METODE DETECTABILITY SIMPLE RANDOM SAMPLING (STUDI KASUS : MENAKSIR TOTAL BANYAK KATAK DI SEKELILING DANAU AGATIS UNIVERSITAS INDONESIA)

Ukuran: px
Mulai penontonan dengan halaman:

Download "METODE DETECTABILITY SIMPLE RANDOM SAMPLING (STUDI KASUS : MENAKSIR TOTAL BANYAK KATAK DI SEKELILING DANAU AGATIS UNIVERSITAS INDONESIA)"

Transkripsi

1 MTOD DTCTABILIT SIMPL RADOM SAMPLIG (STUDI KASUS : MAKSIR TOTAL BAAK KATAK DI SKLILIG DAAU AGATIS UIRSITAS IDOSIA) ADIKA DWI ISFADIARI UIRSITAS IDOSIA FAKULTAS MATMATIKA DA ILMU PGTAHUA ALAM DPARTM MATMATIKA DPOK 009 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

2 MTOD DTCTABILIT SIMPL RADOM SAMPLIG (STUDI KASUS : MAKSIR TOTAL BAAK KATAK DI SKLILIG DAAU AGATIS UIRSITAS IDOSIA) Skr dajuka ebaga alah atu arat utuk memeroleh gelar Sarjaa Sa Oleh : ADIKA DWI ISFADIARI DPOK 009 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

3 SKRIPSI : MTOD DTCTABILIT SIMPL RADOM SAMPLIG (STUDI KASUS : MAKSIR TOTAL BAAK KATAK DI SKLILIG DAAU AGATIS UIRSITAS IDOSIA) AMA : ADIKA DWI ISFADIARI PM : SKRIPSI II TLAH DIPRIKSA DA DISTUJUI DPOK, 4 JUI 009 Dra. Rat Setad, M.S. PMBIMBIG I Dra. Saka Mar S., M.S. PMBIMBIG II Taggal Uja Sdag Sarjaa : 4 Ju 009 Peguj I : Dra. Rat Setad, M.S. Peguj II : Dr. Da Letar, DA Peguj III : Dra. Suarh Utama Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

4 KATA PGATAR Dega rahmat da karua ALLAH SWT ag berlmah, eul daat meeleaka tuga akhr. Peeleaa tuga akhr juga tdak lea dar batua, dukuga, erta do a dar berbaga hak, ehgga eul g meamaka raa terma kah ag agat bear keada: Pembmbg tuga akhr eul, Dra Rat Setad MS da Dra Saka Mar MS, ag telah memberka waktu, teaga, kra, araha, da motva Aah da bu eul, Had Rohad da Lda Mar Djoha, ag telah memberka egalaa, terutama kah aag, erhata, keabara, doroga, da temat beraug Pedamg har-har eul, De ataha Rua, ag telah memberka waktu berama, bak dalam uka mauu duka Keluarga Adromeda, Joha Adromeda, Lda Amada Hadaa, da Maa Ala Adromeda, ag telah memberka doa da motva Kakek da eek eul, (Alm)Haa Bar Djoha da (Almah)Chaah Djoha, ag telah memberka kah aag ewaktu kecl, beerta (Alm)Saa da (Almah)Uke Sukaeah Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

5 Pembmbg Akademk eul, Beva D. Hadar PhD, ag telah memberka erhata utuk erkembaga akademk eul Doe-doe Matematka Uverta Idoea khuua Dra ett Suad MS, Mlla ovta SS MS, Sar SS MStat, Dr Da Letar DA, Dra Suarh Utama, da Fev ovkaa SS MS ag telah memberka waktu utuk hadr dalam emar da dag eul, beerta Pro Dr Djat Keram DA Tm Pecar Katak, Ajat Ardaah, Pudahwa Ato Wbowo, Bemb Prma, R.Arka Glag, Agutu Guug, Ilham Cadra Budma, Rede Maulaa Ar, Rea Hegag, Irwato, auar Sggh Sautra, De ataha Rua, da Arda, ag telah memberka waktu da teaga dalam egambla amel d Daau Agat, Uverta Idoea Karawa Dearteme Matematka FMIPA Uverta Idoea, ag telah memberka batua dalam egala hal d jurua Sahabat-ahabat the Delu, Pragga Adam Kartouwro, Ilham Hm Haque, Rea Abadlla, da I Made og Praaata, ag telah memberka baak hal berama Tema-tema Matematka 003, ag telah memberka keberamaa elama beberaa tahu terakhr Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

6 Tema-tema Matematka agkata la, ag telah memberka lhaa utuk megejar cta-cta d kamu Tema-tema Idoea Too Arm, CCF Wjaa, da Futal Sabtu Pag, ag telah memberka keeaga da keceraa ada maamaa eeleaa tuga akhr Murd-murd eul, Barr Thraer, DB, Jame Mcall, da Kurt Mcall, ag telah memberka keceraa teredr Keluarga Suweda, Baak Rema Suweda, Ibu Fatmaha Dhamaat, De ataha Rua, da Atrd ovrat, ag telah memberka keabara da keercaaa ag agat bear da hak-hak la ag taa egaja tdak debutka d ata, amu telah memberka batua elama Akhr kata, eul agat meadar bahwa tuga akhr mah agat jauh dar keemuraa, oleh karea hal terebut eul memoho maa da agat terbuka terhada ara da krtk ag membagu. Semoga tuga akhr bermaaat. Peul Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

7 ABSTRAK Maalah ag aka djuma dalam egambla amel d alam terbuka dega objek egamata hewa atu tdak emua objek egamata daat terdetek. Salah atu metode utuk megataa adalah metode Detectablt Samlg, atu metode egambla amel dega memertmbagka robablta terdeteka uatu objek egamata. Jka metode Detectablt Samlg dteraka ada Smle Radom Samlg, maka metode egambla amel debut Detectablt Smle Radom Samlg. Takra total oula ag ddaat dar metode Detectablt Smle Radom Samlg meruaka takra ag tak ba. Probablta terdeteka uatu objek egamata daat dketahu atau dtakr dar eelta ebeluma. Dalam tuga akhr, robablta terdeteka uatu objek egamata dtakr dar eelta ebeluma ag megguaka metode Drect Samlg. Stud kau eeraa metode dguaka dalam meakr total baak katak d ekellg Daau Agat, Uverta Idoea. Hal aala data meujukka bahwa total baak katak d ekellg Daau Agat adalah ebear 66 katak. Jka baak katak er lua d ekellg Daau Agat dbadgka dega baak katak er lua ag ddaat dar eelta ebeluma d ekellg daau ag berh, dmaa memberka hal bahwa baak katak er lua d ekellg Daau v Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

