PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN. Rince Adrianti 1, Haposan Sirait 2 ABSTRACT ABSTRAK
|
|
- Ida Johan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN Rince Adrianti, Haposan Sirait Mahasiswa Program Studi S Matematika Dosen Matematika, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya, Pekanbaru, 893 rinceadrianti.7@gmail.com ABSTRACT This article discusses the estimator for parameter of inverse Maxwell distribution via size-biased sampling by Bayes method, this is a review of Singh dan Srivastava [International Journal of Science and Research, 3 (04, ]. The process of Bayes inference starts under squared error loss function and entropy loss function, by using quasi prior. The performance of the obtained estimator from Bayes method with two different loss function are then compared among themselves by computing mean square error (MSE of each estimator. Keywords: Bayes method, quasi prior, squared error loss function, entropy loss function, mean square error ABSTRAK Artikel ini membahas penaksir parameter distribusi invers Maxwell ukuran bias sampel menggunakan metode Bayes, yang merupakan kajian ulang dari artikel Singh dan Srivastava [International Journal of Science and Research, 3 (04, ]. Proses inferensi pada metode Bayes didasarkan pada fungsi kerugian kuadratik dan fungsi kerugian entropi, dengan menggunakan quasi prior. Penaksir parameter yang diperoleh dari metode Bayes dengan dua fungsi kerugian berbeda kemudian dibandingkan berdasarkan MSE masing-masing penaksir. Kata kunci: Metode Bayes, quasi prior, fungsi kerugian kuadratik, fungsi kerugian entropi, mean square error
2 . PENDAHULUAN Dalam Lind et al.[5, h. 6] dijelaskan bahwa statistika inferensi adalah serangkaian teknik yang digunakan untuk mengkaji, menaksir, dan mengambil kesimpulan data sampel yang dipilih secara acak dari populasi. Walpole et al. [, h. 65] menjelaskan bahwa statistika inferensi dapat dibagi dalam dua bagian besar yaitu penaksiran dan uji hipotesis. Menaksir dapat dilakukan dalam dua cara yaitu menaksir titik dan menaksir interval. Secara garis besar, teori penaksiran dikelompokkan menjadi dua metode, yaitu metode penaksiran klasik dan metode penaksiran Bayes. Pada metode penaksiran klasik, penaksiran dilakukan semata-mata atas dasar informasi yang diperoleh dari nilai statistik, sedangkan pada metode penaksiran Bayes di samping atas dasar informasi statistik tersebut, juga didasarkan pada unsur subjektif yang berupa pengetahuan terdahulu tentang distribusi suatu parameter. Pada Bayesian parameter-parameter yang akan diestimasi dipandang sebagai variabel-variabel random yang mempunyai distribusi awal yaitu distribusi prior. Dalam Box dan Tiao [3, h. 3] dijelaskan bahwa distribusi prior dianggap mewakili pengetahuan tentang parameter sebelum hasil percobaan diketahui. Konsep dari metode penaksiran Bayes adalah mengkombinasikan informasi data sampel dan data prior menggunakan teorema Bayes yang menghasilkan distribusi yang disebut dengan distribusi posterior, selanjutnya distribusi posterior dengan memakai fungsi kerugian tertentu akan menghasilkan penaksir Bayes. Kriteria penaksir dalam statistika ada dua macam yaitu penaksir bias dan penaksir tak bias. Apabila penaksir tersebut tak bias maka penaksir terbaik dari beberapa penaksir adalah yang memiliki variansi terkecil, sedangkan untuk penaksir bias penaksir yang efisien adalah yang mempunyai rata-rata kuadrat eror terkecil (Mean Square Error atau disingkat dengan MSE. Artikel ini merupakan kajian dari artikel Singh dan Srivastava [0] yang membahas tentang penaksir Bayes distribusi invers Maxwell ukuran bias sampel dengan lima fungsi kerugian, tetapi penulis membatasi pembahasan hanya menggunakan dua fungsi kerugian yaitu fungsi kerugian kuadratik dan fungsi kerugian entropi. Setelah diperoleh penaksir parameter berdasarkan kedua fungsi kerugian tersebut, selanjutnya akan ditentukan bias atau tak bias kedua penaksir tersebut. Setelah itu, ditentukan efisiensi relatif dari kedua penaksir.. DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL Distribusi Maxwell-Boltzmann merupakan aplikasi dari teori kinetik gas, yang menjelaskan sifat gas, termasuk difusi dan tekanan dari gas tersebut. Distribusi Maxwell menggambarkan kecepatan pergerakan partikel dalam gas, dimana partikel bergerak bebas antara tumbukan kecil, tetapi tidak berinteraksi antara satu partikel dengan partikel lainnya, sebagai fungsi suhu
3 dari sistem, massa partikel dan ke cepatan pergerakan partikel. Partikel dalam konteks ini mengacu pada atom atau molekul dari gas [4]. Variabel random X dikatakan berdistribusi Maxwell dengan parameter θ jika mempunyai fkp sebagai berikut []: f(x; θ = 4 x exp π θ 3 ( x θ, x > 0, θ > 0, ( π = Γ. Misalkan Y = /X variabel random distribusi invers Maxwell, sehingga fkp dari distribusi invers Maxwell dapat diperoleh dengan menggunakan teknik transformasi seperti pada Roussas [9, h. 70]. f(y; θ = 4 πθ 3 y 4 exp ( y θ, y > 0, θ > 0. ( Distribusi ukuran bias merupakan kasus khusus dari bentuk umum yang dikenal dengan distribusi terbobot[]. Jika Y variabel random dengan fkp f(y; θ, maka Y disebut variabel random versi ukuran bias dari Y dengan fkp f (y; θ didefinisikan sebagai berikut [7]: f (y; θ = yf(y; θ, y Y, ( E[Y ] dengan E[Y ] = 0 yf(y; θdy, y > 0. (3 Untuk mendapatkan fkp dari distribusi invers Maxwell ukuran bias sampel perlu diketahui E[Y ], menggunakan persamaan (3 dengan f(y; θ terdefinisi pada persamaan (, diperoleh ( 4 E[Y ] = y 3 0 πθ y exp dy, 4 y θ E[Y ] =. (4 πθ Selanjutnya dengan mensubstitusikan persamaan (4 ke persamaan (, diperoleh fkp dari distribusi invers Maxwell ukuran bias sampel dinotasikkan dengan h(y; θ sebagai berikut: h(y; θ = ( θ y exp, y > 0, θ > 0. (5 3 y θ Distribusi invers Maxwell ukuran bias sampel mempunyai fungsi kumulatif, serta ekspektasi dan variansi yang akan digunakan dalam mencari 3
4 MSE berturut - turut sebagai berikut: ( E = θ. (6 y ( Var = θ. (7 y Selanjutnya dibahas penaksir parameter distribusi invers Maxwell ukuran bias sampel menggunakan metode Bayesian berdasarkan fungsi kerugian kuadratik dan fungsi kerugian entropi. 3. PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL DENGAN METODE BAYESIAN Misalkan Y, Y,..., Y n merupakan sampel random berukuran n yang memiliki fkp pada persamaan (5, ditentukan penaksir Bayes dengan menggunakan quasi prior berdasarkan fungsi kerugian kuadratik dan fungsi kerugian entropi. Untuk mencari penaksir Bayes, terlebih dahulu tentukan distribusi posterior. Distribusi posterior merupakan kombinasi linier dari fungsi likelihood dengan distribusi prior. Fungsi likelihood dari distribusi invers Maxwell ukuran bias sampel yaitu L(θ = ( n θ i= y 3 i exp (( i= (. (8 θ Setelah diperoleh fungsi likelihood, selanjutnya dicari distribusi posterior. Ramachandran dan Tsokos [8, h. 563] mendefinisikan distribusi posterior sebagai berikut: f(y θπ(θ π(θ y =, (9 f(y θπ(θdθ dengan π(θ y menunjukkan distribusi posterior, f(y θ menunjukkan fungsi likelihood, dan π(θ menunjukkan distribusi prior. Untuk situasi percobaan tidak memiliki informasi prior untuk parameter θ, maka dapat menggunakan densitas quasi sebagai distribusi prior [6]. y i π(θ =, θ > 0, d > 0. (0 θd Dengan mensubtitusikan persamaan (0 dan persamaan (8 ke persamaan (9 diperoleh π(θ y = sn+d exp ( s θ θ n+d Γ(n + d. ( Setelah diperoleh distribusi posterior pada persamaan (, selanjutnya cari penaksir Bayes parameter distribusi invers Maxwell ukuran bias sampel dengan dua fungsi kerugian berbeda, yaitu fungsi kerugian 4
5 kuadratik dan fungsi kerugian entropi. Menurut Bain dan Engelhardt [, h. 3] penaksir bayes berdasarkan fungsi kerugian kuadratik dinotasikan dengan ˆθ s merupakan ekspektasi bersyarat dari θ yang relatif terhadap distribusi posterior ˆθ s = E(θ y. Dengan distribusi posterior pada persamaan (, diperoleh ˆθ s = θ sn+d exp ( s θ θ n+d Γ(n + d dθ, ˆθ s = 0 n i= y i n + d. Adapun penaksir Bayes berdasarkan fungsi kerugian entropi dinotasikan dengan ˆθ e yaitu [6] [ ˆθ e = θ π(θ xdθ]. Dengan distribusi posterior pada persamaan (, diperoleh [ ˆθ e = θ sn+d exp ( ] s θ θ n+d Γ(n + d dθ, ˆθ e = 0 n i= y i (n + d. 4. SIFAT PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL Penaksir yang diperoleh dapat berupa penaksir bias dan tak bias. Dalam menentukan bias atau tak bias dari suatu penaksir, maka dicari ekspektasi dari penaksir tersebut. Menggunakan sifat ekspektasi pada Ramachandran dan Tsokos[8, h. 95] ditentukan sifat penaksir Bayes berdasarkan fungsi kerugian kuadratik dan penaksir Bayes berdasarkan fungsi kerugian entropi. Terlebih dahulu tentukan sifat penaksir Bayes berdasarkan fungsi kerugian kuadratik sebagai berikut: ( n i= yi E(ˆθ s =E, n + d ( E(ˆθ s = E. ( n + d i= y i 5
6 Dengan mensubtitusikan persamaan (6 ke persamaan ( diperoleh E(ˆθ s = nθ (n + d. (3 Dari persamaan (3, diketahui bahwa ˆθ s merupakan penaksir bias untuk d. Selanjutnya ditentukan sifat penaksir Bayes berdasarkan fungsi kerugian entropi. ( n i= yi E(ˆθ e = E, n + d ( E(ˆθ e = E n + d i= y i. (4 Dengan mensubtitusikan persamaan (6 ke persamaan (4 diperoleh E(ˆθ e = nθ (n + d. (5 Dari persamaan (5, diketahui bahwa ˆθ e merupakan penaksir bias untuk d. 5. MSE PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL Untuk mendapatkan MSE penaksir Bayes berdasarkan fungsi kerugian kuadratik, terlebih dahulu perlu diketahui bias dari ˆθ s yang dinotasikan dengan b( ˆθ s yaitu b( ˆθ ( dθ s = n + d. (6 Dengan menggunakan persamaan (7 dan persamaan (6 diperoleh M SE (ˆθs sebagai berikut: MSE(ˆθ s = = = (n + d (n + d Var( y i= i i= + ( d θ (n + d, (θ + ( d θ (n + d, nθ (n + d + ( d θ (n + d, MSE(ˆθ s = (n + ( d θ (n + d. Selanjutnya untuk mendapatkan MSE penaksir Bayes berdasarkan fungsi kerugian entropi perlu diketahui bias dari ˆθe yang dinotasikan dengan 6
7 b (ˆθe sebagai berikut: b( ˆθ ( dθ e = n + d. (7 Dengan menggunakan persamaan (7 dan persamaan (7 diperoleh M SE (ˆθe sebagai berikut: MSE(ˆθ e = = = (n + d (n + d Var( y i= i i= + ( d θ (n + d, (θ + ( d θ (n + d, nθ (n + d + ( d θ (n + d, MSE(ˆθ e = (n + ( d θ (n + d. Kriteria penaksir yang efisien dari beberapa penaksir bias adalah yang memiliki MSE minimum. Apabila ˆθ e relatif efisien daripada ˆθ s, maka (n + ( d θ (n + d < (n + ( d θ (n + d, (8 dari pertaksamaan (8 diperoleh pertaksamaan kuadrat dalam bentuk d yaitu d + (n 8d + ( 5n + 7 < 0, (9 karena d > 0, maka himpunan penyelesaian yang memenuhi pertaksamaan (9 adalah 0 < d < (4 n + n + n +. (0 dengan n, KESIMPULAN Berdasarkan pembahasan yang telah dikemukakan sebelumnya, dapat disimpulkan bahwa penaksir parameter distribusi invers Maxwell ukuran bias sampel dengan metode Bayes berdasarkan fungsi kerugian kuadratik dan fungsi kerugian entropi bersifat bias. Faktor yang mempengaruhi efisiensi relatif dari kedua penaksir adalah ukuran sampel dan nilai d yang merupakan parameter prior. Penaksir Bayes berdasarkan fungsi kerugian entropi lebih efisien dari penaksir Bayes berdasarkan fungsi kerugian kuadratik jika nilai d memenuhi himpunan penyelesaian pada pertaksamaan (0. 7
8 DAFTAR PUSTAKA [] O. Akman, J. Gamage, J. Jannot, S. Juliano, A. Thurman dan D. Whitman, A simple test for detection of length biased sampling, Journal of Biostatistics, (007, [] L. J. Bain dan M. Engelhardt, Introduction to Probability and Mathematical Statistics, Second Edition, Duxbury Press, New York, 99. [3] G. E. P. Box dan G. C. Tiao, Bayesian Inference in Statistical Analysis, Addisonn-Wesley Publishing Company, California, 973. [4] I. K. Fayyadh, H. A. R. Hassan, M. A. Eleiwi dan F. L. Rashid Determination of the Maxwell-Boltzmann distribution probability for different gas mixtures, Engineering and Technology Journal, 3 (04, [5] D. A. Lind, R. D. Mason dan W. G. Marchal, Basic Statistics for Business and Economics, Internasional Edition, The McGraw-Hill Higher Education, Singapore, 000. [6] H. Pandey dan A. K. Rao, Bayesian estimation of the shape parameter of a generalized pareto distribution under assimetric loss function, Hacettepe Journal of Mathematics and Statistics, 3 (009, [7] G. P. Patil, Weighted distributions, Encyclopedia of Environmetrics, 4 (00, [8] K. M. Ramachandran dan C. P. Tsokos, Mathematical Statistics with Applications, Elsevier Academic Press, San Diego, 009. [9] G. Roussas, Introduction to Probability and Statistical Inference,Elsevier Science, San Diego, 003. [0] K. L. Singh dan R. S. Srivastava, Bayesian estimation of parameter of invers Maxwell distribution via size-biased sampling, International Journal of Science and Research, 3 (04a, [] K. L. Singh dan R. S. Srivastava, Invers Maxwell distribution as survival model, genesis, and parameter estimation, Research Journal of Mathematical and Statistical Sciences, (04b, 3 8. [] R. E. Walpole, R. H. Myers, S. L. Myers dan K. Ye, Probability and Statistics for Engineer and Scientists, Ninth Edition, Pearson Education, New York, 0. 8
PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT
PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG Agustinus Simanjuntak Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya Pekanbaru
Lebih terperinciPENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA
PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA Erpan Gusnawan 1, Arisman Adnan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Estimasi Titik dengan Metode Bayes Statistika FMIPA Universitas Islam Indonesia Dalam pendekatan klasik, parameter θ adalah besaran tetap yang tidak diketahui Sampel random X 1, X 2,..., X n diambil
Lebih terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Estimasi Titik dengan Metode Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia May 9, 2017 atinaahdika.com Dalam pendekatan klasik, parameter
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciBAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA
BAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA 2.1 Estimasi Bayes Definisi 1 Estimasi Bayes yang paling mungkin dari suatu nilai kebenaran θ 0 yang tidak diketahui pada parameter θ adalah nila ˆθ yang meminimumkan
Lebih terperinciESTIMASI 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 terperinciESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN
ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF Dina Ariek Prasdika, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika Fakultas Matematika
Lebih terperinciCADANGAN ASURANSI PENDIDIKAN MENGGUNAKAN DISTRIBUSI PARETO DENGAN TINGKAT BUNGA VASICEK. Reinhard Sianipar 1, Hasriati 2 ABSTRACT
CADANGAN ASURANSI PENDIDIKAN MENGGUNAKAN DISTRIBUSI PARETO DENGAN TINGKAT BUNGA VASICEK Reinhard Sianipar, Hasriati 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika Jurusan Matematika
Lebih terperinciPENAKSIR 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 terperinciESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II Roudlotin Ni mah,
Lebih terperinciPengantar Statistika Matematika II
Bab 4: Metode Evaluasi Estimator Statistika FMIPA Universitas Islam Indonesia Penggunaan metode estimasi yang berbeda dapat menghasilkan estimator yang sama maupun berbeda Dari hasil estimator yang berbeda,
Lebih terperinciOLEH : 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 terperinciPENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E
PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI Oleh : Pramita Elfa Diana Santi JE 005 40 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Estimasi minimax adalah suatu upgrade pendekatan non-klasik (upgraded non-classical approach) dalam bidang estimasi inferensi statistik yang diperkenalkan oleh Abraham
Lebih terperinciINFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI
INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada
Lebih terperinciKONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA
Jurnal Matematika UNAND Vol. No. 4 Hal. 9 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA MARNISYAH ANAS Program Studi Magister Matematika, Fakultas
Lebih terperinciESTIMASI 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 terperinciPENAKSIR UNTUK RASIO POPULASI DENGAN VARIABEL BANTU YANG DITRANSFORMASI PADA METODE PASCA STRATIFIKASI ABSTRACT
PEAKSIR UTUK RASIO POPULASI DEGA VARIABEL BATU YAG DITRASFORMASI PADA METODE PASCA STRATIFIKASI Marthel Lock, Arisman Adnan 2, Haposan Sirait 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika
Lebih terperinciESTIMASI 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 terperinciMENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES
MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES Hartayuni Saini 1 1 Jurusan Matematika, FMIPA-UNTAD. e-mail: yunh3_chendist@yahoo.co.id Abstrak Untuk menaksir nilai µ dari N(µ, ) umumnya digunakan
Lebih terperinciBAB 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 terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Distribusi Sampling Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com Bila sampling berasal dari populasi yang
Lebih terperinciBAB 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 terperinciTeorema Newman Pearson
pengujian terbaik Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika October 6, 2014 Outline 1 Review 2 Uji dua sisi untuk mean 3 Teorema Neyman-Pearson Back Outline 1 Review 2 Uji dua sisi untuk
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciPenentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson
Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya
Lebih terperinciPEMILIHAN KOEFISIEN TERBAIK KUADRATUR KUADRAT TERKECIL DUA TITIK DAN TIGA TITIK. Nurul Ain Farhana 1, Imran M. 2 ABSTRACT
PEMILIHAN KOEFISIEN TERBAIK KUADRATUR KUADRAT TERKECIL DUA TITIK DAN TIGA TITIK Nurul Ain Farhana, Imran M Mahasiswa Program Studi S Matematika Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI
ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI Megawati 1, Anisa 2, Raupong. 3 Abstrak Regresi kuadrat terkecil berdasarkan plot peluang,
Lebih terperinciALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL
ALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL 1) Program Studi Matematika Universitas Ahmad Dahlan dian@math.uad.ac.id
Lebih terperinciCADANGAN PREMI TAHUNAN ASURANSI KESEHATAN MENGGUNAKAN DISTRIBUSI BURR. Hendri Arriko 1, Hasriati 2 ABSTRACT
CADANGAN PREMI TAHUNAN ASURANSI KESEHATAN MENGGUNAKAN DISTRIBUSI BURR Hendri Arriko 1, Hasriati 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Jurusan Matematika Fakultas Matematika
Lebih terperinciKONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 22 27 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF NUR ADE YANI Program Studi Magister Matematika, Fakultas Matematika
Lebih terperinciPengantar 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 terperinciDeteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Dwiningrum Prihastiwi, Dadang Juandi, Nar Herrhyanto
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciKARAKTERISTIK DISTRIBUSI KELUARGA TRANSFORMASI KHI-KUADRAT. Oleh : Entit Puspita. Dosen Jurusan pendidikan Matematika
KARAKTERISTIK DISTRIBUSI KELUARGA TRANSFORMASI KHI-KUADRAT Oleh : Entit Puspita Dosen Jurusan pendidikan Matematika FPMIPA Universitas Pendidikan Indonesia Abstrak Dalam Keluarga eksponensial satu parameter
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Inferensi adalah adalah suatu proses untuk menghasilkan informasi dari fakta yang diketahui. Inferensi juga dikatakan suatu konklusi logis atau implikasi berdasarkan
Lebih terperinciBAB 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 terperinciPEMODELAN BAYESIAN KONSUMSI RUMAH TANGGA AGREGAT MENGGUNAKAN PRIOR ZELLNER. Muhammad Fajar Staf BPS Kabupaten Waropen. Abstrak
PEMODELAN BAYESIAN KONSUMSI RUMAH TANGGA AGREGAT MENGGUNAKAN PRIOR ZELLNER Muhammad Fajar Staf BPS Kabupaten Waropen Abstrak Dalam perkembangan statistika terdapat dua pandangan terhadap parameter, yaitu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok
Lebih terperinciM-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG
M-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG Anita Andriani Universitas Hasyim Asy ari Tebuireng, Jombang anita.unhasy@gmail.com Abstrak Asuransi kendaraan bermotor
Lebih terperinciEstimasi 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menyelidiki pola hubungan fungsional antara variabel prediktor dan variabel respon
Lebih terperinciUJI 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 terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 209-218 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract
Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa
Lebih terperinciAlgoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture
Vol. 4, No., Oktober 04 Algoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture Tomy Angga Kusuma ), Suparman ) ) Program Studi Matematika FMIPA UAD ) Program Studi Pend. Matematika UAD
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinci4. Mahasiswa mampu melakukan estimasi parameter, melakukan uji hipotesis statistic serta estimasi interval. Diskripsi Singkat MK
INSTITUT TEKNOLOGI KALIMANTAN JURUSAN MATEMATIKA DAN TEKNOLOGI INFORMASI PROGRAM STUDI MATEMATIKA RENCANA PEMBELAJARAN MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan Matematika Statistika
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS 1. PENDAHULUAN
ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS Firda Amalia, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA Abstrak.
Lebih terperinciINDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL
J. Math. and Its Appl. ISSN: 1829-605X Vol. 7, No. 2, November 2010, 47 55 INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL Laksmi P Wardhani 1, Resty Z Fahrida, Nur
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM INFERENSI PARAMETER POPULASI SERAGAM
PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM INFERENSI PARAMETER POPULASI SERAGAM Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-6
Lebih terperinciBAB 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 terperinciAzzakiy Fiddarain ABSTRACT
IDENTIFIKASI TITIK HIGH LEVERAGE PADA MODEL REGRESI LOGISTIK DENGAN METODE ROBUST LOGISTIC DIAGNOSTIC Azzakiy Fiddarain Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciPerbandingan 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciMODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 128 133 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE
Lebih terperinciLANDASAN 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 terperinciCatatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Daftar Isi
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penaksiran Besar Klaim Optimal Menggunakan Metode Linear Empirical Bayesian yang Diaplikasikan untuk Perhitungan Premi Asuransi Kendaraan Bermotor di Indonesia 1 Hilda
Lebih terperinciPengantar Statistika Matematika II
Bab 1: a FMIPA Universitas Islam Indonesia Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik dari sampel Akan dibahas konsep statistik dan distribusi sampling Parameter Misalkan
Lebih terperinciMA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Daftar Isi
Lebih terperinciAPLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP.
APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP Abstraks Diberikan populasi dengan densitas dengan parameter,
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
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 terperinciFakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia. ABSTRACT ABSTRAK
PEHITUNGAN VALUE AT ISK PADA POTOFOLIO SAHAM DENGAN METODE VAIANSI-KOVAIANSI Novita Theresia Siagian 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK
ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika
Lebih terperinciDISTRIBUSI STASIONER RANTAI MARKOV UNTUK PREDIKSI CURAH HUJAN DI WILAYAH JAWA BARAT
DISTRIBUSI STASIONER RANTAI MARKOV UNTUK PREDIKSI CURAH HUJAN DI WILAYAH JAWA BARAT Firdaniza, Nurul Gusriani, Emah Suryamah Departemen Matematika Universitas Padjadjaran firdaniza@unpad.ac.id Abstrak:
Lebih terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinciANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH
Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 53 60 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciSTATISTIKA MATEMATIKA
STATISTIKA MATEMATIKA Penulis: Prof. Subanar, Ph.D Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau
Lebih terperinciPENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE
Vol. 12, No. 1, 9-18, Juli 2015 PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Raupong, M. Saleh AF, Hasruni Satya Taruma Abstrak Penaksiran rataan dan variansi
Lebih terperinciKAJIAN RELIABILITAS DAN AVAILABILITAS PADA SISTEM KOMPONEN PARALEL. Riana Ayu Andam P. 1, Sudarno 2, Suparti 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 243-252 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN RELIABILITAS DAN AVAILABILITAS PADA SISTEM KOMPONEN PARALEL
Lebih terperinciII. 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 terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI RAYLEIGH TUNGGAL DAN DISTRIBUSI RAYLEIGH DUA CAMPURAN TUGAS AKHIR. Oleh : ISMA NETI
ESTIMASI PARAMETER DISTRIBUSI RAYLEIGH TUNGGAL DAN DISTRIBUSI RAYLEIGH DUA CAMPURAN TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh : ISMA
Lebih terperinciINFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl
Lebih terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciMenampilkan Penaksir Parameter pada Model Linear * Mulyana **
Menampilkan Penaksir Parameter pada Model Linear * Abstrak Pada model linear Mulyana ** Y = X + ε, jika penaksir untuk, maka dua peran. Yaitu sebagai penaksir faktual, hitung, X memiliki Y = X, dan penaksir
Lebih terperinciPERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 139 146 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL
Lebih terperinciTaksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area
Taksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area Yudistira 1, Titin Siswantining 2 1. Departemen Matematika, FMIPA, Universitas Indonesia,
Lebih terperinciMA3081 STATISTIKA MATEMATIKA We love Statistics
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak
Lebih terperinciESTIMASI 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 terperinciPenaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Bayes
Penaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Baes Sisca Agnessia Departemen Matematika, FMIPA UI, Kampus UI Depok 6 sisca.agnessia@ahoo.com Abstrak Dalam
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciPengantar Statistika Matematika II
Pengantar a Matematika II Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com t F Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik
Lebih terperinciKAJIAN SIFAT DISTRIBUSI NORMAL BIVARIAT
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 127 132. KAJIAN SIFAT DISTRIBUSI NORMAL BIVARIAT Turyadi, Muhlasah Novitasari Mara, Dadan Kusnandar INTISARI Distribusi
Lebih terperinci