BAB 2 TINJAUAN PUSTAKA
|
|
- Susanto Johan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 TINJAUAN PUSTAKA Banyak konsep program stokastik tahap ganda telah dikembangkan. Filosofi dasar dari model metode pemodelan skenario diajukan oleh Hoyland dan Wallace (2001). Para pengguna menyatakan bahwa penjualan yang diharapkan dalam distibusi marginal pada tiap-tiap kelas asset akan berkorelasi antara perbedaan kelas asset dan sifat-sifat statistik yang lain. Idenya adalah meminimumkan jarak antara sifat-sifat statistik dari hasil yang sudah dibangun dan sifat-sifat statistik tertentu. Masalah pemodelan pohon skenario untuk program matematika sudah banyak dibahas oleh peneliti. Biasanya persoalan pembentukan pohon skenario muncul pada program stokastik dua tahap dan tahap ganda. Dalam tesis ini diuraikan secara singkat beberapa metode yang pernah diajukan. Heitsch dan R?misch (2003) mengajukan alogritma untuk mereduksi skenario dalam program skokastik. Mereka memperhatikan program stokastik konveks dengan sebuah pendekatan distribusi peluang awal P yang mempunyai skenario dengan jumlah berhingga. Program stokastik yang dimaksud akan stabil terhadap gangguan dari P yang terukur pada Forter-Mourier probability metriks. Persoalan reduksi skenario optimal akan berada pada penentuan ukuran peluang yang dibantu oleh sebuah subset pada P dari penentuan kardinalitas dan yang paling dekat terhadap P pada sebuah metriks peluang. Dua versi baru algoritma tipe forward dan backward diberikan untuk menghitung sehingga ukuran peluang yang direduksi optimal. Bandingkan dengan versi lama, pelaksanaan perhitungan (akurasi, waktu menjalankan) dari algoritma yang baru telah diperbaiki (lebih baik). Hasil secara numerik yang telah dilaporakan digunakan untuk kejadian berbeda dari pohon skenario dengan perhitungan optimal pada batas terkecil. Contoh-contoh pengujian juga termasuk pohon skenario ternary menyatakan proses bermuatan listrik mingguan dalam model manajemen power. Sedangkan Hoyland et al. (2003) mengajukan metode heuristik untuk membangun pohon skenario pada masalah keputusan tahap ganda. Mereka menampilkan sebuah algoritma untuk membangun pohon skenario dari masalah tahap tunggal 5
2 6 dan tahap ganda. Algoritma yang diberikan untuk membangun sebaran diskrit tertentu oleh empat momen marginal pertama dan korelasi. Pohon skenario dikonstruksikan oleh dekomposisi masalah multivariate menjadi univariate, dan menggunakan prosedur iterative dengan kombinasi simulasi. Dekomposisi Cholesky dan bermacam-macam transformasi untuk mendapatkan korelasi yang tepat. Pengujian mereka menunjukkan bahwa algoritma yang baru secara substansial lebih cepat daripada algoritma Benchmark. Kecepatan akan meningkat sebanding dengan jumlah pohon dan lebih besar dari 100 kali pada kasus 20 variabel acak dan 1000 skenario. Kaut dan Wallace (2003) mengajukan evaluasi dari metode pembangun skenario untuk program stokastik. Mereka mendiskusikan kualitas/keserasian (kecocokan) dari metode pembangun skenario untuk model program stokastik yang diberikan. Mereka memformulasi persyaratan minimal yang akan ditetapkan (ditentukan) pada metode pembangun skenario sebelum digunakan untuk menyelesaikan model program stokastik. Mereka juga menunjukkan bagaimana persyaratan dapat diuji. Prosedur pengujian metode pembangun skenario diilustrasikan pada kasus manajemen portofolio. Sebagai tambahan mereka juga memberikan ulasan singkat metode pembangun skenario. Hochreiter dan Pflug (2004) mengajukan metode membangun pohon skenario sebagai masalah penempatan fasilitas multidimensi. Menurut mereka kualitas model optimisasi stokastik multiperioda yang muncul dalam perencanaan energi asset dan manajemen pertanggungjawaban, perancanaan transportasi dan lain-lain. Kebanyakan bergantung pada kualitas model skenario, penggambaran pengaruh proses ketidakpastian fungsi keuntungan/biaya, seperti proses permintaan energi, besar asset dan pertanggungjawaban, permintaan untuk transprotasi dan lain-lain. Cara yang biasa untuk membangun model skenario didasarkan pada perkiraan peluang yang tidak diketahui dan kesesuaian momen mereka dengan momen dari model skenario diskrit. Tujuan mereka adalah mendemonstrasikan masalah penentuan perkiraan skenario terbaik yang digambarkan sebagai masalah penempatan fasilitas multidimensi. Mereka juga mendiskusikan algoritma penyelesaian untuk masalah ini dan mendemonsrasikan kualitas dari penyelesaian contoh numerik pada optimisasi finansial.
3 7 Casey dan Sen (2005) mengajukan algoritma pembentukan skenario untuk program linier stokastik tahap ganda. Program linier stokastik tahap ganda adalah rangkaian model optimisasi stokastik dimana fungsi dan kendalanya linier. Ketika variable acak digunakan pada program linier stokastik tahap ganda adalah variable kontinu. Masalah tersebut adalah dimensi tak terbatas, sehingga perhitungannya harus ditukar ke dalam bentuk dimensi terbatas. Berikut ini akan diberikan ulasan singkat mengenai metode pembentukan skenario. Metode dibahas meliputi Pure Skenario-generation methods dan Related methods. Pure Skenario-generation methods meliputi: 1. Conditional sampling 2. Sampling dari korelasi dan marginal tertentu 3. Moment matching 4. Path-based methods 5. Optimal discretization Sedangkan Related methods meliputi reduksi skenario dan internal sampling methods. bf Conditional Sampling Metode traditional sampling dapat mengambil sampel hanya dari variable univariate random. Ketika perlu mengambil sampel vector acak, maka perlu untuk setiap sampel marginal untuk dipisahkan (menjadi komponen univeriate). Biasanya sampel dikombinasi oleh semua univariate, yang menghasilkan vektor variable acak independen. Persoalannya adalah ukuran dari pertambahan pohon berkembang secara eksponensial dengan dimensi vektor acak. Jika diambil skenario s dengan k marginal, maka akhir diperoleh s k skenario. Persoalan lain adalah bagaimana untuk mendapatkan vektor acak yang dikorelasi, penentuan komponen prinsip (yang independen oleh definisi) dan sampel tersebut, sebagai ganti dari variable acak mula-mula. Pendekatan ini berguna untuk mereduksi dimensi dan mereduksi banyaknya skenario.
4 8 Terdapat banyak cara memperbaiki sampling algoritma. Sebagai ganti dari Pure sampling dapat digunakan integration quadratures atas low discrepancy sequences seperti yang diajukan oleh Pennanen dan Koivu (2005). Sampling dari marginal tertentu dan Korelasi Seperti yang sudah dibahas sebelumnya, metode traditional sampling mempunyai masalah membangun vector multivariate, khususnya jika mereka berkorelasi. Walaupun demikian, terdapat sampling based methods untuk menyelesaikan masalah ini dengan menggunakan bermacam-macam transformasi. Moment Matching Metode sebelumnya dapat dipakai (digunakan) jika diketahui distribusi fungsi marginalnya. Jika distribusi fungsi marginalnya tidak diketahui, dapat digambarkan marginal oleh momen mereka (rataan, variasi, kurtosis dan lain-lain) sebagai gantinya. Path-Baset Methods Metode ini diawali oleh membangun path lengkap yaitu skenario, oleh pengembangan proses stokastik (ξ t ). Hasil dari tahap ini bukanlah pohon skenario, tetapi kumpulan path yang dikenal sebagai fan. Untuk mentransformasikan fan menjadi pohon skenario, skenario yang diperoleh dikelompokkan bersama (dibatasi), semuanya tetapi tidak periode sebelumnya. Proses ini dikenal sebagai pengelompokan, metode ini dapat ditemukan pada Dupacova et al. (2000). Optimal Discretization Pflug (2001) mengajukan metode untuk menentukan pendekatan dari proses stokastik (pohon skenario) yang meminimumkan kesalahan pada fungsi objektif dari model optimisasi. Ketidak sesuaian metode sebelumnya menyebabkan pohon skenario periode berganda dikonstruksikan kembali. Metode optimal discretization hanya mengerjakan proses univariate.
5 9 Reduksi Skenario Ini adalah metode untuk penurunan banyaknya garis. Metode ini bertujuan untuk menentukan subset skenario dari kardinal yang ditentukan, dan pengukuran peluang yang didasarkan pada himpunan yang paling dekat dengan distribusi awal dengan menggunakan matriks peluang. Metode ini digambarkan dalam Dupacova et al. (2003). Sebagai tambahan terdapat metode dengan proses iteratif, yang diselesaikan dengan aliran pohon skenario, penambahan atau pengeluaran beberapa skenario dan menyelesaikan masalah lain. Metode ini berbeda dalam penambahan / pengurangan skenario Casey and Sen (2005) menggunakan variabel aliran penyelesaian.
PEMBENTUKAN POHON SKENARIO UNTUK PROBLEMA KEPUTUSAN TAHAP GANDA
PEMBENTUKAN POHON SKENARIO UNTUK PROBLEMA KEPUTUSAN TAHAP GANDA TESIS Oleh SAWALUDDIN 067021028/MT SEKOLAH PASCASARJANA UNIVERSITAS SUMATERA UTARA MEDAN 2008 PEMBENTUKAN POHON SKENARIO UNTUK PROBLEMA KEPUTUSAN
Lebih terperinciBAB 2 PROGRAM STOKASTIK
BAB 2 PROGRAM STOKASTIK 2.1 Pengertian Program Stokastik Banyak persoalan keputusan yang dapat dimodelkan dengan menggunakan program stokastik dengan tujuan menentukan nilai maksimum atau minimum. Tujuan
Lebih terperinciUcapan terimakasih juga penulis sampaikan kepada :
Ucapan terimakasih juga penulis sampaikan kepada : Istri tercinta Laila Wanna Hari Rangkuti, S.Pd. dan kedua anak saya Muhammad Herza Ismail dan Muhammad Al Khaliifi Zikri Ismail, ayahanda dan ibunda tercinta
Lebih terperinciBAB 2 PEMROGRAMAN STOKASTIK. 2.1 Program Stokastik Sebagai Suatu Ketidakpastian
BAB 2 PEMROGRAMAN STOKASTIK 2.1 Program Stokastik Sebagai Suatu Ketidakpastian Program stokastik adalah program matematika dimana semua data yang tergabung kedalam tujuan atau batasan berbentuk ketidakpastian
Lebih terperinciBAB 1 PENDAHULUAN. Persoalan keputusan sering diformulasikan sebagai. persoalan optimisasi, jadi dalam berbagai situasi, pengambil keputusan ingin
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dunia saat ini dilanda oleh adanya kondisi ketidakpastian yang tinggi, namun pengambil keputusan tetap harus menentukan keputusan walau dalam kondisi yang demikian.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Program Stokastik Keputusan adalah suatu kesimpulan dari suatu proses untuk memilih tindakan yang terbaik dari sejumlah alternatif yang ada, sedangkan pengambilan keputusan adalah
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciBAB 2 OPTIMISASI KOMBINATORIAL
BAB 2 OPTIMISASI KOMBINATORIAL Optimisasi kombinatorial merupakan suatu cara yang digunakan untuk mencari semua kemungkinan nilai real dari suatu fungsi objektif. Proses pencarian dapat dilakukan dengan
Lebih terperinciBAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA
BAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA 3.1 Value at Risk (VaR) Salah satu aspek yang sangat penting dalam analisis resiko adalah penghitungan Value at Risk atau yang selanjutnya disingkat dalam
Lebih terperinciBAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian, yang tidak dapat diperkirakan sebagai sesuatu yang pasti. Pada umumnya pengukuran berulang
Lebih terperinciMODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK
MODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK Chairunisah Abstrak Problema transportasi dan logistik dikarakteristikkan dengan proses informasi yang sangat dinamis, seperti : pesanan konsumen
Lebih terperinciBab 2 TINJAUAN PUSTAKA
Bab 2 TINJAUAN PUSTAKA 2.1 Masalah Transportasi Masalah transportasi pertama kali digunakan pada awal perang dunia kedua untuk menentukan bagaimana mengirimkan pasukan yang terletak disuatu tempat latihan
Lebih terperinciSILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE :
SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 2005-2006 MATAKULIAH
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian
Lebih terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciEVALUASI NUMERIK DARI METODE APROKSIMASI DALAM PROGRAM STOKASTIK
EVALUASI NUMERIK DARI METODE APROKSIMASI DALAM PROGRAM STOKASTIK TESIS Oleh MUHAMMAD ISMAIL 127021006/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2014 EVALUASI NUMERIK
Lebih terperinciBAB I PENDAHULUAN. yang telah go public. Perusahaan yang tergolong perusahan go public ialah
BAB I PENDAHULUAN 1.1 Latar Belakang Saham merupakan surat berharga sebagai bukti penyertaan atau pemilikan individu maupun badan hukum dalam suatu perusahaan, khususnya perusahaan yang telah go public.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pada suatu eksperimen atau pengamatan terhadap suatu keadaan, pengambilan data merupakan salah satu bagian terpenting, agar hasil dari eksperimen dapat lebih
Lebih terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinciBAB 2 OPTIMISASI KOMBINATORIAL. Masalah optimisasi merupakan suatu proses pencarian varibel bebas yang
BAB 2 OPTIMISASI KOMBINATORIAL 2.1 Masalah Model Optimisasi Kombinatorial Masalah optimisasi merupakan suatu proses pencarian varibel bebas yang memenuhi kondisi atau batasan yang disebut kendala dari
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda
Lebih terperinciMinggu XI ANALISIS KOMPONEN UTAMA. Utami, H
Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1 Pengertian Program Stokastik Banyak persoalan keputusan yang dapat dimodelkan dengan menggunakan program matematika yang bertujuan menentukan nilai maksimum atau minimum. Keputusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu aktiva finansial yang paling populer saat ini adalah saham. Saham adalah salah satu jenis sekuritas yang diperdagangkan di pasar modal. Jika investor membeli
Lebih terperinciProgram Dinamis. Oleh: Fitri Yulianti
Program Dinamis Oleh: Fitri Yulianti 1 Program Dinamis Program Dinamis (dynamic programming): - metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan tahapan (stage) - sedemikian sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciProgram Dinamis (dynamic programming):
Materi #0 Ganjil 0/05 (Materi Tambahan) Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan
Lebih terperinciProgram Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)
Lebih terperinciHitung Perataan Kuadrat Terkecil (Least Squares Adjustment)
Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Metoda Kuadrat Terkecil adalah salah satu metoda yang paling populer dalam menyelesaikan masalah hitung perataan. Aplikasi pertama perataan kuadrat
Lebih terperinciBAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Program Dinamik
5 BAB 2 LANDASAN TEORI 2.1 Program Dinamik Pemrograman dinamik adalah suatu teknik matematis yang biasanya digunakan untuk membuat suatu keputusan dari serangkaian keputusan yang saling berkaitan. Pemrograman
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Masalah umum dalam suatu model persediaan bersumber dari kejadiankejadian yang dihadapi tiap saat dalam bidang usaha, baik di bidang dagang maupun di bidang
Lebih terperinci( ) ( ) (3) II-1 ( ) ( )
BAB II LANDASAN TEORI 2.1 Naïve Bayes Classifier 2.1.1 Teorema Bayes Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (atau aturan Bayes) dengan
Lebih terperinciBAB 5. PEMODELAN dan Model Manajemen
BAB 5 PEMODELAN dan Model Manajemen 1 Issue Pokok pemodelan Identifikasi Masalah Analisa Lingkungan Identifikasi Variabel Peramalan Penggunaan model berganda Katagori Model atau seleksi (Tipe dari Model)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem berskala besar (Large-Scale System) adalah suatu sistem yang dibangun oleh beberapa subsistem yang saling berinteraksi satu sama lain. Terdapat beberapa pendekatan
Lebih terperinciBAB III HIDDEN MARKOV MODELS. Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan
BAB III HIDDEN MARKOV MODELS Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan yang dapat diamati. Tetapi terkadang ada urutan dari suatu keadaan yang ingin diketahui tetapi tidak dapat
Lebih terperinciBAB I PENDAHULUAN. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak hal dalam kehidupan sehari-hari yang tidak dapat diprediksi dengan pasti, ada kalanya segala sesuatu berjalan sesuai dengan apa yang diharapkan atau
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Chi-square Automatic Interaction Detection (CHAID) adalah merupakan suatu kasus khusus dari algoritma pendeteksian interaksi otomatis yang biasa disebut
Lebih terperinciTINJAUAN PUSTAKA. bebas digunakan jarak euclidean - sedangkan bila terdapat. korelasi antar peubah digunakan jarak mahalanobis - -
3 TINJAUAN PUSTAKA Gambaran Umum Analisis Gerombol Analisis gerombol merupakan salah satu metode analisis peubah ganda yang bertujuan untuk mengelompokkan objek kedalam kelompok kelompok tertentu yang
Lebih terperinciModel Matematika dari Sistem Dinamis
Model Matematika dari Sistem Dinamis September 2012 () Model Matematika dari Sistem Dinamis September 2012 1 / 60 Pendahuluan Untuk analisis dan desain sistem kontrol, sistem sis harus dibuat model sisnya.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bidang statistika berhubungan dengan cara atau metode pengumpulan data, pengolahan, penyajian, dan analisisnya serta pengambilan kesimpulan berdasarkan data dan analisis
Lebih terperinciOptimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis
Optimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis Fildah Ananda Amalia - 13515127 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
1 I PENDAHULUAN 11 Latar Belakang Perusahaan merupakan salah satu bagian penting dari sektor perekonomian suatu negara Apabila kondisi perekonomian suatu negara sedang membaik dan diikuti dengan perkembangan
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciMODUL I PROGRAM DINAMIS
MODUL I PROGRAM DINAMIS 1.1 Tujuan Praktikum Program dinamis merupakan modul pertama yang dipelajari dalam Praktikum Stokastik. Adapun yang menjadi tujuan praktikum dalam modul program dinamis adalah sebagai
Lebih terperinciPengambilan Keputusan dalam keadaan ada kepastian. IRA PRASETYANINGRUM, S.Si,M.T
Pengambilan Keputusan dalam keadaan ada kepastian IRA PRASETYANINGRUM, S.Si,M.T Model Pengambilan Keputusan dikaitkan Informasi yang dimiliki : Ada 3 (tiga) Model Pengambilan keputusan. 1. Model Pengambilan
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB LANDASAN TEORI Efisiensi Menurut Vincent Gaspersz (998, hal 4), efisiensi adalah ukuran yang menunjukan bagaimana baiknya sumber daya digunakan dalam proses produksi untuk menghasilkan output Efisiensi
Lebih terperinciDATA DAN METODE Sumber Data
14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Quadratic Assignment Problem (QAP) adalah sebuah permasalahan kombinatorial dalam menempatkan fasilitas pada lokasi tertentu, sedemikian hingga meminimumkan fungsi
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Investasi adalah komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa yang akan
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pergudangan (inventory) didefinisikan sebagai stok bahan yang tersedia dan dapat digunakan untuk memenuhi kebutuhan produksi lanjutan, atau kebutuhan konsumen.
Lebih terperinciBAB 1 PENDAHULUAN. distribusi atau bahkan peranan dari suatu distribusi yang lebih luas. Berdasarkan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Program stokastik mempunyai peranan penting dalam bidang matematika, dimana permasalahn tersebut dapat berupa ketidakpastian penyelesaian pada suatu distribusi atau
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Kamar darurat (Emergency Room/ER) adalah tempat yang sangat penting peranannya pada rumah sakit. Aktivitas yang cukup padat mengharuskan kamar darurat selalu dijaga oleh
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinciPENDEKATAN MASALAH MULTIOBJEKTIF STOKASTIK DENGAN PENDEKTAN STOKASTIK DAN PENDEKATAN MULTIOBJEKTIF
Prosiding Seminar Nasional Penelitian Pendidikan dan Penerapan MIPA Fakultas MIPA Universitas Negeri Yogyakarta 16 Mei 2009 PENDEKATAN MASALAH MULTIOBJEKTIF STOKASTIK DENGAN PENDEKTAN STOKASTIK DAN PENDEKATAN
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciPROSES KEMATIAN MURNI (Pure Death Processes)
PROSES KEMATIAN MURNI (Pure Death Processes) Komplemen dari bertambahnya proses kelahiran murni adalah dengan penurunan proses kematian murni. Hal itu ditunjukkan keberhasilan melewati state,,, 2, dan
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciII LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.
II LANDASAN TEORI Pada pembuatan model penjadwalan pertandingan sepak bola babak kualifikasi Piala Dunia FIFA 2014 Zona Amerika Selatan, diperlukan pemahaman beberapa teori yang digunakan di dalam penyelesaiannya,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Proses Industrialisasi mengkonsumsi sejumlah besar air yang digunakan untuk
BAB 1 PENDAHULUAN 1.1 Latar Belakang Proses Industrialisasi mengkonsumsi sejumlah besar air yang digunakan untuk operasi pembersihan, proses pemisahan, uap dan pembangkit listrik, pendingin, dan lain lain.
Lebih terperinci3. KLASIFIKASI MODEL.
3. KLASIFIKASI MODEL alsen.medikano@gmail.com (1) KLASIFIKASI MODEL Murdick, Ross, Claggett (1984) dan Ackoff, Gupta, Minas (1962) Kelas I. Fungsi 1. model Diskriptif memberikan gambaran sistem nyata,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Opsi lookback adalah opsi yang keuntungannya tergantung dari harga maksimum atau minimum aset pokok selama periode opsi. Salah satu keunikan dari opsi lookback adalah
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Kereta api merupakan salah satu angkutan darat yang banyak diminati masyarakat, hal ini dikarenakan biaya yang relatif murah dan waktu tempuh yang
Lebih terperinciPertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:
Dimensi dari Suatu Ruang Vektor Jika suatu ruang vektor V memiliki suatu himpunan S yang merentang V, maka ukuran dari sembarang himpunan di V yang bebas linier tidak akan melebihi ukuran dari S. Teorema
Lebih terperinciOPTIMASI PROGRAM LINIER PECAHAN DENGAN FUNGSI TUJUAN BERKOEFISIEN INTERVAL
Saintia Matematika Vol. XX, No. XX (XXXX), pp. 17 24. OPTIMASI PROGRAM LINIER PECAHAN DENGAN FUNGSI TUJUAN BERKOEFISIEN INTERVAL M Khahfi Zuhanda, Syawaluddin, Esther S M Nababan Abstrak. Beberapa tahun
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciKlasifikasi Model. Teori dan Pemodelan Sistem TIP FTP UB Mas ud Effendi
Klasifikasi Model Teori dan Pemodelan Sistem TIP FTP UB Mas ud Effendi Kriteria Model yang Baik Tingkat generalisasi yang tinggi Makin tinggi makin baik kemampuan pemecahan masalah makin besar Mekanisme
Lebih terperinciTINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen
4 TINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen (1989). Namun demikian sebagian besar penerapannya menggunakan
Lebih terperinciInterpolasi dan Ekstrapolasi
Interpolasi dan Ekstrapolasi JURNAL 01 Didalam pengertian matematika dasar, interpolasi adalah perkiran suatu nilai tengah dari satu set nilai yang diketahui. Interpoloasi dalam arti luas merupakan upaya
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak masalah nyata yang dapat dibawa ke model program linear. Metode penyelesaian program linear telah digunakan para ahli untuk menyelesaikan masalah di
Lebih terperinciBAB IV SIMULASI MONTE CARLO
BAB IV SIMULASI MONTE CARLO Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai perilaku sistem fisika dan matematika. Penggunaan klasik metode ini adalah untuk mengevaluasi integral definit,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep teori permainan pada permainan berstrategi murni dan campuran dari dua pemain yang akan digunakan sebagai landasan berpikir dalam melakukan
Lebih terperinciProbability and Random Process
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 1. Review Teori Statistika Prima Kristalina Maret 2016 2 Outline Pengertian Statistika Populasi,
Lebih terperinciBAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode
BAB III K-MEANS CLUSTERING 3.1 Analisis Klaster Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada
Lebih terperinciRANCANGAN PEMBELAJARAN
RANCANGAN PEMBELAJARAN Mata Kuliah : dan Proses Stokastik Semester : Jurusan : Dosen : TIU : respon sistem linear dengan input menggunakan konsep probabilitas dan proses stokastik (C4) No.. Mahasiswa mampu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Rumusan Masalah
1 BAB I PENDAHULUAN Pada bagian ini akan dijelaskan latar belakang dan rumusan masalah, tujuan dan manfaat penelitian, tinjauan pustaka, metode penelitian, serta sistematika penulisan. 1.1. Latar Belakang
Lebih terperinciBAB IV GAMBARAN UMUM METODOLOGI DATA MINING
BAB IV GAMBARAN UMUM METODOLOGI DATA MINING A. Metodologi Data Mining Metodologi Data Mining Komponen data mining pada proses KDD seringkali merupakan aplikasi iteratif yang berulang dari metodologi data
Lebih terperinci1.1 Latar Belakang dan Identifikasi Masalah
BAB I PENDAHULUAN Seiring dengan pertumbuhan kebutuhan dan intensifikasi penggunaan air, masalah kualitas air menjadi faktor yang penting dalam pengembangan sumberdaya air di berbagai belahan bumi. Walaupun
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Program Linear Program Linear adalah suatu cara yang digunakan untuk menyelesaikan masalah optimasi suatu model linear dengan berbagai kendala yang dihadapinya. Masalah program
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar elakang Sepak bola merupakan olahraga yang populer di seluruh dunia termasuk di Indonesia. Sepak bola sebenarnya memiliki perangkat-perangkat penting yang harus ada dalam penyelenggaraannya,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis time series (runtun waktu) banyak digunakan dalam berbagai bidang, misalnya ekonomi, teknik, geofisika, pertanian, dan kedokteran. Analisis runtun waktu digunakan
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak
Lebih terperinciDATA MINING. Pertemuan 4. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 4 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2015 Pre-Processing Agregasi (aggregation) Penarikan contoh (sampling)
Lebih terperinciBab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data
24 Bab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data IV.1 Mengenal Metode Monte Carlo Distribusi probabilitas digunakan dalam menganalisis sampel data. Sebagaimana kita ketahui,
Lebih terperinciKriteria Model yang Baik
Kriteria Model yang Baik 0 Tingkat generalisasi yang tinggi 0 Makin tinggi makin baik kemampuan pemecahan masalah makin besar 0 Mekanisme transparansi 0 Diketahui mekanisme pemecahan masalah rekonstruksi
Lebih terperinciBab V KESIMPULAN DAN MASALAH TERBUKA
Bab V KESIMPULAN DAN MASALAH TERBUKA Kesimpulan dari penelitian ini diperoleh berdasarkan pada pembahasan dalam Bab III dan IV. Kesimpulan ini sebagai jawaban dari permasalahan dan sekaligus hasil yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa tinjauan mengenai teori yang diperlukan dalam pembahasan bab-bab selanjutnya antara lain tentang kontrak berjangka komoditas, model pergerakan
Lebih terperinci