LAPORAN HASIL PENELITIAN
|
|
- Deddy Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 LAPORAN HASIL PENELITIAN VISUALISASI PEMBELAJARAN RANTAI MARKOV DENGAN MEMANFAATKAN FUNGSI MATLAB DAN PAKET R markovchain DALAM PENGANTAR PROSES STOKASTIK Disusun oleh: Maria Titah Jatipaningrum E DIBIAYAI DARI DANA BANTUAN PENELITIAN TAHUN ANGGARAN 2014 Nomor Kontrak : 29/SPP/LPPM/PL/IV/2014 INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA JURUSAN MATEMATIKA FAKULTAS SAINS TERAPAN INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA 2014
2
3 KATA PENGANTAR Pada tempat pertama sungguh layak dan sepantasnya penulis ucapkan syukur pada Sang Alfa dan Omega dari suatu semesta tak terdefinisi yang selalu bersemayam dalam semangat dan setia memberikan Roh Pengetahuan selama perjalanan hidup. Dalam perjalanan waktu yang kompetitif penulis dapat menemukan titik-titik krusial untuk menyelesaikan penelitian dengan judul: Visualisasi pembelajaran rantai Markov dengan memanfaatkan fungsi Matlab dan paket R markovchain dalam pengantar proses stokastik. Penelitian ini merupakan penelitian pertama yang dibiayai dari dana bantuan penelitian Institut Sains & Teknologi Akprind Yogyakarta tahun anggaran 2014 nomor kontrak : 29/SPP/LPPM/PL/IV/2014. Penulis menyadari berada dalam semesta pengetahuan yang maha luas, mengimplikasikan bahwa penelitian ini membutuhkan kritik dan saran untuk penyempurnaan pada tahap selanjutnya. Pada kesempatan yang baik ini, penulis menyampaikan terima kasih dan apresiasi kepada semua pihak yang telah membantu menyelesaikan penelitian terutama: 1. Bapak Hadi Prasetyo Suseno, ST., M.Si sebagai dekan Fakultas Sains Terapan Institut Sains & Teknologi Akprind Yogyakarta. 2. Ibu Dra. Noeryanti, M.Si sebagai Ketua Jurusan Matematika 3. Bapak Ir. Prastyono Eko Pambudi, M.T sebagai Ketua Ketua Lembaga Penelitian dan Pengabdian Masyarakat Institut Sains & Teknologi Akprind Yogyakarta. 4. Seluruh staf pengajar Jurusan Matematika yang telah menambah semesta pengetahuan sebagai pendukung dalam penyelesaian penelitian. 5. Staf administrasi Fakultas Sains Terapan. Yogyakarta, 12 September 2014 Peneliti (Maria Titah Jatipaningrum) iii
4 DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii KATA PENGANTAR... iii DAFTAR ISI... iv INTISARI... v BAB I. PENDAHULUAN Latar Belakang dan Permasalahan Tujuan Penelitian Tujuan khusus Tujuan umum Perumusan Masalah Sistematika Penulisan... 3 BAB II. TINJAUAN PUSTAKA... 5 BAB III. LANDASAN TEORI Peluang Rantai Markov... 7 BAB IV. METODOLOGI PENELITIAN Prosedur pada program Matlab Prosedur pada program R BAB V. HASIL PENELITIAN Permasalahan dan solusi program Matlab Perbandingan program Matlab dan program R Pembahasan program R BAB VI. KESIMPULAN Kesimpulan DAFTAR PUSTAKA iv
5 INTISARI VISUALISASI PEMBELAJARAN RANTAI MARKOV DENGAN MEMANFAATKAN FUNGSI MATLAB DAN PAKET R markovchain DALAM PENGANTAR PROSES STOKASTIK oleh Maria Titah Jatipaningrum E Rantai Markov adalah salah satu teori dalam ilmu probabilitas dan implementasinya digunakan dalam berbagai bidang. Keunggulan penyelesaian menggunakan program R package markovchain dapat mengeplot grafik dengan menggunakan fungsi plotmc. Pada penelitian ini, telah dilakukan visualisasi rantai Markov waktu diskret dengan menggunakan program Matlab dan program R. Alasan penggunaan program tersebut, untuk memudahkan mahasiswa dalam mempelajari rantai Markov waktu diskret dengan lebih mudah. v
6 VISUALISASI PEMBELAJARAN RANTAI MARKOV DENGAN MEMANFAATKAN FUNGSI MATLAB DAN PAKET R markovchain DALAM PENGANTAR PROSES STOKASTIK BAB I PENDAHULUAN 1.1. Latar belakang dan permasalahan Rantai Markov adalah salah satu teori dalam ilmu probabilitas. Banyak sekali hal yang berkaitan dengan teori ini. Baik secara langsung maupun tidak langsung. Implementasinya sering digunakan dalam berbagai bidang di sekitar kita. Beberapa aplikasinya banyak ditemukan dalam bidang perindustrian, perdagangan, perekonomian, periklanan, dan masih banyak lagi. Bahkan permainan pun bisa menggunakan teori ini. Khususnya untuk melihat kemungkinan saat seorang pemain mendapatkan giliran untuk bermain. Contoh yang paling mudah adalah dalam permainan ular tangga. Ada juga contoh lain tentang aplikasi teori ini di dalam bidang sistem dan teknologi informasi, yaitu di dalam jaringan internet. Namun, Rantai Markov sangat jarang dibahas secara khusus dalam buku probabilitas yang umumnya digunakan sebagai bahan kuliah. Untuk itu dalam penelitian ini akan dibahas secara mendetail mengenai teori ini. Di dalam penelitian ini juga akan coba dijelaskan dengan bahasa sederhana mengenai aplikasi teori Rantai Markov yang erat kaitannya dalam kehidupan kita sehari-hari. Probabilitas dapat diartikan sebagai peluang atau kemungkinan munculnya suatu kejadian secara acak. Dalam kehidupan kita sehari-hari banyak sekali hal yang berkaitan dengan probabilitas ini. Hal-hal sederhana yang ada di sekitar kita ini biasanya tidak kita sadari bahwa itu merupakan bagian dari ilmu probabilitas. Misalnya saja saat bermain kartu remi, memilih barang yang akan dibeli, dan masih banyak lagi. Meskipun begitu, tentu saja masalah probabilitas ini sudah dikenal saat di bangku sekolah. Bahkan sampai kuliah pun ada materi tentang probabilitas ini. Namun, tidak semua materi mengenai probabilitas ini dipelajari. Salah satunya adalah mengenai teori Rantai 1
7 Markov. Walaupun bukan merupakan suatu bahan pelajaran di kelas, namun aplikasi dari Rantai Markov ini sebenarnya banyak sekali. Dan semuanya hal-hal sederhana yang ada di sekitar kita. Proses stokastik untuk memodelkan hubungan dinamik antara kejadian random dalam berbagai bidang ilmu seperti engineering, natural dan social science. Mata kuliah ini mempelajari struktur matematik yang dipergunakan untuk memodelkan evolusi dari suatu sistem yang memuat ketidakpastian. Materi kuliah ini meliputi : Pengantar proses stokastik, Rantai Markov dengan parameter diskrit, Proses Poisson, Rantai Markov dengan parameter kontinu, Renewal process. Mata kuliah ini diharapkan dapat memperkenalkan beberapa proses stokastik klasik dan kelakuannya setelah proses berjalan lama. Mahasiswa diharapkan setelah mengambil mata kuliah ini dapat membedakan variabel stokastik dan variabel deterministik dari suatu proses, menentukan ruang parameter dan ruang keadaan dari suatu proses, mengambil keputusan, terutama dalam masalah matematika keuangan, asuransi, masalah inventori, evaluasi performa dari jaringan komputer, evaluasi performa dari sistem telekomunikasi, dan teori antrian. Karena latar belakang di atas maka perlu diadakan penelitian pembelajaran rantai Markov dengan memanfaatkan fungsi Matlab dan paket R markovchain. Motivasi penelitin merujuk latar belakang di atas yaitu visualisasi rantai Markov waktu diskret (DTMC) dalam pembelajaran pengantar proses stokastik dan mengeksplorasi terapan rantai Markov waktu diskret dengan fungsi yang tersedia pada Matlab dan paket open source R markovchain Tujuan Penelitian a. Tujuan khusus: Tujuan khusus penelitian ini adalah membantu mahasiswa dalam memvisualisasi rantai Markov dalam pembelajaran Pengantar Proses Stokastik dengan bantuan fungsi Matlab dan paket R markovchain. Penelitian ini sebagai pengembangan bahan ajar pengantar proses stokastik. b. Tujuan Umum: Penelitian ini dapat digunakan sebagai simultan mahasiswa untuk 2
8 bereksplorasi dengan fungsi Matlab dan dan paket R markovchain untuk menyelesaikan kasus rantai Markov yang ada di sekitar kehidupan seharihari Perumusan Masalah Dari uraian latar belakang permasalahan diatas, secara umum permasalahan yang dibahas adalah bagaimana pembentukan fungsi Matlab yang dapat menunjang pembelajaran Pengantar Proses Stokastik dan apa saja fungsi yang bisa dibangun untuk mendukung pembelajaran Sistematika Penulisan Untuk memahami isi dari tahapan-tahapan penelitian, penulisan disusun secara sistematis dalam beberapa bab, dengan rincian sebagai berikut: BAB I PENDAHULUAN Bab ini berisi tentang latar belakang masalah, batasan masalah, perumusan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan, BAB II TINJAUAN PUSTAKA Bab ini menguraikan tentang metode dan hasil penelitian sebelumnya yang menjadi bahan rujukan. BAB III LANDASAN TEORI Bab ini menguraikan dasar-dasar teori berkaitan dengan penelitian yang meliputi konsep peluang, rantai Markov, BAB III METODOLOGI PENELITIAN Bab ini berisi langkah-langkah / prosedur penyelesaian matriks peluang transisi BAB IV HASIL PENELITIAN 3
9 Berisi problem-problem yang dicari solusinya menggunakan program Matlab dan package markovchain pada program open source R. BAB V KESIMPULAN Bab ini sebagai penutup berisi kesimpulan dari keseluruhan penelitian yang telah dilakukan 4
10 BAB II TINJAUAN PUSTAKA Menurut Feres (2007), tercantum matlab listing untuk penyelesaian markov chain. Matlab listing yang dimaksudkan adalah fungsi commclass dan fungsi canform. Belum disertai contoh-contoh problem disertai penyelesaiannya. Menurut Spedicato (2013), ditemukan package markovchain untuk menyelesaikan discrete time markov chain dengan mudah, dengan memanggil library(markovchain) pada program R. Pada penelitian ini, akan dibahas problem-problem rantai Markov disertai solusinya menggunakan program Matlab dan program R opensource dengan package markovchain. Dalam penelitian ini juga disertai perbandingan output kedua program, dan pada program R dapat menggambarkan plot matriks peluang transisi dengan lebih jelas dengan fungsi plotmc (fungsi yang memplot rantai Markov waktu diskret) 5