8 v Agat lebh kecl dbadgka baak katak er lua d daau ag berh, maka daat dmulka bahwa Daau Agat, Uverta Idoea telah mula tercemar. kata kuc : takra tak ba, total oula, mle radom amlg, robablta terdeteka objek egamata, drect amlg x + 64 hlm. Bblogra : 8 ( ) Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

9 DAFTAR ISI Halama KATA PGATAR... ABSTRAK... v DAFTAR ISI.. v DAFTAR TABL... x DAFTAR GAMBAR x BAB I PDAHULUA.... Latar Belakag. Perumua Maalah..3 Tujua Stematka Peula... 3 BAB II LADASA TORI Metode eakra mea da total oula dega Smle Radom Samlg 5.. Takra utuk mea oula Takra utuk total oula. 3 v Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

10 v. Metode utuk mecar takra dar robablta terdeteka uatu objek egamata... 5 BAB III DTCTABILIT SIMPL RADOM SAMPLIG Pegerta daar tetag metode Detectablt Samlg 0 3. Pegerta da cara egambla amel dega metode Detectablt Smle Radom Samlg Takra utuk total oula dmaa amel dambl dega metode Detectablt Smle Radom Samlg Jka robablta terdeteka uatu objek dketahu da berla ama utuk eta daerah egamata Jka robablta terdeteka uatu objek dketahu, amu memlk la ag berbeda utuk eta daerah egamata Jka robablta terdeteka uatu objek tdak dketahu, amu daumka berla ama utuk eta daerah egamata 40 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

11 v BAB I APLIKASI Katak ebaga bodkator tgkat keberha daau Pegambla amel katak d ekellg Daau Agat Uverta Idoea Poula da amel Hal eelta da embahaa.. 48 BAB KSIMPULA DA SARA Kemula Sara LAMPIRA Lamra. 57 Lamra. 58 Lamra 3. 6 DAFTAR PUSTAKA Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

12 DAFTAR TABL Halama Tabel Hal Peelta D Daau Agat.. 48 Tabel Aala Dekrt x Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

13 DAFTAR GAMBAR Halama Gambar Foto-Foto Samah d Sekellg Daau Agat... 5 x Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

14 BAB I PDAHULUA. Latar Belakag Pegambla amel dalam beberaa eelta, khuua d alam terbuka, erg djuma maalah dmaa ut amel ag eharua damat ebaga eleme amel, tdak daat terdetek. Karea hal, jka g mecar takra arameter oula, mala total oula, erlu derhatka metode egambla amel ag teat, dega memertmbagka robablta terdeteka ut amlg. Jka robablta terdeteka uatu ut amlg tdak derhatka, maka aka ddaatka takra ag uderetmate terhada total oula. Metode egambla amel dega memerhatka robablta terdeteka uatu ut amlg debut metode Detectablt Samlg. Jka metode Detectablt Samlg dteraka ada Smle Radom Samlg, maka metode egambla amel debut Detectablt Smle Radom Samlg. Dalam metode Detectablt Samlg, robablta terdeteka uatu ut amlg daat dketahu atau dtakr berdaarka data eelta ebeluma. Dalam tuga akhr, aka dbaha tetag cara mecar takra total oula ada metode egambla amel Detectablt Smle Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

15 Radom Samlg jka robablta terdeteka uatu objek egamata telah dketahu atau dtakr berdaarka data eelta ebeluma. Metode terebut aka dteraka utuk meakr total baak katak d ekellg Daau Agat, Uverta Idoea, atu daau alam ag berada teat d eberag Fakulta Matematka da Ilmu Pegetahua Alam Uverta Idoea. Pegambla amel katak dlakuka ecara Detectabllt Smle Radom Samlg d ekellg Daau Agat, Uverta Idoea. Dalam eeraaa, takra robablta terdeteka katak da takra utuk varaa deroleh dar eelta ebeluma dega megguaka metode Drect Samlg. Baak katak d ekellg daau daat mejad bodkator keberha daau terebut. Semak baak katak, berart emak berh daau terebut. Dega membadgka baak katak er lua d ekellg Daau Agat terhada baak katak er lua d ekellg daau ag berh, daat dtetuka aakah Daau Agat mah berh atau udah tercemar.. Perumua Maalah Permaalaha dalam tuga akhr adalah bagamaa mecar takra total oula berdaarka amel ag dambl dega metode Detectablt Smle Radom Samlg bak jka robablta terdeteka uatu objek egamata dketahu, mauu jka robablta terdeteka objek egamata dtakr berdaarka data dar eelta ebeluma. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

16 3.3 Tujua Tujua dar tuga akhr :. Mecar takra total oula berdaarka amel ag dambl dega metode Detectablt Smle Radom Samlg jka robablta terdeteka uatu objek egamata dketahu.. Mecar takra total oula berdaarka amel ag dambl dega metode Detectablt Smle Radom Samlg jka robablta terdeteka uatu objek egamata dtakr berdaarka data dar eelta ebeluma. 3. Metode Detectablt Smle Radom Samlg aka dteraka utuk meghtug total baak katak d ekellg Daau Agat, Uverta Idoea. 4. Membadgka baak katak er lua d ekellg Daau Agat terhada baak katak er lua d ekellg daau ag mah berh..4 Stematka Peula Peula tuga akhr dbag mejad lma bab, atu : BAB I PDAHULUA Bab mejelaka ecara gkat megea latar belakag, ermaalaha, tujua, embataa maalah, alka da tematka eula. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

