II. TINJAUAN PUSTAKA

Ukuran: px
Mulai penontonan dengan halaman:

Download "II. TINJAUAN PUSTAKA"

Transkripsi

1 II. TINJAUAN PUSTAKA. Pendahuluan Uji perbandingan dua distribusi merupakan suatu tekhnik analisis ang dilakukan untuk mencari nilai parameter ang baik diantara dua distribusi. Tekhnik uji perbandingan ini nantina akan memberikan gambaran mengenai parameter ang baik. Untuk melakukan uji perbandingan diperlukan beberapa toeri pendukung. Dan pada bab II ini akan dibahas mengenai dasar dasar teori ang digunakan dalam melakukan uji perbandingan dua distribusi Weibull dengan metode Likelihood Ratio Test (LRT), seperti distribusi Weibull, metode kemungkinan maksimum (Maximum Likelihood Estimation), uji rasio kemungkinan (Likelihood Ratio Test), dan statistik T.. Distribusi Weibull Distribusi Weibull diperkenalkan oleh fisikawan Swedia Waloddi Weibull pada tahun 939. Distribusi Weibull dapat dipakai pada persoalan keandalan dan pengujian masa hidup (life testing) seperti waktu sampai rusak atau masa hidup suatu sistem diukur dari suatu waktu tertentu sampai rusak. Distribusi Weibull sering digunakan untuk menghitung peluang masa hidup suatu alat, dan disebut juga sebagai distribusi waktu tunggu hingga gagal. Distribusi Weibull sering digunakan dalam pemodelan analisis kelangsungan hidup ang memiliki daerah fungsi peluang densitas positif dengan peubah acak kontinu. 6

2 Definisi. : Suatu peubah acak X dikatakan berdistribusi weibull dengan parameter dan jika fungsi densitasna adalah sebagai berikut f x = x e x ; x >, >, > Dengan parameter sebagai parameter skala ang menskala peubah X, dan parameter sebagai parameter bentuk ang menentukan bentuk rate function X Teorema : Misalkan X adalah suatu peubah acak berdistribusi weibull dengan parameter α dan, maka rata rata dan variansna adalah : E(X) = Γ +, dan Var(X) = Γ + Γ + (kundu dan Manglick, ). Bukti : i. E (X) Untuk mencari rataan dari distribuis Weibull gunakan persamaan sebagai berikut : f x = x (x ) e E x = x f x dx = x x e x dx 7

3 = x e x dx Misal = (x) x = dx = d Menentukan nilai batas integral, Untuk x =, = x =, = (.) Dengan mensubtitusikan hasil pemisalan dan batas integral, dipeoleh E x = e d = e d = e d sehingga diperoleh E (x) = Γ + 8

4 ii. Var (X) Untuk mencari rataan dari distribusi Weibull gunakan persamaan sebagai berikut : Var x = E x E(x) (.) Pertama cari nilai E x sebagai berikut E x = x f x dx = x x e x dx = x + e x dx Dengan mensubtitusikan persamaan (.), diperoleh E x = e d = e d = e d Sehingga diperoleh peroleh E x = Γ + (.3) Subtitusikan persamaan (.3) ke persamaan (.), Var x = E x E(x) Var x = Γ + Γ + 9

5 Var x = Γ + Γ +.3 Distribusi Generalized Weibull Model distribusi Generalized Weibull merupakan salah satu model umum ang dapat diterapkan dalam data hidup. Penerapan model distribusi Generalized Weibull dilakukan untuk mengatasi kesulitan dalam memilih model peluang dalam data kelangsungan hidup. Model ini dipilih karena memiliki potensi ang bagus untuk mencocokan data kelangsungan hidup. Menurut Hermita dkk (7), distribusi Generalized Weibull didefinisikan sebagai berikut : Defiinisi. Misalkan X adalah peubah acak dari distribusi Generalized Weibull dengan tiga parameter, maka fungsi kepekatan peluang dari peubah acak tersebut adalah f x = δ x α δ e x α δ ; α < x <, α, >, δ > Dimana X = peubah acak ang didefinisikan sebagai waktu mati/rusak/gagal (Failure Time) α = Parameter lokasi ang menunjukan lokasi waktu, dimana pada saat lokasi waktu tersebut belum ada objek pengamatan ang mati/gagal maupun hilang δ = Parameter skala pengamatan ang mati/rusak/gagal maupun hilang = Parameter bentuk ang menunjukkan laju kematian/kerusakan data distribusi Generalized Weibull

6 .4 Metode Newton-Raphson Metode ini merupakan metode umum ang paling sering digunakan dalam mencari akar akar persamaan kuadrat. Jika perkiraan awal dari akar adalah xi, suatu garis singgung dapat dibuat dari titik (xi, ʃ (xi). Titik dimana garis singgung tersebut memotong sumbu x biasana memberikan perkiraan ang lebih dekat dari nilai akar. Ada dua pendekatan ang dapat dilakukan dalam menurunkan rumus metode Newton-Raphson, aitu :. Penurunan secara Geometri. Misal f(x) = adalah suatu persamaan ang mempunai akar x dan f dapat didiferensialkan, sehingga = f(x) memiliki garis singgung disetiap titik pada kurva fungsina. Missal gradien garis singgung di x n adalah Atau m = f x r = Δ Δx = f x n x n x n+ f x r = f(x n ) x n x n+ Maka prosdeur iterasi Newton Raphsonna adalah x n+ = x n f x n f x n, f x n. Penurunan dengan deret Talor Uraikan f x n+ disekitar x n ke dalam deret talor

7 f x n+ = f x n + x n+ x n f x n + x n+ x n f t ; x < t < x n+ Jika dipotong sampai suku orde ke-, menjadi f x n+ f x n + x n+ x n f (x n ) Dan karena persoalan mencari akar persamaan, maka f x n+ =, sehingga f x n+ f x n + x n+ x n f x n = x n+ = x n f(x n) f (x n ) ; f x n Iterasi Newton Raphson berhenti apabila Atau x n+ x n < ε x n+ x n x n+ < δ Dengan ε dan δ adalah toleransi galat ang diinginkan. Langkah langkah dalam memtode Newton Raphson adalah. Masukkan nilai awal x sembarang. Tentukan fungsi f x n dan turunan pertamana 3. Masukkan persamaan fungsi f x n dan turunan pertamana kedalam rumus Newton Raphson sampai dengan eror < ε, sehingga diperoleh akar fungsi (Ares, 964).

8 .5 Metode Kemungkinan Maksimum (Maximum Likelihood Estimation Method) Metode kemungkinan maksimum atau ang biasa ditulis dengan MLE merupakan metode ang digunakan untuk menduga suatu sebaran dengan memilih parameter duga dengan memaksimumkan fungsi kemungkinan. Menurut Herrhanto dan Gantini (9), metode kemungkinan maksimum didefinisikan sebagai berikut : Definisi.3 Misalkan X adalah peubah acak kontinu atau diskrit dengan fungsi kepekatan peluang f(x; ), dengan adalah satu sampel ang tidak diketahui. Misalkan x, x, x n merupakan sampel acak berukuran n, maka fungsi kemungkinan maksimum (likelihood function) dari sampel acak tersebut adalah L = f x ; f x n ; f x n ; Dalam hal ini, fungsi kemungkinan adalah fungsi dari parameter ang tidak diketahui. Biasana untuk mempermudah proses analisa, fungsi kemungkinan L diberi log natural (ln). penduga kemungkinan maksimum dari adalah nilai ang memaksimumkan fungsi kemungkinan L..6 Uji Rasio Kemungkinan (Likelihood Ratio Test) Misalkan X, X,....., Xn melambangkan n peubah acak independent ang memiliki masing masing fungsi kepekatan peluang f i x i ;,,, n ; i =,,, n. Deret ang terdiri dari semua titik parameter (,,, n ) dinotasikan dengan Ω dan kita 3

9 sebut sebagai parameter. Misalkan ω menjadi sebuah himpunan bagian dari ruang parameter Ω Kita inginkan hipotesis H (,,, n ) ω, jika bukan maka merupakan hipotesis alternatif. Definisi.6 n L ω = f i x i ;,,, n, (,,, n ) ω i= Dan n L Ω = f i x i ;,,, n, (,,, n ) Ω i= Misalkan L ω dan L Ω maksimum, dan kita asumsikan ada dari dua fungsi kemungkinan. Rasio dari L ω dan L Ω disebut rasio kemungkinan (Likelihood Ratio) dan dinotasikan sebagai berikut : L x, x,, x n = L ω L Ω (Hogg and Craig,978)..7 Statistik T Menurut Kundu dan Manglick (), statistik T merupakan logaritma natural (ln) dari rasio kemungkinan maksimum (Likelihood Ratio) dan dinotasikan sebagai berikut λ = ln L x, x,, x n = ln L ω L Ω Statistik T memiliki karakteristik aitu jika T > maka akan mengikuti distribusi pembilang, dan untuk T lainna maka akan mengikuti distribusi penebut. 4

TINJAUAN PUSTAKA. Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu

TINJAUAN PUSTAKA. Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu II. TINJAUAN PUSTAKA. Distribusi Weibull Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu hidup dalam tekhnik ketahanan. Distribusi ini adalah distribusi serbaguna yang dapat

Lebih terperinci

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi II. TINJAUAN PUSTAKA 2.1 Distribusi Normal Umum Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi normal umum, jika dan hanya jika fungsi densitasnya berbentuk: ; Penulisan notasi

Lebih terperinci

II. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2

II. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2 5 II. LANDASAN TEORI Dalam proses penelitian penduga parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut ini akan dijelaskan beberapa konsep

Lebih terperinci

I. PENDAHULUAN. analisis serta mempergunakannya untuk maksud maksud tertentu. Statisitika

I. PENDAHULUAN. analisis serta mempergunakannya untuk maksud maksud tertentu. Statisitika I. PENDAHULUAN 1.1 Latar Belakang Masalah Statsistika merupakan suatu metode, ilmu dan seni yang dipergunakan untuk (atau mempelajari tentang) pengumpulan data, analisis data dan interpretasi hasil analisis

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan pengertian tentang distribusi Weibull, maximum

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan pengertian tentang distribusi Weibull, maximum 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan pengertian tentang distribusi Weibull, maximum likelihood estimation, penyensoran, bias relatif, penduga parameter distribusi Weibull dan beberapa istilah

Lebih terperinci

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma

Lebih terperinci

LANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan

LANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan

Lebih terperinci

SIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI. Abstract

SIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI. Abstract ISBN: 978-602-71798-1-3 SIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI Widiarti 1), Ayu Maidiyanti 2), Warsono 3) 1 FMIPA Universitas Lampung widiarti08@gmail.com

Lebih terperinci

II. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah

II. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah II. LANDASAN TEORI Peubah acak X(s) merupakan sebuah fungsi X yang menetapkan setiap anggota sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah peubah acak diskrit, yaitu banyaknya

Lebih terperinci

OLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S

OLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi

Lebih terperinci

Fungsi Peubah Banyak. Modul 1 PENDAHULUAN

Fungsi Peubah Banyak. Modul 1 PENDAHULUAN Modul 1 Fungsi Peubah Banak Prof. Dr. Bambang Soedijono PENDAHULUAN D alam modul ini dibahas masalah Fungsi Peubah Banak. Dengan sendirina para pengguna modul ini dituntut telah menguasai pengertian mengenai

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)

