REGRESI POLINOMIAL LOKAL NURMA NUGRAHA

Ukuran: px
Mulai penontonan dengan halaman:

Download "REGRESI POLINOMIAL LOKAL NURMA NUGRAHA"

Transkripsi

1 REGRESI POLINOIAL LOKAL NURA NUGRAHA 3543 UNIVERSITAS INDONESIA FAKULTAS ATEATIKA DAN ILU PENGETAHUAN ALA DEPARTEEN ATEATIKA DEPOK 9 Regres oloml..., Nurm Nugr, FIPA UI, 9

2 REGRESI POLINOIAL LOKAL Srs du sebg sl su syr uu memerole gelr Sr Ss Ole: NURA NUGRAHA 3543 DEPOK 9 Regres oloml..., Nurm Nugr, FIPA UI, 9

3 SKRIPSI : REGRESI POLINOIAL LOKAL NAA : NURA NUGRAHA NP : 3543 SKRIPSI INI TELAH DIPERIKSA DEPOK, DESEBER 9 DRA. EKTI WIDANINGSIH,.S PEBIBING I SARINI ABDULLAH, S.S.,.Ss PEBIBING II Tggl lulus U Sdg Sr : 5 Desember 9 Pegu I : Dr. e Wdygs,.S Pegu II : Dr. S Nurrom,.S Pegu III : Dr. Nor Hrd,.S Regres oloml..., Nurm Nugr, FIPA UI, 9

4 KATA PENGANTAR Almdulll rbbl lm. Segl u d syuur y ed ALLAH SWT, g Pegs, yg membu euls d meyeles ugs r. Slw d slm euls sm ed sur uld, mus bs deg l lur bs, Rsulull SAW. Terselesy srs d erles dr bu, bmbg, dorog, d do yg ulus dr by. Ole re u, d esem, euls g meym uc erm s yg sebesr-besry ed :. Org u euls. m d Ay yg sellu berdo uu euls dse suudy. Term s s do, s syg, semg, egorb yg er uus d membu euls mmu meyeles ugs r.. Ibu e Wdygs selu Pembmbg I euls, yg el by melug wuy dsel esbu bu meemu sud S3, uu member bmbg, sr, egr d emud ly deg sg sbr segg srs d dseles deg b. 3. Ibu Sr Abdull selu Pembmbg II euls, yg ug el by melug wu uu member bmbg, sr, egr d emud ly deg sbr d ls. Term s bu. Regres oloml..., Nurm Nugr, FIPA UI, 9

5 4. Ibu S Nurrom selu embmbg dems yg el member s d bmbgy. 5. Seluru dose Dereme em s segl lmu yg euls erole selm med mssw em UI. 6. Seluru ryw Dereme em, b TU muu Perus em yg el by member buy dem elcr eyusu srs euls. 7. K d d euls, Ce D, s Eo, I, I m, yg el by member duug, bu, d doy. 8. Ke, ee, d seluru elurg besr euls yg by member duug d do. 9. Uu sb-sb erb euls, A Asry, K, Krl, Des, yg el member semg d do.. Tem-em yg sm-sm berug uu meyeles srs semeser, y, Ic, R, Aml, b Av, b I, r, u, Agg, Ars, Ud, Nsb, Iul, R. Almdulll, sesugguy bersm esul d emud.. Tem-em su bmbg, Hru, Pur, Nf, d D, erus berug! All member yg erb uu.. Tem-em usoll Izzul Islm FIPA UI 7, 8, 9, rere eor d Prmgm Klsr, em-em Slm UI, emem usoll A-Nur, em-em IKR, Syuro Jzumull s Regres oloml..., Nurm Nugr, FIPA UI, 9

6 do, movs d egery, erl du d uuw dr l. 3. Tem-em g 4, 5, 6, 7, 8, Semu yg el membu euls deg duug d doy. oo mf d srs erd esl d eurg. Semog srs d bergu bg s s yg megy, ser d dembg d dsemur gr leb bermf uu eeg org by. Bu Km el melg uumu ddmu? d Km el meglg drdmu bebmu, yg member uggugmu? D Km gg bgmu sebu m mu, Kre sesugguy sesud esul u d emud, sesugguy sesud esul u d emud. bl mu el seles dr sesuu urus, erl deg suggusuggu urus yg l. d y ed Tumul edy mu berr. Peuls 9 Regres oloml..., Nurm Nugr, FIPA UI, 9

7 ABSTRAK Alss regres meru suu meode ss uu meyeld d memodel ubug r su vrbel reso deg su u leb vrbel redor. Hubug r vrbel redor d vrbel reso secr umum d dmodel deg sebu fugs regres. eeu fugs sr regres d dlu secr rmer d ormer. Dlm ugs r fugs regres dsr secr ormer deg meode regres oloml lol. Regres oloml lol dl suu meode regres ormer, deg fugs regres dsr meggu beu oloml. J d regres oloml bs ersm regres d-f uu seluru wly d m dlm regres oloml lol ersm regres d-f seoog-seoog. Kemulus urv dr sr regres ergug d eml rmeer emulus u bdwd, segg derlu eml bdwd yg oml, yu bdwd yg memmum GCV. Dlm ls meode regres oloml lol dbdg deg meode Ndry-Wso. Hsl yg derole dl meode regres oloml lol b mesr d yg ly meymg u dbdg l d yg l, sedg meode Ndry-Wso b mesr d d yg berumul. v Regres oloml..., Nurm Nugr, FIPA UI, 9

8 K uc: bdwd; regres ormer; regres oloml lol; CV; GCV; Ndry-Wso; fugs erel. 76 lm.; lm Bblogrf: v Regres oloml..., Nurm Nugr, FIPA UI, 9

9 DAFTAR ISI Hlm KATA PENGANTAR... ABSTRAK... DAFTAR ISI... DAFTAR GABAR... DAFTAR TABEL... DAFTAR LAPIRAN... DAFTAR NOTASI... v v BAB I PENDAHULUAN.... Lr Belg.... Perumus sl....3 Tuu Peuls....4 Pembs sl Ssem Peuls... 3 BAB II LANDASAN TEORI eode Regres Hmr Tylor... 6 v Regres oloml..., Nurm Nugr, FIPA UI, 9

10 .3 Bdwd rs H Fugs Kerel eode Ndry-Wso... BAB III REGRESI POLINOIAL LOKAL Regres Poloml Lol Lg Ker Regres Poloml Lol Bs d Vrs Tsr Regres Poloml Lol... 5 BAB IV APLIKASI REGRESI POLINOIAL LOKAL Pedulu Als Regres Poloml Lol Pd D Tes Perbdg eode Regres Poloml Lol Deg eode Ndry-Wso Pd D Tes Als Regres Poloml Lol Pd D Demm Berdr D Ko Deo Tu Lr Belg sl Permsl D Tuu Pegol d Alss D v Regres oloml..., Nurm Nugr, FIPA UI, 9

11 4.5 Perbdg eode Regres Poloml Lol Deg eode Ndry-Wso... 4 BAB V KESIPULAN DAN SARAN Kesmul Sr DAFTAR PUSTAKA v Regres oloml..., Nurm Nugr, FIPA UI, 9

12 DAFTAR GABAR Hlm Gmbr 4. Plo D Tes Gmbr 4. Plo CV d GCV D Tes Gmbr 4.3 Plo mˆ deg meode Regres Poloml Lol D Tes Gmbr 4.4 Plo Perbdg mˆ deg eode Regres Poloml Lol d Ndry-Wso D Tes Gmbr 4.5 Plo Resdul m ˆ deg eode Regres Poloml Lol d Ndry-Wso D Tes Gmbr 4.6 Plo D DBD Gmbr 4.7 Plo CV d GCV D DBD Gmbr 4.8 Plo mˆ deg meode Regres Poloml Lol D DBD Gmbr 4.9 Plo Perbdg mˆ deg eode Regres Poloml Lol d Ndry-Wso D DBD Gmbr 4. Plo Resdul m ˆ deg eode Regres Poloml Lol d Ndry-Wso D DBD Regres oloml..., Nurm Nugr, FIPA UI, 9

13 DAFTAR TABEL Hlm Tbel 4. Perug Resdul D Tes Tbel 4. Perug Resdul D DBD Tbel 4.3 Perbdg eode Regres Poloml Lol deg eode Ndry Wso Regres oloml..., Nurm Nugr, FIPA UI, 9

14 DAFTAR LAPIRAN Hlm LAPIRAN Pembeu rs H LAPIRAN Eleme rs H dlm Regres Poloml Lol... 5 LAPIRAN 3 Eleme Dgol rs H LAPIRAN 4 Pembeu Esmor Ndry-Wso LAPIRAN 5 Pembu w Berl smum e LAPIRAN 6 Pembu w euru e embesr... 6 LAPIRAN 7 Pembu Persm E lol dlm Beu rs.. 63 LAPIRAN 8 Vrs dr m ˆ K LAPIRAN 9 D Tes LAPIRAN D Ked Pedudu d Reuls Ksus DBD d Ko Deo er Kelur Tu LAPIRAN Resdul dr m ˆ, eode Regres Poloml Lol d Ndry-Wso d D Tes LAPIRAN Resdul dr m ˆ, deg eode Regres Poloml Lol d Ndry-Wso d D DBD Regres oloml..., Nurm Nugr, FIPA UI, 9

15 DAFTAR NOTASI Vrbel redor Vrbel reso Pegm e- Vrbel redor egm e Vrbel reso egm e Vrbel redor yg ly d erd d d wl mu dgu uu mesr m Suu fugs regres m ˆ Tsr fugs regres ε Rdom error, suu vrbel c yg meggmbr vrs d ser m Byy egm Nl e yg deu m, Persm regres d oloml lol uu l redor yg de deg, Der oloml Bdwd, yu os osf yg meeu lebry lgug d ser Regres oloml..., Nurm Nugr, FIPA UI, 9

16 w Fugs erel yg dd sebg fugs embobo m ˆ, Tsr m, d s Er brs e olom e d mrs Brs e d mrs H Er brs e olom e d mrs H Regres oloml..., Nurm Nugr, FIPA UI, 9

17 BAB I PENDAHULUAN. LATAR BELAKANG Alss regres meru suu meode ss uu meyeld d memodel ubug r su vrbel reso deg su u leb vrbel redor. sly, dber mu d {, },,,. Secr umum ubug r d d duls sebg : m ε. deg m dl suu fugs regres, d ε dl suu vrbel c yg meggmbr vrs d ser m. Permsl dlm lss regres dl meeu fugs dug m ˆ yg mewl eer r d d d yg dber. Peeu fugs dug regres d dlu secr rmer d ormer. Pesr fugs dug yg lg umum d serg l dgu dl esr fugs dug secr rmer. Pd esr fugs secr rmer bsy fugs regres dsums meru suu fugs yg deu beuy. Fugs ersebu dgmbr ole seuml gg rmeer yg rus dsr. Dlm Regres oloml..., Nurm Nugr, FIPA UI, 9

18 regres rmer erd beber sums mege model, segg derlu egece ereuy sums ersebu. Nmu, bl d d referes beu urv ereu m dgu esr fugs regres secr ormer yg leb flesbel. Ad beber meode edug dlm regres ormer, r l edug erel, edug sle, edug dere orogol, d lss wvele. Tugs r membs esr fugs regres secr ormer meggu meode regres oloml lol.. PERUUSAN ASALAH Permsl yg dbs dlm uls dl : Bgm mecr sr fugs m d regres ormer deg meggu meode regres oloml lol?.3 TUJUAN PENULISAN eels meode sr regres oloml lol, meglsy d d, ser membdg meode regres oloml lol deg meode Ndry-Wso. Regres oloml..., Nurm Nugr, FIPA UI, 9

19 3.4 PEBATASAN ASALAH Regres oloml lol yg dbs dbs uu oloml berder, meggu fugs erel Guss, d su vrbel redor..5 SISTEATIKA PENULISAN Peuls d ugs r dbg med 5 bb, yu : Bb I : Pedulu embs lr belg euls, erumus msl, uu euls, embs msl, d ssem euls. Bb II : Lds Teor embs eor dsr yg dgu d embs regres oloml lol. Bb III : Regres Poloml Lol embs d meels Regres Poloml Lol. Bb IV : Peer Regres Poloml Lol d D embs eer dr Regres Poloml Lol d d. Bb V : Kesmul d Sr Regres oloml..., Nurm Nugr, FIPA UI, 9

20 4 BAB II LANDASAN TEORI Uu memm meode regres oloml lol, erlu dbs erleb dulu eor-eor yg medsry, yu meode regres, mr Tylor, bdwd, mrs H, fugs erel, d regres ormer deg meode esms Ndry-Wso.. ETODE REGRESI eode regres dl suu meode ss uu meyeld d memodel ubug r vrbel reso d vrbel redor. sly dber mu d {, },,,. Secr umum ubug r d d duls sebg beru : m ε. deg m dl suu fugs regres yg belum deu d g dsr, d ε dl suu vrbel c yg meggmbr vrs d ser m Hrdle, Regres oloml..., Nurm Nugr, FIPA UI, 9

21 5 Pesr fugs regres d dlu deg du cr, yu secr rmer d ormer. Pd regres rmer dgu beu fugs rmer ereu sebg m. m dgmbr ole seuml gg rmeer yg rus dsr. Dlm regres rmer erd beber sums mege model, segg derlu egece ereuy sums ersebu. Coo beu model regres rmer deg su vrbel redor : odel regres ler seder : β β ε. model deg su vrbel redor yg ubugy deg vrbel reso dgmbr ole sebu grs lurus. odel regres oloml order model udr : β β β ε.3 urv regres dgmbr ole urv legug udr. odel oloml order e- : β β β L β ε..4 Pd model-model regres ersebu rmeer regres bsy dsr deg meggu meode les squre. eode les squre meru sl su meode yg lg by dgu uu medug rmeer-rmeer regres. Bsy edug les squre derole deg memmum uml udr resdul. Regres oloml..., Nurm Nugr, FIPA UI, 9

22 6 SSR ˆ ˆε.5 Pd regres ormer, fugs regres m dsr referes beu urv ereu. Cr leb flesbel re d memerlu forms - eg fugs regresy, d m megu beu d.. HAPIRAN TALOR Teorem Tylor sly f dl fugs yg meml uru-uru eberu d suu selg r, r, deg dl yg berd de deg, d r dl besr lgug d ser. Dere Tylor f '' f ''' 3 f f ' L.6! 3! merereses fugs f d selg r, r d y lm R dm R dl suu ss dlm rumus Tylor, d c dl d r, r. f c! R.7 Regres oloml..., Nurm Nugr, FIPA UI, 9

23 7 Dere Tylor dgu uu mecr l mr dr sebu fugs. sly d dere Tylor orde e-, mr yg dsl dsebu mr ler erd f d ser : P f f '.8 Hmr ler P bersl deg b e berd de, e urg begu bgus d berd de d euml meuu suu-suu deg orde yg leb gg dlm dere Tylor bsy member mr yg leb b. Jd, oloml orde du : f '' P f f '.9! yg ersusu s g suu erm dr dere Tylor uu f, megsl mr yg leb b uu f dbdg deg mr ler P. Poloml Tylor orde dl : P f ''!! ' L.. f f f.3 BANDWIDTH Bdw yg dos deg dl suu os osf uu meeu emulus dr urv sr regres. Deg meml bdwd yg mede m sr yg dd d mulus Regres oloml..., Nurm Nugr, FIPA UI, 9

24 8 b y meool lo dy s. J l bdwd sem besr m sr yg dd sem mulus e deg oseues bsy sem besr. Ole re u, derlu eml bdwd yg oml, yu bdwd yg megsl urv regres yg mulus d memmum l bsy. CV d GCV dl uur yg dgu uu meeu bdwd yg oml. Cross-Vldo CV dy deg formul sebg beru : CV mˆ. mˆ H. esu cross-vldo meru meode yg efef uu meeu bdwd yg oml, mu cross-vldo ug memuy elem. Krey, dembg meode Geerlzed Cross-Vldo GCV. GCV dy deg formul beru : GCV ˆ m H.. deg H dl rce dr mrs H yg sg berer eg dlm ersm. Regres oloml..., Nurm Nugr, FIPA UI, 9

25 9.4 ATRIKS HAT rs berer eg dlm regres secr umum, uu edug yg meggu edug ler. Hubug mrs dlm regres secr umum dl : ˆ H.3 deg H mrs yg beruur lmr. Dlm regres oloml lol, er dr mrs dl H w e W e ' lmr, deg eleme dgol H W. w lmr 3..5 FUNGSI KERNEL Fugs erel dos deg K u, meru suu fugs yg d emfy dberlu d se d d. Fugs memuy g sf, yu : K u, uu semu u, K u, Regres oloml..., Nurm Nugr, FIPA UI, 9

26 K u K u, uu semu u Ku bersf smers. Tbel meuu beber fugs erel : Tbel. Beber Fugs Kerel Kerel Ku Uform I u Trgle u I u 3 Eecov u I u 4 Qurc 5 u I u 6 Trweg 35 u 3 I u 3 Guss e u π Cosus cos ui u π 4 Regres oloml..., Nurm Nugr, FIPA UI, 9

27 .6 ETODE NADARAA-WATSON Sl su e regres ormer uu mesr fugs regres m dl deg meggu edug Ndry-Wso. Pedug derole deg meggu meode esr fugs dess erel. Beu ersm regres deg meode Ndry-Wso dl : m ˆ fugs sr regres K mˆ.4 K vrbel redor yg ly d erm mu dgu uu mesr vrbel redor d d e- vrbel reso d d e- K fugs erel uur smel/by egm lebr bdwd Cr l uu memerole edug Ndry-Wso m ˆ, yu deg memmum udr esl squre error yg dber bobo, yu sebg beru : Regres oloml..., Nurm Nugr, FIPA UI, 9

28 w dl emboboy. E w.5 cos Deg meuru Ecos erd, m derole : lmr 4 w ˆ.6 m w Pd ersm ersebu de bw w sebg K. ersm megsl ersm yg sm deg ersm.4. Dr cr, edug Ndry-Wso med sebu meode uu medug m deg meggu w sebg fugs embobo. eode dsebu sebg meode eges os secr lol meod of fg coss loclly re m erdr dr os-os lol. Ole re u e dsebu edug os lol. Regres oloml..., Nurm Nugr, FIPA UI, 9

29 3 BAB III REGRESI POLINOIAL LOKAL D yg berbeu sg {, },,...,, dlm lmu ss umumy d dy deg ersm : m ε 3. m dl suu fugs regres yg meggmbr ed d d g dsr, d ε dl suu vrbel rdom yg meggmbr vrs dser m Hrdle, 99. Sl su cr mesr fugs regres dl deg me-f lo urv dr d deg model regres oloml d mesr rmeerrmeer regresy deg meode les squre. Nmu meode d d begu s dgu uu emulus. Hl dsebb ole f bw y su oloml d-f uu seluru wly d deg ods d yg omles. ug ersm ersebu coco uu wly d ereu mu d coco uu wly d yg l, u urv regres ersebu d sesu deg d. Permbg-ermbg megr d ose embg d e dlm beber wly d mem-f urv uu msg-msg wly. Seluy, sl dr msg-msg wly ersebu dlg segg dd dug fugs regres uu seluru wly l d. Kose dsebu ecewse 3 Regres oloml..., Nurm Nugr, FIPA UI, 9

30 4 fg dr ersm regres. Nmu by msl bru yg mucul e mecob ecewse fg. sl ersebu berubug deg eeu byy d oss dr o smul uu ecewse fg. J fugs regres yg dgu uu ecewse fg cuu omles deg by oefse regres, membul esul. Ole re u regres lol dembg uu membs emodel ersebu. 3. REGRESI POLINOIAL LOKAL Regres oloml lol dl suu meode regres ormer, dm fugs regres m dsr meggu beu oloml. Pd regres oloml bs ersm regres d-f uu seluru wly d sedg dlm regres oloml lol ersm regres d-f y dlm lgug s. Persm regres d oloml lol orde e- m,, uu l redor yg de deg, ddefs sebg beru : m, 3. Persm 3. bersesu deg sebu mr yg meggu suu erm erlus dere Tylor dr m d ser.,,, L, } derole deg memmum : { Regres oloml..., Nurm Nugr, FIPA UI, 9

31 5 E lol w w m, 3.3 deg : : Vrbel redor yg ly d erm mu dgu uu mesr : l e yg deu : bdwd, yu os osf yg meeu lebry lgug d ser : vrbel reso egm e : vrbel redor egm e w : fugs erel yg dd sebg fugs embobo. Fugs erel bsy dl sebu fugs yg berl u berl osf d w berl msmum e lmr 5, ser meuru e membesr lmr 6. I berr d yg berd dlm lgug member orbus yg leb besr. m, member mr yg b e de deg. Segg sr m, d s dl m ˆ, ˆ d ˆ, ˆ, ˆ, L, ˆ } dd deg cr yg sm seer { Regres oloml..., Nurm Nugr, FIPA UI, 9

32 6 },,,, { L, yu deg memmum ersm 3.3. Fugs erel w yg dgu dl fugs erel Guss, yu : e w 3.4 Fugs erel l yg bs dgu sebg embobo dl fugs embobo bsqure u bweg, rweg, d fugs embobo rcube, secr beruru sebg beru : w > 3 w > 3 3 w 3 3 > Regres oloml..., Nurm Nugr, FIPA UI, 9

33 7 Uu memermud roses e-mmum- ersm 3.3, m ersm ersebu d duls dlm os mrs sebg beru : rs dl mrs beruur d d s meru fugs dr : L O L L L 3.8 mrs y dl mrs olom beruur : : y 3.9 mrs dgol W deg uur : w w w L O L L W 3. ser mrs, beruur : 3. Segg ersm 3.3 d duls ulg dlm beu mrs sebg beru lmr 7 : Regres oloml..., Nurm Nugr, FIPA UI, 9

34 8 y W y E lol 3. Deg memmum E lol m dd : Wy W ˆ 3.3 Hsl ersebu bersl dr roses erug sebg beru : Sebelum dlu e-mmum-, E lol dur erleb dulu y W y lol E W W W W W 3.4 Seluy, ersm 3.4 duru secr rsl erd l, deg l, sebg beru : l l l E lol W W l l W W deg,, Regres oloml..., Nurm Nugr, FIPA UI, 9

35 9 m : E lol l W l W l l W W W l l W W l 3.5 W W l W W Wy W W I W W l Wy Wy Wy m ˆ, ˆ yg meru sr m, d s med : mˆ, e e W Wy 3.6 deg e dl veor olom,,, yg beruur. Seluy, ddefs veor olom q q q, q,, L sebg embobo, yu : Regres oloml..., Nurm Nugr, FIPA UI, 9

36 q e W W 3.7 Deg meyubsus q e dlm m ˆ, d duls : A duu bw : mˆ, q y q 3.8 q 3.9 Deg meggu ersm 3.7, d edu ssy dl deg dr sebel, m derole : q e W e W q L q L q L L L O L q L q q L q L q L q L q q L q L Regres oloml..., Nurm Nugr, FIPA UI, 9

37 deg meym er mrs yg bersesu m derole : q 3. Persm 3.8 d 3. megds bw sebu dug yg dber ole regres olyoml lol dl embobo r-r weged verge dr { }. Regres oloml..., Nurm Nugr, FIPA UI, 9

38 3. LANGKAH KERJA REGRESI POLINOIAL LOKAL Proses erug sr regres oloml lol secr rgs dels deg bg beru : LANGKAH PEBENTUKAN, ˆ m Regres Poloml Lol, m dsr deg ˆ, ˆ m m, omoe embeu Bu grd derole omoe embeu Wy W e e ˆ, ˆ m e w, dl bdwd oml w w w L O L L W omoe embeu rs su y rs d vrble reso rs d vrble redor L L rs bobo e Regres oloml..., Nurm Nugr, FIPA UI, 9

39 3 Sedg rosedur eml bdwd yg oml deg CV u GCV dl sebg beru : Prosedur Peml Bdwd deg CV CV mˆ. mˆ H Teu brs bdwd,, L, } yg ly berd dser ĥ, { ˆ / 5 ˆ.6σ Rule of Tumb, deg σˆ dl sdr devs dr d dl by egm Hrdle, 99. Beu m, seby l, deg deg H W w Hug CV mˆ mˆ. H Beu m, seby l, deg deg H W w Hug CV mˆ mˆ. H CV mmum d CV oml Regres oloml..., Nurm Nugr, FIPA UI, 9

40 4 Prosedur Peml Bdwd deg GCV GCV mˆ H Teu brs bdwd,, L, } yg ly berd dser ĥ, { ˆ / 5 ˆ.6σ Rule of Tumb, deg σˆ dl sdr devs dr d dl by egm Hrdle, 99. Beu m, seby l, deg Deg H W w Beu m, seby l, deg deg H W w Hug ˆ m GCV H Hug ˆ m GCV H GCV mmum d GCV oml Regres oloml..., Nurm Nugr, FIPA UI, 9

41 5 3.3 BIAS DAN VARIANSI TAKSIRAN REGRESI POLINOIAL LOKAL A dcr bs dr sr m ˆ,. Bs dr suu sr dl : Bs ˆ Eˆ 3. Segg bs dr sr m ˆ, dl : Bs mˆ, E mˆ, m, 3. Deg meggu ersm 3.6 : m ˆ, e W Wy deg m ε d E ε,, m E mˆ, : E mˆ, E e W W m ε e W Wm 3.3 deg m m, m,, m L, veor olom deg eleme yg mey l dr m yg erle d } d {,,, ε ε L ε ε. Perlus Tylor dr m dlm lgug dl : m m m m m L r 3.4!! Deg m dl uru e- dr m erd d! dl forl dr. r dl ss yu : r m!! m m m L 3.5 m Regres oloml..., Nurm Nugr, FIPA UI, 9

42 6 Segg ersm 3.3 d dub med : E mˆ, e W Wβ e W Wr m e W Wr 3.6 deg β m, m m, m, L,, d! r, r,, r r. L Segg dd : Bs mˆ, E mˆ, m, m, e W Wr m, Bs mˆ, e W Wr 3.7 Dr ersm 3.7 erl bw Bs mˆ, dl r ˆ yu resdul dr regres oloml lol. Seluy dcr esms vrs dr m ˆ, yg derole deg regres oloml lol. Vrs dr suu sr dl : Vr ˆ ˆ E Eˆ 3.8 Segg vrs dr m ˆ, dl sebg beru : Vr mˆ, E mˆ, E mˆ, E q m ε q m Regres oloml..., Nurm Nugr, FIPA UI, 9

43 7 m q m q ε m q q m q E ε m q q m q ε q q E ε ε q q E ε ε q q σ δ q σ 3.9 deg : E δ σ ε ε δ ddefs sebg : d σ dl vrs dr ε. vrs dr, ˆ m dl : δ Regres oloml..., Nurm Nugr, FIPA UI, 9

44 8 mˆ, Vr σ q σ lmr 8 H Vr mˆ, σ : Seluy dbu E mˆ E mˆ Vr mˆ σ H σ e W e' w e W e' w σ σ e e W e' e' W e w W e' e' W e w w σ σ W W W e w e W e w e σ W w σ H 3.3 Regres oloml..., Nurm Nugr, FIPA UI, 9

45 9 deg W e e w ' '. dr erdsm 3.3 dd : H H 3.3 re H H, m derole : H H H segg : H H 3.3 Ole re u, dd ubug : H 3.33 Deg meyubsus ersm 3.33 e ersm 3.3 dsl : mˆ σ Vr 3.34 Hsl ersebu el membu bw vrs dr esms emulus deg regres oloml lol leb ecl drd vrs error. Regres oloml..., Nurm Nugr, FIPA UI, 9

46 3 BAB IV APLIKASI REGRESI POLINOIAL LOKAL Uu meleg embs meode regres oloml lol, bb membs coo d yg d dseles deg meode regres oloml lol. 4. PENDAHULUAN Uu med sr regres deg meggu meode regres oloml lol, dlu lg-lg sebg beru :. Peyed d.. Plo d. 3. ecr bdwd yg oml bdwd yg memmum GCV. 4. elu esr regres oloml lol. D yg dgu dl d Tes3 Iroduco o Normerc Regresso, Kuo Tezw, 6 lmr 9 d d demm berdr u 8 Ko Deo lmr. 3 Regres oloml..., Nurm Nugr, FIPA UI, 9

47 3 4. APLIKASI REGRESI POLINOIAL LOKAL PADA DATA TEST3 D Tes3 meru d deg vrbel yu sebg vrbel redor d sebg vrbel reso, d erdr dr 3 egm. Gmbr 4. memerl lo d Tes3 yg sebry cederug d du ole suu urv. Pd lo dlu edug urv meggu meode regres oloml lol deg bdwd oml yg duu d Gmbr 4.. Bdwd oml yg memmum CV dl.4 d bdwd oml yg memmum GCV dl.35. Seluy Gmbr 4.3 memerl urv dug meggu meode regres oloml lol der deg fugs erel Guss. Gmbr 4.3 meuu m ˆ deg.4, yu bdwd yg memmum CV. Gmbr 4.3 b meuu m ˆ deg.35, yu bdwd yg memmum GCV. Pd urv deg.35, leu urv erl leb els dbdg urv deg.4. Regres oloml..., Nurm Nugr, FIPA UI, 9

48 3 Gmbr 4. Plo d Tes3 CV GCV bdwd bdwd b Gmbr 4. Plo CV vs, b GCV vs y y y Gmbr 4.3 Plo mˆ deg meode Regres Poloml Lol.4, b.35 b Regres oloml..., Nurm Nugr, FIPA UI, 9

49 PERBANDINGAN ETODE REGRESI POLINOIAL LOKAL DENGAN ETODE NADARAA-WATSON PADA DATA TEST3 Uu mel eleb d eurg dr meode regres oloml lol, m dlu embdg deg meode Ndry Wso. y y b y c Gmbr 4.4 lo mˆ deg meode Regres Poloml Lol, b lo mˆ deg meode Ndry Wso, c lo gbug mˆ deg meode Regres Poloml Lol d, mˆ deg meode Ndry Wso uus-uus. Regres oloml..., Nurm Nugr, FIPA UI, 9

50 34 Resdul Bs Tsr Ndry-Wso & Resdul Bs Tsr Regres Poloml Lol Resdul Bs,4,3,, 3 Gmbr 4.5 Resdul m ˆ meode Regres Poloml Lol d bs m ˆ meode Ndry-Wso bru Gmbr 4.4 meuu urv dug meggu meode regres oloml lol berder deg fugs erel Guss d.35. Gmbr 4.4 b meuu urv dug deg meode Ndry-Wso deg fugs erel Guss d.8 oml uu Ndry-Wso. Gmbr 4.4 c meuu gbug dr edu urv ersebu, dr Gmbr 4.4 c, erl bw sl dug urv r meode regres oloml lol d Ndry-Wso d u berbed, y s d uug-uug urv regres yg meggu meode regres oloml lol erl leb de deg d dbdg urv regres yg meggu meode Ndry-Wso. Gmbr 4.5 memerl resdul dr regres oloml lol d resdul Ndry-Wso. Dr gmbr erl mul resdul regres oloml lol leb ecl dr mul resdul Ndry-Wso d s uug d s, seleby d u berbed. Regres oloml..., Nurm Nugr, FIPA UI, 9

51 35 Tbel 4. dl erug resdul m ˆ, meode regres oloml lol d Ndry-Wso lmr : Tbel 4. Resdul m ˆ, dr eode Regres Poloml Lol d Ndry-Wso D Tes3 I Wso m ˆ Resdul Regres Poloml Lol Ndry- Ndry- Wso Regres Poloml Lol ,47,4885, ,4489,9897, ,3654 -,9567 -, ,9657 -,6646 -, ,9564,6677, , ,674 -,9988 Dr Tbel 4. erl bw resdul dr sr yg meggu meode regres oloml lol d d erm d d edu sg ecl dbdg deg resdul dr sr yg meggu meode Ndry-Wso, e uu d-d ly resdul sr dr edu meode d u berbed. Regres oloml..., Nurm Nugr, FIPA UI, 9

52 APLIKASI REGRESI POLINOIAL LOKAL PADA DATA DEA BERDARAH DI KOTA DEPOK TAHUN Lr Belg sl Ko Deo dl sebu o d Provs Jw Br yg erle e d sel Jr, y r Jr d Bogor. Se ggl Arl 999, Deo de med omdy yg ers dr Kbue Bogor. Ko Deo erdr s 6 ecm d dbg med 63 elur. Deo meru o eygg Jr, re Deo meru o yg berd d ser Jr yg meyoog Jr uu meyed ebuu b g d eg er. Pd s med o dmsrf d u 98, eduduy beruml ser 4. w, d e med omdy d u 999 eduduy meg med ser, u w, sedg d u 8 uml eduduy el mec w sumber : Ds Keedudu Ko Deo u 8 deg ed edudu 47, w/m. Ko Deo meru sl su o yg se uy ere wb ey Demm Berdr Degue DBD. DBD meru sl su ey meulr yg berbss lgug. Ary, ed d eulry degru ole berbg for lgug. Lgug yg Regres oloml..., Nurm Nugr, FIPA UI, 9

53 37 d edudu d ss yg buru d meg erembgb ymu demm berdr, segg meg uml orb demm berdr Permsl Ig dcr urv dug deg meggu regres oloml lol berder, deg vrbel redor dl ed edudu d elur d Ko Deo d vrbel reso dl byy sus DBD d elur ersebu d u D D yg dgu sebg beru :. D ed edudu Ko Deo er elur yg bersumber dr Ko Deo Dlm Ag Tu 8, ole Bd Pus Ss Ko Deo.. D reuls sus DBD d Ko Deo meuru elur u 8, yg bersumber dr Ds Kese Ko Deo. Regres oloml..., Nurm Nugr, FIPA UI, 9

54 38 Dr edu sumber d derole g ed edudu d uml sus DBD er elur des deg 63 elur. Segg dlm sus erd 63 egm Tuu Tuu dr ls dl mecr urv dug uml sus DBD berdsr g ed edudu d Ko Deo meggu regres oloml lol berder, deg vrbel redor dl ed edudu d se elur d Ko Deo d vrbel rge dl byy sus DBD d se elur ersebu d u Pegol d Alss D Beru dl sl egol d lss d mege eer r byy sus DBD d ed edudu d Ko Deo u 8. Regres oloml..., Nurm Nugr, FIPA UI, 9

55 39 Gmbr 4.6 Plo D DBD 8 y 5 5 CV 5 5 GCV y bdwd bdwd b Gmbr 4.7 Plo CV vs, b GCV vs Gmbr 4.8 Plo mˆ deg meode Regres Poloml Lol Gmbr 4.6 meuu lo r byy sus DBD vrbel reso deg ed edudu vrbel redor d 63 elur d Ko Deo. Pd Gmbr 4.7, bdwd oml yg memmum CV dl d d Gmbr 4.7 b, bdwd oml yg Regres oloml..., Nurm Nugr, FIPA UI, 9

56 4 memmum GCV dl ug. Seluy Gmbr 4.8 meuu urv dug meggu meode regres oloml lol der deg fugs erel Guss, d. Deg urv regres d mesr byy sus DBD d suu der d Ko Deo bl deu besr ed eduduy. Uu mel eleb d eurg dr meode regres oloml lol, m d d DBD dlu embdg deg meode Ndry-Wso. y 5 5 y b y c Gmbr 4.9 lo mˆ deg meode Regres Poloml Lol, b lo mˆ deg meode Ndry Wso, c lo gbug mˆ deg meode Regres Poloml Lol d, mˆ deg meode Ndry Wso uus-uus. Regres oloml..., Nurm Nugr, FIPA UI, 9

57 4 Resdul Bs Kurv Ndry-Wso & Regres Poloml Lol Resdul Bs Gmbr 4. Resdul meode Ndry-Wso bru. m ˆ meode Regres Poloml Lol d Bs mˆ deg Gmbr 4.9 meuu urv dug meggu meode regres oloml lol berder deg fugs erel Guss d. Gmbr 4.9 b meuu urv dug deg meode Ndry- Wso deg fugs erel Guss d oml uu meode Ndry-Wso. Gmbr 4.9 c meuu gbug dr edu urv ersebu, dr gmbr ersebu erl sl dug urv r meode regres oloml lol deg Ndry-Wso d u berbed. Pd uug urv regres deg meode regres oloml lol erl leb de deg d dbdg urv regres deg meode Ndry- Wso. Gmbr 4. memerl resdul dr regres oloml lol d resdul Ndry-Wso, dr gmbr erl mul resdul regres oloml lol leb ecl dr mul resdul Ndry-Wso d bg uug d s, seleby d u berbed. Regres oloml..., Nurm Nugr, FIPA UI, 9

58 4 Tbel 4. dl erug resdul m ˆ, meode regres oloml lol d Ndry-Wso lmr : Tbel 4. Resdul m ˆ, dr eode Regres Poloml Lol d Ndry-Wso D DBD 8 m ˆ, Resdul Regres Regres Ndry- Ndry- Poloml Poloml Wso Wso Lol Lol PERBANDINGAN ETODE REGRESI POLINOIAL LOKAL DENGAN ETODE NADARAA-WATSON Beru dl bel yg memerl secr rgs erbed sr regres deg meode oloml lol d meode Ndry- Wso : Regres oloml..., Nurm Nugr, FIPA UI, 9

59 43 Tbel 4.3 Perbdg eode Regres Poloml Lol deg eode Ndry-Wso No Ndry-Wso Regres Poloml Locl Beu K fugs mˆ esr K m, d m, dsr deg m ˆ, ˆ Vrble redor yg lgsug eggu yg berd de mesr 3 Lg esr esr esr esr m m ˆ, m, 4 Beu egu sebr egu sebr d urv d Pd Coo Als D Ndry- Regres Poloml Wso Lol Tes3 Sum Squre Error Beu Kurv B d d B d uug d, yg megumul seleby d u berbed D DBD Sum Squre Error Beu Kurv B d d B d uug d, yg megumul seleby d u berbed Berdsr du coo, meode Ndry-Wso leb b dbdg regres oloml lol. Hl dsebb ole meode Regres oloml..., Nurm Nugr, FIPA UI, 9

60 44 Ndry-Wso meggu vrbel redor lgsug uu mesr. Sedg meode regres oloml lol meggu yg de deg vrbel redor uu mesr. Ser, d meode Ndry-Wso vrbel reso dsr ole m ˆ, sedg d meode regres oloml lol vrbel reso dsr ole m, d m, dsr lg ole m ˆ,. Nmu ervl dbu seecl mug sedem segg e berd d se yg dsr l y, m sr yg dsl ole meode regres oloml lol leb b dr sr yg dsl ole meode Ndry-Wso. D meode regres oloml e leb b drd meode Ndry-Wso d uug-uug d seer duu d Tbel 4. d 4.. Regres oloml..., Nurm Nugr, FIPA UI, 9

61 45 BAB V KESIPULAN DAN SARAN 5. KESIPULAN. D yg d berol d meyebr d berur, e d dcr urv regresy, sl su cry deg meode regres oloml lol.. Regres oloml lol dl suu meode regres ormer, dm fugs regres dsr meggu beu oloml. J d regres oloml bs ersm regres d-f uu seluru wly d m dlm regres oloml lol ersm regres d-f seoog-seoog. 3. eode regres oloml lol b uu mesr d yg ly meymg u dbdg l d yg l. 4. Uu med sr urv yg b derlu lebr bdwd yg oml, yu bdwd yg memmum GCV. 5. Dlm ls yg el dbs dlm srs, meode Ndry-Wso d meode regres oloml lol megsl urv sr regres yg d u berbed, y s meode 45 Regres oloml..., Nurm Nugr, FIPA UI, 9

62 46 regres oloml lol b uu mesr egm yg ly meymg u dbdg l egm yg l. 5. SARAN Dlm ls meode regres oloml seby dgu uu d yg meyebr secr c d d d yg l uugy meymg u dbdg l egm yg l. Uu med sr yg leb el, euls meyr uu membu r r seecl mug. Pd ugs r euls meydr eerbs meode yg dbs y uu oloml orde d meggu fugs erel Guss s, dl eml fugs Kerel ug eg dlm mecr sr urv regres. Uu u meode d dembg uu oloml orde 3 d eml fugs erel. Regres oloml..., Nurm Nugr, FIPA UI, 9

63 DAFTAR PUSTAKA Bd Pus Ss Ko Deo. Ko Deo Dlm Ag Tu 8. Ds Kese Ko Deo. D reuls sus DBD d Ko Deo meuru elur u 8. Edw J Purcell, Dle Vrberg, Seve E. Rgdo. 3. Klulus. Prece Hll, Ic. Hrdle, Wolfgg. 99. Smoog Tecques W Imlemeo S. New or: Srger Verlg. ogomery, Dougls. 99. Iroduco To Ler Regresso Alyss. New or: Jo Wley & Sos, Ic. Tezw, Koo. 6. Iroduco o Normerc Regresso. New Jersey: Jo Wley & Sos, Ic. 47 Regres oloml..., Nurm Nugr, FIPA UI, 9

64 48 LAPIRAN Pembeu rs H A dbu : ˆ H.3 deg H mrs yg beruur. Bu : Pd model regres ler bergd deg vrbel redor : y β β β L β ε β ε β,, L, A dcr sr dr rmeer-rmeer regres β, β, β, L, β deg meggu meode les squre. Beu fugs les squre : S β, β, L, β ε y β β Fugs S dmmum, d esmor les squre β, β, β, L, β rus memeu : S β ˆ ˆ ˆ ˆ ˆ,,, y β β 3 β β L β Regres oloml..., Nurm Nugr, FIPA UI, 9

65 49 d ˆ ˆ ˆ,, ˆ, ˆ y S β β β β β β L,,, L 4 dr ersm 3 d 4, derole ersm : y ˆ ˆ ˆ ˆ β β β β L y ˆ ˆ ˆ ˆ β β β β L y ˆ ˆ ˆ ˆ β β β β L 5 dd ersm orml seby, deg rmeer regres yg d deu seby ug. Agr leb seder ersm d dy dlm beu mrs. odel dlm ersm d duls deg os mrs sebg : ε β y deg y y y y, veor dr observs yg beruur, L L L, mrs dr vrbel redor beruur, Regres oloml..., Nurm Nugr, FIPA UI, 9

66 5 β β β, veor oefse regres yg beruur, β ε ε ε, veor dr ε rdom error yg beruur. veor les squre : S β ε ε'ε y β' y β re y' y β''y y'β β' 'β y' y β''y β''β 6 β' ' y dl mrs u slr, m rsos β' 'y' y' β dl slr yg sm. esmor les squre rus memeu : S ' y ' βˆ β β ˆ ' ˆ β ' y 7 sl ' d. ' sellu d vrbel redorredory slg bebs ler, yu, d d olom dr mrs yg meruombs ler dr olom ly. ersm 7 bl duls dlm beu mrs : Regres oloml..., Nurm Nugr, FIPA UI, 9

67 5 y y y ˆ ˆ ˆ L L L β β β Perl mrs de deg ersm 5. odel regres yg coco yg bersesu deg vrbel redor,,,, ' L dl : βˆ ˆ ' y ˆ ˆ β β Veor dr ŷ yg bersesu deg l yg dobservs y dl : ˆ βˆ y y ' ' Hy 8 deg ' ' H mrs yg bs dsebu mrs H, re meme veor dr l yg dobservs edlm veor l yg d-f. Regres oloml..., Nurm Nugr, FIPA UI, 9

68 5 LAPIRAN Eleme rs H dlm Regres Poloml Lol Sebelumy dbu : H q Bu : m, deg W W y e, m m ˆ, m ˆ, e W Wy deg e dl veor olom,,,, yg beruur. Seluy ddefs q e W W dm q q q L q mrs beruur, mˆ, q y q q L q q q L q Regres oloml..., Nurm Nugr, FIPA UI, 9

69 53 q m ˆ, ˆ q y q Dlm regres secr umum : Hy y ˆ H H H H H H H H H L O L L ˆ ˆ ˆ dsm y q ˆ m erbu q dl eleme brs e- d mrs H, d q dl eleme brs e- d olom e- d mrs H. Seluy dcr eleme brs e- d olom e- dr mrs. q H W W e W W W W W W W Regres oloml..., Nurm Nugr, FIPA UI, 9

70 54 w W w ' e W e Deg ' e dl veor olom deg eleme d y eleme e- yg berl yg ly berl. Regres oloml..., Nurm Nugr, FIPA UI, 9

71 55 LAPIRAN 3 Eleme Dgol rs H A dcr eleme dgol dr mrs H. Pd lmr 5 el dbu bw q dl eleme brs e- d olom e- d mrs H, m q dl eleme dgol dr mrs H : H q e W e'. w W. w W. w W e'. w W. w Regres oloml..., Nurm Nugr, FIPA UI, 9

72 56 LAPIRAN 4 Esmor Ndry-Wso Cr l uu memerole esmor Ndry-Wso ˆ m, yu deg memmum udr esl error squre yg dber bobo : cos w E.5 w dl emboboy. A dmmum ersm.5, deg cr meuru ersm.5 erd, E cos. Kemud dcr solus uu ersm ersebu deg lg sebg beru : cos w E w w w w E cos Regres oloml..., Nurm Nugr, FIPA UI, 9

73 57 w w w E cos w w w w w w w w Terbu. Regres oloml..., Nurm Nugr, FIPA UI, 9

74 58 LAPIRAN 5 Pembu w Berl smum e Pd fugs erel guss : e w A dbu l w msmum e Bu : e e e berl msmum e e e Regres oloml..., Nurm Nugr, FIPA UI, 9

75 59 Terbu bw l w msmum e Pd fugs embobo bsqure u bweg : dr beu ersebu erl bw w berl u, d w berl msmum e l msmum. A dbu msmum e. Bu : w berl Ary : w > beu udr semur Regres oloml..., Nurm Nugr, FIPA UI, 9

76 6 w berl segg. Dr s erl bw berl msmum e Terbu bw l w msmum e Pd fugs embobo rweg d fugs embobo rcube d dbu deg cr yg sm deg fugs embobo bsqure. Regres oloml..., Nurm Nugr, FIPA UI, 9

77 6 LAPIRAN 6 Pembu w euru e embesr Pd fugs erel guss : e w A dbu l w meuru e mebesr Bu : e e e meuru e l e sem besr, l e membesr e membesr, d membesr e membesr. erbu w meuru e membesr. Pd fugs embobo bsqure u bweg : w > Regres oloml..., Nurm Nugr, FIPA UI, 9

78 6 dr beu ersebu erl bw w berl u. Pd s w berl, besr l w os l w d eregru deg erub, selm > Sedg s w berl, l w eregru deg erub. A dbu l w meuru e membesr. Bu : w berl Ary, w berl Dr beu meuru erl bw l sem besr, membesr e membesr. erbu w meuru e membesr. Pd fugs embobo rweg d fugs embobo rcube d dbu deg cr yg sm deg fugs embobo bsqure. Regres oloml..., Nurm Nugr, FIPA UI, 9

79 63 LAPIRAN 7 Pembu Persm E lol dlm Beu rs A dbu y W y E lol lol w E w y W y Bu : y W y lol E L O L L y L L L Regres oloml..., Nurm Nugr, FIPA UI, 9

80 64 mrs beruur y beruur : L y W y w w w L O L L L w w L y W y lol E : Regres oloml..., Nurm Nugr, FIPA UI, 9

81 65 w w L w w L w w erbu. Regres oloml..., Nurm Nugr, FIPA UI, 9

82 66 LAPIRAN 8 Vrs dr ˆ K m A dbu m Vr ˆ H σ Bu : m q m q m q m q E ε ε q q E ε ε q q σ δ q σ H σ ˆ ˆ m E m E Regres oloml..., Nurm Nugr, FIPA UI, 9

83 67 LAPIRAN 9 D Tes Regres oloml..., Nurm Nugr, FIPA UI, 9

84 Regres oloml..., Nurm Nugr, FIPA UI, 9

85 69 LAPIRAN D Ked Pedudu d Reuls Ksus DBD d Ko Deo er Kelur Tu 8 Ked Byy Kelur Pedudu Ksus DBD Lmo 3, 4 Gdul 7,8 3 Tos Jmuly,9 5 Cyug, Leuwggug 3 7 Bed 4 8 Curug Psr Pu 5 Cg 9 Seru 9 Dure Serbu 9 3 Hrmu 3 4 Grogol 33, 4 5 Try 33,5 4 6 Pegs 34 7 Klbru 34,84 8 Podo C 35 9 Klmuly 35,9 6 Regres oloml..., Nurm Nugr, FIPA UI, 9

86 7 Swg 37 7 Cmeu 37 Clodog 37,6 6 3 Kuus Swg Bru eruyug 39,7 4 6 Podo Per Boogsr Bru 44 8 Kedug 44 9 Pgl Bru 47,4 3 Kruu 49, 3 3 Boogsr 5 3 Dure er Clg Csl 57, Cyug Jy 6,3 36 Sumy 6, T Bru Rg Jy Bru 65, Pgl J Lm 69,6 3 4 Deo 74, Sumu Bru ersr Jr Pcor s 8, mg 8,37 46 Su Curug Psr guug Sel 89 Regres oloml..., Nurm Nugr, FIPA UI, 9

87 7 49 Ru Jy 9, Rg Jy 9, Sumu, Podo Jy 4, Be Tmur 5 54 Cere, Csl Psr Podo Terog 7, Kemr u Tugu Be Deo Jy 93,5 9 6 B Jy 3, Abd Jy 4, er Jy 6,39 6 Regres oloml..., Nurm Nugr, FIPA UI, 9

88 7 LAPIRAN Resdul dr m ˆ, deg eode Regres Poloml Lol d Ndry-Wso d D Tes3 Wso m ˆ, Resdul Regres Poloml Lol Ndry- Ndry- Wso Regres Poloml Lol ,47,4885, ,4489,9897, ,3654 -,9567 -, ,487554,978, ,683 -,346, ,7844,9864, ,8797 -,9 -, , ,473 -, ,939338,8533, ,956 -,898 -, , ,647 -, ,9,358, , ,856 -, ,86594,984, ,753,839, ,698 -,78, ,697 -,384 -, , ,778 -,499 Regres oloml..., Nurm Nugr, FIPA UI, 9

89 ,4958 -,669 -, ,765,984, ,939 -,37 -, ,77,738, ,558 -,3587 -, ,4995,7996, ,5878,4676, ,767 -,35 -, ,876,443, ,9657 -,6646 -, ,9564,6677, , ,674 -,9988 Regres oloml..., Nurm Nugr, FIPA UI, 9

90 74 LAPIRAN Resdul dr m ˆ, deg eode Regres Poloml Lol d Ndry-Wso d D DBD 8 m ˆ, Resdul Ndry- Wso Regres Poloml Lol Ndry- Wso Regres Poloml Lol Regres oloml..., Nurm Nugr, FIPA UI, 9

91 Regres oloml..., Nurm Nugr, FIPA UI, 9

92 Regres oloml..., Nurm Nugr, FIPA UI, 9

dapat dijabarkan kedalam basis tersebut ψ = C i

dapat dijabarkan kedalam basis tersebut ψ = C i 6 Berdsr yg sud elr dl odul 4 eg belr d sul sebg beru : rug Hlber dl rug veor ler deg des gg yg el rodu slr d bersf leg. Elee - elee dr rug Hlber l veor e d veor br. Hubug r veor e d veor br dl ler. log

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Ltr Belg Istlh Pemrogrm Geometr (PG) dperel oleh Duff, Peterso, d Zeer pd thu 967 Istlh dmbl dr mslh-mslh geometr g dpt dformuls sebg PG Pemrogrm Geometr dlh sutu tpe mslh optmlss mtemt g

Lebih terperinci

PENDEKATAN REGRESI KUADRAT TERKECIL PARTIAL ROBUST DALAM MODEL KALIBRASI

PENDEKATAN REGRESI KUADRAT TERKECIL PARTIAL ROBUST DALAM MODEL KALIBRASI Forum s d Komus, Arl 9 : 34-4 IN : 853-85 Vol 4 No. PENDEKATAN REGREI KUADRAT TERKECIL PARTIAL ROBUT DALAM MODEL KALIBRAI Ismh, Aj Hmm Wge, A Djurdh urus Aus/Mjeme F. Eoom Uv. ygm Dereme s FMIPA-IPB E-ml

Lebih terperinci

egjr, ul ecr e, erey by, l- l H l ebery erlu erj j e el euy egeu eerl ege e eg y ber, egg ercy u eyeg, eu y r egg ercy uju r Berr l oberv eul lu eljr

egjr, ul ecr e, erey by, l- l H l ebery erlu erj j e el euy egeu eerl ege e eg y ber, egg ercy u eyeg, eu y r egg ercy uju r Berr l oberv eul lu eljr 1 AB B ENAHULUAN P l Belg Lr A u r eru eru ry egjr Proe l Av v egjr v yu v er u eu er er roe eg vu, lgug (egur) egorg eg uu l egjr eb - erj egg eg egubugy by roe r egj egjr eruy e, eg eol e eg, eg uu ru

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL EAKIR RAIO AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG AAK EDERHAA DEGA MEGGUAKA KUARTIL urt * Arsm Ad Frdus Mssw rogrm Mtemt Dose Jurus Mtemt Fults Mtemt d Ilmu egetu Alm Uversts Ru Kmus wd ebru 89 Idoes

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara AB I B ENDAHULUAN 1 1 g Bel r L ruur rg r verl e g eru Kolo Kolo 1990) (Nw lo r e eul l eg g ej re gu ruur uu g u e elur eg erfug e lerl erl v o eru jug u el S e ooe e egl j r lo ej r ee uu gu ruur eluru

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

BAB 1 DERET TAKHINGGA

BAB 1 DERET TAKHINGGA Di Kulih EL- Memi Tei I BAB DERET TAKHINGGA Bris Thigg Bris dlh susu bilg-bilg riil secr beruru. Perhi cooh beriu. ),, 8, 6, b),,,, 8 6 c),, 7,,, Secr umum, bris d diulis { },,, deg memeuhi ersm ereu.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Ltr Belkg Smp st, model Regres d model Alss Vrs telh dpdg sebg du hl g tdk berkt. Meskpu merupk pedekt g umum dlm meergk kedu cr pd trf permul, model Alss Vrs dpt dpdg sebg hl khusus model

Lebih terperinci

MODEL PERHITUNGAN PREMI ASURANSI JIWA BERJANGKA SECARA DISKRIT DAN KONTINU

MODEL PERHITUNGAN PREMI ASURANSI JIWA BERJANGKA SECARA DISKRIT DAN KONTINU OEL PERHITUNGN PREI SURNSI JIW BERJNGK SER ISKRIT N KONTINU Nyyu Khrus ), Ooy Rohe ), Yur Permsr ) Progrm Su em Uverss Ism Bug, J. Tmsr No. Bug46 Em ) ehcerry@gm.com, ) ooyrohe@gm.com, ) yuroe@gm.com bsr

Lebih terperinci

PENDEKATAN REGRESI KUADRAT TERKECIL PARSIAL ROBUST MULTIRESPONS DALAM MODEL KALIBRASI

PENDEKATAN REGRESI KUADRAT TERKECIL PARSIAL ROBUST MULTIRESPONS DALAM MODEL KALIBRASI Prosdg emr Nsol Peel Pedd d Peer MIPA Fuls MIPA Uverss Neger Yogr 6 Me 9 PENDEKATAN EGEI KUADAT TEKECIL PAIAL OBUT MULTIEPON DALAM MODEL KALIBAI Ismh A Hmm Wge A Durdh eolh Pscsr Progrm ud s Isu Per Bogor.

Lebih terperinci

HAMBURAN COMPTON DALAM KERANGKA ELEKTRODINAMIKA KUANTUM. Erika Rani Agus Purwanto. Abstrak

HAMBURAN COMPTON DALAM KERANGKA ELEKTRODINAMIKA KUANTUM. Erika Rani Agus Purwanto. Abstrak MBR COMPTO DLM KERGK ELEKTRODMK KTM E R gus Puwo Juus s vss sl g Mlg Juus s su Tolog uluh ob uby 6 bs Tlh j s ls hbu Coo l lo uu o h. ubug ous wu bbs b ogo bg l bsgu. ubug ous ug slh solus s g ss ou g

Lebih terperinci

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI MTRIKS PSCL Srs Du uu Meeuh Slh Su Syr Meeroleh Gelr Sr Ss SS Progr Sud Me Oleh: Er Mrl Nho NIM : 7 PROGRM STUDI MTEMTIK JURUSN MTEMTIK FKULTS SINS DN TEKNOLOGI UNIVERSITS SNT DRM YOGYKRT TE PSCL MTRIX

Lebih terperinci

CNH2B4 / KOMPUTASI NUMERIK

CNH2B4 / KOMPUTASI NUMERIK CNHB4 / KOMPUTASI NUMERIK TIM DOSEN KK MODELING AND COMPUTATIONAL EXPERIMENT PENCOCOKAN KURVA Pedhulu Dt g bersl dr hsl pegmt lpg pegukur tu tbel g dmbl dr buku-buku cu. Nl tr turu tegrl mudh dcr utuk

Lebih terperinci

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT OLUI DERET PANGKAT TETAP DENGAN FUNGI PEMBANGKIT Aleder A Guw Jurus Mtemt d ttst Fults s d Teolog, Uversts B Nustr Jl. K. H. yhd No. 9, Kemggs/Plmerh, Jrt Brt 8 gug@bus.edu ABTRACT Ths rtcle dscusses bout

Lebih terperinci

Model Tak Penuh. Definisi dapat di-uji (testable): nxp

Model Tak Penuh. Definisi dapat di-uji (testable): nxp Model T Peuh Defs dpt d-u (testle): Sutu c c 'c 'c H 'c 'c dpt du l d stu set fugs g dpt - ddug m m ' sehgg H er c ' ' slg es ler tu C c ' c m ' Perht : Kre r X p r p m m r c' (X' X) c X' X c' C(X' X)

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser

Lebih terperinci

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

Dr.Eng. Agus S. Muntohar Department of Civil Engineering Pertemu ke-7 Persm Ler Smult Oktober 0 Metode Iters Guss-Sedel Dr.Eg. Agus S. Mutohr Deprtmet of Cvl Egeerg Metode Guss-Sedel Merupk metode ters. Prosedur umum: - Selesk ser lbr vrbel tdk dkethu msg-msg

Lebih terperinci

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial Prktkum. Regres Regres Ler, Regres Ekspoesl, d Regres Poloml Poltekk Elektrok eger Surb ITS 47 PRAKTIKUM Regres Ler, Regres Ekspoesl d Regres Poloml. Tuju : Mempeljr metode peeles regres ler, ekspoesl

Lebih terperinci

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt tersebut

Lebih terperinci

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal : INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. INTEGRASI

Lebih terperinci

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1 REGRESI Curve Fttg Regres Ler Regres Ekspoesl Regres Poloml Regres Curve Fttg: Ksus Dberk dt berup kumpul ttk-ttk dskrt. Dperluk estms / perkr utuk medptk l dr ttk-ttk g berd d tr ttk-ttk dskrt t tersebut

Lebih terperinci

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III.

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III. Le 15 J el order h, h h, el order ( od [Nve, 1991] III PEMBAHASAN Pd bg edhulu telh dsebut bhw tuu dr euls dlh eelr teore-teore yg tert solus resdu udrt d egostrus lgort utu ecr solusy, ereostrus Algort

Lebih terperinci

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD Dydesury Jlro,Dw Ispry Alum Jurus Memk FMIPA UNDIP S Progrm Sud Ssk FMIPA UNDIP Absrk Model regres erpoog s merupk suu model regres

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Megethu rcg d eses. Megethu model ler 3. Meuruk Jumlh Kudrt (JK) 4. Melkuk uj lss vrs 5. Melkuk uj perbdg gd Apkh ber kot dlm rokok dpt megkbtk Kker? Sel kker

Lebih terperinci

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI PENCOCOKAN KURVA (CURVE FITTING) Iterpols : Iterpols er Iterpols Kudrtk Iterpols Poloml Iterpols grge Regres : Regres er Regres Ekspoesl Regres Poloml INTERPOASI Iterpols dguk utuk meksr l tr (termedte

Lebih terperinci

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS Metode ple erup utu te tdr g dgu utu eech lh Progr Ler e thu 9. Pd prp etode ple ecr peele optl deg eetu tt-tt udut dr derh fele proe dlu erulg-ulg dr utu

Lebih terperinci

INVERS MATRIKS MOORE PENROSE ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN (THE MOORE PENROSE INVERSE OF MATRICES OVER COMMUTATIVE RING WITH UNITY)

INVERS MATRIKS MOORE PENROSE ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN (THE MOORE PENROSE INVERSE OF MATRICES OVER COMMUTATIVE RING WITH UNITY) JURNL MTEMTIK DN KOMPUTER Vol. 7. No., -, prl, ISSN : -858 INVERS MTRIKS MOORE PENROSE TS RING KOMUTTIF DENGN ELEMEN STUN THE MOORE PENROSE INVERSE OF MTRICES OVER COMMUTTIVE RING WITH UNITY Tt Ud SRRM

Lebih terperinci

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA) Alss Vrs stu fktor (Alss Of Vrce / ANOVA) 1. Desg d coduct expermets volvg sgle. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc wth resdul plots 4. Use multple comprso

Lebih terperinci

Bab IV Faktorisasi QR

Bab IV Faktorisasi QR Bb IV Ftorss QR. Pedhulu Ftorss QR dr mtr A beruur m dlh pegur mtr A mejd A Q R dm Q R m m dlh orthogol d R R m segtg ts. Ftorss serg jug dsebut ftorss orthogol (orthogol ftorzto). Ad beberp r yg dgu utu

Lebih terperinci

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31 INTEGRAL TERTENTU Defs: Prs P pd ervl [,] dlh suu suse erhgg P = {,,,, } dr [,] deg = < < < < = Jk P = {,,,, } prs pd [,] mk Norm P, duls P, ddefsk seg P = m{ - =,,,, } Cooh: = = Pd ervl [, ], suu prs

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel

BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel BAB TINJAUAN TEORITIS.. Regres Ler Sederh Regres ler dlh lt sttst yg dpergu utu megethu pegruh tr stu tu beberp vrbel terhdp stu buh vrbel. Vrbel yg mempegruh serg dsebut vrbel bebs, vrbel depede tu vrbel

Lebih terperinci

m n II. PERSAMAAN LINEAR, PERTIDAKSAMAAN LINIER, FUNGSI LINIER A. Persamaan Linier 3. Persamaan Linear Tiga Variabel ( ax + by + cz = d )

m n II. PERSAMAAN LINEAR, PERTIDAKSAMAAN LINIER, FUNGSI LINIER A. Persamaan Linier 3. Persamaan Linear Tiga Variabel ( ax + by + cz = d ) I. OPERSI ILNGN REL. Pgt (Esoe. +. RNGKMN MTEMTIK. (.. ( 5. 6. 7. 8.. etu... ( ± ( + ± 5. ( Mesol Peeut etu Peh. (. + + C. Logt. log. log. log log. log log...( log log... log log... ( log... ( log. log+

Lebih terperinci

Bab 4 ANALISIS REGRESI dan INTERPOLASI

Bab 4 ANALISIS REGRESI dan INTERPOLASI Als Numerk Bh Mtrkuls B 4 ANALISIS RGRSI d INTRPOLASI 4 Pedhulu Pd kulh k dpeljr eerp metde utuk mempredks d megestms dt dskret Dr sutu peelt serg dlkuk peglh dt utuk megethu pl dt tu etuk kurv g dggp

Lebih terperinci

Penyelesaian Persamaan Saint Venant dengan Metode Numerik

Penyelesaian Persamaan Saint Venant dengan Metode Numerik Peyeles Persm S Ve deg Mede Nmerk Prf. r. Ir. Arw, MS. Lcky Le Jp 53 09 005 Mdel Fsk drlg F(,y,z, ): YROLOGY MOEL AS ULU (Wershed Mdel) Bdry l Bdry lr Prf.Arw Sbr bd kehl PSA & Kservs,ITB Kws l AS ILIR,lr

Lebih terperinci

Go to Siti s file Siti Fatimah/Jurdikmat/UPI 1

Go to Siti s file Siti Fatimah/Jurdikmat/UPI 1 Go o S s fle S Fmh/Jrdkm/UPI Movs Jmlh Rem-Iegrl Te Teorem Dsr Klkls Sf-sf Iegrl Te A Dervf-Iegrl Tk e Tekk Pegegrl S Fmh/Jrdkm/UPI Ls Bdg Legkg P P P Emp ss Delp ss S Fmh/Jrdkm/UPI Ls Bdg Legkg P P P

Lebih terperinci

2 lh uu lh g lol u ool lm u l m mu gcu g - g, u g lu h mu lu oom mj lh cug lm mg g g j uug olh h j Bh h h of Cofc Wol Y Wom ol I mu) Thu Iol (Kof 1975

2 lh uu lh g lol u ool lm u l m mu gcu g - g, u g lu h mu lu oom mj lh cug lm mg g g j uug olh h j Bh h h of Cofc Wol Y Wom ol I mu) Thu Iol (Kof 1975 1 EN ENALAN UU G m Rum : 2012 7 ggl: T Bogo m: T K g 0 197 hu j mul lh mu - mug mgu mol h lh g jl hl Ah mu mu hw om uh D oom mgu gf m mmcl mmu hu h mu mmh hw m Dg u hl mm j, mllu mmu mml mu g g, g lm g

Lebih terperinci

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal.

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal. BASIS ORTOGONA Bts Bl V rg Ecldes S V dsebt Hmp Ortogol bl tp d sr S ortogol DAI J S hmp ortogol yg terdr dr K bh etor t ol dlm rg Ecldes V m S bebs ler V hssy bl dmes V S bss t V dsebt Bss ortogol DAI

Lebih terperinci

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal : INTEGRASI NUMERIK Pegtr Pegtegrl umerk merupk lt tu r yg dguk ole lmuw utuk memperole jw mpr proksms dr pegtegrl yg tdk dpt dselesk ser ltk. Msly dlm termodmk, model Deye utuk megtug kpsts ps dr ed pdt.

Lebih terperinci

lu u l g j, g u u jl : (U, gjy j, gg y lg u l w g Sl g 2006 u 27 Ygy u g w y gggulg UN c gug Uy l lu c l jl c jul uul u y Swy Lg y, l g Lg uul y

lu u l g j, g u u jl : (U, gjy j, gg y lg u l w g Sl g 2006 u 27 Ygy u g w y gggulg UN c gug Uy l lu c l jl c jul uul u y Swy Lg y, l g Lg uul y ELASANAAN AANYE ENGURANGAN R ISIO ENCANA O LEH LINGAR I ESA S ALA AN ESA ENGO G UNUNG IUL AHUN 2009 A S u / S u HH g Su Ilu u Ful Ilu Sl Ilu l U v A Jy Ygy u V Gug J l 6 Ygy 55281 I A SRA l gug l uul Lg

Lebih terperinci

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

Bab 4 ANAKOVA (ANALISIS KOVARIANSI) Bb 4 ANAKOVA (ANALISIS KOVARIANSI) ANAVA vs ANREG ANAVA ANREG megu perbdg vrbel tergtug () dtu dr vrbel bebs () mempredks vrbel tergtug () mellu vrbel bebs () Ksus: Peelt deg vrbel : 1 Prests Mhssw Kemmpu

Lebih terperinci

BAB VI ANALISIS REGRESI

BAB VI ANALISIS REGRESI BAB VI ANALISIS REGRESI A. Pedhulu Alss regres merupk slh stu lss yg ertuju utuk megethu pegruh sutu vrel terhdp vrel l. Vrel yg mempegruh dseut depedet vrle/vrel es () d vrel yg dpegruh dseut depedet

Lebih terperinci

Catatan Teknik (Technical Notes) Syawaluddin Hutahaean. atau: dimana: )( x1 (1) )( x2

Catatan Teknik (Technical Notes) Syawaluddin Hutahaean. atau: dimana: )( x1 (1) )( x2 Huhe ISSN 8-98 Jurl Teores d Terp Bdg Reys Spl Asr Pper mempreses peyeles pesm vrs secr umers deg meggu egrs umers meod Newo-Coe. Eseus model selm sepuluh l perod gelomg memer solus yg sg sl. K- Kuc: Poloml

Lebih terperinci

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange Prktkum. Iterpols Ler, Kudrtk, Poloml d Lgrge PRAKTIKUM Iterpols Ler, Kudrtk, Poloml, d Lgrge Tuju : Mempeljr berbg metode Iterpols g d utuk meetuk ttkttk tr dr buh ttk deg megguk sutu fugs pedekt tertetu.

Lebih terperinci

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA)

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA) BAB 1 Alss Vrs stu fktor Sgle Fctor Alss Of Vrce (ANOVA) ANALISIS VARIANSI SATU FAKTOR D MetStt 1 sudh dkel uj hpotess rt-rt du populs A d B g berdstrbus Norml Bgm jk terdpt lebh dr du populs? Alss vrs

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metode Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metode Elms Guss Tuju : Mempeljr metode Elms Guss utuk peyeles persm ler smult Dsr Teor : Metode Elms Guss merupk

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Perumus Pedug Bgi θ Misl N dlh proses Poisso pd itervl [0 deg rt μ yg otiu mutl d fugsi itesits λ yg teritegrl lol. Utu setip himpu Borel terts B m μ( B Ε N( B λ( s ds

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

KATA PENGANTAR. Saya mahasiswa Fakultas Psikologi Universitas Kristen Maranatha sedang

KATA PENGANTAR. Saya mahasiswa Fakultas Psikologi Universitas Kristen Maranatha sedang T EGTR y mssw Fuls solo Uvss s s mlu yusu us mllu l y juuly j B/Iu ususy ocss us yu m y mm. Uu u sy moo s B/Iu uu mlu wu ms uso. Bcl l ulu uju s sl ssu u s B/Iu y s-y. Dlm l jw y u sl s B/Iu lu ms u uu

Lebih terperinci

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor Bb 1 Av stu Alss Vrs (Alss Of Vrce / ANOVA) stu fktor Lerg Objectves 1. Desg d coduct expermets volvg sgle d two fctors. Uderstd how the ov s used to lze the dt from these expermets 3. Assess model dequc

Lebih terperinci

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel Prktkum 0 Peyeles Persm Ler Smult - Metode Elms Guss Sedel PRAKTIKUM 0 Peyeles Persm Ler Smult Metode Elms Guss Sedel Tuu : ler smult Mempelr metode Elms Guss Sedel utuk peyeles persm Dsr Teor : Metode

Lebih terperinci

BAB 2 LANDASAN TEORI. dalam penggambaran algoritma pemrograman: Terminal. Proses

BAB 2 LANDASAN TEORI. dalam penggambaran algoritma pemrograman: Terminal. Proses LNDSN TEORI. low Cr u Dr lr Dr lr dl dr erk lr proses dr suu sse. Dr lr ju dp erk suu lor peror. Sol-sol u duk dl dr lr kusus dl per lor peror: Terl Proses Per/epuus Ipu / Oupu pd lr Oupu dl euk fle Pejels:.

Lebih terperinci

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS Itegrs Numerk Um S d Poltekk Elektrok Neger Sury Topk Itegrl Rem Trpezod Smpso / Smpso /8 Kudrtur Guss ttk Kudrtur Guss ttk INTEGRASI NUMERIK D dlm klkulus, terdpt du l petg ytu tegrl d turudervtve Pegtegrl

Lebih terperinci

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6 home se to ecellece Mt Kulh : Klkulus Kode : TSP 0 SKS : SKS Itegrl Pertemu - 6 home se to ecellece TIU : Mhssw dpt memhm tegrl fugs d plksy TIK : Mhssw mmpu mecr tegrl fugs Mhssw mmpu megguk tegrl utuk

Lebih terperinci

Jika tahta kegelapan berjaya, perempuan telah diperlakukan bahkan bukan sebagai manusi a. Mere

Jika tahta kegelapan berjaya, perempuan telah diperlakukan bahkan bukan sebagai manusi a. Mere Refle Ed 1 : Ger Peremp t Ct Kem Dtl ole AD Kmty Se 08 J 2009 11:09 - Terr Dperbr Rb 17 J 2009 23:47 J tt eelp berjy peremp tel dperl b b eb m Mere d p eb et bl ederw o r erl t ebt ml l y pt t 1 / 20 Refle

Lebih terperinci

um Y Gmu ol P Mu 6 3 mo ol mu m o l mo P l yu c u lm y c c y K 0 l lm y c - 4 c y /m l - 8 /m l 00 u K ) m ol l P j mu o oul w o o - m l ol mu u u m u

um Y Gmu ol P Mu 6 3 mo ol mu m o l mo P l yu c u lm y c c y K 0 l lm y c - 4 c y /m l - 8 /m l 00 u K ) m ol l P j mu o oul w o o - m l ol mu u u m u J ST J ul Toolo 1) 01 : 35 S SN : 087 548 P ol Mu o T Gmu Y um T Toolo Jul lm S Lm Pl Uv Ru mw B N oz L ooum T R Km Juu T K m Uv Ru Pu Kmu Bwy Jl HR Su Km15 Pu 893 E- ml: y u@uc F c P w w wc v ow colo

Lebih terperinci

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Prktkum 8 Peyeles Persm Ler Smult Metoe Elms Guss PRAKTIKUM 8 Peyeles Persm Ler Smult Metoe Elms Guss Tuju : smult Mempeljr metoe Elms Guss utuk peyeles persm ler Dsr Teor : Metoe Elms Guss merupk metoe

Lebih terperinci

KETIADAAN RUANG FOCK BAGI NEUTRINO FLAVOR

KETIADAAN RUANG FOCK BAGI NEUTRINO FLAVOR Jrl ro Vol. o. Arl 00 9 KTIADAA RAG FOCK BAGI TRIO FAVOR r R Asr : Tl w mg mmg rg Foc g flor. S rg Foc rgg r ro flor rgg rmr mss yg fss. I m osrs mms yg crs rls fss. K Kc : Rg Foc K Flor PDAHA ro mr sl

Lebih terperinci

3SKS-TEKNIK INFORMATIKA-S1

3SKS-TEKNIK INFORMATIKA-S1 SKS-TEKNIK INFORMATIKA-S Momd Sdq PERTEMUAN : 9- INTEGRASI NUMERIK METODE NUMERIK TEKNIK INFORMATIKA S SKS Momd Sdq MATERI PERKUIAHAN SEBEUM-UTS Pegtr Metode Numerk Sstem Blg d Kesl Peyj Blg Bult & Pe

Lebih terperinci

DASAR MATEMATIKA. Untuk mempelajari teori sistem kontrol diperlukan latar belakang matematika. bidang s. s 1. σ 1. Gambar 2-1 Bidang kompleks

DASAR MATEMATIKA. Untuk mempelajari teori sistem kontrol diperlukan latar belakang matematika. bidang s. s 1. σ 1. Gambar 2-1 Bidang kompleks DASAR MATEMATIKA Utu mempelj teo tem otol dpelu lt belg mtemt Koep Peubh Komple Peubh Komple jω bdg σ jω σ σ Gmb - Bdg omple Gmb - meggmb betu bdg omple, yg m tt ddef oleh oodt σ σ d ω ω, tu ec edeh dtul

Lebih terperinci

Interpolasi dan Turunan Numerik (Rabu, 2 Maret 2016) Hidayatul Mayyani G

Interpolasi dan Turunan Numerik (Rabu, 2 Maret 2016) Hidayatul Mayyani G Iterpolsi d Turu Numeri (Rbu Mret 6) Hidytul Myyi G55535 Outlie: Iterpolsi Lier - Poliomil Lgrge - Poliomil Newto - Vdermode Mtris - Ivers Iterpolsi - Iterpolsi Neville Glt Iterpolsi Turu Numeri Estrpolsi

Lebih terperinci

x 1 M = x 1 m 1 + x 2 m x n m n = x i

x 1 M = x 1 m 1 + x 2 m x n m n = x i Iterl Tertetu..6 oe d ust ss Ttk Bert slk d du ed s-s elk ss sesr d y dletkk pd pp er de jrk erturut-turut d d d dr ttk pey pd - y ered. Ked terseut k se jk dpeuh d d. d d Sutu odel tets y k dperoleh pl

Lebih terperinci

0 u, Au gu uu g h hw yu yu gg hgg g u h h,,, j o hgg hw g 3 03 Ay, 97 Ey, Gch c h, u, h g u u o gu j, ghu, oh gug, uu,, g D huu, h Sc u g o o hoogf, g

0 u, Au gu uu g h hw yu yu gg hgg g u h h,,, j o hgg hw g 3 03 Ay, 97 Ey, Gch c h, u, h g u u o gu j, ghu, oh gug, uu,, g D huu, h Sc u g o o hoogf, g B AB II K AJIAN TEORITIS DAN HIPOTESIS Kj To P Pg A y 03 3 K h u c hfh gh,, g h g g Ih h g g oog h gg ogo h o u By og g, Ao Toog Kou P Aoco of Euco couco T choog/aect, g g u u gu og yu /fo Gg, 970 S,,

Lebih terperinci

HUKUM SYLVESTER INERSIA

HUKUM SYLVESTER INERSIA Vol 6 No 3 44-56 Desember 3 ISSN : 4-858 HUKUM SYLVESTER INERSIA R Heru Tjhj Jurus Mtemt FMIPA UNDIP Abstr Mtrs represets sutu betu udrt dpt dsj sebg mtrs dgol Eleme pd dgol utm mtrs represets tersebut

Lebih terperinci

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA De Prm Sr Jurus Mtemtk Uersts Neger Pg, Ioes eml: eprmsr@yhoo.com Abstrk. Auts lh rgk pembyr tu peerm lm jumlh tertetu yg lkuk secr berkl p jgk wktu

Lebih terperinci

Pusat Pembinaan JFA I. PENDAHULUAN

Pusat Pembinaan JFA I. PENDAHULUAN Pus Pemb JFA I. PEDAHULUA Smp eg hu 2005 eg pemb JFA elh meglm perembg yg cuup sgf, erum eg sem by melusy peerp Jb Fugsol Auor (JFA) yg bu hy lgug BPKP, Ispeor Jeerl Depreme, Ispeor Um/Ispeor LPD mu jug

Lebih terperinci

HUKUM SYLVESTER INERSIA

HUKUM SYLVESTER INERSIA Vol 6 No 3 44-56 Desember 3 ISSN : 4-858 HUKUM SYLVESTER INERSIA R Heru Tjhj Jurus Mtemt FMIPA UNDIP Abstr Mtrs represets sutu betu udrt dpt dsj sebg mtrs dgol Eleme pd dgol utm mtrs represets tersebut

Lebih terperinci

BAB III VEKTOR DALAM R 2 DAN R 3. Bab III Vektor dalam R 2 dan R 3

BAB III VEKTOR DALAM R 2 DAN R 3. Bab III Vektor dalam R 2 dan R 3 Bb III Vetor dlm R dn R BAB III VEKTOR DALAM R DAN R Dlm bgn n n dbhs mslh eto-etor dlm rng berdmens dn berdmens, opers-opers rtmet pd etor g n ddefnsn dn beberp sft-sft dsr opers-opers tersebt... VEKTOR

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA MEODE REGRESI RIDGE UNUK MENGAASI MODEL REGRESI LINIER BERGANDA ANG MENGANDUNG MULIKOLINIERIAS SKRIPSI NANANG PRADIPA 3833 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS SUMAERA

Lebih terperinci

Bab II Tinjauan Pustaka

Bab II Tinjauan Pustaka Bb II Tu Put II. Proe Stot d Sft-Sfty Sutu mpu peub c Z t Z t { t T} debut proe tot ytu ole peub c Z t dm utu etp t dlm mpu de T. Dlm proe tot d du mpu yg terlbt ytu: Rug ed ytu mpu yg megdug emu l Z yg

Lebih terperinci

ESTIMASI PARAMETER REGRESI TERPOTONG KIRI DENGAN METODE MAKSIMUM LIKELIHOOD

ESTIMASI PARAMETER REGRESI TERPOTONG KIRI DENGAN METODE MAKSIMUM LIKELIHOOD ESTIMASI PARAMETER REGRESI TERPOTONG KIRI DENGAN METODE MAKSIMUM LIKELIHOOD R Prw d Dw Ispry Jurus Memk FMIPA Uverss Dpoegoro Jl Pro H Soedro SH Temblg Semrg 575 Absrc Le ruced regresso model s regresso

Lebih terperinci

p s a i m l METO N LI I T N A D sai n e P e n li itan Te i k k e m l u a D a a i e n i it n a

p s a i m l METO N LI I T N A D sai n e P e n li itan Te i k k e m l u a D a a i e n i it n a 90 V u, N 1, : - TRATEGI S G OSITIONIN I RODUK ATIK A Ocv A 1 1 UNA E Fu j uru cvfuj@yhc STRAK A g u uju T gr g D ru urvy yr gu A ur uju H fr h r vr yu vr fr u j ru Cr ru ur r, y,, hw u j H uu r r h ru

Lebih terperinci

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS Metode Numerk Regres Um S dh Polteknk Elektronk Neger Surb 008 PENS-ITS 1 Metode Numerk Topk Regres Lner Regres Non Lner PENS-ITS Metode Numerk Metode Numerk Regres vs Interpols REGRESI KUADRAT TERKECIL

Lebih terperinci

Perbedaan Interpolasi dan Ekstrapolasi

Perbedaan Interpolasi dan Ekstrapolasi Iterolsi Iterolsi Perbed Iterolsi d Ekstrolsi Iterolsi Liier L Iterolsi Kudrt L h h Iterolsi Qubic L h h h Iterolsi dg Poliomil 5 Tble : Si equidisttly sced oits i [- ] y 5 -..846 -.6. -..5..5.6...846

Lebih terperinci

H I A L E N L T I I N A METO N LI I T N A N. o e J i n ske a l i m n r F ek e u s n i P e n e a (%) P n k n F ek e u s n i r P e n e a (%)

H I A L E N L T I I N A METO N LI I T N A N. o e J i n ske a l i m n r F ek e u s n i P e n e a (%) P n k n F ek e u s n i r P e n e a (%) ul Ilu Vol No, u 4 M EDICATION ADHEENCE ELATIONHI WITH ELAE IN ATIENT WITH H ALLUCINATION OLYCLINIC I N M ENTAL H OITAL of D OEOO M AGELANG A BTACT o Fl, uwo, Wy B cgou: M l l o o f f ou jo l obl vlo cou,

Lebih terperinci

x = Tegangan yang diterapkan, kg/mm 2 y = waktu patah, jam

x = Tegangan yang diterapkan, kg/mm 2 y = waktu patah, jam INTERPOLASI Pr resw d hli ilmu lm serig beerj deg sejumlh dt disrit g umum disji dlm betu tbel. Dt didlm tbel mugi dieroleh dri hsil egmt dilg hsil eguur dilbortorium tu tbel g dimbil dri buu-buu cu. Cotoh

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

1 yang akan menghasilkan

1 yang akan menghasilkan Rset Opers Probblstk Teor Per (Ge Theor) Nughthoh Arfw Kurdh, M.Sc Deprteet of Mthetcs FMIPA UNS Lecture 6: Med Strteg: Ler Progrg Method A. Metode Cpur deg Progr Ler Terdpt hubug g ert tr teor per d progr

Lebih terperinci

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI ENEAAN ESAMAAN SHODINGE ADA EMASAAHAN ATIKE DAAM KEADAAN TEIKAT (BOUND STATES) UNTUK TIGA DIMENSI A. At Hg (Mslh Gy Stl). Hlt Nl Eg ^ H ^ p ^ z. (7.) s Schg yg bt g sst bup hg t tu lh: ^ p ^ z E (7.) tu

Lebih terperinci

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH MOIFIKASI METOE RUNGE-KUTTA ORE- KLASIK BERASARKAN RATA-RATA HERONIAN TUGAS AKHIR ju Seg Sl Stu Srt utu Memperole Gelr Srj Ss Pd Jurus Mtemt Ole : RIYAN ABULLAH 55 FAKULTAS SAINS AN TEKNOLOGI UNIVERSITAS

Lebih terperinci

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA

OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGATASINYA Prosdg Semr Nsol Ss d Peddk Ss IX Fkults Ss d Mtemtk UKSW Sltg Ju 04 Vol 5 No. ISSN :087-09 OVERDISPERSI KARENA KESALAHAN SPESIFIKASI MODEL DAN CARA MENGAASINYA mbg Srt Derteme Sttstk FMIPA-IPB Eml: tmbg_srt@yhoo.com

Lebih terperinci

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor BAB ANAVA JALAN Merupk pegembg dr ANAVA 1 Jl Jk pd ANAVA 1 l 1 Fktor Jk pd ANAVA l Fktor Model Ler Asums: Model efek Tetp! 1,..., 1,..., Stu fktor g dtelt Av 1 l k k 1,,..., 1,,..., b k 1,,..., Du fktor

Lebih terperinci

BAB III MODEL MATEMATIKA KEPENDUDUKAN

BAB III MODEL MATEMATIKA KEPENDUDUKAN 5 A III MODEL MATEMATIKA KEENDUDUKAN 3.1 Uu Filis Filis mup pfom podusi ul di sog i u slompo idividu yg pd umumy di pd sog i u slompo i. iu p uu filis yg dil olh o 1997 diy dlh Cud ih R CR u g lhi s, mup

Lebih terperinci

Bentuk Umum Perluasan Teorema Pythagoras

Bentuk Umum Perluasan Teorema Pythagoras Jrl Grde Vol No Jr 6 : 9-4 Betk Umm Perls Teorem Pythors Ml stt By Kerm Ulsr les Jrs Mtemtk Fklts Mtemtk d Ilm Peeth lm Uversts Bekl Idoes Dterm Septemer 5; dset Desemer 5 strk - Peelt memhs perls teorem

Lebih terperinci

MEKANISME PENYUSUNAN PROGRAM LEGISLASI DAERAH. Tim Terpadu. Program Legislasi: Jangka 1 (satu) tahun

MEKANISME PENYUSUNAN PROGRAM LEGISLASI DAERAH. Tim Terpadu. Program Legislasi: Jangka 1 (satu) tahun LAMPRAN ENANG AA HUBUNGAN KERJA ANAR PENYELENGGARA PEMERNAHAN DAERAH MEKANSME PENYUSUNAN PROGRAM LEGSLAS DAERAH Perh Perur Perudud Lemed Bup Perd y sudh d Rperd m erpdu Prorm Lesls: Perd y sudh d Rperd

Lebih terperinci

TENTANG KETUA PE,NGADILAN AGAMA DUMAI. Nomor z W 4-Al2l 109 liik0sru2m6 SURAT KEPUTUS${ KETUA PENGADILAN AGAMA DUMAI

TENTANG KETUA PE,NGADILAN AGAMA DUMAI. Nomor z W 4-Al2l 109 liik0sru2m6 SURAT KEPUTUS${ KETUA PENGADILAN AGAMA DUMAI SUR KPUUS${ KU PGL GM UM mr W 4l2l 109 lk0sr2m G SUR KPUUS$ KU PGL GM UM G SORS HKM, PR PGG, URUS PGG\ SR COUR CLR P PGL GM UM HU 201 KU P,GL GM UM Membg. b. Bhw lm rgk kelcr pelk g p Pegl gm m mk pg perl

Lebih terperinci

2 Me o i g e P e n il it n a T e b l. 1 ti s m ti n A t a ( r p ) k - T e b l. 2 n ti s Me ti n A t a ( r p ) k

2 Me o i g e P e n il it n a T e b l. 1 ti s m ti n A t a ( r p ) k - T e b l. 2 n ti s Me ti n A t a ( r p ) k J A g K u uu g - g Vuz B K A z Nu Ru R u I J u g, III ) : I N : 87 8 Ju I Lg Uv Ru, Bu, Du, N g Y Juu K Fu U v Ru K Ku B J HR u K,, u 76-6697 E- : u@u A g v uz g u xg u u u, z v uz g g uu u u u g u N u

Lebih terperinci

BAB 5 PENDEKATAN FUNGSI

BAB 5 PENDEKATAN FUNGSI BAB 5 ENDEKATAN FUNGSI DEVIDE DIFFERENCE SELISIH TERBAGI A. Tuju. Memhmi oliomil Newto Selisih Terbgi b. Mmpu meetu oeisie-oeisie oliomil Newto c. Mmpu meetu oeisie-oeisie oliomil Newto deg Mtlb B. ergt

Lebih terperinci

Optik Moderen. S3 Fisika

Optik Moderen. S3 Fisika O M S F I. Glg M II. I Glg M g M III. Rfl Rf Glg g IV. MI RLPIS ISOTROPIK V. MI RLPIS PRIOIK - 7. GLOMNG TRPNU LM MI RLPIS 8. OPTIK NONLINIR . P Mwll H J ρ 4 ρ u I. Glg M 5 6 ε μ H v l; H v g v g l l h;

Lebih terperinci

( X ) 2 ANALISIS REGRESI

( X ) 2 ANALISIS REGRESI ANALII REGREI A. PENGERTIAN REGREI ecr umum d du mcm huug tr du vrel tu leh, tu etuk huug d keert huug. Utuk megethu etuk huug dguk lss regres. Utuk keert huug dpt dkethu deg lss korels. Alss regres dperguk

Lebih terperinci

DEFINISI INTEGRAL. ' untuk

DEFINISI INTEGRAL. ' untuk DEINISI INTEGRAL Dlm mtemtk d eerp stl sepert des, teorem, lemm Istl petg kre meujuk keeksstes Des dl peryt yg erl er kre dsepkt, d tdk perlu duktk Teorem dl peryt yg dpt duktk keery Lemm dl teorem kecl,

Lebih terperinci

USAHA KONVEKSI PAKAIAN JADI

USAHA KONVEKSI PAKAIAN JADI P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H ( P P U K -S Y A R I A H ) U S A H A K O N V E K S I P A K A I A N J A D I P O L A P E M B I A Y A A N U S A H A K E C I L S Y A R I A H (

Lebih terperinci

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT Prosdg Semr Nsol Mtemtk d Terpy 06 p-issn : 550-084; e-issn : 550-09 KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT St Muhwh Uversts Jederl Soedrm st_muhwh@yhoo.co.d

Lebih terperinci

y'rt l. Undang-undang Nomor 8 tahun 1974 dan Nomor 43 tahun 1999 tentang Pokok-pokok Kepegawaian.

y'rt l. Undang-undang Nomor 8 tahun 1974 dan Nomor 43 tahun 1999 tentang Pokok-pokok Kepegawaian. KBPTS DK KTS TK, PRT VRSTS DS PDC Tg Pk/Pggk D Pmbmbg lhw gk 014 Pgm S Tkk P kl Tklg P DK KTS TK PRT VRSTS DS Mmbc Mmbg Mgg Mpk Pm K Kg S K Pgm S Tkk Pl m 084/.1.1llKPlTpl01 ggl l5 Spmb 01 g Pk D Pmbmbg

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1 JURNAL TEKNIK POMITS ol., No., ISSN: 7-59 -97 Pr Percg d Implemes Model Regres Sebg Solus Uuk Asoss Plo Deg Trck yg Dguk Pd Ssem Prmry Survellce Rdr Secr Rel-Tme Ferry Ferdez Wy, Ahmd Skhu, Suhd Ll Tekk

Lebih terperinci

Lu r 2 r h v u, r Oh o r uu r Bu B Brw u hu 300 h u h Th Bu, D rh u r 30 r uh h - u u hu u f) ( f uju f U j S - uu ) (ooo Drh rh 999 Thu 22 Noor u cu

Lu r 2 r h v u, r Oh o r uu r Bu B Brw u hu 300 h u h Th Bu, D rh u r 30 r uh h - u u hu u f) ( f uju f U j S - uu ) (ooo Drh rh 999 Thu 22 Noor u cu Lu r j r Th L Trh u Brju B r u Suruh r ru hu ru h Sur ru rrhru uu rrhru u hu f rcu r r rh hru o j rrhru rj o u u Brju u o rr B u, u r r ru - M r D r (MDL) Lu D r u for r o r rur u u Nu h u h, v r u uh,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TORI. egtr roses Mrkov dt dklsfksk sesu deg sft wktu egmt roses sert stte scey. Wktu egmt roses dt bersft dskrt muu kotu d stte scey bersft dskrt muu kotu bk terbts muu tk terbts.. Dt Defs..

Lebih terperinci

KEMENTERIAN KESEHATAN RENIA KL TAHUN SEKRETARIAT IENDERAL 4 APRIL 2014 I '-I. "l I t t I

KEMENTERIAN KESEHATAN RENIA KL TAHUN SEKRETARIAT IENDERAL 4 APRIL 2014 I '-I. l I t t I KMRA KHAA RA K AHU 01 '- KRARA DRA 4 APR 0. -l "l . UMUM 1. Keee/e. U 0. M U 4. e. Ke P. P 7. Pe [u Rup,l 1. Rup Pe. Pep. Pep. PH u PD RMUR R CAA KRA KM'RA/MBAA (RA- K) AHU AARA 01 KMRA KHAA eke leel 04.01.01.

Lebih terperinci

Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline

Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline W. Wowo, S. Hrytm, I N. Budtr, Kj Metode Estms Prmeter... Kj Metode Estms Prmeter dlm egres Semrmetrk Sle Whyu Wowo, Sr Hrytm, I Nyom Budtr whyu.stk@gml.com Jurus Mtemtk, Uversts Gdjh Md Yogykrt Jurus

Lebih terperinci

III METODOLOGI PENELITIAN

III METODOLOGI PENELITIAN III ETODOLOGI PENELITIAN 3. Kergk Pemkr Tuu pembgu wlyh yg meckup spek-spek perumbuh, pemer, d keberlu, dperluk peger perec pembgu wlyh yg berdmes loks dlm rug d berk deg spek socl ekoom wlyh. Sel u, perec

Lebih terperinci