KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t

Ukuran: px
Mulai penontonan dengan halaman:

Download "KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t"

Transkripsi

1 Jural -DuMah Volum No Jauar 6 Hlm 8- KARAKTERISTIK FUNGSI DISTRIUSI FOUR-PARAMETER GENERALIZED- Rahma Cahad Warsoo Musoa Usma Da Kurasar Pddka Mamaka STKIP Muhammadah Prgswu Emal: rahma_cahad@ahoocom Mamaka Uvrsas Lamug Mamaka Uvrsas Lamug Mamaka Uvrsas Lamug Absrac Ths rsarch s abou h characrsc uco o our-aramr gralzd dsrbuo Four-aramr gralzd dsrbuo has our aramrs whch ar µ as a locao aramr σ as a scal aramr ad as a sha aramr ad as a uco o ba Th characrsc uco ar rrvd rom h cao o whr as a magar umbr Th h characrsc uco o our-aramr gralzd dsrbuo was abl o b drmd b usg do ad rgoomrc asos asd o hos wo mhods hs sud go h sam rsuls ad h wll b coud rovg h udamal rors o h characrsc uco o our-aramr gralzd dsrbuo Furhrmor ds grah smulao o a characrsc uco o ouraramr gralzd dsrbuo Grah smulao rsul o h characrsc uco o our- aramr gralzd dsrbuo was ormd a closd curv crcl ar smooh Kwords: our-aramr gralzd dsrbuo characrsc uco grah smulao PENDAHULUAN aramr skala σ sra sbaga ugs ba Sudah baak l Dsrbus mruaka salah sau ag mmbahas ag dsrbus dar kluarga dsrbus luag our-aramr gralzd kou ag uruaa daaraa au: McDoald da brdasarka dsrbus ormal baku da Nw 988 or dkk dsrbus kh-kuadra Dsrbus ouraramr Cha dkk 7 L dkk gralzd mruaka Fugs karakrsk adalah salah buk rumuma dar dsrbus sau js rasormas ag srg dga mambahka lag aramr dguaka ada or luag da ag la Dsrbus our-aramr saska Fugs karakrsk daa gralzd mmlk ma dguaka uuk muka ugs aramr au aramr buk dsrbus dar suau ubah acak ag aramr lokas µ da dkal sbaga orma vrs ugs Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug 8

2 Jural -DuMah Volum No Jauar 6 Hlm 8- karakrsk Torma vrs ugs karakrsk mruaka salah sau sa ag mjad cr khas ugs karakrsk Fugs karakrsk juga mmlk sa-sa dasar Namu dmka sjauh lusura ag lah uls lakuka bahwa blum dmuka jlasa ag ugs karakrsk khususa ugs karakrsk dsrbus our-aramr gralzd Pada la uls aka mmbahas lbh dalam mga ugs karakrsk da mbuka sa-sa dasar ugs karakrsk dar dsrbus our-aramr gralzd kmuda aka dlajuka dga mlakuka smulas grak ugs kkaa luag da ugs karakrsk dar dsrbus our-aramr gralzd dga sowar MATLA Rb Muru McDoald da Nw 988 dsrbus gralzd mmlk ugs kkaa luag brbuk : GT or ; Dmaa μ R adalah aramr lokas σ > adalah aramr skala > da > kduaa aramr buk da Aakah ugs ba Cha al 7 Fugs karakrsk dar dsrbus our-aramr gralzd daa drolh dar ugs mbagk mom dga mambahka sbaga baga magr da ksas rgoomr Dalam la dguaka dua cara rsbu uuk mcar ugs karakrsk dar dsrbus our-aramr gralzd Slajua aka dbukka sa-sa dasar ugs karakrsk dar dsrbus our-aramr gralzd da mlakuka smulas grak gambar ugs kkaa luag da ugs karakrsk dar dsrbus ouraramr gralzd rdasarka laar blakag ag lah duraka dalam la aka dbahas kaja ag Fugs Karakrsk dar Dsrbus our-aramr gralzd PEMAHASAN Dsrbus Four-Paramr Gralzd Suau ubah acak X dkaaka mmlk dsrbus gralzd dga aramr da da jka da haa jka ugs kkaa luag dar X adalah Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug 9

3 Jural -DuMah Volum No Jauar 6 Hlm 8- GT or ; Dmaa μ R adalah aramr lokas σ > adalah aramr skala > da > kduaa aramr buk da Adalah ugs ba Cha al Gambar Grak Fugs Kkaa Pluag dar Dsrbus our-aramr gralzd dga = = σ= µ= Smulas Grak Fugs Kkaa Pluag Dsrbus Four-Paramr Gralzd Pada baga aka dbahas mga smulas grak ugs kkaa luag dar drbus ouraramr gralzd dga mgguaka sowar MATLA Rb PDF Dsrbus Four-Paramr Gralzd Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la a mgka σ mgka µ a Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la a muru σ muru µ a Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la mgka mgka σ muru µ a PDF Dsrbus Four-Paramr Gralzd ==sgma=µ= ==sgma=7µ= ==sgma=µ= ==sgma=µ= PDF Dsrbus Four-Paramr Gralzd ==sgma=µ= ==sgma=µ= ==sgma=7µ= ==sgma=µ= Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug

4 Jural -DuMah Volum No Jauar 6 Hlm 8- PDF Dsrbus Four-Paramr Gralzd ==sgma=µ= ==sgma=µ= ==sgma=7µ= ==sgma=µ= 9 8 PDF Dsrbus Four-Paramr Gralzd ==sgma=µ= ==sgma=7µ= ==sgma=µ= ==sgma=µ= Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la mgka muru σ mgka µ a PDF Dsrbus Four-Paramr Gralzd ==sgma=µ= ==sgma=7µ= ==sgma=µ= ==sgma=µ= Gambar 6 Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= 6 Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la muru muru σ mgka µ a PDF Dsrbus Four-Paramr Gralzd ==sgma=µ= ==sgma=7µ= ==sgma=µ= ==sgma=µ= Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la muru mgka σ mgka µ a Gambar 7 Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= 7 Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la mgka a σ muru µ brbda Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug

5 Jural -DuMah Volum No Jauar 6 Hlm PDF Dsrbus Four-Paramr Gralzd ==sgma=µ=- ==sgma=µ=- ==sgma=7µ= ==sgma=µ= PDF Dsrbus Four-Paramr Gralzd 7 6 ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= Gambar 8 Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ=-- 8 Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la muru a σ muru µ brbda Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la muru muru σ a µ a PDF Dsrbus Four-Paramr Gralzd ==sgma=µ=- ==sgma=µ=- ==sgma=7µ= ==sgma=µ= PDF Dsrbus Four-Paramr Gralzd 6 ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= Gambar 9 Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ=-- 9 Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la mgka mgka σ a µ a Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la a mgka σ a µ a Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug

6 Jural -DuMah Volum No Jauar 6 Hlm 8-6 Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Smulas grak ugs kkaa luag dar dsrbus ouraramr gralzd dga la mgka a σ a µ a PDF Dsrbus Four-Paramr Gralzd ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= PDF Dsrbus Four-Paramr Gralzd ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= ==sgma=7µ= Gambar Grak Fugs kkaa luag dsrbus our-aramr gralzd dga = = σ=7 µ= Dar gambar grak ugs kkaa luag dsrbus ouraramr gralzd daa d lha skala dar grak ag rbuk Sdagka ucak grak ag rbuk dgaruh olh mgka aau muru la da Kmuda µ adalah aramr lokas shgga daa d lha ada gambar bahwa grak slalu smr ada µ Fugs Karakrsk Dsrbus Four- Paramr Gralzd Fugs Karakrsk Dsrbus Four-Paramr Gralzd dga ds Pada baga aka djlaska ugs karakrsk dsrbus our-aramr gralzd Fugs karakrsk dar dsrbus our-aramr gralzd daa drolh dar ugs mbagk mom dga mambahka sbaga baga majr Jka X adalah dsrbus ubah acak dsrbus gralzd dga aramr μ R da σ > maka ugs karakrsk X adalah sbaga brku : E bahwa σ adalah aramr skala da Olh kara baas ada ugs adalah aramr buk shgga kkaa luag dsrbus ouraramr smak muru la σ maka gralzd adalah smak kcl skala dar grak ag da brdasarka smulas rbuk da sbalka smak grak ugs kkaa luag mgka la σ maka smak bsar Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug d

7 Jural -DuMah Volum No Jauar 6 Hlm 8- Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug dsrbus our-aramr gralzd drolh grak lo ag smr ada µ maka brdasarka orma smr brlaku: d d Msalka ka daa muls ulag rsamaa dalam buk brku d d Mgguaka MacLaur dar ugs maka rsamaa daa duls sbaga d Dga dkaa Srlg drolh Dga mgguaka ksas dr MacLaur rsamaa daa daaka sbaga Jad ugs karakrsk dar dsrbus our-aramr gralzd adalah E E Fugs karakrsk dsrbus our-aramr gralzd dga ksas rgoomr Sla mgguaka mod ag djlaska sbluma ada baga aka djlaska cara la uuk muka ugs dar karakrsk sbaga brku : Aka dujukka bahwa S E E E S E uk : d Olh kara baas ada ugs kkaa luag dsrbus ouraramr gralzd adalah da brdasarka smulas grak ugs kkaa luag dsrbus our-aramr gralzd drolh grak lo ag smr ada µ maka brdasarka orma smr brlaku: d

8 Jural -DuMah Volum No Jauar 6 Hlm 8- Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug d S Prsamaa aka dslsaka brku da S C ; dmaa C Olh kara S Dga mmsahka mjad dua baga ka slsaka scara rsah dar rsamaa ag ka mlk aga rama d C d d 6 Dga mmsalka ka daa mulska rsamaa 6 dalam buk brku d d d d d d d d d d d d d d d Slajua dga mgguaka ugs a ka mmlk d 7 aga kdua d C d S d 8 Dga mmsalka ka daa mulska rsamaa 8 dalam buk brku d d S

9 Jural -DuMah Volum No Jauar 6 Hlm 8- Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug 6 d d d d d d d d d d d S d d d Slajua dga mgguaka ugs a ka mmlk d S 9 Msubsuska Prsamaa 7 da Prsamaa 9 k dalam Prsamaa jad d S d Dkahu bahwa adalah baga dar majr shgga rsamaa mjad d S d d S d d S d Dga dkaa Srlg ka mmrolh d S d d S d d S d da rsamaa daa duls kmbal sbaga buk brku Jad ugs karakrsk dar dsrbus our-aramr gralzd adalah

10 Jural -DuMah Volum No Jauar 6 Hlm 8- Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug 7 E E Dga dmka ugs karakrsk dar dsrbus our-aramr gralzd adalah rdasarka jabara rsbu dalam muka ugs karakrsk mgguaka ds da mgguaka ksas rgoomr drolh hasl ag sama Shgga daa dsmulka ugs karakrsk dar dsrbus ouraramr gralzd adalah : Pmbuka Sa-Sa Dasar Fugs Karakrsk dar Fugs Karakrsk Dsrbus Four- Paramr Gralzd Pada baga aka dbahas ag sa-sa dasar ugs karakrsk dar ugs karakrsk dsrbus ouraramr gralzd Aka dujukka bahwa ugs karakrsk dsrbus our-aramr gralzd mmuh sa-sa dasar dar ugs karakrsk Sa Msalka ugs karakrsk dsrbus our-aramr gralzd adalah Maka uk: Prhaka bahwa Masuka = maka ka mdaaka Sa uk: Muru ds dkahu bahwa : s cos da shgga s cos jad drolh df df ~ ~ d d df df ~ d Msalka ka daa muls ulag rsamaa dalam buk brku

11 Jural -DuMah Volum No Jauar 6 Hlm 8- ~ d Kara d maka Sa d Msalka adalah ugs karakrsk dar ubah acak X dar dsrbus our-aramr gralzd Maka ugs karakrsk ubah acak -X adalah uk Msalka adalah kojuga komlks dar aka dujukka bahwa ugs karakrsk - adalah maka : Jad ugs karakrsk - dar dsrbus our-aramr gralzd adalah Dar mbuka kga sa ugs karakrsk rsbu maka daa dsmulka bahwa ugs karakrsk dar dsrbus our-aramr gralzd mmuh sa-sa dasar dar ugs karakrsk Slajua aka dlakuka smulas grak ugs karakrsk dar dsrbus our-aramr gralzd Smulas Grak Fugs Karakrsk Dsrbus Gralzd Four-Paramr Pada baga aka dbahas mga smulas grak ugs karakrsk dar drbus our-aramr gralzd dga mgguaka sowar MATLA Rb Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = Gambar Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = - - Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug 8

12 Jural -DuMah Volum No Jauar 6 Hlm 8- Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = Gambar Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ= σ= da = Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = 8 6 Gambar 8 Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = 6 Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = 8 Gambar 6 Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = Gambar 9 Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = 7 Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = Gambar 7 Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug 9

13 Jural -DuMah Volum No Jauar 6 Hlm 8- Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = Gambar Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = 8 Smulas grak ugs Karakrsk dar dsrbus our-aramr gralzd dga µ=σ= da = - - Characrsc Fuco o Four-Paramr Gralzd dsrbuo wh Mu=sgma= = Gambar Grak Fugs karakrsk dsrbus our-aramr gralzd dga µ=σ= da = rdasarka hasl smulas grak ugs karakrsk dar dsrbus our-aramr gralzd dga mgguaka sowar MATLA Rb daa dsmulka bahwa smak mgka la aramr buk au maka grak ugs karakrsk dsrbus our-aramr gralzd aka mmbuk kurva ruu lgkara ag mulus KESIMPULAN Ka daa mmulka bbraa o dar aara daas sbaga brku : Fugs karakrsk dar dsrbus our-aramr gralzd adalah Fugs karakrsk dsrbus ouraramr gralzd mmuh sa-sa dasar ugs karakrsk Hasl smulas grak mujuka bahwa smak mgka la aramr au aramr buk maka grak ugs karakrsk dsrbus our-aramr gralzd mmbuk kurva ruu lgkara ag mulus DAFTAR PUSTAKA or ra H Jams McDoald Wh K Nw A Comarso o Parall Adav ad Rwghd Las Suars Esmao Ecoomrc Rvws Vol No : - Cha JSK Cho ST ad Markov UE: 7 Robus asa Aalss o Loss Rsrvs Daa Usg h Gralzd- Dsrbuo Quaav Fac Rsarch Cr Uvrs o Tcholog Sd wwwrcusduau L Aho Fracos Caro Araud Douc ad Chrs Holms asa Sars-Pah- Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug

14 Jural -DuMah Volum No Jauar 6 Hlm 8- Aalss o Gc Assocao Sgal usg Gralzd Prors Sascal Alcaos Gcs ad Molcular olog Comuaoal Sascal Mhods For Gomcs Ad Ssms olog McDoald Jams ad Wh K Nw 988 Parall Adav Esmao o Rgrsso Modls Va Th Gralzd Dsrbuo Ecom Thor : 8-7 Drbka Olh: h://jouralskmrgswu-lgacd/dh/dumah Program Sud Pddka Mamaka STKIP Muhammadah Prgswu Lamug

Pengkelasan dengan Skor Propensitas

Pengkelasan dengan Skor Propensitas Saska, Vol. 6 No. 2, 35 39 Nobr 26 Pgklasa dga Skor Prosas Marzuk da Fakhrurraz Jurusa Maaka FMIPA Usah Jl. Sch Abdul Rauf No. 3 Darussala Bada Ach 23 ABSTRAK Prbadga dua oulas dga laar blakag obk (kovara

Lebih terperinci

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL A Sawa Program S Mamaka Isr a Saska Faklas Sas a Mamaka Uvrsas Krs Saya Wacaa Jl Dpogoro 5-6 Salaga 57

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

PENERBITAN IJAZAH UNIVERSITAS RIAU

PENERBITAN IJAZAH UNIVERSITAS RIAU STANDARD OPERASIONAL PROSEDUR (SOP) PENERBITAN IJAZAH UNIVERSITAS RIAU Idas Pmbuaa Taggal Trb Eds I : 1 Dsmbr 2017 Taggal Trb Eds II : - Saus Rvs : 00 Dsusu Olh : Tm BAK UNRI Dprksa da dsuju olh : Kpala

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

Sidang Tugas Akhir D3-Statistika, 11 Juni 2013 Gedung H Lt.2

Sidang Tugas Akhir D3-Statistika, 11 Juni 2013 Gedung H Lt.2 Sdag Tugas Akr D3-Saska, Ju 3 Gdug H L. Taua Pusaka Saska Dskrf Tabl Kogs Walol, 995 Mod-mod ag brkaa dga gumula da aa suau gugus daa, sgga mmbrka formas ag brgua da aa mmbrka formas mga daa ag dmlk da

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEI Ladasa ori rdiri aas rapa ori pdukug ag aka diprguaka dalam mlsaika kovrgsi modiikasi mod kig mgguaka ugsi kuadraik.. rd Kovrgsi Kpaa suau mod kovrgsi mrupaka suau ukura kkia suau mod

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner Jural IMU DASAR, Vol No, Jul 9 : 33-33 Kossts da Asmtotk Normaltas Modl Multvarat Adatv Rgrsso Sl (Mars Rso r Cosstcy ad Asymtotc Normalty of Maxmum klhood Estmator MARS ary Rsos Modl ambag Wdaarko Otok

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB ADASA TEORI. Varabl Varabl adalah arar ag aa d obsrvas dar u amaa. Varabl dalam pla mrupaa suau arbu dar slompo obj ag dl da mml varas aara sau obj dga obj ag la dalam lompo rsbu, msala gg bada da

Lebih terperinci

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks

Ibnu Maja, S.Si.,M.M Staf UP.MPK, Politeknik Negeri Sriwijaya Palembang Abstraks SOLUSI SISTEM PERSAMAAN DIFERENSIAL LINEAR BIASA TINGKAT- DENGAN METODE TEKNIK OPERATOR Ibu Maja S.Si.M.M Saf UP.MPK Plikik Ngri Sriwijaa Palbag [email protected] Absraks Sis rsaaa liar biasa igka dga dua

Lebih terperinci

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner Pgklasfkasa Pyakt Jatug D RSUD Abdul Wahab Sjahra Samarda Dga Mgguaka Rgrs Logstk Br Classfcato of Hart Dsas RSUD Abdul Wahab Sjahra Samarda Usg Bary Logstk Rgrsso Adras Sutato 1, Darah A. Noh, Syarudd

Lebih terperinci

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Mau lhood Esao Modl ar da og-ar dala Rgrs Posso Yul Wbawa Jaa Nugraha Jurusa Sasa FMIPA-UII Kapus Trpadu UII Jl Kalurag KM

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

PENENTUAN ALOKASI PESANAN BAHAN BAKU DENGAN INTEGRASI METODE FUZZY-TOPSIS DAN MULTI CHOICE GOAL PROGRAMMING DI PT. DJARUM KUDUS

PENENTUAN ALOKASI PESANAN BAHAN BAKU DENGAN INTEGRASI METODE FUZZY-TOPSIS DAN MULTI CHOICE GOAL PROGRAMMING DI PT. DJARUM KUDUS Jural SIMETRIS Vol 6 No Novmbr 5 ISSN: 5-98 PENENTUN LOKSI PESNN BHN BKU ENGN INTEGRSI METOE FUZZ-TOPSIS N MULTI CHOICE GOL PROGRMMING I PT JRUM KUUS aa Puspa Sar Fakulas Tkk Program Su Tkk Iusr Uvrsas

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 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract

DISTRIBUSI POISSON DAN DISTRIBUSI EKSPONENSIAL DALAM PROSES STOKASTIK. Abstract Disribusi oisso Sugio DISRIBUSI OISSON DAN DISRIBUSI EKSONENSIAL DALAM ROSES SOKASIK Sugio, Moch Abdul Mukid Saf gajar rogram Sudi Saisika FMIA UNDI Absrac I h quuig sysm, h procsss usually com from a

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 56 BAB IV METODOLOGI PENELITIAN Brdasara la yag rah dlaua sblumya, ada bbraa alraf ssfas modl da modolog yag daa dguaa uu mggambara hubuga rja ssm uaga da rumbuha oom. Kg da Lv (99) mgaj hubuga aara rmbaga

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function Prsatua ktuars Idosa Dasar-dasar Matmatka suras Jwa 8 Nombr 00 Utuk soal o s/d 3 d bawah, dktahu suatu sural fucto 00 s ( ) utuk 0 00 0 Htuglah F (75) X 0,0 B 0,30 C 0,40 D 0,50 E 0,0 Htuglah f (75) X

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Prediksi Frekuensi Alami Ruang Akustik Karoseri Tanpa Peredam

Prediksi Frekuensi Alami Ruang Akustik Karoseri Tanpa Peredam rdks Frkus Alam Ruag Akusk arosr Tapa rdam Grg. Hlarko SJ Jurusa karoka, Ursas Saaa Dharma Yogakara ampus III, aga, aguwoharo, Slma [email protected] Absra Room Aous of a passgr ar s o of h mos mpora

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem

TEORI ANTRIAN A. Proses Antrian 1. Pola Kedatangan 2. Pola Kepergian 3. Kapasitas Sistem TEORI ANTRIAN A. ross Aria ross aria mrupaka pross yag brhubuga dga kdaaga plagga pada suau fasilias playaa, muggu dalam baris aria jika blum mdapa playaa, da akhirya miggalka fasilias rsbu slah playaa

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN

BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN BAB 3 PERSAMAAN DIFFERENSIAL UNTUK MENENTUKAN HARGA SUATU ASET TURUNAN Pmbahasan harga opsi idak dapa dilpaskan dari pmbahasan nang skurias lain yang brhubungan dngan haga opsi. Shingga prlu dibahas masalah

Lebih terperinci

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4)

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4) j j hh j j hh j j hh j j hh j j hh hh jajc h jajc h jajc h jajc h jajc h hh c ja h c ja h c ja h c ja h c ja h hh c ja h h c ja h h c ja h h c ja h h c ja h h hh j j ANALISIS PERKEMBANGAN LAJU INFLASI

Lebih terperinci

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

Kata kunci : Regresi logistik, Susenas, menikah muda

Kata kunci : Regresi logistik, Susenas, menikah muda ANALISIS REGRESI LOGISTIK BINER PADA FAKTOR-FAKTOR YANG MEMPENGARUHI WANITA MENIKAH MUDA DI PROVINSI JAWA TIMUR Stud Kasus d Kabuat Probolggo, Bodowoso, Stubodo da Sum Aula Imawat, Ar Ksmato Mahasswa S

Lebih terperinci

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA PELABELAN HARMONIS GANJIL PADA GRAF KINIR ANGIN BELANDA DAN GABUNGAN GRAF KINIR ANGIN BELANDA Fery Frmasah ), Kk Aryat Sugeg ) Abstrak : Gra G V G, EG dega V G adalah hmpua smpul da G hmpua busur dsebut

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Prt) D-140 Faktor-Faktor yag Mmgaruh Pyakt Malara ada Ibu Haml d Provs Nusa Tggara Barat, Nusa Tggara Tmur, Maluku, Maluku Utara, Paua,

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Bult Ilmah Mat. Stat. a Trapaya (Bmastr) Volum, No. (3), hal. 5 56. PRBANDINGAN MTOD MAXIMUM LIKLIHOOD STIMATION (ML) DAN MTOD BAYS DALAM PNDUGAAN PARAMTR DISTRIBUSI KSPONNSIAL Dw Nurlala, Daa Kusaar,

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.1, Februari 2012 IfJal Ilmah Pogam d Mamaka TKIP lwag Badg Vol No Fba PNRAPAN MTOD BARAN PIVOT DALAM PNURUNAN RUMU TAKIRAN INTRVAL DARI KOFIIN RGRI LINAR DRHANA Olh : Na Hhao Jsa Pddka Mamaka FPMIPA UPI Absak Rgs mpaka

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

PROSIDING ISBN :

PROSIDING ISBN : PROSIDING ISBN : 978 979 6353 3 METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya

Lebih terperinci

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK PERLUASAN METDE NEWTN DENGAN PENDEKATAN PARABLIK Abdul Rahma, Supriadi Putra, Bustami Mahasiswa Program Studi S Matmatika Dos JurusaMatmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau Kampus

Lebih terperinci

Faktor- Faktor yang Mempengaruhi Siswa Usia Wajib Belajar Putus Sekolah (Studi Kasus di Surabaya Utara)

Faktor- Faktor yang Mempengaruhi Siswa Usia Wajib Belajar Putus Sekolah (Studi Kasus di Surabaya Utara) Smar Nasoal Statstka IX Susat Luwh, Mutah Salamah da Wbawat Isttut Tkolog Suluh Nombr, 7 Novmbr 9 Faktor- Faktor ag Mmgaruh Sswa Usa Wab Blaar Putus Skolah Stud Kasus d Surabaa Utara Susat Luwh, Mutah

Lebih terperinci

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat . Hubuga Dasar rbabltas rbabltas adalah harga prbadga jumlah kjada A yag mugk dapat trjad trhadap jumlah ksluruha kjada yag mugk trjad dalam sbuah prstwa. Cth:. luag utuk mdapatka agka gap dar lmpara sbuah

Lebih terperinci

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar ertemua 3 Luas Daerah Bdag Datar, da Volume Beda adat dega Metode Bdag Irsa Sejajar A. Luas Daerah Bdag Datar 1. Luas Daerah Bdag Datar Yag Datas Oleh Kura f, sumu X, Gars a da Gars DEFINISI: Msalka D

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

BAB VI KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN 59 BAB VI KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil data survai dan analisis yang dilakukan pada lahan parkir Rumah Sakit Umum Daerah RAA Soewondo Pati selama 3 hari dapat diambil kesimpulan

Lebih terperinci

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

1 0 0 m 2 BUDIDAYA PEMBESARAN IKAN NILA

1 0 0 m 2 BUDIDAYA PEMBESARAN IKAN NILA P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A R A N I K A N N I L A P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

PERBANDINGAN SOLUSI NUMERIK DAN SOLUSI ANALITIK PADA PERSAMAAN PANAS SKRIPSI OLEH MUHAMMAD HASAN NIM

PERBANDINGAN SOLUSI NUMERIK DAN SOLUSI ANALITIK PADA PERSAMAAN PANAS SKRIPSI OLEH MUHAMMAD HASAN NIM PERBANDINGAN SOLSI NMERIK DAN SOLSI ANALIIK PADA PERSAMAAN PANAS SKRIPSI OLEH MHAMMAD HASAN NIM. 63 JRSAN MAEMAIKA FAKLAS SAINS DAN EKNOLOGI NIVERSIAS ISLAM NEGERI MALANA MALIK IBRAHIM MALANG 5 PERBANDINGAN

Lebih terperinci

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol No Juli 6 ISSN 6-5 Mtod Itrasi Tiga Lagkah dga rd Kovrgsi Eam utuk Mlsaika Prsamaa Noliar M Ari da M M Niam Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB IV DATA DAN ANALISA

BAB IV DATA DAN ANALISA BAB IV DATA DAN ANALISA Pngujian yang dilakukan brupa pngujian masa hidup (lifim) cahaya dari 0 uni lampu DC 4,8 Vol olh hardwar yang lah dirancang. Hasil pngujian ini akan dianalisa raa-raa lifim µ dari

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain Jual Gade Vol.4 No. Jaua 28 : 328-332 edeskpsa Kou Da Image Suau Kawasa Eksploas egguaka oe Calo akov Cha Jose Rzal, Ulfasa Rafflesa Juusa aemaka, Fakulas aemaka da Ilmu egeahua Alam, Uvesas Begkulu, Idoesa

Lebih terperinci

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES PENGOPTIMUMAN PADA FUNGSI PRODUSI CROPPES NURJANAH G5404008 DEPARTEMEN MATEMATIA FAUTAS MATEMATIA DAN IMU PENGETAHUAN AAM INSTITUT PERTANIAN BOGOR 008 ABSTRACT NURJANAH Optmzato Cropps producto ucto Suprvsd

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Orbit Fraktal Himpunan Julia

Orbit Fraktal Himpunan Julia Vol. 3, No., 6-7, Jauar 7 Orbt Fraktal Hmpua Jula Ad Kresa Jaya, Nswar Alasa Abstrak Makalah membahas kumpula ttk-ttk yag berada dalam daerah hmpua Jula d ruag kompleks da memperlhatka sebuah algortma

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA

MODEL SISTEM ANTRIAN PESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJIPTO YOGYAKARTA Modl Sism Aria sawa Trbag Di Badara Irasioal Adisujipo Yogyakara MODEL SISTEM ANTRIAN ESAWAT TERBANG DI BANDARA INTERNASIONAL ADISUTJITO YOGYAKARTA Afsah Novia Sari Uivrsias psar Tiggi Darul Ulum [email protected]

Lebih terperinci

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT (Kasus pada Estmas Huja d Karagploso, Malag) SKRIPSI olh: FARIDA KARUNIAWATI NIM. 0650028 JURUSAN MATEMATIKA FAKULTAS SAIN DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

Lebih terperinci

m 2 BUDIDAYA PEMBESARAN IKAN LELE

m 2 BUDIDAYA PEMBESARAN IKAN LELE P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A R A N I K A N L E L E P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract Esmas Paamee (Ida sa) ESIMASI PARAMEER DISRIBUSI WEIBULL DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah, Sugo, Ra Rahmawa Mahasswa Juusa Saska FSM Uvesas Dpoegoo Sa Pegaja Juusa Saska FSM UNDIP Absa

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIAL

ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIAL Jural Matmata Mur da Traa Vol5 No Dsmbr : 4-5 ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIA Ry Aula Hj Noor Fajrah Nur Salam Proram Stud Matmata Faultas MIPA Ulam Bajarbaru Kalsl ABSTRAK Estmas tt dar

Lebih terperinci

On A Generalized Köthe-Toeplitz Duals

On A Generalized Köthe-Toeplitz Duals JMP : Volume 4 Nomor, Ju 202, hal. 3-39 O A Geeralzed Köthe-Toepltz Duals Sumardoo, Supama 2, da Soepara Darmawaa 3 PPPPTK Matematka, [email protected] 2 Mathematcs Departmet, Gadah Mada Uverst, [email protected]

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

BAB II PEMULIHAN SOLUSI METODE REP DAN ERROR ESTIMATOR Z 2

BAB II PEMULIHAN SOLUSI METODE REP DAN ERROR ESTIMATOR Z 2 BB II PEMULIHN SOLUSI MEODE REP DN ERROR ESIMOR Z.1. UMUM.1.1 Ksalaa Solus Mtod Elm Hgga Error yag trjad mrupaka sls atara solus ksak dga solus pdkata da dapat dksprska dalam btuk prala, tgaga maupu gaya

Lebih terperinci

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG Sudaro Jurusa Matatka FMIPA UNDIP Jl Prof H Sodarto SH Tbalag Sarag 575 Abstract Coutg probablty a two-tald hypothss dtr lvl of th

Lebih terperinci