17 4 BAB II LADASA TORI Bab membaha ladaa teor dar tuga akhr atu megea metode utuk mecar takra mea da total oula ada Smle Radom Samlg. Aka dbaha jaga metode Drect Samlg ag aka dguaka utuk meakr robablta terdeteka uatu objek egamata BAB III DTCTABILIT SIMPL RADOM SAMPLIG Bab mejelaka megea bagamaa cara egambla amel dega metode Detectablt Smle Radom Samlg, da mecar takra total oula dmaa amel dambl dega metode Detectablt Smle Radom Samlg. BAB I APLIKASI Bab mejelaka eeraa metode Detectablt Smle Radom Samlg dalam egambla amel utuk meakr total baak katak d ekellg Daau Agat, Uverta Idoea. BAB PUTUP Bab meamlka kemula da ara. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

18 BAB II LADASA TORI Pada bab aka dbaha daar-daar teor ag aka dguaka dalam eula tuga akhr, atu megea metode eakra mea da total oula utuk Smle Radom Samlg da metode utuk mecar takra dar robablta terdeteka uatu objek egamata.. Metode eakra mea da total oula dega Smle Radom Samlg Smle Radom Samlg adalah cara egambla amel dmaa amel berukura dambl dar oula berukura. Dega cara maka eta ut oula aka memlk robablta ag ama utuk terlh mejad amel... Takra utuk mea oula Malka amel berukura dambl dar oula berukura. Deka S adalah amel ag terlh ecara Smle Radom Samlg.,,..., adalah la-la dar ut amel ag terlh ecara Smle 5 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

19 6 Radom Samlg. Sebut u, u,..., u adalah la-la dar ut oula. Deka u ebaga mea oula. Selajuta ddeka, maka daat dbuktka bahwa:. adalah takra tak ba utuk. vara dar adalah u dega 3. adalah takra tak ba utuk, dmaa bukt: Deka varabel dkator, 0, u S u S daat dketahu bahwa Pr 0 Pr 0 Pru S 0 Pru S 0...(..) Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

20 7...(..) da j j j, cov, dmaa...(..3)!!!!!!!!!!, Pr C C j j ehgga dar eramaa (..) da (..3), ddaat, cov j j j Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

21 8...(..4), cov j ehgga. aka dbuktka bahwa adalah takra tak ba utuk, ag berart bahwa u u Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

22 9 dar eramaa (..) ddaat...(..5) u u u terbukt bahwa adalah takra tak ba utuk.. aka dtujukka bahwa dega u )...(..6, cov j j j u u u u dar eramaa (..), (..4), da karea j j u u u u, maka Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

23 0 (..7), cov u u u u u u u u u u u u u u u u u u u u u u u j j j j j j j Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

24 3. aka dbuktka adalah takra tak ba,, ag berart aka dbuktka dmaa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

25 ...(..8) maka dar eramaa (..8) ddaat )...(..9 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

26 3 karea, maka terbukt bahwa adalah takra tak ba utuk... Takra utuk total oula Ddeka total oula ebaga da mea oula ebaga, elajuta ddeka takra utuk total oula adalah da daat dbuktka bahwa:. meruaka takra tak ba utuk. ara dar adalah 3. adalah takra tak ba utuk bukt:. aka dbuktka adalah takra tak ba, ag berart aka dbuktka ( ) Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

27 4 () dar eramaa (..5) ddaat, ehgga ( )...(..0) karea, maka terbukt adalah takra tak ba utuk... aka dtujukka vara dar adalah, ehgga dar eramaa (..7) ddaat..(..) telah dtujukka bahwa vara dar adalah 3. aka dbuktka bahwa adalah takra tak ba utuk, ag berart aka dbuktka bahwa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

28 5 dar eramaa (..9) ddaat, ehgga...(..) karea, maka terbukt adalah takra tak ba utuk. Metode utuk mecar takra dar robablta terdeteka uatu objek egamata Metode Detectablt Smle Radom Samlg meruaka uatu metode egambla amel ag memertmbagka adaa robablta terdeteka uatu objek egamata. amu dalam eeraaa, adakalaa robablta terdeteka uatu objek egamata tdak dketahu, ehgga haru dtakr berdaarka data eelta ebeluma. Karea dalam eeraa ada tuga akhr la takra utuk ddaat Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

29 6 dar eelta ebeluma ag megguaka metode Drect Samlg utuk meakr total baak katak d ekellg uatu daau, ag berada d lgkuga Kamu Uverta Idoea Deok, maka ada ubbab aka djelaka tetag metode utuk medaatka takra utuk ada metode Drect Samlg. Metode Drect Samlg dlakuka utuk meakr robablta terdeteka uatu objek egamata, ag dlakuka dega cara ebaga berkut: Ambl amel ebaak t objek egamata, dtada, da kemuda dleaka kembal ke habtata. Selajuta ada keemata la, dambl lag amel ebaak objek egamata, da dhtug baak objek ag telah dtada ada egambla amel ebeluma. Malka adalah objek egamata ag tertada. Karea uatu la xed, maka aka berdtrbu b, dega meruaka robablta terdeteka uatu objek egamata. Deka, da daat dbuktka bahwa:. adalah takra tak ba utuk,. vara utuk adalah, 3. adalah takra tak ba utuk Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

30 7 bukt:. aka dbuktka adalah takra tak ba utuk, ag berart aka dbuktka karea berdtrbu b, dega, maka...(..) karea, maka terbukt adalah takra tak ba utuk. aka dtujukka bahwa vara utuk adalah karea berdtrbu b, dega, maka Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

31 8...(..) telah dtujukka bahwa vara utuk adalah 3. aka dbuktka bahwa adalah takra tak ba utuk, ag berart aka dbuktka bahwa karea berdtrbu b, dega da, maka Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

32 9 )...(..3 karea, maka terbukt adalah takra tak ba Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

33 BAB III DTCTABILIT SIMPL RADOM SAMPLIG Pada bab aka djelaka megea bagamaa cara egambla amel dega metode Detectablt Smle Radom Samlg, erta cara mecar takra total oula dmaa amel dambl dega metode Detectablt Smle Radom Samlg. 3. Pegerta daar tetag metode Detectablt Samlg Dalam egambla amel d alam beba dega objek egamata hewa, at aka meemuka maalah atu tdak emua objek egamata daat terdetek. Salah atu cara utuk megataa adalah dega megguaka metode Detectablt Samlg, atu ebuah metode egambla amel dega memertmbagka robablta terdeteka objek egamata. Mal: adalah total baak objek ag ebeara adalah baak objek egamata ag terdetek adalah robablta terdeteka uatu objek egamata 0 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

34 aka berdtrbu bomal b, dega da Jka robablta terdeteka objek egamata telah dketahu, maka aka ddeka takra utuk adalah dtujukka bahwa: bukt:. adalah takra tak ba utuk. vara utuk adalah 3. adalah takra tak ba utuk. Selajuta daat. aka dbuktka bahwa adalah takra tak ba utuk, dega erkataa la aka dbuktka bahwa.(3..) karea, maka terbukt adalah takra tak ba. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

35 . aka dtujukka bahwa vara utuk adalah.(3..) terbukt bahwa vara utuk adalah 3. aka dbuktka bahwa adalah takra tak ba utuk, dega erkataa la aka dbuktka bahwa..(3..3) karea, maka terbukt adalah takra tak ba utuk. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

36 3 Jka robablta terdeteka objek egamata tdak dketahu, amu dtakr dega, dmaa adalah takra tak ba utuk da tdak berkorela dega, maka aka ddeka takra utuk total oula adalah, ebut. ara utuk, ebut, da takra utuk, daat dcar berdaarka metode ag dguaka utuk meakr. Selajuta daat dbuktka bahwa: bukt:. adalah takra tak ba utuk,,. vara utuk adalah. aka dbuktka adalah takra tak ba utuk, ag berart aka dbuktka bahwa berdaarka Delta Method,, ehgga...(3..4) karea, maka terbukt adalah takra tak ba utuk. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

37 4. aka dtujukka bahwa berdaarka Delta Method,, cov 3 4, ehgga, cov, cov karea tdak berkorela dega, maka 0, cov, ehgga )...(3..5, cov telah dtujukka bahwa vara utuk adalah Takra dar daat dcar dega ormula ebaga berkut: )..( Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

38 5 3. Pegerta da cara egambla amel dega metode Detectablt Smle Radom Samlg Detectablt Smle Radom Samlg adalah cara egambla amel ecara Smle Radom Samlg dega memerhatka robablta terdeteka uatu ut amlg. Probablta terdeteka uatu ut amlg adalah robablta ebuah objek teramat (bak terlhat, terdegar, tertagka, mauu terdetek oleh uatu alat edetek) dalam uatu daerah egamata. Metode Detectablt Smle Radom Samlg erg dguaka utuk meakr total baak uatu je hewa d daerah tertetu. amu eakra total baak objek egamata agat bergatug ada robablta terdeteka objek egamata terebut. Probablta terdeteka uatu objek egamata, dotaka ebaga, daat dagga telah dketahu atau dtakr dar data eelta ebeluma. Probablta terdeteka uatu objek egamata daat dtakr dega berbaga metode, mala dega metode erbadga baak objek ag teramat dar udara terhada baak objek ag damat dar darat, metode erbadga jumlah alah atu ee terhada eluruh ee dar objek, metode Double Samlg, metode Drect Samlg, metode Ivere Samlg, da metode-metode edeteka laa. Dalam tuga akhr, dtakr berdaarka data ag dambl dega metode Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

39 6 Drect Samlg. Dega metode Drect Samlg telah dbuktka adalah takra tak ba utuk, da adalah takra tak ba utuk vara dar. Cara egambla amel dega metode Detectablt Smle Radom Samlg dlakuka dega membag wlaah egamata mejad daerah egamata, kemuda dar daerah egamata terebut, dlh daerah egamata ecara Smle Radom Samlg. Dar eta daerah egamata ag terlh, aka dcatat baak objek ag terdetek d daerah egamata terebut. Seert ag telah debutka ebeluma, utuk mecar takra total baak objek d eta daerah egamata bergatug ada robablta terdeteka uatu objek egamata, ag utuk eta daerah egamata daat dketahu mauu tdak, da daat berla ama mauu tdak. Sehgga embahaa megea eakra total oula dmaa amel dambl dega metode Detectablt Smle Radom Samlg aka dbedaka mejad: ) dketahu da berla ama utuk eta daerah egamata ) dketahu, amu berla beda utuk eta daerah egamata 3) tdak dketahu, amu dtakr dega ag daumka berla ama utuk eta daerah egamata. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

40 7 3.3 Takra utuk total oula dmaa amel dambl dega metode Detectablt Smle Radom Samlg 3.3. Jka robablta terdeteka uatu objek dketahu da berla ama utuk eta daerah egamata Malka: Wlaah egamata dbag mejad daerah egamata, Samel meruaka daerah egamata ag dambl ecara Smle Radom Samlg dar daerah egamata, adalah baak ebeara objek d daerah egamata ke-, adalah baak objek terdetek oleh eelt d daerah egamata ke-, adalah robablta objek terdetek, dmaa daumka dketahu da berla ama utuk eta daerah egamata. Jka la-la,...,, xed, maka varabel radom berdtrbu bomal b,, dega da. Ddeka takra utuk baak ebeara objek ada daerah egamata ke-, adalah. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

41 8 Ddeka total baak objek deluruh daerah egamata ebaga. Kemuda ddeka takra utuk total oula adalah dmaa. Daat dtujukka bahwa:. adalah takra tak ba utuk. adalah takra tak ba utuk 3. dmaa, 4. adalah takra tak ba utuk, dmaa da bukt:. aka dbuktka adalah takra tak ba, ag berart aka dbuktka (3.3.) karea, maka terbukt adalah takra tak ba utuk. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

42 9. aka dbuktka adalah takra tak ba, ag berart aka dbuktka bahwa ddeka, da dar eramaa (..5) ddaat, dmaa. Utuk uatu amel tertetu berlaku. Jka dmalka berukura, maka...(3.3.) karea, maka terbukt meruaka takra tak ba. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

43 30 3. aka dtujukka bahwa dega da dar eramaa (..5) da (..7) ddaat da, ehgga 3.3.3)...( Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

44 3 telah dtujukka bahwa dega da. 4. aka dbuktka adalah takra tak ba utuk, dega erkataa la, aka dbuktka bahwa Malka,...,, adalah la dar jka eluruh daerah egamata terlh mejad amel Dega megodka berarat, maka Smle Radom Samlg utuk ut, aka meghalka da Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

45 3...(3.3.4) karea, maka terbukt meruaka takra tak ba, dmaa da. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

46 Jka robablta terdeteka uatu objek dketahu, amu memlk la ag berbeda utuk eta daerah egamata Malka: Wlaah egamata terdr dar daerah egamata, Samel meruaka daerah egamata ag dlh ecara Smle Radom Samlg, adalah baak ebeara objek d daerah egamata ke-, adalah baak objek terdetek oleh eelt d daerah egamata ke-, adalah robablta uatu objek terdetek utuk daerah egamata ke-, dmaa eta daumka dketahu. Jka la-la,...,, xed, maka varabel radom berdtrbu bomal b,, dega da. Ddeka takra utuk baak ebeara objek ada daerah egamata, adalah. Ddeka total baak objek deluruh daerah egamata ebaga. Kemuda ddeka takra total oula adalah. Daat dtujukka bahwa:. adalah takra tak ba utuk. adalah takra tak ba utuk Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

47 adalah takra tak ba utuk. bukt:. aka dbuktka adalah takra tak ba, ag berart aka dbuktka bahwa...(3.3.5) karea, maka terbukt adalah takra tak ba utuk.. aka dbuktka adalah takra tak ba, ag berart ddeka, da dar eramaa (..5) ddaat, dmaa. Utuk uatu amel tertetu berlaku. Jka dmalka berukura, maka Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

48 35...(3.3.6) karea, terbukt adalah takra tak ba. 3. aka dtujukka Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

49 malka varabel dkator buka amel ke ut amel mejad ke ut, 0,, ehgga Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

50 37 dar eramaa (..6), (..), (..), da (..4) ddaat, cov dega,, da, cov, ehgga...(3.3.7), cov telah dtujukka. 4. aka dbuktka adalah takra tak ba, ag berart aka dbuktka bahwa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

51 38 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

52 39 malka varabel dkator buka amel ke ut amel mejad ke ut, 0,, ehgga dar bab ebeluma, telah dbuktka bahwa, ehgga Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

53 40 )...(3.3.8 karea, maka terbukt adalah takra tak ba Jka robablta terdeteka uatu objek tdak dketahu, amu daumka berla ama utuk eta daerah egamata Malka: Wlaah egamata dbag mejad daerah egamata, Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

54 4 Samel meruaka daerah egamata ag dambl ecara Smle Radom Samlg dar daerah egamata, adalah baak ebeara objek d daerah egamata ke-, adalah baak objek terdetek oleh eelt d daerah egamata ke-, adalah robablta uatu objek egamata terdetek, adalah takra tak ba utuk dmaa daumka ama utuk eta daerah egamata da tdak berkorela dega adalah vara dar, adalah takra tak ba utuk, la dar da dcar berdaarka metode ag dguaka ada eelta ebeluma. Ddeka takra utuk total oula, adalah, dmaa. Maka daat dbuktka bahwa:. adalah takra tak ba utuk. vara utuk adalah 4, bukt:. aka dbuktka bahwa adalah takra tak ba utuk, ag berart bahwa aka dbuktka bahwa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

55 4 berdaarka Delta Method,, ehgga..(3.3.9) karea, maka terbukt adalah takra tak ba utuk Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

56 43. aka dtujukka bahwa vara utuk adalah 4, berdaarka Delta Method,, cov 3 4, ehgga, cov, cov karea tdak berkorela dega, maka 0, cov, ehgga, cov dar eramaa (3.3.3) ddaat, ehgga Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

57 44 )...( telah dtujukka bahwa vara utuk adalah 4 Takra utuk daat dcar dega ormula ebaga berkut: ).(3.3. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

58 BAB I APLIKASI Pada bab aka djelaka eeraa metode Detectablt Smle Radom Samlg dalam meakr total oula katak d ekellg Daau Agat Uverta Idoea. 4. Katak ebaga bodkator tgkat keberha daau Katak adalah alah atu je amb, ag meruaka hewa ectothermal, ag berart hewa ag uhu tubuha berluktua tergatug ada uhu lgkuga d ektara (Sutato 006). Amb juga meruaka hewa ag daat hdu d dua habtat, atu habtat ar da habtat darat. Kehdua amb ecara umum agat berhubuga erat dega ar, karea ar berkata dega ebaga dar klu hdua, atu ada aat ae telur da ae berudu (Sutato 006). Katak bak dguaka ebaga bodkator keberha ar karea katak lebh meuka hdu d habtat dekat dega erara ag berh. Sela tu, katak memlk jumlah ag berlmah d alam, mudah damat, da erlakua mudah datau (Sutato 006). Baaa katak haa daat hdu d uatu habtat tertetu da tak mudah utuk berdah temat, 45 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

59 46 ehgga jka habtat temat hdua tergaggu, maka klu hdu da regeera katak terebut aka tergaggu, da ada akhra oula d habtat terebut aka meuru. Sebaga cotoh eharua katak baak hdu d habtat dekat erara teag ag lua da terbuka eert Daau Agat, Uverta Idoea. Jka baak katak d ekellg Daau Agat haa edkt, hal tu megdkaka bahwa Daau Agat udah mula tercemar. Suatu eelta erah dlakuka ada tahu 006 d ekellg alah atu daau d Kamu Uverta Idoea Deok, ag memlk keadaa ag mlar dega Daau Agat. Dar eelta ag megguaka metode Drect Samlg terebut, ddaat takra robablta katak terdetek adalah ebear , takra utuk vara ebear Dega memertmbagka takra robablta katak terdetek beerta takra dar varaa data, aka dtakr total baak katak d ekellg Daau Agat utuk tahu 008, beerta amlg errora. Dar uatu eelta d ekellg daau ag berh, ddaat baak katak er lua adalah ebear. 3. Dega membadgka baak katak er lua d ekellg Daau Agat terhada baak katak er lua d ekellg daau ag berh terebut, daat ddetka keberha Daau Agat, Uverta Idoea. Takra robablta terdeteka katak d alah atu daau d Kamu Uverta Idoea Deok daat dguaka karea robablta terdeteka katak tdak degaruh lgkuga (Thomo 00). Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

60 47 4. Pegambla amel katak d ekellg Daau Agat Uverta Idoea Pegambla amel dlakuka ada bula ovember 008, ada malam har atara ukul 8:00 hgga :00. Alat batu ag dguaka adalah ember dega tutu raat, metera, lamu emerge, eter, jarg bergagag ajag, kamera dgtal, kerta, da alat tul. Peelta dlakuka d ekellg Daau Agat Uverta Idoea, ag meruaka daau alam ag berada d eberag Fakulta Matematka da Ilmu Pegetahua Alam. Peelta ertama dlakuka utuk melhat loka egambla amel da eetua embaga daerah egamata. Sekellg Daau Agat dbag mejad 3 daerah egamata er 0 meter, dega bataa egamata hgga meter keluar daau. Peelta kedua adalah aat egambla amel, ag dlakuka dega cara ebaga berkut, daerah egamata 0x meter ereg ag dlh ecara acak ebaga amel duur ecara erlaha dega megguaka lamu emerge da eter. Pada aat eekor katak terdetek, egera dtutu ruag geraka dega megguaka jarg bergagag ajag, da dtagka megguaka taga, kemuda dmaukka ke dalam ember ag dtutu raat. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

61 Poula da amel Dalam tuga akhr, ekellg Daau Agat dbag mejad 3 daerah egamata ag ama bear (0m ). Dar 3 daerah egamata terebut, dambl amel ecara Smle Radom Samlg ebaak daerah egamata. Dar mag-mag daerah egamata ag mejad amel dlakuka egamata baak katak ag terdetek. Data ag deroleh adalah ebaga berkut: 4.4 Hal eelta da embahaa Hal eelta d ekellg Daau Agat Uverta Idoea, dajka dalam tabel d bawah : Baak katak Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

62 49 Dega megguaka batua rogram SPSS 3.0, dhalka aala dekrt dar data ebaga berkut: Decrtve Stattc Mmum Maxmum Mea Std. Devato katak ald (ltwe) Dar tabel d ata ddaat: 3,, , , da telah dketahu bahwa dar eelta ag erah dlakuka ddaat , , ehgga dar eramaa (3.3.9) da (3.3.) aka ddaat: Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

63 50 elajuta daat dhtug amlg error ebaga berkut: S Total oula katak d ekellg Daau Agat, Uverta Idoea derkraka ebaak 66 ekor katak. Dega tgkat keercaaa 85 %, dercaa total oula katak d ekellg Daau Agat, Uverta Idoea berada ada terval 06, 36 Baak katak er lua d ekellg Daau Agat , 460 edagka dar eelta ebeluma dlakuka d ekellg daau ag berh ddaat baak katak er lua adalah ebear. 3. Sehgga daat dmulka bahwa deta katak d ekellg Daau Agat lebh edkt dbadg deta katak d ekellg daau ag berh, ag berart Daau Agat daat dkataka udah mula tercemar. Hal ddukug oleh akta bahwa baak dtemuka amah d ekellg Daau Agat, Uverta Idoea eert ag terlhat ada oto-oto berkut: Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

64 Metode detectablt...,adka Dw Iadar, FMIPA UI,

65 BAB KSIMPULA DA SARA Pada bab aka djelaka kemula da ara ag daat dambl dar tuga akhr, bak dar alkaa, mauu dar keeluruha tuga akhr. 5. Kemula. Utuk meakr total oula dmaa tdak emua objek egamata daat terdetek, metode Detectablt Smle Radom Samlg bak dguaka karea meghalka takra ag tak ba.. Takra utuk total oula dmaa amela dambl berdaarka metode Detectablt Smle Radom Samlg jka robablta terdeteka uatu ut amlg dketahu da berla ama utuk eta daerah egamata adalah dega amlg error.44 5 dmaa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

66 53 adalah takra tak ba utuk, da adalah takra tak ba utuk 3. Takra utuk total oula dmaa amela dambl berdaarka metode Detectablt Smle Radom Samlg jka robablta terdeteka uatu ut amlg dketahu amu berla beda utuk eta daerah egamata adalah dega amlg error.44 dmaa adalah takra tak ba utuk, da adalah takra tak ba utuk 4. Takra utuk total oula dmaa amela dambl berdaarka metode Detectablt Smle Radom Samlg jka robablta terdeteka uatu ut amlg dtakr dar eelta ebeluma da berla ama utuk eta daerah egamata adalah Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

67 54 dega amlg error.44 dmaa adalah takra tak ba utuk, da adalah takra ba utuk. 5. Dar cotoh eeraa, ddaat hal bahwa: Takra total baak katak d ekellg Daau Agat, Uverta Idoea adalah ebear 66 katak dega amlg error S 60 Deta baak katak er lua d ekellg Daau Agat, Uverta Idoea, lebh kecl dbadg deta baak katak d ekellg daau ag berh, ehgga daat dmulka Daau Agat udah mula tercemar Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

68 55 5. Sara. Metode Detectablt Samlg daat dteraka tdak haa ada egambla amel dega Smle Radom Samlg, amu juga dega metode egambla amel laa, eert Strated Radom Samlg, Cluter Samlg, da metode-metode egambla amel laa.. Pma Uverta Idoea eharua lebh memerhatka keberha dar daau-daau alam ag terdaat d lgkuga kamu Uverta Idoea, Deok, Jawa Barat. Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

69 57 Lamra : Pembukta: a b a b abcov, bukt: Malka terdaat dua varabel radom da, dega bobot mag-mag a da b, maka a b a b a a a a a a b a ab b a b a ab b a a b b ab b a a b b ab b a ab b a b b ab ab b ab b abcov, terbukt a b a b abcov, Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

70 58 Lamra : Pembukta:.. cov, 4 3 bukt: Delta Method meruaka uatu metode edekata eka deret Talor ag erg dguaka utuk mecar edekata vara utuk ug dar varabel radom. ka deret Talor utuk ug x jka dketahu la dar a adalah ebaga berkut: x a! x a ax a a... amu erg kal betuk derajat ag lebh tgg daat dabaka ehgga meghalka edekata x a a x a Jka terdaat varabel radom ag meruaka ug dar varabel radom, atau dega erkataa la Talor dar dega dketahu la dar, maka eka deret, aka berbetuk Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

71 59 da aka ddaatka juga hal ebaga berkut: da Selajuta aka djelaka eka deret Talor utuk dua varabel. Malka terdaat ug x,, jka dketahu la dar a x 0 da b 0, maka eka deret Talor dar x, adalah...,,,,,, b x a x x x b a x b a b a Jka terdaat, ag meruaka ug dar dua varabel radom da dega dketahu la dar da, maka eka deret Talor utuk, adalah...,,,,,, Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

72 60 Sehgga jka,, da dketahu la dar da, maka eka deret Talor utuk, adalah,,,,,, ehgga aka ddaatka hal ebaga berkut maka terbukt da Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

73 6, cov, cov, cov maka terbukt bahwa, cov 3 4 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

74 6 Lamra 3: Pembukta:.. bukt: Malka: da adalah varabel radom dkrt.d. berama dar da.d. margal dar.d. margal dar maka x x, x x x x x x x x x adalah x, x adalah x x x, x adalah x x x x x x x x x x x x x x x x x x, x x, x x x, x terbukt bahwa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

75 63 da dar embukta ebeluma ddaat, ehgga terbukt bahwa Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

76 DAFTAR PUSTAKA Cochra, W.G Samlg Techque (3 rd ed). Joh Wle ad So Hogg, R.. ad Crag, A.T Itroducto to Mathematcal Stattc (5 th ed). Pretce Hall Ic. Rame, F.L., & Harro, K A cloer look at detectablt. Joural o vromet ad cologcal Stattc: Scheaer, R.L., Medehall III, W., Ott, L lemetar Surve Samlg (5 th ed). Duxburr Pre Sutato, D Struktur komuta amb d kamu Uverta Idoea, Deok, Jawa Barat. Skr Thomo, S.K. 00. Samlg ( d ed). Wle ere robablt ad tattc Thomo, S.K., & Seber, G.A.F. 00. Detectablt covetoal ad adatve amlg. Joural o Bometrc, 50: 7-74 htt:// (5 Maret 009 : WIB) 64 Metode detectablt...,adka Dw Iadar, FMIPA UI, 009.

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS PENAKIR RAIO YANG EFIIEN UNTUK RATA-RATA POPULAI PADA AMPLING ACAK EDERHANA MENGGUNAKAN MEDIAN DAN KOEFIIEN KURTOI abarah * Haro H rat Mahawa Program Matematka Doe Jurua Matematka Fakulta Matematka da

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor

Lebih terperinci

BAB III TEOREMA GLEASON DAN t-desain

BAB III TEOREMA GLEASON DAN t-desain BAB III TEOREMA GLEASON DAN t-desain Dalam ubbab 3., kta aka mempelaar alah atu fat petg dar kode wa-dual geap. Sfat terebut dberka oleh Teorema 3.(Teorema Gleao), Teorema ecara megeaka telah meetuka betuk

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

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

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

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

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1 8 III. MEODOLOGI PEELIIA A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela X SMA eger Bagurejo Lampug egah tahu pelajara 009/00 ebayak 75 orag yag terdtrbu dalam lma kela dmaa tgkat kemampua

Lebih terperinci

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) PENGUJIAN HIPOTESIS PROSEDUR UMUM Lagkah : tetuka hpote 0 (H 0 ) da at hpote (H ) malya: H 0 : µ 00 H : µ 00 atau H : µ > 00 atau H : µ < 00 PROSEDUR UMUM Lagkah : tetuka je dtrbu yag cocok: bla > 30 da

Lebih terperinci

BAB I. SIFAT-SIFAT PADATAN

BAB I. SIFAT-SIFAT PADATAN BAB I. SIFAT-SIFAT PAATA Beberaa fat adata yag etg dalam emroea adata dataraya adalah:. Betuk adata (morfolog, artcle hae). 2. Ukura artkel adata, melut: Partkel tuggal Camura artkel dega berbaga ukura.

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

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400 h t t p : / / m a t e m a t r c k. b l o g p o t. c o m Meetuka uur-uur pada dagram lgkara atau batag Rgkaa Mater : Uur uur pada dagram lgkara yag pokok haya hal :. Meetuka bear baga dalam lgkara ( dapat

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN : Vol. 4. No. 3, 5-59, Deember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agu Rugyoo Jurua Matematka FMIPA UNDIP Abtrak Dberka popula

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB III METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314).

BAB III METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314). BAB III METODE MULTISTAGE CLUSTER SAMPLIG A. Pedahulua Metode ulttage cluter aplg adalah proe pegabla apel ag dlakuka elalu dua tahap pegabla apel atau lebh (Cochra, 977:34). Pearka apel dega etode ebeara

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP III. METODE PENELITIAN A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela VII emeter gajl SMP Ba Mulya Badar Lampug Tahu Pelajara 0/0 dega jumlah wa ebayak 03 wa yag terbag dalam 3 kela. Sampel

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

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

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS 5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

1. Ilustrasi. Materi 2 Pendugaan Parameter

1. Ilustrasi. Materi 2 Pendugaan Parameter Materi Pedugaa Parameter. Ilutrai Ifereia Statitika : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai megeai oulai dega melakuka egambila amel (amlig) Etimai / Pedugaa Parameter Yaitu

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

Statistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statitika Toik Bahaa: Pedugaa Parameter Oleh : Edi M Pribadi, SP, MSc E-mail: edi_m@taffguadarmaacid edi_m@ymailcom Ilutrai Statitika Ifereia : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember Peracaga Pegedal PID Ittut Tekolog Seuluh Noember Pegatar Mater Cotoh Soal Latha Rgkaa Pegatar Mater Cotoh Soal Peracaga Pegedal P Peracaga Pegedal PI Peracaga Pegedal PD Peracaga Pegedal PID Latha Rgkaa

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

UKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI. Rentang Antar Kuartil. Rentang= 3/26/2012

UKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI. Rentang Antar Kuartil. Rentang= 3/26/2012 /6/0 UKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI KANIA EVITA DEWI S.PD., M.SI. Ukura mpaga merupaka tattk yag meggambarka peympaga data-data terhadap rata-rataya Semak bear ukura mpaga emak meyebar

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

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

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

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M

PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG oleh DWI HANDAYANI M 9 SKRIPSI dtul da dauka utuk memeuh ebaga peryarata memperoleh gelar Saraa Sa Matematka FAKULTAS

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

UKURAN SIMPANGAN DAN UKURAN VARIASI UKURAN SIMPANGAN. Rentang= 4/1/2013 KANIA EVITA DEWI S.PD., M.SI.

UKURAN SIMPANGAN DAN UKURAN VARIASI UKURAN SIMPANGAN. Rentang= 4/1/2013 KANIA EVITA DEWI S.PD., M.SI. //03 UKURAN SIMPANGAN DAN UKURAN VARIASI KANIA EVITA DEWI S.PD., M.SI. UKURAN SIMPANGAN Ukura mpaga merupaka tattk yag meggambarka peympaga data-data terhadap rata-rataya Semak bear ukura mpaga emak meyebar

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

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto Prodg ear Naoal Peelta Peddka Peerapa MIPA akulta MIPA Uverta Neger Yogyakarta 6 Me 009 M-8 PENYELEAIAN PENGOPTIMUMAN PORTOOLIO UY MENGGUNAKAN PENDEKATAN UNGI LAGRANGE ugyarto MIPA Matematka Uverta Ahmad

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

IMPLEMENTASI DELAY DIFFERENTIAL EQUATION PADA SOLVER ORDINARY DIFFERENTIAL EQUATION MATLAB. Rully Soelaiman dan Yudhi Purwananto

IMPLEMENTASI DELAY DIFFERENTIAL EQUATION PADA SOLVER ORDINARY DIFFERENTIAL EQUATION MATLAB. Rully Soelaiman dan Yudhi Purwananto IMPLEMENTASI DELAY DIFFERENTIAL EQUATION PADA SOLVER ORDINARY DIFFERENTIAL EQUATION MATLAB Rull Soelama da Yudh Purwaato Fakulta Tekolog Iorma, Ittut Tekolog Sepuluh Nopember Kampu ITS, JlRaa ITS Sukollo,

Lebih terperinci

Bab6 PENAKSIRAN PARAMETER

Bab6 PENAKSIRAN PARAMETER Bab6 PENAKSIRAN PARAMETER MENAKSIR RATARATA μ Mialka kita memuyai ebuah oulai berukura N dega ratarata µ da imaga baku σ Dari oulai ii arameter ratarata µ aka ditakir Utuk keerlua ii,ambil ebuah amel acak

Lebih terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

Pendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi

Pendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi Pedugaa Parameter: Kau Dua amel alig beba Seliih rataa dua oulai - x x.96 x x.96 x x - SAMPLING ERROR Dugaa Selag bagi µ - µ ( x x z ( x x z Formula klik diketahui ama & Syarat : & Tidak ama Formula klik

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 5 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Dekrp Data Hal Peelta Setelah melakuka peelta, peelt medapatka hal tud lapaga utuk memperoleh data dega tekk te, etelah dlakuka uatu pembelajara atara kelompok

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4)

Penyelesaian Masalah Transportasi Dengan Metoda Primal-Dual Wawan Laksito YS 4) ISSN : 69 7 Peyeleaa Maalah Traporta Dega Metoda Pral-Dual Wawa Lakto YS 4) Abtrak Maalah Traporta erupaka peraalaha pedtrbua uatu produk hooge dar beberapa uber ke beberapa tuua dega cara yag palg optal.

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini merupakan jenis penelitian kuantitatif, karena data yang

BAB III METODE PENELITIAN. Jenis penelitian ini merupakan jenis penelitian kuantitatif, karena data yang BAB III METODE PENELITIAN A. Je Peelta Je peelta merupaka je peelta kuattatf, karea data yag dperoleh adalah data kuattatf megea hal belajar wa, yag dguaka utuk megaal data dega megguaka hpote keamaa dua

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Masalah Norm Mmum (Karat) MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA Karat da Dhorva Urwatul Wutsqa Jurusa Peddka Matematka FMIPA Uverstas Neger Yogakarta Abstract I ths paper, wll be dscussed

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

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

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,,

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,, Salmah Ar S Ch. R I Idah W Bagu S dega ebuah bak berama au uroea Ceral Bak CB. odel megabaka erak ekeral dega egara-egara o uuk eederhaaa. odel memeuh eramaa-eramaa r & m / / / / dega adalah keluara real

Lebih terperinci

BAB II KAJIAN LITERATUR

BAB II KAJIAN LITERATUR BAB II Kaja Lteratur 4 BAB II KAJIAN LITERATUR. Jarak Mahalaobs Megut artkel tetag jarak Mahalaobs dar htt://e.wkeda.org ada 8 Maret 008, jarak Mahalaobs adalah ukura jarak yag derkealka oleh Prasata Chadra

Lebih terperinci

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

Teori Penaksiran. Oleh : Dadang Juandi

Teori Penaksiran. Oleh : Dadang Juandi Teori Peakira Oleh : Dadag Juadi Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

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

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci