(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES
|
|
- Harjanti Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug Idoesia Jurusa Statistika FMIPA Uiversitas Padadara Badug Idoesia dzulhaif@yahoo.om yadi@bdg.etri.et.id Metode Mote Carlo adalah algoritma komutasi utuk mesimulasika berbagai erilaku sistem fisika matematika da statistika. Pegguaa klasik metode ii adalah utuk megevaluasi itegral defiit terutama itegral multidimesi dega syarat da batasa yag rumit yag dikeal sebagai metoda itegral Mote Carlo. Pada makalah ii aka diteliti egguaa metoda Cotrol Variates utuk mereduksi varias dari roses evaluasi itegral Mote Carlo Kata kui : Itegral Mote Carlo Cotrol Variates. Pedahulua Pegguaa simulasi serig utuk megevaluasi itegral yag dikeal dega itegral Mote Carlo salah satu otoh egguaaya dalah utuk meghitug ilai haraa dari suatu variable aak : E X xf x dx. Maaeme Risiko di Bidag Perbaka da Asurasi 0
2 Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 Dalam bayak kasus terdaat kesukara dalam meghitug ilai haraa seara aalitis dari suatu variabel aak X. Oleh karea aka diambil samel aak berukura x x K x dari distribusi X da megguaka samel ii utuk memerkiraka ilai ratarata dari X : E X x i i Argume ii dega mudah daat geeralisasi. Misalka utuk meghitug ilai haraa dari beberaa fugsi dari X katakalah φ. Kemudia 3 θ φ x f x dx da θ E φ X meruaka ilai haraa variable aak φ X dega fugsi desitas f x. Kemudia ika diambil samel x x K x dari distribusi X kita medaati bahwa 4 θ φ x i i θ meruaka taksira takbias utuk θ. Proses ii ersis sama dega meghitug ilai haraa dari rata-rata samel utuk memerkiraka ilai rata-rata teoritisya. Pedekata ii sagat mudah diguaka bahka utuk distribusi multidimesi. Namu metoda ii memiliki sisi egatifya yaitu ilai varias yag besar dari estimator Pada makalah ii aka dikemukaka metoda eguraga varias dalam simulasi yag dikeal sebagai metoda Cotrol Variates utuk mereduksi varias dari estimator θ. θ. Maaeme Risiko di Bidag Perbaka da Asurasi
3 Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00. Metode Cotrol Variates Adaika dalam ilai θ E dimaa h da meruaka outut dari suatu exerime simulasi. Adaika uga terdaat variabel yag uga meruaka outut dari suatu exerime simulasi da diasumsika ilai E daat dieroleh dega mudah da eaksir tak bias utuk θ adalah :. θ. θ + E dimaa meruaka sebuah bilaga real sehigga E θ θ da memiliki ilai varias Varθ adalah : Var θ Var + Var + Cov 5 diharaka ilai Varθ miimum dega memilih ilai tertetu dega megguaka kalkulus didaat ilai adalah : 6 Cov Var Subsitusi ilai kedalam ersamaa didaat: Cov Var θ Var Var 7 Dari ersamaa 3 daat dilihat bahwa ilai Varθ aka tereduksi ika ilai Cov 0 dalam hal ii variabel adalah otrol variate. Modifikasi algoritma simulasi yag aka dilakuka adalah dega memasuka variabel dalam ersamaa sbb: Maaeme Risiko di Bidag Perbaka da Asurasi
4 Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 Maaeme Risiko di Bidag Perbaka da Asurasi 3 E i i i + θ 8 Sedagka ilai Cov ditaksir melalui simulasi awal sbb: E Cov 9 E Var 0 Sehigga didaat Var Cov Seara legka algoritma metode otrol variates disaika sbb: 3. Desai Simulasi
5 Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 Utuk megetahui erformasi ilai taksira dega megguaka algoritma Metode Cotrol Variates aka ditaksir ilai taksira dari ilai eksektasi U+ W θ E e dega rosedur simulasi sbb:. Bagkitka 000 samel IID U0 utuk masig-masig ilai U...U da W...W. Hitug ilai fugsi U + W U + W e... e da U + W U + W Hitug ilai Cov Var 4. Ulagi lagkah da da hitug ilai V + E 5. Hitug E V U+ W Tabel Nilai Taksira θ E e Metoda Rata-rata Varias Cotrol Variates No Cotrol Variates Kesimula da Sara Itegral Mote Carlo dega metode Cotrol Variates meruaka salah satu alteratif yag daat diilih utuk meari ilai hamira dari itegral tetu. Ada beberaa keutuga dari metoda ii: Maaeme Risiko di Bidag Perbaka da Asurasi 4
6 Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00. Perhituga dega metoda ii relatif mudah. Daat diguaka utuk meari hamira itegral tetu yag iterval egitegralaya berua iterval yag aagya tak berhigga. 3. Daat diguaka utuk meari hamira dari itegral tetu dari fugsi lebih dari satu eubah. 4. Nilai hamira yag dieroleh relatif uku baik asal diilih yag uku besar Daftar Pustaka Edwi J.Purell Calkulus ad Aalyti Geometri 7th ed.pretie Hall. Hogg R.V. ad Craig Itrodutio to Mathematial Statistis5th ed.. Mamilla. Ross Shelldo.M SimulatioHarourt Aademi Press 997. Maaeme Risiko di Bidag Perbaka da Asurasi 5
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciPROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n
PROSS INFRNSI PADA MODL LOGIT Oleh: Agus Rusgiyoo Program Studi Statistika FMIPA UNDIP Abstracts Let { 3 L } rereset the resose o a omial radom variable o Beroulli distributio with P[ ] P[ ] where is a
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciJurnal Ilmiah Matematika dan Terapan, vol.7, no. 1, Mei 2010, hal PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL
Jural Ilmiah Matematika da Teraa, vol.7, o., Mei 0, hal. -7. Abstrak PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lilis Laome ) ) Jurusa Matematika FMIPA Uiversitas Haluoleo
Lebih terperinciStatistika Matematika. Soal dan Pembahasan. M. Samy Baladram
Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T
Lebih terperinciBAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak.
BAB III METODOLOGI 3.. ALUR PROGRAM (FLOW CHART) Seerti telah dijelaska sebelumya, bahwa tujua dari eelitia ii adalah utuk megaalisis suatu kasus stabilitas lereg. Aalisis stabilitas lereg tergatug ada
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciLIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n
LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciModel Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika
Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid
Lebih terperinciBARISAN TAK HINGGA DAN DERET TAK HINGGA
BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi
Lebih terperinciStatistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:
Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH
BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciFungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya
TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciTaksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution
Prosidig Statistika ISSN: 460-6456 Taksira Iterval bagi Rata-rata Parameter Distribusi Poisso Iterval Estimate for The Average of Parameter Poisso Distributio 1 Putri Aggita Nuraei, Teti Sofia Yati, 3
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciKETAKSAMAAN TIPE LEMAH UNTUK OPERATOR MAKSIMAL DI RUANG MORREY TAK HOMOGEN YANG DIPERUMUM
JMP : Volume 4 Nomor 2, Desember 2012, hal. 265-270 KETAKSAMAAN TIPE LEMAH UNTUK OPERATOR MAKSIMAL DI RUANG MORREY TAK HOMOGEN YANG DIPERUMUM Sri Maryai Uiversitas Jederal Soedirma sri.maryai@usoed.ac.id
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciMINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA
MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciPENDUGA SELANG KEPERCAYAAN NILAI TENGAH DENGAN PENDEKATAN KLASIK, BAYES, DAN BOOTSTRAP *
PENDUGA SELANG KEPERCAYAAN NILAI TENGAH DENGAN PENDEKATAN KLASIK, BAYES, DAN BOOTSTRAP Adji Achmad Rialdo Ferades, SSi, MSc ABSTRAK Pada suatu peelitia, terkadag diamati karakteristik dari sebuah populasi
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 6 No.1 Juni 2012: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC
Jural Matematika Muri da Teraa Vol. 6 No.1 Jui 01: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC Muhammad Ahsar Karim 1 Faisal Yui Yulida 3 [1,,3] PS Matematika FMIPA Uiversitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas
Lebih terperinciHimpunan/Selang Kekonvergenan
oki eswa (fmipa-itb) Deret Pagkat Kita aka mempelajari beberapa tehik utuk meyajika suatu fugsi f (x) dalam betuk deret pagkat (power series), yaitu meetuka derat pagkat c (x a) sehigga f (x) = c (x a)
Lebih terperinciBUKTI ALTERNATIF KONVERGENSI DERET PELL DAN PELL-LUCAS (ALTERNATIVE PROOF THE CONVERGENCE OF PELL AND PELL-LUCAS SERIES)
rosidig Semirata2015 bidag MIA BKS-TN Barat Uiversitas Tajugpura otiaak BUKTI ALTERNATIF KONVERGENSI DERET ELL DAN ELL-LUCAS (ALTERNATIVE ROOF THE CONVERGENCE OF ELL AND ELL-LUCAS SERIES) Baki Swita 1
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciHendra Gunawan. 12 Februari 2014
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg
Lebih terperinciBARISAN DAN DERET. Nurdinintya Athari (NDT)
BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga
Lebih terperinciFAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Prosidig Semiar Nasioal Matematika da Pidika Matematika (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Matematika Terapa, hal. 1-5 FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciPENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI
PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI Nadya Zulfa Negsih, Bustami Mahasiswa Program Studi S Matematika Dose Jurusa Matematika
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta
BAB II LANDASAN TEORI Pada bab ii aka dibahas megeai defiisi suatu rig serta beberaa sifat yag dierluka dalam embahasa oliomial ermutasi Pejelasa megeai rig dimulai dega defiisi dari suatu sistem matematika
Lebih terperinciBAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA
BAB VI BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { },,,,, adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila,,,..,
Lebih terperinciPERBANDINGAN MEKANISME DATA HILANG PADA MODEL NORMAL
S-4 PERBANDINGAN MEKANISME DATA HILANG PADA MODEL NORMAL Zulhaif, 2 Yadi Supradi Departmet of of Statistics, FMIPA Uiversitas Padjadjara, Badug, Idoesia 2 Departmet of Statistics, FMIPA Uiversitas Padjadjara,
Lebih terperinciBab IV. Penderetan Fungsi Kompleks
Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara
Lebih terperinciSupriyadi Wibowo Jurusan Matematika F MIPA UNS
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA akultas MIPA, Uiversitas Negeri Yogyakarta, 16 Mei 29 HUBUNGAN ANTARA ORDER DERIVATI- DARI UNGSI f : DENGAN DIMENSI-γ DARI HIMPUNAN RAKTAL Supriyadi
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciUKURAN TENDENSI SENTRAL
BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciStatistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.
Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu
Lebih terperinciStatistika Deskriptif Ukuran Pemusatan dan Ukuran Penyebaran
Statistika Deskriptif Ukura Pemusata da Ukura Peyebara Ukura Pemusata Data Rata-rata Hitug Rata-rata hitug data tuggal: = x 1 + x 2 + x 3 + + x atau =. (1 : rata-rata hitug data tuggal (baca x-bar : bayakya
Lebih terperinciAn = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3
BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a
Lebih terperinciPENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p
PENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p Sekar Sukma Asmara 1, Adi Setiawa 2, Tudjug Mahatma 3 1 Mahasiswa Program Studi Matematika Fakultas Sais da Matematika Uiversitas
Lebih terperinciAn = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3
SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciBAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n)
BAB IV ERSAMAAN TINGKAT SATU DERAJAT TI NGGI 1- Stadar Kometesi Setelah memelajari okok bahasa ii diharaka mahasiswa daat memahami ara-ara meetuka selesaia umum ersamaa dieresial tigkat satu derajat tiggi.
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciterurut dari bilangan bulat, misalnya (7,2) (notasi lain 2
Bab Bilaga kompleks BAB BILANGAN KOMPLEKS Defiisi Bilaga Kompleks Sebelum medefiisika bilaga kompleks, pembaca diigatka kembali pada permasalah dalam sistem bilaga yag telah dikeal sebelumya Yag pertama
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE
2 ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE Sri Purwati 1, Johaes Kho 2, Aziskha 2 1 Mahasiswa Program S1 Matematika FMIPA Uiversitas Riau email : srii_purwatii@yahoo.co.id
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinciMETODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT
METODE NUMERIK TKM4104 Kuliah ke- DERET TAYLOR DAN ANALISIS GALAT DERET TAYLOR o Deret Taylor adalah alat yag utama utuk meuruka suatu metode umerik. o Deret Taylor bergua utuk meghampiri ugsi ke dalam
Lebih terperinciPENYAJIAN ISI DAFTAR MATEMATIKA SEBAGAI NILAI FUNGSI POLINOM
PENYAJIAN ISI DAFTAR MATEMATIKA SEBAGAI NILAI FUNGSI POLINOM PENDAHULUAN Abdul Hamid ) Email: abdulhamid@yahooom FKIP Uiversitas Tadulako Dalam pelajara matematika maupu terapaya, telah dikeal dua ara
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciHendra Gunawan. 14 Februari 2014
MA20 MATEMATIKA 2A Hedra Guawa Semester II, 203/204 4 Februari 204 Sasara Kuliah Hari Ii 9. Barisa Tak Terhigga Memeriksa kekovergea suatu barisa da, bila mugki, meghitug limitya 9.2 Deret Tak Terhigga
Lebih terperinciTUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.
TUGAS ANALISIS REAL LANJUT NOVEMBER 207 () (a) Jika b > 0, B > 0, da a b < A, buktika ab < ba. Kemudia buktika B a b < a + A b + B < A B. (b) Buktika [ 2 (a + b)] 2 2 (a2 + b 2 ). Kemudia tujukka bahwa
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciHazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand
TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JRA TEKIK OITS Vol. o. -6 Aalisis eta Kedali megguaka Kualitas Fuzzy ada ergesera ilai Rata-Rata da iasi dari Suatu roses Rollita utri Karei I G Rai sadha aksmi rita Wardhai Jurusa atematika Fakultas IA
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciPERSAMAAN DIFERENSIAL
PERSAMAAN DIFERENSIAL A. Persamaa Diferesial Liier Tigkat Satu Betuk umum ersamaa diferesial liier tigkat satu adalah sebagai berikut: P( ) y Q( ) d atau y P( ) y Q( ) Rumus eyelesaia umum utuk ersamaa
Lebih terperinciDistribusi Sampling (Distribusi Penarikan Sampel)
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciBAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F
BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka
Lebih terperinciBab 8 Teknik Pengintegralan
Catata Kuliah MA3 Kalkulus Elemeter II Oki Neswa,Ph.D., Departeme Matematika-ITB Bab 8 Tekik Pegitegrala Metoda Substitusi Itegral Fugsi Trigoometrik Substitusi Merasioalka Itegral Parsial Itegral Fugsi
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciGambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i
INTEGAL LIPAT. Itegral Lipat Dua dalam Koordiat Kartesius Pada bagia ii, dipelajari itegral lipat dua dalam. Misalka diketahui dua iterval tertutup [a, b] da [c, d]. Hasil kali kartesius dari kedua iterval
Lebih terperinciKALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN
KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciDERET TAK HINGGA (INFITITE SERIES)
MATEMATIKA II DERET TAK HINGGA (INFITITE SERIES) sugegpb.lecture.ub.ac.id aada.lecture.ub.ac.id BARISAN Barisa merupaka kumpula suatu bilaga (atau betuk aljabar) yag disusu sehigga membetuk suku-suku yag
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinci