ESTIMASI FUNGSI HAZARD DENGAN MENGGUNAKAN WAVELET ABSTRAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMASI FUNGSI HAZARD DENGAN MENGGUNAKAN WAVELET ABSTRAK"

Transkripsi

1 ESTIMASI FUNGSI HAZARD DENGAN MENGGUNAKAN WAVELET Oleh: Firiai Agusia Babag Avip Priaa Maradipura Jurusa Pedidika Maeaika FPMUPA ABSTRAK Pada akhir-akhir ii dikalaga ahli-ahli saisik sedag raai dibicaraka suau ekik baru uuk iferesi oparaerik yag dikeal dega sebua eori wavele. Pegguaa wavele dala odel regresi oparaerik elah dilakuka oleh Aoiadis (994) dega eguaka kerel wavele E (.,.). Selajuya dega eujukka bahwa esiaor wavele aalog dega esiaor dere orogoal da esiaor kerel yag sudah dikeal sera dega egguaka asusi yag saa uuk h seperi yag diguaka uuk r, Aoiadis (994) edefiisika esiaor wavele uuk fugsi hazard sebagai dega E (,s) () kz,k, k ĥ() E (, s)dĥ adalah kerel wavele yag didefiisika oleh Mayer (99). Hasil aalisis lebih laju eujukka bahwa esiaor wavele uuk fugsi hazard bersifa ĥ () ĥ() oral asioik dega raa-raa ol akbias asioik, kosise, da da varias ()w ()(). d Kaa kuci: esiaor dere orhogoal, esiaor kerel, esiaor wavele, da fugsi hazard. Pedahulua Misalka T adalah variabel rado uggal oegaif koiu pada ierval [,) yag eujukka aha hidup idividu dala suau popuasi. Jika f() da F() asig-asig adalah fugsi desias da fugsi disribusi dari T, aka fugsi hazard uuk T didefiisika sebagai F( ) F() F'() f () h() li... (.) S() S() S() dega S() = - F() adalah fugsi survival, da F(). Uuk eperoleh daa aha hidup yag erbaik dari suau populasi, dilakuka pegujia erhadap beda pada kodisi (egaga, sress) operasiya yag oral sapai seua beda ai (sapel legkap) aau pegujia diheika sebelu seua beda ai (sapel disesor). Sesor dilakuka uuk eperpedek waku aau eperkecil biaya pegujia, eruaa bagi beda-beda yag cukup hadal. Taha hidup beda yag ai diaai da diguaka uuk esiasi, isalya esiasi fugsi hazard h. Dala esiasi h, beberapa eori oparaerik berkoserasi pada fugsi hazard kuulaif (dala Ralau-Hase (983), h.455). Sebuah esiaor aleraif uuk H yag lebih baik dala apila uuk sapel berukura kecil daripada esiaor Kapla-Meier yag diperoleh dega Firiai Agusia Jurusa Pedidika Maeaika

2 egguaka eode produc lii esiasi, disebu esiaor Nelso-Aale uuk fugsi hazard kuulaif H yag diperoleh dega egguaka odel iesias uliplikaif proses eghiug. Selajuya dega egasusika bahwa odel iesias uliplikaif Aale berlaku uuk [,] sera dega egguaka fugsi-fugsi kerel uuk eperhalus esiaor Nelso-Aale uuk fugsi hazard kuulaif, Ralau-Hase (983) epelajari esiaor kerel uuk fugsi hazard. Pada akhir-akhir ii dikalaga ahli-ahli saisik sedag raai dibicaraka suau ekik baru uuk iferesi oparaerik yag dikeal dega sebua eori wavele. Pegguaa wavele dala odel regresi oparaerik elah dilakuka oleh Aoiadis (994) dega eguaka kerel wavele E (.,.) yag didefiisika oleh Mayer (99). Selajuya Aoiadis eujukka bahwa esiaor wavele aalog dega esiaor dere orogoal da esiaor kerel yag sudah dikeal. Perasalaha yag aka dikaji dala ulisa ii adalah : () bagaiaa cara egesiasi fugsi hazard dega egguaka wavele? Dega kaa lai, berdasarka esiaor kerel uuk fugsi hazard versi Ralau-Hase, aka dicari esiaor wavele uuk fugsi hazard h dega egguaka kerel wavele, sera () bagaiaa sifa-sifa dari esiaor yag diperoleh?. Ladasa Teori. Fugsi Survival, Fugsi Hazard, da Fugsi Hazard Kuulaif Misalka T adalah variabel rado uggal oegaif koiu pada ierval [,) yag eujukka aha hidup idividu dala suau popuasi. Jika f() da F() asig-asig adalah fugsi desias da fugsi disribusi dari T aka selai fugsi hazard, dala disribusi uji hidup didefiisika beberapa fugsi-fugsi beriku. Fugsi survival aau fugsi reliabilias, Fugsi hazard kuulaif S () Pr(T ) f (x)dx F()... (..) H () h(x)dx log S()... (..). Tipe-Tipe Peyesora Sesor dilakuka uuk eperpedek waku aau eperkecil biaya pegujia, eruaa bagi beda-beda yag cukup hadal. Misalka beda diuji pada kodisi (egaga, sress) operasiya yag oral, dala sesor ipe I ; pegujia aka diheika jika elah dicapai waku ereu (waku pesesora). Dala sesor ipe II, pegujia aka diheika seelah kegagala aau keaia beda ke-r (r) diperoleh..3 Sise Orooral dari Fugsi-Fugsi L (R) f : R C; f (x) dx yag dilegkapi dega hasilkali dala da ora yag didefiisika sebagai f,g f (x)g(x) dx da f f (x) dx adalah ruag Hilber. Dua fugsi f da f L (R) disebu orogoal jika f,f =. Barisa fugsi f j disebu orooral jika f i,f j = uuk seiap i, jn dega i j da f j uuk seiap jn. Selajuya Firiai Agusia Jurusa Pedidika Maeaika

3 f j disebu sise orooral legkap (CONS) jika f j orooral da fugsi yag orogoal pada seiap f j hayalah fugsi ol. Sera f j disebu basis orooral uuk L (R) jika f j sise orooral legkap (CONS)..4 Teori Wavele Ogde (997) edefiisika sebuah wavele sebagai suau fugsi gelobag (wavy fucio) yag disederhaaka da dikosruksi dega hai-hai sehigga eiliki sifa-sifa aeaika yag dapa dipercaya. Ide dari pegkoruksia wavele adalah bagaiaa eilih suau fugsi uggal (yag disebu wavele) keudia dibeuk keluarga fugsi j,k yag diperoleh dega cara edelasi da eraslasi sehigga aka didapa basis di L (R). Dega kaa lai j,k ebagu L (R) da seiap fl (R) dapa diyaaka sebagai kobiasi liear dari j,k. Suau fugsi L (R) disebu wavele orogoal jika keluarga fugsi j,k yag didefiisika sebagai j,k (x) = j ( j x-k) erupaka basis orooral uuk L (R). Keluarga ruag bagia eruup V j : jz dari L (R) yag eeuhi sifa : iklusi, aksialias, desii, skala, da basis disebu Aalisis Muliresolusi (AMR) pada L (R). Sedagka yag eeuhi sifa basis disebu fugsi skala pada AMR. Akibaya jika j,k (x) = j ( j x-k), j,kz aka uuk seiap jz, j,k (x); kz erupaka basis orooral uuk V j. Jika j,k (x) = j ( j x-k) dega j,kz aka j,k : j,kz erupaka basis orooral uuk L (R)..5 Kerel Wavele E (.,.) Misalka hl (R) da V j adalah subruag eruup dari L (R). Proyeksi dari h pada V j dapa diuliska sebagai h E (h)(u) c (u..(.5.) dega c h, h(v) j,k j,k R j,k (v) dv j j,k j,k ) kz Misalka diperkealka proyekor yag berhubuga dega iegral kerel, yaiu h E j(h)(u) E j(u, v)h(v) dv...(.5.) yag juga eyaaka proyeksi dari h pada V j. Dari (.5.) da (.5.) diperoleh E (u,v) (u) (v...(.5.3) j j,k j,k ) kz yaiu sebuah fugsi yag didefiisika oleh Mayer (99) sebagai kerel wavele. Karea j,k (u) = j ( j u - k) da j,k (v) = j ( j v - k) aka kerel wavele (.5.3) dapa diyaaka dala beuk j j j j (u, v) ( u k) ( v k) kz R E...(.5.4).6 Proses Meghiug (Couig Process) Proses eghiug adalah suau pedekaa aleraif uuk egebagka prosedur iferesi daa uji hidup ersesor. Dala proses eghiug didefiisika proses iesias uuk proses eghiug; proses iesias kuulaif; arigale proses eghiug; arigale uu; sera iegral sokasik..7 Model Iesias Muliplikaif Aale Model iesias uliplikaif proses eghiug diberika oleh Firiai Agusia Jurusa Pedidika Maeaika 3

4 () = h()y(), uuk [,]... (.7.) dega h(.) adalah fugsi osokasik ak dikeahui, disebu fugsi iesias (fugsi hazard) Y(.) adalah proses sokasik erobservasi. Jika diguaka eori-eori iegral sokasik, arigale da proses eghiug aka berdasarka odel (.7.) aka diperoleh : Esiaor Nelso-Aale uuk H(), yaiu J Ĥ () dn... (.7.) Y Iegral sokasik uuk proses J(u)Y(u) yag dapa diraalka berkeaa dega suau arigale, yaiu J W () dm... (.7.3) Y W() juga arigale. Besara rado uuk daa ersesor yag saa dega H() dala suau rage diaa daa diperoleh dega egabaika W(), yaiu * H () d... (.7.4) Jh Perlu dicaa bahwa H() adalah esiaor oparaerik uuk besara rado H*(). 3. Esiasi Fugsi Hazard dega Megguaka Fugsi Kerel Uuk eecahka asalah peraa, dilakuka dega epelajari hasil pekerjaa Aale (978) yag eujukka bahwa esiasi h uuk daa uji hidup ersesor dapa digabarka dala suau koeks iferesi uuk suau odel iesias uliplikaif proses eghiug (N) yag diberika oleh () = h()y() (3.) dega Y() adalah proses sokasik erobservasi. Berdasarka odel (3.), Aale eperoleh esiaor fugsi hazard kuulaif H yag selajuya disebu esiaor Nelso-Aale. Esiaor ii erupaka peyepuraa uuk esiaor fugsi hazard kuulaif yag dieuka oleh Nelso dala koek reliabilias yag lebih baik peapilaya uuk sapel berukura kecil daripada esiaor yag diperoleh dega egguaka eode Kapla-Meier (produc lii esiaor). Seelah epelajari esiaor Nelso-Aale, keudia dilajuka dega epelajari esiaor kerel uuk fugsi hazard versi Ralau-Hase. Berdasarka esiaor Nelso-Aale da erasforasika waku-waku kegagala aau keaia kedala ierval saua [,], Ralau- Hase (983), eeuka suau eode esiasi fugsi hazard proses eghiug dega egguaka fugsi-fugsi kerel, yaiu s ĥ () K dĥ (3.) b b dega K(.) adalah fugsi ebaas dega iegral b adalah sebuah paraeer posiif (badwidh) J Ĥ () dn adalah esiaor Nelso-Aale uuk H (3.3) Y 4. Esiasi Fugsi Hazard dega Megguaka Wavele Firiai Agusia Jurusa Pedidika Maeaika 4

5 Sebelu eperoleh esiaor wavele uuk fugsi hazard, perlu dipelajari lebih dahulu kerel-wavele E J (.,.) yag didefisika oleh Mayer (99), yaiu E (u,v) (u) (v (4.) j j,k j,k ) kz dega j,k (x) = j ( j x - k), kz adalah fugsi skala yag didilasi da diraslasi uuk keluarga wavele ereu. Teryaa, kerel-wavele ersebu dapa diguaka uuk egesiasi fugsi regresi r yag diyaaka dala odel regresi oparaerik sadar. Seelah epelajari hubuga aara esiaor dere orogoal, esiaor kerel, da esiaor wavele uuk r, dikeahui bahwa esiaor wavele aalog dega esiaor dere orogoal da esiaor kerel yag sudah dikeal. Hubuga aara keiga esiaor ersebu elah dipelajari oleh Aoiadis(994) da Ogde (997). Berdasarka keyaaa bahwa esiaor dere orogoal wavele ekuivale dega esiaor kerel berdasarka wavele, sera dega egguaka asusi-asusi yag saa pada fugsi hazard h seperi yag diguaka pada fugsi regresi oparaerik r, Aoiadis (994) edefiisika esiaor kerel uuk fugsi hazard versi Ralau-Hase (983) dala kerelwavele, yaiu sebagai beriku. Defiisi 4. Misalka E (.,.) adalah kerel-wavele, yaiu proyeksi dari fugsi hazard h pada subruag V dari L (R). Berdasarka esiaor kerel uuk fugsi hazard versi Ralau-Hase, esiaor wavele uuk fugsi hazard didefiisika sebagai ĥ () E (, s)dh... (4.) Jika diberika suau barisa proses eghiug diesi sau apabila populasi yag dipelajari erdiri dari idividu N () dega seiap proses iesiasya berbeuk () = h()y () aka barisa dari esiaor wavele yag berkorespodesi diyaaka dega h (), yaiu ĥ () E (,s)dh... (4.3) dega J Ĥ () dn... (4.4) Y adalah esiaor Nelso-Aale uuk fugsi hazard kuulaif H () da J = I(Y ) da Y () I(T,T C... (4.5) 5. Sifa-sifa Esiaor Wavele uuk Fugsi Hazard j j j) j Sifa-sifa dari esiaor wavele uuk fugsi hazard disajika dala beuk eoreaeorea beriku. Teorea 5. Misalka didefiisika Sup E J s uuk fugsi hazard h() aka bias dari h() diyaaka sebagai dega E. Jika ĥ () E(,s)dĤ adalah esiaor wavele ĥ() h()... (5.) Firiai Agusia Jurusa Pedidika Maeaika 5

6 ( ) -, jika 3 O( ) =, jika = 3 (5.) /, jika 3 Dari eorea 5. diperoleh sifa peraa dari esiaor wavele uuk fugsi hazard, yaiu akbias asiois. Teorea 5. Misalka h d () = h( () ) adalah suau aproksiasi uuk h berdasarka pada ilai-ilai h pada iik-iik diadik berordo. Jika () E(J ()Y ()) () secara seraga dala persekiara dari da () h da koiu pada iik, aka MSE dari h d () dapa diyaaka sebagai h() E ĥ d () h() w (5.3) () dega E,sds w (5.4) k kz Dari eorea 5. diperoleh sifa kedua dari esiaor wavele uuk fugsi hazard, yaiu kosise. Teorea 5.3 Jika () E(J ()Y ()) () secara seraga dala persekiara dari da () h da koiu pada iik, aka ĥ d h() adalah oral asioik dega ea da varias h()w () bila -, -, da = o().... (4.8) Dari eorea 4.3 diperoleh sifa kedua dari esiaor wavele uuk fugsi hazard, yaiu oral asioik. DAFTAR PUSTAKA Aale, O. O. (978). Noparaeric Iferece for a Faily of Couig Processes. The Aal of Saisics, 6, 7-76 Aoiadis, A., Gregoire, G., Mc.Keague, W. (994). Waveles Mehods for Curve Esiaio. Joural of he Aerica Saisical Associaio, Dec, Vol.84, No.48, Bai, L. J. (99). Iroducio o Probabiliy ad Maheaical Saisics. Belo, Califoria : Duxbury Press. Bruce, A., Gao, H. Y. (996). Applied Wavele Aalysis wih S-Plus. New York: Spriger - Verlag. Chui, K. (99). A Iroducio o Wavele. Boso : Acadeic Press, Ic. Cox, D. R., Oakes, D. (99). Aalysis of Survival Daa. New York : Chapa & Hall. Eubak, R. L. (988). Splie Soohig ad Noparaeric Regressio. New York: Marcel Dekker.Ic. Gupa, V. P. (986). Lebesgue Measure ad Iegraio. New Delhi : Wiley Easer Liied. Hardle, W. (99). Soohig Techiques wih Ipleeaio i S. New York: Spriger- Verlag. Issogi, E. (99). Noparaeric Esiaio of a Regressi Fucio by Dela Sequeces. A. Is. Sais. Mah., 4, Firiai Agusia Jurusa Pedidika Maeaika 6

7 Kaiser, G. (994). A Friedly Guide o Waveles. Boso : Birkhauser. Klei, J. P., Moeschberger, M. L. (997). Survival Aalysis: Techiques for Cesored ad Trucaed Daa. New York : Spriger-Verlag. Lawless, J. F. (98). Saisical Models ad Mehod for Life Tie Daa. New York: Joh Willey & Sos. Lipser, R. Sh., Shiryayev, A. N. (98). A Fucioal Ceral Lii Theore for Seiarigaes. Theor. Probab. Appl. 5, 4, Malla, S. (989). Muliresoluio Approxiaios ad Wavele Orhooral Bases of L (R). Trasacios of he Aerica Maheaical Sociey, 35, MahSof. (993). User s Maual S-Plus, versio 3.. Seale : Sa Sci, a diviio of MahSof, Ic. Mayer, Y. (99). Odelees e Operaeurs I: Odelees. Paris : Hera. Ogde, T.R. (997). Essesial Waveles for Saisical Applicaio ad Daa Aalysis. Boso : Birkhauser. Ralau-Hase, H. (983). Soohig Couig Processes by Mea of Kerel Fucio. The Aals of Saisics,, Schoburg, B. (99). O he Approxiaio of he Dela Disribuio i Sobolev Spaces of Negaive Order. Applicable Aalysis, 36, Serflig, R.J. (99). Approxiaio Theores of Maheaical Saisics. New York: Joh Willey & Sos. Soejoei, Z. (996). Suau Sudi Teag Uji Hidup Dipercepa Tegaga Berigka : Perkebaga Muakhir. Meda: Makalah pada Kofresi Maeaika IX. Firiai Agusia Jurusa Pedidika Maeaika 7

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

BAB 3 MODEL LEE-CARTER

BAB 3 MODEL LEE-CARTER BAB 3 MODEL LEE-CARTER 3. Pendahuluan Model Goperz yang elah dibahas di Bab 2 banyak diodifikasi oleh para Saisikawan. Pada waku iu (sekiar ahun 980-990), Saisikawan eliha odel ini cukup bagus unuk erepresenasikan

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

Kata Kunci : Regresi Hazard Aditif, Waktu Tunggu, Kejadian Berulang, Cause specific

Kata Kunci : Regresi Hazard Aditif, Waktu Tunggu, Kejadian Berulang, Cause specific Model Regresi Hazard Adiif uuk Waku Tuggu Keadia Berulag dega Cause Specific Hayuig Pui Lesari 1, Lieda Noviyai 2, Gao R. Seyao 3 Uiversias Padadara Program Pedidika Magiser Program Sudi Saisika Terapa,

Lebih terperinci

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha JMP : Volume Nomor 2, Oober 2009 SOUSI PERSAMAAN DIFERENSIA BOTZMANN INEAR Agus Sugadha Faulas Sais da Tei, Uiversias Jederal Soedirma Purwoero, Idoesia Email : agussugadha@ymail.com ABSTRACT. I his research,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

Kajian Bilangan Kromatik Total Pada Graf Bebas Unichord dan Kincir

Kajian Bilangan Kromatik Total Pada Graf Bebas Unichord dan Kincir 1 Kajia Bilaga Kroaik oal Pada Graf Bebas Uichord da Kicir Ridi Eka Widyasari, Dr Daraji, SSi, M Jurusa Maeaika, Fakulas MIPA, Isiu ekologi Sepuluh Nopeber (IS) Jl Arief Raha Haki, Surabaya 60111 E-ail:

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada

ρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui

Lebih terperinci

KARAKTERISTIK OPERATOR HIPONORMAL-p PADA RUANG HILBERT. Gunawan Universitas Muhammadiyah Purwokerto

KARAKTERISTIK OPERATOR HIPONORMAL-p PADA RUANG HILBERT. Gunawan Universitas Muhammadiyah Purwokerto JMP : Volue 6 Noor, Deseber 014, hal. 105-114 KARAKERISIK OPERAOR HIPONORMAL- PADA RUANG HILBER Guawa Uiversitas Muhaadiyah Purwokerto Eail: gu.oge@gail.co ABRAC. his article discusses the defiitio ad

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

Barekeng, Juni hal Vol. 1. No. 1

Barekeng, Juni hal Vol. 1. No. 1 Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Market Basket Analysis dengan Metode Fuzzy C-Covering untuk Menentukan Pola Pembelian pada Toko Buku

Market Basket Analysis dengan Metode Fuzzy C-Covering untuk Menentukan Pola Pembelian pada Toko Buku Marke Baske Aalysis dega Meode Fuzzy C-Coverig uuk Meeuka Pola Pebelia pada Toko Buku Yessica Naaliai Fakulas Tekologi Iforasi Jl. Dipoegoro 5-60 Salaiga (098 34940 yessica_4@yahoo.co Yos Richard Beeh

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI 5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 2, No.1, Februari 2013

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 2, No.1, Februari 2013 IfiityJural Ilmiah Program Studi Matematika STKIP Siliwagi Badug, Vol 2, No.1, Februari 2013 KEKONTINUAN FUNGSI PADA RUANG METRIK Oleh: Cece Kustiawa Jurusa Pedidika Matematika FPMIPA UPI, cecekustiawa@yahoo.com

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

Definisi 2.3 : Jika max min E(X,Y) = min

Definisi 2.3 : Jika max min E(X,Y) = min Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus Homomorfisma Pada Semimodul Atas Aljabar Max-Plus A 14 Oleh : Musthofa Jurusa Pedidika Matematika FMIPA UNY Abstrak Kosep homorfisma telah bayak dibahas pada beberapa struktur aljabar yaitu pada ruag vektor

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION. Abstract. Sudianto Manullang

APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION. Abstract. Sudianto Manullang APPLICATION OF VASICEK S RATE INTEREST MODEL IN TERM INSURANCE PREMIUMS CALCULATION Absrac Sudiao Maullag Facor of ieres rae ad moraliy is former pricipal compoes o ge premium of erm isurace. Vasicek's

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH βeta p-issn: 2085-5893 / e-issn: 2541-0458 http://juralbeta.ac.id Vol. 5 No. 1 (Mei) 2012, Hal. 21-29 βeta 2012 SIFAT-SIFAT FUNGSI YANG TRINTGRAL MCSHAN DALAM RUANG UCLID BRDIMNSI N UNTUK FUNGSI-FUNGSI

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: muy.sms@gmail.com ABSTRAK

Lebih terperinci

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig

Lebih terperinci

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

Seminar Nasional IENACO 2016 ISSN:

Seminar Nasional IENACO 2016 ISSN: EVALUASI KINERJA OK BAHAN BAKAR BATUBARA DI PT. X MENGGUNAKAN DEA/GA Raa Ekawai *, Hadi Seiawa 2, Fiscka Apriliyai 3 Jurusa Tekik Idusri Fakulas Tekik UNTIRTA Jala Raya Sudira K.03 Cilego,Bae, Idoesia

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

GRUP TERURUT PARSIAL PADA MATRIKS SIMETRI BERUKURAN 2 2

GRUP TERURUT PARSIAL PADA MATRIKS SIMETRI BERUKURAN 2 2 Jural LOG!K@, Jilid 7, No, 7, Hal 46-5 ISSN 978 8568 GRU ERURU ARSIAL ADA MARIKS SIMERI BERUKURAN Irmatul Hasaah Uiversitas Islam Negeri Sulta Maulaa Hasauddi Bate Email: irmatulhasaah@uibateacid Abstract:

Lebih terperinci

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES AR(1)

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES AR(1) UNIVERSITAS DIPONEGORO 0 ISBN: 978-979-097-4-4 ESTIMASI PARAMETER BOOTSTRAP PADA PROSES AR() Bambag Suprihai, Suryo Gurio, Sri Haryami ) Mahasiswa S3 Jurusa Maemaika MIPA UGM ) Saf Dose Jurusa Maemaika

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

KERNEL WAVELET. Oleh : Fitriani Agustina Jurusan Pendidikan Matematika FPMIPA UPI-Bandung ABSTRAK

KERNEL WAVELET. Oleh : Fitriani Agustina Jurusan Pendidikan Matematika FPMIPA UPI-Bandung ABSTRAK KENEL WAVELET Oleh : FPMIPA -Bandung ABSTAK Kernel wavelet adalah suatu fungsi yang didefinisikan oleh Mayer (0) sebagai E ( v) dengan ( u) ( u k), ( v) ( v ) adalah ( u, v), k ( u), k kz, k, k k fungsi-fungsi

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

Mariatul Kiftiah. JurusanMatematika FMIPA Universitas Tanjungpura, Pontianak Jl. A Yani Pontianak ABSTRACT

Mariatul Kiftiah. JurusanMatematika FMIPA Universitas Tanjungpura, Pontianak Jl. A Yani Pontianak ABSTRACT Prosidig Semirata2015 bidag MIPA BKS-PTN Barat Uiversitas Tajugpura Potiaak EKSISTENSI DAN KETUNGGALAN TITIK TETAP DARI PEMETAAN KANNAN DI RUANG MODULAR (THE EXISTENCE AND UNIQUENESS OF A FIXED POINT FOR

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati

PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati Jural Matematika Muri da Terapa εpsilo Vol. 07, No.01, (2013), Hal. 33 44 PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati Program Studi Matematika Fakultas Sais da Tekologi UIN Sua Kalijaga Yogyakarta

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember

Lebih terperinci

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember)

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember) Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : 135-141 135 Esimasi Fungsi Tahan Hidup Virus Hepaiis di Kabupaen Jember (Esimaing of Survival Funcion of Hepaiis Virus in Jember) Mohamad Faekurohman Saf Pengajar

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI.

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI. ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI Diajuka Kepada Fakulas Maemaika Da Ilmu Pegeahua Alam Uiversias Negeri

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

MODEL JUMLAH SEL CD4 PENDERITA HIV BERDASARKAN FUNGSI HAZARD. Oleh Natalia Wulan Dhari M

MODEL JUMLAH SEL CD4 PENDERITA HIV BERDASARKAN FUNGSI HAZARD. Oleh Natalia Wulan Dhari M MODEL JUMLAH SEL CD4 PENDERITA HIV BERDASARKAN FUNGSI HAZARD Oleh Naalia Wula Dhari M.446 SKRIPSI diulis da diajuka uuk memeuhi seagia persyaraa memperoleh gelar Sarjaa Sais Maemaika JURUSAN MATEMATIKA

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka. MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci

PENGOLAHAN SINYAL DIGITAL. Modul 2. Proses ADC-DAC

PENGOLAHAN SINYAL DIGITAL. Modul 2. Proses ADC-DAC PENGOLAHAN SINYAL DIGITAL Modul. Proses ADC-DAC Coe Kosep Samplig Kuaisasi Codig Decodig ilerig ADC-DAC Perhiuga error kuaisasi dikaika dega level kuaisasi da samplig rae ADC Aalog o Digial Coverer Megubah

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

KOMBINASI ESTIMATOR KERNEL GAUSSIAN ORDER TINGGI DENGAN SIMULASI HISTORIKAL TERHADAP PENGUKURAN VALUE AT RISK (VaR) RETURN PORTFOLIO

KOMBINASI ESTIMATOR KERNEL GAUSSIAN ORDER TINGGI DENGAN SIMULASI HISTORIKAL TERHADAP PENGUKURAN VALUE AT RISK (VaR) RETURN PORTFOLIO Volume 7 o. Okober 014 SAINTEBU: Jurl Sais da Tekologi OMBINASI ESTIMATOR ERNEL GAUSSIAN ORDER TINGGI DENGAN SIMULASI HISTORIAL TERHADAP PENGUURAN VALUE AT RIS (VaR) RETURN PORTFOLIO Zulfikar 1), Muhyiddi

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci