangan Acak Semu Ferdian Thung 13507127 Program Studi Teknik Informatika ITB, Jalan Ganesha 10 Bandung, Jawa Barat, email: if17127@students.if.itb.ac.id

Lebih terperinci

BAB IV GENERATOR BILANGAN RANDOM

BAB IV GENERATOR BILANGAN RANDOM BAB IV GENERATOR BILANGAN RANDOM 4.1. Generator Bilangan Rando dan Fungsi Distribusi Pada siulasi seringkali dibutuhkan bilangan-bilangan yang ewakili keadaan siste yang disiulasikan. Biasanya, kegiatan

Lebih terperinci

RANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT

RANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT RANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT RANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT Pulut Suryati 1, FX. Henry Nugroho 2 1,3 Program Studi Sistem Informasi, STMIK AKAKOM Yogyakarta

Lebih terperinci

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP THEORY By: Hanung N. Prasetyo PEUBAH ACAK Variabel acak adalah suatu variabel yang nilainya bisa berapa saja Variabel acak merupakan deskripsi numerik dari outcome beberapa percobaan / eksperimen VARIABEL

Lebih terperinci

DISTRIBUSI SATU PEUBAH ACAK

DISTRIBUSI SATU PEUBAH ACAK 0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak

Lebih terperinci

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 17 BAB 2 LANDASAN TEORI 2.1 Pengantar Fenomena menunggu untuk kemudian mendapatkan pelayanan, seperti halnya nasabah yang menunggu pada loket bank, kendaraan yang menunggu pada lampu merah, produk yang

Lebih terperinci

Journal of Informatics and Technology, Vol 1, No 4, Tahun 2012, p 1-8

Journal of Informatics and Technology, Vol 1, No 4, Tahun 2012, p 1-8 PREDIKSI PENDAPATAN PEMERINTAH INDONESIA MENGGUNAKAN SIMULASI MONTE CARLO Afry Rachmat, Sukmawati Nur Endah, Aris Sugiharto Program Studi Teknik Informatika, Universitas Diponegoro afry.rachmat27@gmail.com,

Lebih terperinci

Mata 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 Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi

Lebih terperinci

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan

Lebih terperinci

III PEMBAHASAN. enkripsi didefinisikan oleh mod dan menghasilkan siferteks c.

III PEMBAHASAN. enkripsi didefinisikan oleh mod dan menghasilkan siferteks c. enkripsi didefinisikan oleh mod dan menghasilkan siferteks c 3 Algoritme 3 Dekripsi Untuk menemukan kembali m dari c, B harus melakukan hal-hal berikut a Menggunakan kunci pribadi a untuk menghitung mod

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel 8 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Simulasi 2.1.1 Pengertian Simulasi Banyak para ahli yang memberikan definisi tentang simulasi. Beberapa diantaranya adalah sebagai berikut: Emshoff dan Simun (1970), simulasi didefinisikan

Lebih terperinci

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi

Lebih terperinci

Rancangan Aplikasi Pemilihan Soal Ujian Acak Menggunakan Algoritma Mersenne Twister Pada Bahasa Pemrograman Java

Rancangan Aplikasi Pemilihan Soal Ujian Acak Menggunakan Algoritma Mersenne Twister Pada Bahasa Pemrograman Java SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 16 Rancangan Aplikasi Pemilihan Soal Ujian Acak Menggunakan Algoritma Mersenne Twister Pada Bahasa Pemrograman Java T - 8 Faizal Achmad Lembaga

Lebih terperinci

BAB Kriptografi

BAB Kriptografi BAB 2 LANDASAN TEORI 2.1 Kriptografi Kriptografi berasal dari bahasa Yunani, yakni kata kriptos dan graphia. Kriptos berarti secret (rahasia) dan graphia berarti writing (tulisan). Kriptografi merupakan

Lebih terperinci

Statistik Non Parametrik-2

Statistik Non Parametrik-2 Statistik Non Parametrik-2 UJI RUN 2 Uji Run Disebut juga uji random Bertujuan untuk menentukan apakah urutan yang dipilih atau sampel yang diambil diperoleh secara random atau tidak Didasarkan atas banyaknya

Lebih terperinci

DISTRIBUSI VARIABEL RANDOM

DISTRIBUSI 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 terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 52 BAB IV HASIL DAN PEMBAHASAN A. Hasil Uji Analisis Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi berganda. Tujuannya adalah untuk memperoleh gambaran yang menyeluruh mengenai

Lebih terperinci

Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia

Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia VARIABEL ACAK VARIABEL ACAK : suatu fungsi yang nilainya berupa bilangan nyata yang ditentukan oleh setiap unsur dalam ruang

Lebih terperinci

BAB I PENDAHULUAN. demikian maka dampak buruk akibat kondisi lingkungan yang kurang baik dapat

BAB I PENDAHULUAN. demikian maka dampak buruk akibat kondisi lingkungan yang kurang baik dapat BAB I PENDAHULUAN I.1. Latar Belakang Hal yang merugikan lingkungan banyak terjadi sehingga diperlukan kesadaran dari setiap orang agar lebih peduli terhadap lingkungan. Dengan demikian maka dampak buruk

Lebih terperinci

PEMODELAN DAN SIMULASI ANALISA SISTEM ANTRIAN PELAYANAN NASABAH DI PT SARANA SUMATERA BARAT VENTURA SSBV MENGGUNAKAN METODE MONTE CARLO

PEMODELAN DAN SIMULASI ANALISA SISTEM ANTRIAN PELAYANAN NASABAH DI PT SARANA SUMATERA BARAT VENTURA SSBV MENGGUNAKAN METODE MONTE CARLO PEMODELAN DAN SIMULASI ANALISA SISTEM ANTRIAN PELAYANAN NASABAH DI PT SARANA SUMATERA BARAT VENTURA SSBV MENGGUNAKAN METODE MONTE CARLO Rizki Satria 1), Rini Sovia 1), Rima Liana Gema 1) 1 Universitas

Lebih terperinci

Simulasi Monte Carlo

Simulasi 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 terperinci

ELLIPTIC CURVE CRYPTOGRAPHY. Disarikan oleh: Dinisfu Sya ban ( )

ELLIPTIC CURVE CRYPTOGRAPHY. Disarikan oleh: Dinisfu Sya ban ( ) ELLIPTIC CURVE CRYPTOGRAPHY Disarikan oleh: Dinisfu Sya ban (0403100596) SEKOLAH TINGGI SANDI NEGARA BOGOR 007 A. Fungsi Elliptic Curves 1. Definisi Elliptic Curves Definisi 1. : Misalkan k merupakan field

Lebih terperinci

APLIKASI RANDOM BANK SOAL UJIAN NASIONAL SEKOLAH DASAR MENGGUNAKAN METODE LINEAR CONGRUENTIAL GENERATORS (LCG)

APLIKASI RANDOM BANK SOAL UJIAN NASIONAL SEKOLAH DASAR MENGGUNAKAN METODE LINEAR CONGRUENTIAL GENERATORS (LCG) APLIKASI RANDOM BANK SOAL UJIAN NASIONAL SEKOLAH DASAR MENGGUNAKAN METODE LINEAR CONGRUENTIAL GENERATORS (LCG) Budanis Dwi Meilani 1), Maslu Ailik 2) Jurusan Teknik Informatika, Fakultas Teknologi Informasi

Lebih terperinci

Manusia itu seperti pensil Pensil setiap hari diraut sehingga yang tersisa tinggal catatan yang dituliskannya. Manusia setiap hari diraut oleh rautan

Manusia itu seperti pensil Pensil setiap hari diraut sehingga yang tersisa tinggal catatan yang dituliskannya. Manusia setiap hari diraut oleh rautan Manusia itu seperti pensil Pensil setiap hari diraut sehingga yang tersisa tinggal catatan yang dituliskannya. Manusia setiap hari diraut oleh rautan umur hingga habis, dan yang tersisa tinggal catatan

Lebih terperinci

Statistik Non Parametrik

Statistik Non Parametrik Statistik Non Parametrik UJI FRIEDMAN (UJI X ) r X r UJI Friedman (uji ) Untuk k sampel berpasangan (k>) dengan data setidaknya data skala ordinal Sebagai alternatif dari analisis variansi dua arah bila

Lebih terperinci

Pendiskritan Pembangkit Bilangan Acak Peta Logistik Menggunakan Fungsi Trigonometri Osilasi Tinggi

Pendiskritan Pembangkit Bilangan Acak Peta Logistik Menggunakan Fungsi Trigonometri Osilasi Tinggi Pendiskritan Pembangkit Bilangan Acak Peta Logistik Menggunakan Fungsi Trigonometri Osilasi Tinggi Achmad Dimas Noorcahyo - 13508076 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO

STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO Suatu supermarket telah melakukan pengamatan mengenai permintaan bayam sebagai salah satu item sayur sayuran yang dijualnya.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Teori antrian pertama kali dikemukakan oleh A.K.Erlang, yang menggambarkan model antrian untuk menentukan jumlah optimal dari fasilitas telepon switching yang digunakan untuk melayani

Lebih terperinci

Perbandingan dan Analisis True Random Number Generation terhadap Pseudorandom Number Generation dalam Berbagai Bidang

Perbandingan dan Analisis True Random Number Generation terhadap Pseudorandom Number Generation dalam Berbagai Bidang Perbandingan dan Analisis True Random Number Generation terhadap Pseudorandom Number Generation dalam Berbagai Bidang Kevin Leonardo Handoyo/13509019 Program Studi Teknik Informatika Sekolah Teknik Elektro

Lebih terperinci

Agar Xn berperilaku acak yang dapat dipertanggungjawabkan :

Agar 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 terperinci

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah Variabel Random dan Nilai Harapan Oleh Azimmatul Ihwah Outcomes dari suatu eksperimen dapat dinyatakan dengan angka untuk mempermudah. Suatu variabel yang mengasosiakan outcomes dari suatu eksperimen dengan

Lebih terperinci

Implementasi Algoritma Mixed Congruential Random Number Generator Untuk Game Siaga Bencana Alam Berbasis Android

Implementasi Algoritma Mixed Congruential Random Number Generator Untuk Game Siaga Bencana Alam Berbasis Android IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Implementasi Algoritma Mixed Congruential Random Number Generator Untuk Game Siaga Bencana Alam Berbasis Android Kharis Theosophi Mantohana Napitupulu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. 2010, dan Untuk mendapatkan beberapa informasi dan sumber data yang

BAB III METODOLOGI PENELITIAN. 2010, dan Untuk mendapatkan beberapa informasi dan sumber data yang BAB III METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian Untuk mendapatkan beberapa informasi dan sumber data yang diperlukan dalam penyusunan skripsi ini, maka penulis menggunakan data dari perusahaan

Lebih terperinci

ESTIMASI. Arna Fariza PENDAHULUAN

ESTIMASI. Arna Fariza PENDAHULUAN ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik

Lebih terperinci

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus : BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak

Lebih terperinci

Sampling dengan Simulasi Komputer

Sampling dengan Simulasi Komputer Modul Sampling dengan Simulasi Komputer PENDAHULUAN Sutawanir Darwis M etode statistika merupakan alat untuk menyelesaikan masalah apabila solusi analitik tidak mungkin diperoleh. Dengan metode statistika

Lebih terperinci

Algoritma dan Struktur Data

Algoritma dan Struktur Data Algoritma dan Struktur Data Algoritma Pemrograman Bekti Wulandari, M.Pd Kelas B TE 2014 Program Program: sederetan perintah-perintah yang harus dikerjakan oleh komputer untuk menyelesaikan masalah. 3 level

Lebih terperinci

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata Probabilitas dan Statistika Adam Hendra Brata Himpunan nilai-nilai yang mungkin dari peubah acak X merupakan himpunan tak terhitung yaitu tidak dapat dinyatakan sebagai {,, 3,., n } atau {,, 3,.} tetapi

Lebih terperinci

BAB IV ANALISIS DATA DAN PEMBAHASAN. Penelitian ini bertujuan untuk menganalisis pengaruh GCG dan Manajemen Risiko

BAB IV ANALISIS DATA DAN PEMBAHASAN. Penelitian ini bertujuan untuk menganalisis pengaruh GCG dan Manajemen Risiko BAB IV ANALISIS DATA DAN PEMBAHASAN 1.1 Deskripsi Data Penelitian ini bertujuan untuk menganalisis pengaruh GCG dan Manajemen Risiko terhadap kinerja keuangan Bank Umum Syariah pada periode 2011-2015.

Lebih terperinci

MA1201 KALKULUS 2A (Kelas 10) Bab 7: Teknik Pengintegral

MA1201 KALKULUS 2A (Kelas 10) Bab 7: Teknik Pengintegral MA1201 KALKULUS 2A (Kelas 10) Bab 7: Teknik Pengintegralan Do maths and you see the world Integral atau Anti-turunan? Integral atau pengintegral adalah salah satu konsep (penting) dalam matematika disamping

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Linier Congruent Method linear congruent method adalah metode pembangkit bilangan acak yang banyak digunakan dalam program komputer. Model linier dimanfaatkan oleh linear congruent

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 DEFINISI TEKNIK INDUSTRI Menurut Institute of Industrial Engineers (IIE), Teknik Industri adalah Disiplin ilmu teknik yang berfokus kepada perancangan (Design), perbaikan (Improvement)

Lebih terperinci

BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM

BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Masalah Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami informasi-informasi

Lebih terperinci

Implementasi Algoritma Linear Congruentials Generator Untuk Menentukan Posisi Jabatan Kepanitiaan

Implementasi Algoritma Linear Congruentials Generator Untuk Menentukan Posisi Jabatan Kepanitiaan Implementasi Algoritma Linear Congruentials Generator Untuk Menentukan Posisi Jabatan Kepanitiaan Suendri Dosen Program Studi Sistem Informasi Universitas Islam Negeri Sumatera Utara Medan, Indonesia suendri@uinsu.ac.id

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. dimana metode yang digunakan adalah purposive sampling, yaitu suatu metode

BAB IV HASIL DAN PEMBAHASAN. dimana metode yang digunakan adalah purposive sampling, yaitu suatu metode BAB IV HASIL DAN PEMBAHASAN 4.1 Data Penelitian Perusahaan yang digunakan sebagai objek penelitian ini adalah perusahaan real estate and property yang terdaftar di Bursa Efek Indonesia (BEI) pada periode

Lebih terperinci

MONTE CARLO 1. Tujuan Praktikum 2. Sejarah Monte Carlo

MONTE CARLO 1. Tujuan Praktikum 2. Sejarah Monte Carlo DAFTAR ISI 1. Tujuan Praktikum... 2 2. Sejarah Monte Carlo... 2 3. Pendahuluan... 5 4. VARIABEL RANDOM... 11 4.1. Preview... 11 4.2. Metode Pembangkitan Bilangan random (Random Generate)... 13 4.2.1. Metode

Lebih terperinci

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.

Lebih terperinci

3 BAB III LANDASAN TEORI

3 BAB III LANDASAN TEORI 3 BAB III LANDASAN TEORI 3.1 Pemeliharaan (Maintenance) 3.1.1 Pengertian Pemeliharaan Pemeliharaan (maintenance) adalah suatu kombinasi dari setiap tindakan yang dilakukan untuk menjaga suatu barang dalam,

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Penelitian dilakukan dengan mengambil data perusahaan yang terdaftar di BEI dan perusahaan yang terdaftar ke dalam kelompok perusahaan foods and baverages tahun

Lebih terperinci

MA1201 KALKULUS 2A (Kelas 10) Bab 7: Teknik Pengintegral

MA1201 KALKULUS 2A (Kelas 10) Bab 7: Teknik Pengintegral MA1201 KALKULUS 2A (Kelas 10) Bab 7: Teknik Pengintegralan Do maths and you see the world Integral atau Anti-turunan? Integral atau pengintegral adalah salah satu konsep (penting) dalam matematika disamping

Lebih terperinci

PENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura

PENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura PENGUJIAN HIPOTESIS Nurwahyu Alamsyah, S.Kom wahyu@plat-m.com wahyualamsyah.wordpress.com HIPOTESIS Berasal dari bahasa Yunani, Hupo (lemah) dan Thesis (teori). Jadi hipotesis dapat diartikan sebagai suatu

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN 43 BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Deskriptif Sampel 1. Gambaran Umum Sampel Perusahaan manufaktur merupakan perusahaan yang kegiatan utamanya adalah memproduksi atau membuat bahan baku menjadi barang

Lebih terperinci

II. TINJAUAN PUSTAKA. Pada bagian ini diterangkan materi yang berkaitan dengan penelitian, diantaranya konsep

II. TINJAUAN PUSTAKA. Pada bagian ini diterangkan materi yang berkaitan dengan penelitian, diantaranya konsep II. TINJAUAN PUSTAKA Pada bagian ini diterangkan materi yang berkaitan dengan penelitian, diantaranya konsep bilangan bulat, bilangan prima,modular, dan kekongruenan. 2.1 Bilangan Bulat Sifat Pembagian

Lebih terperinci

TENTANG UTS. Penentuan Cadangan, hal. 1

TENTANG 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 terperinci

BAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah

BAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah 40 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah minimum, Indeks Pembangunan Manusia (IPM), dan pengangguran terhadap tingkat

Lebih terperinci

Pembangkitan Bilangan Acak dengan Memanfaatkan Fenomena Fisis

Pembangkitan Bilangan Acak dengan Memanfaatkan Fenomena Fisis Pembangkitan Bilangan Acak dengan Memanfaatkan Fenomena Fisis Otniel 3588 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha Bandung 432, Indonesia

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan pada Koperasi Simpan Pinjam Karya Utama

BAB III METODE PENELITIAN. Penelitian ini dilakukan pada Koperasi Simpan Pinjam Karya Utama BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian ini dilakukan pada Koperasi Simpan Pinjam Karya Utama Garum Blitar, dengan alamat Jl. Raya Manukan No. 8 Telp. (034) 770701 Garum Blitar. 3. Jenis

Lebih terperinci

Universitas Sumatera Utara BAB 2 LANDASAN TEORI

Universitas Sumatera Utara BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Algoritma RC4 RC4 merupakan salah satu jenis stream cipher, yaitu memproses unit atau input data pada satu saat. Dengan cara ini enkripsi maupun dekripsi dapat dilaksanakan pada

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut

Lebih terperinci

PENGGUNAAN ESTIMATOR JACKKNIFE PADA METODE MONTE CARLO SEBAGAI DETEKSI KEGAGALAN (FAULT DETECTION)

PENGGUNAAN ESTIMATOR JACKKNIFE PADA METODE MONTE CARLO SEBAGAI DETEKSI KEGAGALAN (FAULT DETECTION) PENGGUNAAN ESTIMATOR JACKKNIFE PADA METODE MONTE CARLO SEBAGAI DETEKSI KEGAGALAN (FAULT DETECTION) TESIS MAGISTER Oleh ACHMAD ZULKARNAIN NIM : 233 99 601 PROGRAM STUDI INSTRUMENTASI DAN KONTROL PROGRAM

Lebih terperinci

By Emy 1 MEREDUKSI NOISE By Emy By Emy

By Emy 1 MEREDUKSI NOISE By Emy By Emy 1 MEREDUKSI NOISE 2 1 Kompetensi Mampu menjelaskan macammacam jenis noise Mampu menganalisis jenis noise yang menyebabkan gangguan pada citra Mampu membangkitkan macammacam noise kemudian mengimplementasikannya

Lebih terperinci

DISTRIBUSI PELUANG.

DISTRIBUSI PELUANG. DISTRIBUSI PELUANG readonee@yahoo.com Distribusi? Peluang? Distribusi Peluang? Distribusi = sebaran, pencaran, susunan data Peluang : Ukuran/derajat ketidakpastian suatu peristiwa Distribusi Peluang adalah

Lebih terperinci

BAB III METODE SIMULASI

BAB III METODE SIMULASI BAB III METODE SIMULASI 3.1 Metode Simulasi 3.1.1 Pengertian Untuk merumuskan model stokastik pada sebuah sistem yang kompleks, perlu adanya pertimbangan yang baik dalam menentukan model tiruan sistem

Lebih terperinci

Pseudo Random Distribution dalam DotA

Pseudo Random Distribution dalam DotA Pseudo Random Distribution dalam DotA Hably Robbi Wafiyya NIM : 13507128 Program Studi Teknik Informatika Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail : if17128@students.if.itb.ac.id ABSTRAKSI

Lebih terperinci

Matematika Diskrit. Reza Pulungan. March 31, Jurusan Ilmu Komputer Universitas Gadjah Mada Yogyakarta

Matematika Diskrit. Reza Pulungan. March 31, Jurusan Ilmu Komputer Universitas Gadjah Mada Yogyakarta Matematika Diskrit Reza Pulungan Jurusan Ilmu Komputer Universitas Gadjah Mada Yogyakarta March 31, 2011 Teori Bilangan (Number Theory) Keterbagian (Divisibility) Pada bagian ini kita hanya akan berbicara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tidak terlepas dari data, baik itu bersifat kuantitatif maupun kualitatif. Apabila dikumpulkan data dari seluruh elemen dalam suatu populasi,

Lebih terperinci

Siklus Pengambilan Keputusan

Siklus Pengambilan Keputusan Siklus Pengambilan Keputusan Masalah ROI Metode Analisis Kebijakan / Strategi Sample Data Validasi P-Value / Parameter Output SPSS Hipotesa Uji Hipotesis Teori Keputusan Definisi-Definisi Penelitian Penelitian

Lebih terperinci

f (a) = laju perubahan y = f(x) pada x = a = turunan pertama y=f(x) pada x = a

f (a) = laju perubahan y = f(x) pada x = a = turunan pertama y=f(x) pada x = a LEMBAR AKTIVITAS SISWA DIFFERENSIAL (TURUNAN) Nama Siswa : y f(a h) f(a) x (a h) a Kelas : Kompetensi Dasar (KURIKULUM 2013): 3.21 Memahami konsep turunan dengan menggunakan konteks matematik atau konteks

Lebih terperinci

Elliptic Curve Cryptography (Ecc) Pada Proses Pertukaran Kunci Publik Diffie-Hellman. Metrilitna Br Sembiring 1

Elliptic Curve Cryptography (Ecc) Pada Proses Pertukaran Kunci Publik Diffie-Hellman. Metrilitna Br Sembiring 1 Elliptic Curve Cryptography (Ecc) Pada Proses Pertukaran Kunci Publik Diffie-Hellman Metrilitna Br Sembiring 1 Abstrak Elliptic Curve Cryptography (ECC) pada Proses Pertukaran Kunci Publik Diffie-Hellman.

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

TUTORIAL SIMULASI KOMPUTER. Modul. Montecarlo Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia 2017/2018

TUTORIAL SIMULASI KOMPUTER. Modul. Montecarlo Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia 2017/2018 TUTORIAL SIMULASI KOMPUTER 6 2017/2018 Modul Montecarlo Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia BAB VI MONTECARLO 6.1 Tujuan Praktikum 1. Praktikan dapat memahami konsep

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 52 BAB IV HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Setelah semua data yang dibutuhkan dalam penelitian ini terkumpul dari berbagai sumber, maka dilanjutkan dengan menganalisa data tersebut

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian ini akan dilakukan di DAS Kali Krukut dan dimulai dari bulan Februari hingga Juni 2012. Daerah Pengaliran Sungai (DAS) Krukut memiliki luas ±

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. teori yang menjadi dasar dan data yang diperoleh dari Badan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. teori yang menjadi dasar dan data yang diperoleh dari Badan BAB IV HASIL PENELITIAN DAN PEMBAHASAN Bab ini menguraikan hasil penelitian yang telah dilakukan dengan membandingkan teori yang menjadi dasar dan data yang diperoleh dari Badan Pusat Statistik (BPS).

Lebih terperinci