Lebih terperinci

II.TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi

II.TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi II.TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi generalized weibull menggunakan metode generalized momen ini, penulis menggunakan definisi dan konsep dasar

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log II. TINJAUAN PUSTAKA Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log Normal Menggunakan Metode Generalized Moment digunakan beberapa definisi, dan teorema yang berkaitan dengan

Lebih terperinci

LANDASAN TEORI. penelitian mengenai pendekatan distribusi GE ke distribusi GLL(,,

LANDASAN TEORI. penelitian mengenai pendekatan distribusi GE ke distribusi GLL(,, 4 II. LANDASAN TEORI Pada bab ini akan dijelaskan beberapa definisi yang berhubungan dengan penelitian mengenai pendekatan distribusi GE ke distribusi GLL melalui distribusi eksponensial dengan menyamakan

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

Lebih terperinci

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel

Lebih terperinci

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan: II. TINJAUAN PUSTAKA Dalam tinjauan pustaka penelitian Karakteristik Penduga Parameter Distribusi Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan beberapa definisi dan teorema yang

Lebih terperinci

Langkah Penyelesaian Example 1) Tentukan nilai awal x 0 2) Hitung f(x 0 ) kemudian cek konvergensi f(x 0 ) 3) Tentukan fungsi f (x), kemudian hitung f

Langkah Penyelesaian Example 1) Tentukan nilai awal x 0 2) Hitung f(x 0 ) kemudian cek konvergensi f(x 0 ) 3) Tentukan fungsi f (x), kemudian hitung f METODE NEWTON RAPHSON (1) METODE NEWTON RAPHSON Solusi Persamaan Non Linier Oleh : Metode Newton-Raphson merupakan salah satu metode terbuka untuk menentukan solusi akar dari persamaan non linier, dengan

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di 5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan

Lebih terperinci

TURUNAN DALAM RUANG DIMENSI-n

TURUNAN DALAM RUANG DIMENSI-n TURUNAN DALAM RUANG DIMENSI-n A. Fungsi Dua Variabel atau Lebih Dalam subbab ini, fungsi dua variabel atau lebih dikaji dari tiga sudut pandang: secara verbal (melalui uraian dalam kata-kata) secara aljabar

Lebih terperinci

UJI LIKELIHOOD RASIO UNTUK PARAMETER DISTRIBUSI WEIBULL

UJI LIKELIHOOD RASIO UNTUK PARAMETER DISTRIBUSI WEIBULL UJI LIKELIHOOD RASIO UNTUK PARAMETER DISTRIBUSI WEIBULL Sartika 1) Wayan Somayasa 2) Rahmaliah Sahupala 2) 1) Mahasiswa Program Studi Matematika 2) Dosen Program Studi Matematika Jurusan Matematika F-MIPA

Lebih terperinci

II. TINJAUAN PUSTAKA. Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan

II. TINJAUAN PUSTAKA. Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan II. TINJAUAN PUSTAKA 2.1 Analisis Survival Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan menduga probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwaperistiwa

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam II. LANDASAN TEORI Pada bab ini akan diberikan konsep dasar yang akan digunakan dalam pembahasan hasil penelitian ini, antara lain : 2.1 Fungsi Gamma Fungsi gamma merupakan suatu fungsi khusus. Fungsi

Lebih terperinci

KONSEP DASAR TERKAIT METODE BAYES

KONSEP DASAR TERKAIT METODE BAYES KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan

Lebih terperinci

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E 5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah

Lebih terperinci

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 23 28 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD FEBY RIDIANI Program

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang

Lebih terperinci

BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU

BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard

Lebih terperinci

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga distribusi generalized gamma dengan metode generalized moment ini, penulis menggunakan definisi, teorema dan konsep dasar

Lebih terperinci

LANDASAN TEORI. Dalam proses penelitian pendekatan distribusi generalized t(,,, ), ), melalui distribusi generalized beta 2

LANDASAN TEORI. Dalam proses penelitian pendekatan distribusi generalized t(,,, ), ), melalui distribusi generalized beta 2 5 II. LANDASAN TEORI Dalam proses penelitian pendekatan distribusi generalized t terhadap distribusi gamma dan melalui distribusi generalized beta 2 distribusi generalized diperlukan gamma beberapa konsep

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN

Lebih terperinci

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal

Lebih terperinci

BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK

BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK 3. Perumusan Penduga Misalkan N adalah proses Poisson non-homogen pada interval 0, dengan fungsi intensitas yang tidak diketahui. Fungsi intensitas

Lebih terperinci

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti 4 II. LANDASAN TEORI 2.1 Distribusi F Distribusi F merupakan salah satu distribusi kontinu. Dengan variabel acak X memenuhi batas X > 0, sehingga luas daerah dibawah kurva sama dengan satu, sementara grafik

Lebih terperinci

Barisan dan Deret Agus Yodi Gunawan

Barisan dan Deret Agus Yodi Gunawan Barisan dan Deret Agus Yodi Gunawan Barisan. Definisi. Barisan tak hingga adalah suatu fungsi dengan daerah asalnya himpunan bilangan bulat positif dan daerah kawannya himpunan bilangan real. Notasi untuk

Lebih terperinci

BAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64

BAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64 DAFTAR ISI Halaman HALAMAN JUDUL... ii HALAMAN PENGESAHAN... iii KATA PENGANTAR... v ABSTRAK... vii ABSTACT... viii DAFTAR ISI... ix DAFTAR SIMBOL... xii DAFTAR TABEL... xiv DAFTAR GAMBAR... xv DAFTAR

Lebih terperinci

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

BAB 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 terperinci

ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II

ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih A 1* Rini Cahyandari 2 Tarkinih 3 123 Program

Lebih terperinci

MATEMATIKA DASAR TAHUN 1987

MATEMATIKA DASAR TAHUN 1987 MATEMATIKA DASAR TAHUN 987 MD-87-0 Garis singgung pada kurva y di titik potong nya dengan sumbu yang absisnya positif mempunyai gradien 0 MD-87-0 Titik potong garis y + dengan parabola y + ialah P (5,

Lebih terperinci

TINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai

TINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai II. TINJAUAN PUSTAKA 2.1. Model Linear Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai berikut : Y i = β 0 + X i1 β 1 + X i2 β 2 + + X ip β p +ε i ; i = 1,2,, n bila dirinci

Lebih terperinci

BAB 2 MOMEN DAN ENTROPI

BAB 2 MOMEN DAN ENTROPI BAB MOMEN DAN ENTROPI. Satu Peubah Acak (Univariat) Misalkan diketahui suatu peubah acak X. Didefinisikan ekspektasi dari peubah acak X adalah sebagai berikut E [ X ] - P X =, X diskrit = f d, X kontinu

Lebih terperinci

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari

Lebih terperinci

I. PENDAHULUAN. merangkum, dan mempresentasikan data dengan cara informatif. Sedangkan

I. PENDAHULUAN. merangkum, dan mempresentasikan data dengan cara informatif. Sedangkan I. PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu tentang pengumpulan, pengaturan, analisis, dan pendugaan data untuk membantu proses pengambilan keputusan secara lebih efisien. Ilmu statistika

Lebih terperinci

2 Akar Persamaan NonLinear

2 Akar Persamaan NonLinear 2 Akar Persamaan NonLinear Beberapa metoda untuk mencari akar ang telah dikenal adalah dengan memfaktorkan atau dengan cara Horner Sebagai contoh, untuk mencari akar dari persamaan 2 6 = 0 ruas kiri difaktorkan

Lebih terperinci

BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi

BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi Garansi dapat diartikan sebagai jaminan yang diberikan secara tertulis oleh pabrik atau supplier kepada

Lebih terperinci

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan 4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi

Lebih terperinci

BAB II TINJAUAN PUSTAKA. diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event

BAB II TINJAUAN PUSTAKA. diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event BAB II TINJAUAN PUSTAKA A. Analisis Survival Analisis survival merupakan suatu analisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event terjadi dengan

Lebih terperinci

Analisis Regresi Nonlinear (I)

Analisis Regresi Nonlinear (I) 9 Oktober 2013 Topik Inferensi dalam Regresi Nonlinear Contoh Kasus Regresi linear berganda secara umum sesuai untuk kebanyakan kasus. Namun, banyak kasus peubah respons dan bebas berhubungan melalui fungsi

Lebih terperinci

Perbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian

Perbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian Perbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian Rado Yendra 1, Elsa Tria Noviadi 2 1,2 Jurusan Matematika, Fakultas Sains

Lebih terperinci

2.1 Soal Matematika Dasar UM UGM c. 1 d d. 3a + b. e. 3a + b. e. b + a b a

2.1 Soal Matematika Dasar UM UGM c. 1 d d. 3a + b. e. 3a + b. e. b + a b a Soal - Soal UM UGM. Soal Matematika Dasar UM UGM 00. Jika x = 3 maka + 3 log 4 x =... a. b. c. d. e.. Jika x+y log = a dan x y log 8 = b dengan 0 < y < x maka 4 log (x y ) =... a. a + 3b ab b. a + b ab

Lebih terperinci

Akar-Akar Persamaan. Definisi akar :

Akar-Akar Persamaan. Definisi akar : Akar-Akar Persamaan Definisi akar : Suatu akar dari persamaan f(x) = 0 adalah suatu nilai dari x yang bilamana nilai tersebut dimasukkan dalam persamaan memberikan identitas 0 = 0 pada fungsi f(x) X 1

Lebih terperinci

BAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK

BAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK BAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK 4. Sebaran Asimtotik,, Teorema 4. (Sebaran Normal Asimtotik,, ) Misalkan fungsi intensitas seperti (3.2) dan terintegralkan lokal. Jika kernel K adalah

Lebih terperinci

Program Studi Pendidikan Matematika UNTIRTA. 10 Maret 2010

Program Studi Pendidikan Matematika UNTIRTA. 10 Maret 2010 Metode Program Studi Pendidikan Matematika UNTIRTA 10 Maret 2010 (Program Studi Pendidikan Matematika UNTIRTA) Metode 10 Maret 2010 1 / 16 Ekspansi Taylor Misalkan f 2 C [a, b] dan x 0 2 [a, b], maka untuk

Lebih terperinci

I. PENDAHULUAN. Perkembangan teori statistika telah mempengaruhi hampir semua aspek. Dalam teori statistika dan peluang, distribusi gamma (

I. PENDAHULUAN. Perkembangan teori statistika telah mempengaruhi hampir semua aspek. Dalam teori statistika dan peluang, distribusi gamma ( I. PENDAHULUAN 1.1. Latar Belakang dan Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan

Lebih terperinci

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut

Lebih terperinci

II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran

II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui

Lebih terperinci

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA II. TINJAUAN PUSTAKA 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi yang memiliki fungsi kepekatan peluang kontinu. Bentuk kurva distribusi logistik adalah simetris dan uni modal. Bentuk

Lebih terperinci

Ilustrasi Persoalan Matematika

Ilustrasi Persoalan Matematika Pendahuluan Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau pada persoalan rekayasa (engineering), seperti

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi

Lebih terperinci

BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH)

BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH) BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH) 3.1 Proses Nonlinear Autoregressive Conditional Heteroskedasticity (N-ARCH) Model Nonlinear Autoregressive Conditional

Lebih terperinci

Distribusi Weibull Power Series

Distribusi 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 terperinci

BAB IV MODEL HIDDEN MARKOV

BAB IV MODEL HIDDEN MARKOV BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen

Lebih terperinci

= = =

= = = = + + + = + + + = + +.. + + + + + + + + = + + + + ( ) + ( ) + + = + + + = + = 1,2,, = + + + + = + + + =, + + = 1,, ; = 1,, =, + = 1,, ; = 1,, = 0 0 0 0 0 0 0...... 0 0 0, =, + + + = 0 0 0 0 0 0 0 0 0....

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183

Lebih terperinci

(R.1) KAJIAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION UNTUK MASALAH DATA SPASIAL DISKRIT

(R.1) KAJIAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION UNTUK MASALAH DATA SPASIAL DISKRIT REGRESI 2 (R.1) KAJIAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION UNTUK MASALAH DATA SPASIAL DISKRIT Dani Robini, Budi Nurani R., Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl.

Lebih terperinci

Peubah Acak dan Distribusi Kontinu

Peubah Acak dan Distribusi Kontinu BAB 1 Peubah Acak dan Distribusi Kontinu 1.1 Fungsi distribusi Definisi: Misalkan X peubah acak. Fungsi distribusi (kumulatif) dari X adalah F X (x) = P (X x) Contoh: 1. Misalkan X Bin(3, 0.5), maka fungsi

Lebih terperinci

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B)

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B) DISTRIBUSI MARGINAL DAN DISTRIBUSI GABUNGAN Disusun guna memenuhi tugas mata kuliah Statistika Matematika Dosen Pengampu: Supandi, M.Si Disusun oleh:. Diah Sani Susilawati (8355/ 7B). Farid Hidaat (836/

Lebih terperinci

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi Bab 5 Peubah Acak Kontinu 5.1 Pendahuluan Definisi 5.1. Peubah acak adalah suatu fungsi dari ruang contoh S ke R (himpunan bilangan nyata) Peubah acak X bersifat diskret jika F (x) adalah fungsi tangga.

Lebih terperinci

PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON

PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON Haposan Sirait 1 dan Rustam Efendi 2 1,2 Dosen Program Studi Matematika FMIPA Universitas Riau. Abstrak: Makalah ini menyajikan tentang

Lebih terperinci

BAB III TURUNAN DALAM RUANG DIMENSI-n

BAB III TURUNAN DALAM RUANG DIMENSI-n BAB III TURUNAN DALAM RUANG DIMENSI-n 1. FUNGSI DUA PEUBAH ATAU LEBIH fungsi bernilai riil dari peubah riil, fungsi bernilai vektor dari peubah riil Fungsi bernilai riil dari dua peubah riil yakni, fungsi

Lebih terperinci

BAB I INTEGRAL TAK TENTU

BAB I INTEGRAL TAK TENTU BAB I INTEGRAL TAK TENTU TUJUAN PEMBELAJARAN: 1. Setelah mempelajari materi ini mahasiswa dapat menentukan pengertian integral sebagai anti turunan. 2. Setelah mempelajari materi ini mahasiswa dapat menyelesaikan

Lebih terperinci

BAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang

BAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut

Lebih terperinci

Penerapan Model Frailty Weibull-Eksponensial pada Data Tabel Mortalitas Indonesia Tahun 1999

Penerapan Model Frailty Weibull-Eksponensial pada Data Tabel Mortalitas Indonesia Tahun 1999 Prosiding Statistika ISSN: 2460-6456 Penerapan Model Frailty Weibull-Eksponensial pada Data Tabel Mortalitas Indonesia Tahun 1999 1 Anjalina Kusumawardhani, 2 Aceng Komarudin Mutaqin, 3 Lisnur Wachidah

Lebih terperinci

Bagian 2 Turunan Parsial

Bagian 2 Turunan Parsial Bagian Turunan Parsial Bagian Turunan Parsial mempelajari bagaimana teknik dierensiasi diterapkan untuk ungsi dengan dua variabel atau lebih. Teknik dierensiasi ini tidak hana akan diterapkan untuk ungsi-ungsi

Lebih terperinci

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso. Beberapa 27 April 2014 Beberapa Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat memahami dan menghitung

Lebih terperinci

Estimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada

Estimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada Estimasi Titik (Point Estimation) Minggu ke 1-3 Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada 2014 Prof. Dr. Sri Haryatmi, M. Sc. (UGM) Daftar Isi 2014 1 / 33 DAFTAR ISI 1 Minggu 1 Pertemuan 1

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Dua Peubah

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Dua Peubah Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Dua Peubah [MA114] Sistem Koordinat Kuadran II Kuadran I P(,) z P(,,z) Kuadran III Kuadran IV R (Bidang) Oktan 1 R 3 (Ruang) 7/6/007

Lebih terperinci

II. TINJAUAN PUSTAKA. 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah

II. TINJAUAN PUSTAKA. 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah II. TINJAUAN PUSTAKA 2.1 Fungsi Keberlangsungan Hidup (Survival Function) Misalkan adalah usia seseorang saat menutup polis asuransi, sehingga adalah peubah acak waktu meninggal. Fungsi distribusi dinyatakan

Lebih terperinci

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana

Lebih terperinci

Pembahasan Matematika IPA SIMAK UI 2009

Pembahasan Matematika IPA SIMAK UI 2009 Pembahasan Matematika IPA SIMAK UI 2009 Kode 924 Oleh Kak Mufidah 1. Diketahui fungsi. Agar fungsi tersebut senantiasa berada di bawah sumbu x, maka nilai m yang mungkin adalah Agar fungsi tersebut senantiasa

Lebih terperinci

Matematika EBTANAS Tahun 1991

Matematika EBTANAS Tahun 1991 Matematika EBTANAS Tahun 99 EBT-SMA-9-0 Persamaan sumbu simetri dari parabola y = 8 x x x = 4 x = x = x = x = EBT-SMA-9-0 Salah satu akar persamaan kuadrat mx 3x + = 0 dua kali akar yang lain, maka nilai

Lebih terperinci

Lampiran 1. Beberapa Definisi dan Lema Teknis

Lampiran 1. Beberapa Definisi dan Lema Teknis Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita

Lebih terperinci

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika

Lebih terperinci

Hendra Gunawan. 21 Maret 2014

Hendra Gunawan. 21 Maret 2014 MA1201 MATEMATIKA 2A Hendra Gunawan Semester II 2013/2014 21 Maret 2014 Kuliah ang Lalu 12.1 Fungsi dua (atau lebih peubah 12.2 Turunan Parsial 12.3 Limit dan Kekontinuan 12.4 Turunan fungsi dua peubah

Lebih terperinci

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang

Lebih terperinci

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah Variabel Random dan Nilai Harapan Oleh Azimmatul Ihwah Outcomes dari suatu eksperimen dapat dinyatakan dengan angka untuk mempermudah. Suatu variabel yang mengasosiakan outcomes dari suatu eksperimen dengan

Lebih terperinci

MA3231 Analisis Real

MA3231 Analisis Real MA3231 Analisis Real Hendra Gunawan* *http://hgunawan82.wordpress.com Analysis and Geometry Group Bandung Institute of Technology Bandung, INDONESIA Program Studi S1 Matematika ITB, Semester II 2016/2017

Lebih terperinci

ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan

ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan Jurnal Matematika Murni dan Terapan εpsilon Vol. 07, No.01, 201, Hal. 45 52 ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK Rizqi Elmuna Hidayah 1, Nur Salam 2 dan Dewi Sri Susanti 1,2, Program Studi

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Bab 3: Statistika FMIPA Universitas Islam Indonesia Bila sampling berasal dari populasi yang digambarkan melalui fungsi peluang f X (x θ), pengetahuan tentang θ menghasilkan karakteristik mengenai keseluruhan

Lebih terperinci

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi ESTIMASI TITIK Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi sampel. Statistik merupakan bentuk dari

Lebih terperinci