11 BAB III LANDASAN TEORI A. Peluang Probabilitas merupakan suatu ilmu yang sudah diajarkan saat seseorang sudah berada di bangku sekolah. Hal ini disebabkan oleh banyaknya kejadian dalam hidup ini yang menggunakan prinsip probabilitas. Sehingga setidaknya seseorang bisa mengerti teori ini untuk menentukan keputusan yang akan diambil. Namun sebenarnya tanpa mempelajari ilmu ini seseorang sudah sering menerapkan ilmu ini untuk sebuah keputusan yang akan diambilnya. Seseorang yang akan mengambil keputusan tentu saja akan melihat kejadian-kejadian yang telah terjadi. Kemudian akan memprediksi kejadian selanjutnya yang akan terjadi. Secara sederhana probabilitas dapat didefinisikan sebagai suatu cara untuk mengungkapkan suatu informasi atau pengetahuan bahwa suatu kejadian akan terjadi maupun telah terjadi. Probabilitas sering disebut juga sebagai peluang atau kemungkinan. Untuk menuliskan probabilitas dari suatu kejadian digunakan sebuah angka yang dikenal sebagai probabilitas suatu kejadian. Angka ini nilainya 0 1. Semakin besar nilai probabilitas suatu kejadian tertentu, maka kejadian tersebut paling memungkinkan untuk terjadi. Apabila suatu kejadian sama sekali tidak memungkinkan untuk terjadi atau mustahil untuk terjadi, maka probabilitas kejadian tersebut adalah 0. Untuk menyatakan probabilitas suatu kejadian, terdapat notasi yang sudah menjadi kesepakatan bersama. Untuk melambangkan notasi probabilitas kejadian A, maka ditulis P(A). Demikian juga dengan kejadian lainnya. Notasi probabilitas kejadian B adalah P(B), notasi probabilitas kejadian C adalah P(C). Nilai untuk P(A) dapat dirumuskan sebagai berikut. Keterangan: A : Jumlah kejadian A S : Sampel P A n A ns 6
12 B. Rantai Markov Teori Rantai Markov pertama kali ditemukan oleh Andrey Andreyevich Markov pada tahun Ia adalah seorang matematikawan dari Rusia yang hidup pada tahun 1856 sampai tahun Ia merupakan murid dari Chebysev, seorang yang terkenal di dunia probabilitas karena rumus yang ditemukannya. Sebagaimana halnya dengan Chebysev, Markov pun tidak mau kalah. Ia mengungkapkan teori bahwa suatu kejadian berikutnya tergantung hanya pada keadaan saat ini dan bukan pada kejadian masa lalu. Pada tahun 1913 ia menerapkan temuannya ini yang pertama kali untuk pertama Pushkin huruf Eugine Onegin.Berdasarkan teori yang diungkapkan oleh Markov di atas dapat dibuat dengan kata lain. Rantai markov merupakan suatu teknik yang terdapat di dalam ilmu probabilitas yang bisa digunakan untuk menganalisis pergerakan suatu probabilitas dari suatu keadaan ke keadaan lainnya. Rantai Markov bukanlah suatu teknik optimisasi melainkan suatu teknik deskriptif. Maksudnya adalah bahwa Rantai Markov bukanlah suatu cara yang bisa digunakan untuk menghasilkan suatu keputusan rekomendasi (optimis). Akan tetapi, Rantai Markov ini hanya digunakan untuk membantu seseorang untuk mengambil keputusan (deskriptif). Sehingga bisa dikatakan bahwa analisa Rantai Markov ini mirip dengan analisis keputusan. Untuk menentukan sebuah keputusan memungkinkan untuk terjadi perpindahan keputusan. Dari keputusan yang satu akan mungkin pindah ke keputusan yang lain. Kemungkinan tersebut dapat dirumuskan sebagai berikut. n Pr n 0 P X j X i ij Dalam proses menerapkan Rantai Markov ke dalam suatu kasus tertentu, terdapat beberapa syarat yang harus dipenuhi. Syarat-syarat tersebut adalah sebagai berikut. i. Jumlah probabilitas transisi untuk suatu keadaan awal dari sistem sama dengan satu. ii. Probabilitas-probabilitas tersebut berlaku untuk semua partisipan dalam sistem. iii. Probabilitas transisi konstan sepanjang waktu. iv. Kondisi merupakan kondisi yang independen (bebas) sepanjang waktu. 7
13 Rantai Markov bisa digunakan untuk modeling (pembuatan model) berbagai macam sistem dan proses. Dengan menggunakan teori ini bisa dianalisa kejadiankejadian pada waktu mendatang secara sistematis dan matematis. Rantai Markov merupakan suatu kumpulan variabel acak X1, X2, X3, X 4, Atau secara formal bisa dituliskan sebagai berikut: Pr Xn 1 x Xn y Pr Xn 1 x Xn y 8
14 BAB IV METODE PENELITIAN Prosedur Penelitian Langkah 1: Inisialisasi fungsi pada Matlab misalkan: %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% function [C,v]=commclasses(P) %Input - P is a stochastic matrix %Output - C is a matrix of 0s and 1s. % - C(i,j) is 1 if and only if j is in the % - communicating class of i. % - v is a row vector of 0s and 1s. v(i)=1 if % - the class C(i) is closed, and 0 otherwise. [m m]=size(p); T=zeros(m,m); i=1; while i<=m a=[i]; b=zeros(1,m); b(1,i)=1; old=1; new=0; while old ~= new old=sum(find(b>0)); [ignore,n]=size(a); c=sum(p(a,:),1); d=find(c>0); [ignore,n]=size(d); b(1,d)=ones(1,n); new=sum(find(b>0)); a=d; end T(i,:)=b; i=i+1; end F=T ; C=T&F; v=(sum(c ==T )==m); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% Langkah 2: Jalankan fungsi Matlab dengan membangkitkan matrix nol dimensi 10 x 10 >> P=zeros(10,10); P(1,[1 3])=1/2; 9
15 P(2,2)=1/3; P(2,7)=2/3; P(3,1)=1; P(4,5)=1; P(5,[4 5 9])=1/3; P(6,6)=1; P(7,7)=1/4; P(7,9)=3/4; P(8,[ ])=1/4; P(9,2)=1; P(10,[2 5 10])=1/3; >> [C,v]=commclasses(P) C = v = [Q p]=canform(p) Q = p = Langkah 3: Pendeskripsian output dari fungsi Matlab yang berkaitan dengan pembelajaran rantai Markov 10
16 Langkah 4: bentuk kanonik rantai Markov Fungsi Matlab %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% function [Q p]=canform(p) %Obtain the canonical form Q of a stochastic matrix P. %The permutation of indices is p. %Uses the function commclasses(p) [m m]=size(p); [C,v]=commclasses(P); u=find(v==1); %indices in u comprise union of closed classes w=find(v==0); R=[]; while length(u)>0 R=[R u(1)]; v=v.*(c(u(1),:)==0); u=find(v==1); end %R is now the set of representatives of closed classes %Each closed class has a unique representative in R. p=[]; for i=1:length(r) a=find(c(r(i),:)); p=[p a]; end p=[p w]; %We have now a permutation p of indices, p, that %gives the new stochastic matrix Q. Q=P(p,p); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%% Langkah 5: output fungsi Matlab bentuk kanonik. 11
17 Software Open Source paket R markovchain Akan diteliti lebih lanjut beberapa fungsi Matlab yang mendukung pembelajaran Pengantar Proses Stokastik. > library("markovchain") > weatherstates<-c("sunny","cloudy","rain") > byrow=true > weatherstates<matrix(data=c(0.70,0.2,0.1,0.3,0.4,0.3,0.2,0.45,0.35),b yrow=byrow,nrow=3,dimnames=list(weatherstates,weatherst ates)) > mcweather<new("markovchain",states=c("sunny","cloudy","rain"),tra nsitionmatrix=matrix(data=c(0.70,0.2,0.1,0.3,0.4,0.3,0. 2,0.45,0.35),byrow=byRow,nrow=3),name="Weather") > defaultmc<-new("markovchain") > mclist<new("markovchainlist",markovchains=list(mcweather,defau ltmc),name="a list of Markov chains") > initialstate<-c(0,1,0) > after2days<-initialstate*(mcweather*mcweather) > after7days<-initialstate*(mcweather^7) > after2days sunny cloudy rain [1,] > after7days sunny cloudy rain [1,] > initialstate<-c(0,1,0) > mcweathertransposed<-t(mcweather) > after2days<- (mcweathertransposed*mcweathertransposed)*initialstate > after7days<-(mcweathertransposed^7)*initialstate > after2days [,1] sunny cloudy rain > after7days [,1] sunny cloudy rain > states(mcweather) [1] "sunny" "cloudy" "rain" > dim(mcweather) [1] 3 > transitionprobability(mcweather, "cloudy", "rain") [1]
18 > mcweather[2,3] [1] 0.3 > print(mcweather) sunny cloudy rain sunny cloudy rain > show(mcweather) Weather A 3 - dimensional discrete Markov Chain with following states sunny cloudy rain The transition matrix (by rows) is defined as follows sunny cloudy rain sunny cloudy rain > mcdf<-as(mcweather,"data.frame") > mcnew<-as(mcdf,"markovchain") > mcdf t0 t1 prob 1 sunny sunny sunny cloudy sunny rain cloudy sunny cloudy cloudy cloudy rain rain sunny rain cloudy rain rain 0.35 > mcigraph<-as(mcweather,"igraph") > plotmc(mcweather) 13
19 14
20 BAB V HASIL PENELITIAN DAN PEMBAHASAN Problem matriks peluang transisi Model penyebaran suatu penyakit adalah sebagai berikut: Jumlah populasi adalah N = 5, sebagian sakit dan sisanya sehat. Dalam setiap waktu 2 orang akan dipilih secara acak dari populasi tersebut dan keduanya berinteraksi. Pemilihan orangorang tersebut dilakukan sedemikian hingga interaksi antara setiap pasangan adalah sama. Jika satu orang dari suatu pasangan sakit, yang lain sehat, maka penyakit akan disebarkan ke orang yang sehat dengan peluang 0,1. Diluar kondisi tersebut, tidak ada penyakit yang disebarkan. Misalkan Xn menyatakan jumlah orang yang sakit dalam populasi diakhir periode ke-n. Bentuklah suatu matriks peluang transisi yang mungkin. Solusi matriks peluang transisi: Keadaan: 0,1,2,3,4,5 yang menyatakan jumlah orang yang sakit P00=1, P55=1 (jika tidak ada atau semua orang sakit maka PASTI keadaan berubah ke tidak ada atau semua orang sakit) i 5 i CC 5 C2 1 1 Pi,i+1=0,1 0,01 i 5 i Pii, 1 0,01 i 5 i untuk i 1,2,3, P
21 16
22 Problem kedua: Akan dicari communicate class, closed class dan bentuk kanonik matriks P! 17
23 Pada program Matlab: 18
24 19
25 20
26 Hasil library markovchain 21
27 22
28 23
29 BAB VI KESIMPULAN Berdasarkan hasil visualisasi rantai markov, diperoleh beberapa point kesimpulan sebagai berikut: 1. dapat membandingkan input dan output fungsi commclass (communicating class) dan canform (bentuk kanonik) pada matlab dan R. 2. pada paket program R markovchain, dapat menggambarkan plot matriks peluang transisi dengan jelas dengan fungsi plotmc (fungsi untuk memplot rantai Markov waktu diskret). 24
30 DAFTAR PUSTAKA Agwuegbo, S.O.N., A. P. Adewole and A. N. Maduegbuna, A random walk model for stock market prices. J. Math. Stat., 6: DOI: /jmssp Feres R, 2007, Notes for Math 450 Matlab Listings for Markov Chains. URL Grimmett, G.R. and Stirzaker, D.R., 2001 Probability and Random Processes third ed., Oxford University Press Nicholson W, 2013, DTMCPack: Suite of functions related to discrete-time discrete-state Markov Chains. R package version Ross, Sheldon, 2010, Introduction to Probability Models, Tenth Edition, Elsevier. Spedicato GA, 2013, markovchain : an R package to easily handle discrete markov chain. R package version Spedicato GA, The markovchain Package: A Package for Easily Handling Discrete Markov Chains in R. Taylor, H. M. & Karlin, S., An Introduction to Stochastic Modeling, Academic Press,
31 SINOPSIS Sinopsis ini mengemukakan hasil dan saran sebagai masalah terbuka untuk dikembangkan selanjutnya. Rantai Markov adalah salah satu teori dalam ilmu probabilitas dan implementasinya digunakan dalam berbagai bidang. Keunggulan penyelesaian menggunakan program R package markovchain dapat mengeplot grafik dengan menggunakan fungsi plotmc. Pada penelitian ini, telah dilakukan visualisasi rantai Markov waktu diskret dengan menggunakan program Matlab dan program R. Alasan penggunaan program tersebut, untuk memudahkan mahasiswa dalam mempelajari rantai Markov waktu diskret dengan lebih mudah. Berdasarkan hasil kajian dalam penelitian yang telah dilakukan, beberapa saran sebagai landasan untuk pengembangan penelitian lebih lanjut, sebagai berikut: 1. Penelitian selanjutnya dapat menggunakan program-program selain Matlab dan opensource R untuk menyelesaikan masalah rantai Markov waktu diskret. 2. Pengembangan lebih lanjut pada fungsi-fungsi program Matlab dan program opensource R.
Rantai Markov dan Aplikasinya Sebagai Bagian dari Ilmu Probabilitas
Rantai Markov dan Aplikasinya Sebagai Bagian dari Ilmu Probabilitas Bagus Pratanggapati Kusumobroto (18209034) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi secara beruntun dan dengan kemungkinan yang berbeda-beda. Sebagai contoh sekarang
Lebih terperinciPREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI MARKOV
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 347-352. PREDIKSI JUMLAH LULUSAN DAN PREDIKAT KELULUSAN MAHASISWA FMIPA UNTAN TAHUN ANGKATAN 2013/2014 DENGAN METODE RANTAI
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Proses Stokastik Kode/sks : MAS 4113 /3 Semester : III Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS
Lebih terperinciPENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI
PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI Aditya Candra Laksmana, Respatiwulan, dan Ririn Setiyowati Program Studi Matematika Fakultas Matematika dan Ilmu
Lebih terperinciPREDIKSI BENCANA ALAM DI WILAYAH KABUPATEN WONOGIRI DENGAN KONSEP MARKOV CHAINS
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 3, No. 1, Januari 2018, pp. 63-70 PREDIKSI BENCANA ALAM DI WILAYAH KABUPATEN WONOGIRI DENGAN KONSEP MARKOV CHAINS Petronella Mira Melati
Lebih terperinciSILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester :
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester : IV Mata Kuliah Pra Syarat : TKI-202 Model Deterministik Deskripsi
Lebih terperinciPertemuan 5 ANALISIS RANTAI MARKOV
Pertemuan 5 ANALISIS RANTAI MARKOV Objektif: 1. Mahasiswa dapat merumuskan masalah dalam analisis rantai markov 2. Mahasiswa dapat mencari penyelesaian masalah dalam prorses perhitungan probabilitas dengan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, menjadikan statistika memegang peranan penting dalam kehidupan. Hampir semua fenomena yang terjadi
Lebih terperinciMODEL EPIDEMI DISCRETE TIME MARKOV CHAIN (DTMC ) SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) SATU PENYAKIT PADA DUA DAERAH
MODEL EPIDEMI DISCRETE TIME MARKOV CHAIN (DTMC ) SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) SATU PENYAKIT PADA DUA DAERAH oleh FIRDAUS FAJAR SAPUTRA M0112034 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciPERAMALAN PANGSA PASAR KARTU GSM DENGAN PENDEKATAN RANTAI MARKOV
PERAMALAN PANGSA PASAR KARTU GSM DENGAN PENDEKATAN RANTAI MARKOV Surya Amami Pramuditya, Rini Marwati, Entit Puspita Pendidikan Matematika FKIP Unswagati,Pendidikan Matematika FPMIPA UPI amamisurya@gmail.com
Lebih terperinciSIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI
SIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI Dwi Ardian Syah, Respatiwulan, dan Vika Yugi Kurniawan Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) IKG3F3 PEMODELAN STOKASTIK Disusun oleh: Sri Suryani P, S.Si., M.Si. PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 2015 LEMBAR PENGESAHAN Rencana
Lebih terperinciPENDEKATAN PERSAMAAN CHAPMAN-KOLMOGOROV UNTUK MENGUKUR RISIKO KREDIT. Chairunisah
PENDEKATAN PERSAMAAN CHAPMAN-KOLMOGOROV UNTUK MENGUKUR RISIKO KREDIT Chairunisah denisa0105@yahoo.com Abstrak Banyak permasalahan yang dapat dimodelkan dengan menggunakan program matematika yang bertujuan
Lebih terperinci2-RP. rate, 10).Model Antrian. Deskripsi. sistem finansial, sistem komunikasi. Semester : V Hal: 1 dari 7. Dosen : SPW, NI, HY No.
RP S1 SP 06 A. CAPAIAN PEMAN : 1. CP 1.1 : Mampu menerapkan Metode Statistika dalam manajemen. 2. CP 2.2 : Mampu memodelkan & menginterpretasikan fenomena ekonomi 3. CP 8.1 : Mampu memformulasikan masalah
Lebih terperinciPenentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi
Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Aditya Candra Laksmana 1*, Respatiwulan 2, dan Ririn Setiyowati 3 1, 3 Program Studi Matematika Fakultas MIPA, Universitas
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciTOOLS SIMULASI INVENTORI PADA SUPERMARKET
TOOLS SIMULASI INVENTORI PADA SUPERMARKET 1) Benny Santoso 2) Liliana 3) Imelda Yapitro Jurusan Teknik Informatika Fakultas Teknik Universitas Surabaya Raya Kalirungkut Surabaya 60293 (031) 298 1395 email
Lebih terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciANALISIS PERPIDAHAN PENGGUNAAN MEREK SIMCARD DENGAN PENDEKATAN RANTAI MARKOV
E-Jurnal Matematika Vol. 7 (1), Januari 2018, pp. 56-63 ISSN: 2303-1751 DOI: https://doi.org/10.24843/mtk.2018.v07.i01.p185 ANALISIS PERPIDAHAN PENGGUNAAN MEREK SIMCARD DENGAN PENDEKATAN RANTAI MARKOV
Lebih terperinciPenelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciMETODE MARKOV DAN PENERAPANNYA Markov Model and Its Applications. Noor Cholis Basjaruddin POLBAN
METODE MARKOV DAN PENERAPANNYA Markov Model and Its Applications Noor Cholis Basjaruddin Politeknik Negeri Bandung 2016 Daftar Isi 1 Abstrak... 3 2 Abstract... 3 3 Pendahuluan... 3 4 Model Markov... 4
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi Daryono Budi Utomo Jurusan
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang
Lebih terperinciBAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa tinjauan mengenai teori yang diperlukan dalam pembahasan bab-bab selanjutnya antara lain tentang kontrak berjangka komoditas, model pergerakan
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
A39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi dan Daryono Budi Utomo Departemen Matematika, Fakultas Matematka dan Ilmu Pengetahuan Alam, Institut Teknologi
Lebih terperinciPROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)
PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) oleh IQROK HENING WICAKSANI M0109038 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciRantai Markov Diskrit (Discrete Markov Chain)
#10 Rantai Markov Diskrit (Discrete Markov Chain) 10.1. Pendahuluan Berbagai teknik analitis untuk mengevaluasi reliability dari suatu sistem telah diuraikan pada bab terdahulu. Teknik analitis ini mengasumsikan
Lebih terperinciPengantar Proses Stokastik
Bab 3: Rantai Markov Diskrit Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Rantai Markov Rantai Markov Rantai Markov Misalkan sebuah proses stokastik {X t } dengan t = 0, 1, 2,....
Lebih terperinciBAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN. Analisis Markov merupakan sebuah teknik yang berhubungan dengan
6 BAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN 2.1 Landasan Teori 2.1.1 Analisis Rantai Markov Analisis Markov merupakan sebuah teknik yang berhubungan dengan probabilitas akan state di masa mendatang dengan
Lebih terperinciStochastic process. Stochastic process. Stochastic process. Stochastic process 08/05/2015 STOCHASTIC PROCESS OPERATIONAL RESEARCH II
OPERATIONAL RESEARCH II Agustina Eunike, ST., MT., MBA. Industrial Engineering University of Brawijaya STOCHASTIC PROCESS Sample space (ruang sample): all possible outcome Random variable: Fungsi nilai
Lebih terperinciBAB 1. Rantai Markov 1.1 ILUSTRASI
BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.
Lebih terperinciPERBANDINGAN PENGGUNAAN RANTAI MARKOV DAN DISTRIBUSI CAMPURAN DATA TIDAK HUJAN DAN DATA HUJAN UNTUK MENSIMULASI DATA HUJAN HARIAN TUGAS AKHIR
PERBANDINGAN PENGGUNAAN RANTAI MARKOV DAN DISTRIBUSI CAMPURAN DATA TIDAK HUJAN DAN DATA HUJAN UNTUK MENSIMULASI DATA HUJAN HARIAN TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan merupakan bagian yang penting dalam kehidupan manusia karena kesehatan memengaruhi aktifitas hidup manusia. Dengan tubuh yang sehat manusia dapat menjalankan
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciMODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK PENDAHULUAN
MODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK H. SUMARNO 1, P. SIANTURI 1, A. KUSNANTO 1, SISWADI 1 Abstrak Kajian penyebaran penyakit dengan pendekatan deterministik telah banyak dilakukan.
Lebih terperinciPengantar Proses Stokastik
Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciBAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau
BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan
Lebih terperinciMODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT
MODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT Wisnu Wardana, Respatiwulan, dan Hasih Pratiwi Program Studi Matematika FMIPA UNS ABSTRAK. Pola penyebaran penyakit
Lebih terperinciAnalisis Rantai Markov Untuk Memprediksi Perpindahan Merek Shampoo Di Hypermart Swalayan Manado Town Square
Analisis Rantai Markov Untuk Memprediksi Perpindahan Merek Shampoo Di Hypermart Swalayan Manado Town Square 1 Djini Tamudia, 2 Johanes Langi, 3 Julia Titaley 1 Program Studi Matematika, FMIPA, UNSRAT,
Lebih terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciSKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
MODEL EPIDEMI DISCRETE TIME MARKOV CHAINS(DT M C) SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) DUA PENYAKIT PADA DUA DAERAH oleh EKA LISMAWATI M0112028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciANALISIS PASAR PERPINDAHAN KARTU PRA BAYAR GSM DENGAN RANTAI MARKOV. (Studi Kasus Mahasiswa UNDIP Semarang)
ANALISIS PASAR PERPINDAHAN KARTU PRA BAYAR GSM DENGAN RANTAI MARKOV (Studi Kasus Mahasiswa UNDIP Semarang) SKRIPSI Oleh : Dewi Erna Wati J2A 605 030 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciJournal Knowledge Industrial Engineering (JKIE)
Available online at http://jurnal.yudharta.ac.id/v2/index.php/jkie Journal Knowledge Industrial Engineering (JKIE) PENDEKATAN RANTAI MARKOV DALAM PEMILIHAN UNIVERSITAS DI PASURUAN (1)M. Imron Mas ud, (2)
Lebih terperinciKAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT
KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT QUEUES ANALYSIS M/M/ TYPE WITH SLOW AND FAST PHASE SERVICE SYSTEM Oleh: Erida Fahma Nurrahmi NRP. 1208 100 009 Dosen Pembimbing:
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E1203 / Metode Stokastik Revisi Satuan Kredit Semester : 3 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu :
Lebih terperinciPENENTUAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN DAN TITIK KESETIMBANGANNYA DALAM PORTOFOLIO HETEROGEN
PENENTUAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN DAN TITIK KESETIMBANGANNYA DALAM PORTOFOLIO HETEROGEN (PREMIUM PRICING BASED ON DEMAND FUNCTION AND EQUILIBRIUM POINT IN HETEROGENOUS PORTOFOLIO) Usep
Lebih terperinciBAB 1. Rantai Markov 1.1 ILUSTRASI
BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.
Lebih terperinciANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM
Saintia Matematika Vol., No. 2 (2), pp. 9 9. ANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM Hasoloan M Nababan, Open Darnius Sembiring, Ujian Sinulingga
Lebih terperinciDISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN. Sudarno Jurusan Matematika FMIPA UNDIP. Abstrak
DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN Sudarno Jurusan Matematika FMIPA UNDIP Abstrak Dalam proses stokhastik yang mana kejadian dapat muncul kembali membentuk proses pembahauruan. Proses pembaharuan
Lebih terperinciMODEL STOKASTIK.
11 12. MODEL STOKASTIK alsen.medikano@gmail.com 1 PENDAHULUAN Model Stokastik adalah model matematika dimana gejala-gejala dapat diukur dengan derajat kepastian yang tidak stabil. Pada Model Stokastik
Lebih terperinciBAB I PENDAHULUAN. sumber yang dapat dipercaya, petunjuk atau reputasi yang telah dibuat.
1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pengambilan keputusan adalah pemilihan di antara alternatifalternatif mengenai sesuatu cara bertindak serta inti dari perencanaan. Suatu rencana dapat dikatakan tidak
Lebih terperinciKAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H
KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciPenggabungan dan Pemecahan. Proses Poisson Independen
Penggabungan dan Pemecahan Proses Poisson Independen Hanna Cahyaningtyas 1, Respatiwulan 2, Pangadi 3 1 Mahasiswa Program Studi Matematika/FMIPA, Universitas Sebelas Maret 2 Dosen Program Studi Statistika/FMIPA,
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciPROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES)
#11 PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES) 11.1. Pendahuluan Masalah keandalan yang berhubungan dengan sistem secara normal adalah space memiliki sifat diskrit yaitu sistem tersebut dapat
Lebih terperinciModel Matematika dari Sistem Dinamis
Model Matematika dari Sistem Dinamis September 2012 () Model Matematika dari Sistem Dinamis September 2012 1 / 60 Pendahuluan Untuk analisis dan desain sistem kontrol, sistem sis harus dibuat model sisnya.
Lebih terperinciKlasifikasi Keadaan dalam Rantai Markov Menggunakan Algoritma Graf Classification of States of Markov Chains Using Graph Algorithms
Prosiding Statistika ISSN: 460-6456 Klasifikasi Keadaan dalam Rantai Markov Menggunakan Algoritma Graf Classification of States of Markov Chains Using Graph Algorithms 1 Yussy Anistia Nurislamiyati, Suwanda,
Lebih terperinciBAB III HIDDEN MARKOV MODELS. Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan
BAB III HIDDEN MARKOV MODELS Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan yang dapat diamati. Tetapi terkadang ada urutan dari suatu keadaan yang ingin diketahui tetapi tidak dapat
Lebih terperinciPengantar Proses Stokastik
Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai
Lebih terperinciOleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si
Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciKAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih
KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT Oleh: Arisma Yuni Hardiningsih 126 1 5 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Fakultas Matematika
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
SEMINAR TUGAS AKHIR PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Oleh : Husien Haikal Fasha 1207 100 011 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciTINJAUAN PUSTAKA. Kriptografi
TINJAUAN PUSTAKA Kriptografi Kriptografi adalah studi teknik matematika yang berhubungan dengan aspek-aspek pengamanan informasi seperti kerahasiaan, integritas data, autentikasi entitas, dan autentikasi
Lebih terperinciKEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciPROSES PERCABANGAN PADA DISTRIBUSI POISSON
PROSES PERCABANGAN PADA DISTRIBUSI POISSON Nur Alfiani Santoso, Respatiwulan, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak. Proses percabangan merupakan suatu proses stokastik
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciPENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI
PENENTUAN KLASIFIKASI STATE PADA RANTAI MARKOV DENGAN MENGGUNAKAN NILAI EIGEN DARI MATRIKS PELUANG TRANSISI Yohanes A.R. Langi 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 95115
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan nyata, hampir seluruh fenomena alam mengandung ketidakpastian atau bersifat probabilistik, misalnya pergerakan lempengan bumi yang menyebabkan gempa,
Lebih terperinciREKAYASA TRAFIK ARRIVAL PROCESS.
REKAYASA TRAFIK ARRIVAL PROCESS ekofajarcahyadi@st3telkom.ac.id OVERVIEW Point Process Fungsi Distribusi Point Process Karakteristik Point Process Teorema Little Distribusi Point Process PREVIEW Proses
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL
PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.
Lebih terperinciPengantar Proses Stokastik
: Dasar-dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Diskusi 1. Misalkan sebuah koin yang mempunyai peluang muncul muka sebesar.7, dilantunkan tiga kali. Misalkan X menyatakan banyaknya
Lebih terperinciCatatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)
Lebih terperinciIMPLEMENTASI HIDDEN MARKOV MODEL PADA PERAMALAN DATA SAHAM
IMPLEMENTASI HIDDEN MARKOV MODEL PADA PERAMALAN DATA SAHAM M. Zulfikar 1 Alimin Bado 2, Kresna Jaya 2, Md Rafiul Hassan and Baikunth Nath 2 Program Studi Sarjana Statistika Universitas Hasanuddin, fikarz@scientist.com
Lebih terperinciMODEL BLACK-SCHOLES HARGA OPSI BELI TIPE EROPA DENGAN PEMBAGIAN DIVIDEN
MODEL BLACK-SCHOLES HARGA OPSI BELI TIPE EROPA DENGAN PEMBAGIAN DIVIDEN oleh RETNO TRI VULANDARI M0106062 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah analisis data yang memanfaatkan informasi kronologis dari suatu kejadian atau peristiwa (event). Respon yang diperhatikan adalah waktu sampai
Lebih terperinciAnalisis Model dan Simulasi. Hanna Lestari, M.Eng
Analisis Model dan Simulasi Hanna Lestari, M.Eng Simulasi dan Pemodelan Klasifikasi Model preskriptif deskriptif diskret kontinu probabilistik deterministik statik dinamik loop terbuka - tertutup Simulasi
Lebih terperinciBAB I PENDAHULUAN. digunakan oleh masyarakat pada umumnya. Dahulu keramik hanya dimanfaatkan
BAB I PENDAHULUAN 1.1 Latar Belakang Keramik sudah dikenal di Indonesia sejak jaman Neolithikum. Keramik adalah salah satu dari peninggalan tersebut yang sampai saat ini masih banyak digunakan oleh masyarakat
Lebih terperinciPERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA SKRIPSI RAINI MANURUNG
1 PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA SKRIPSI RAINI MANURUNG 110823011 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciTEKNIK SIMULASI. Nova Nur Hidayati TI 5F
TEKNIK SIMULASI Nova Nur Hidayati TI 5F 10530982 PENDAHULUAN TUJUAN MEMPELAJARI SIMULASI Melalui kuliah ini diharapkan kita dapat mempelajari suatu sistem dengan memanfaatkan komputer untuk meniru (to
Lebih terperinciPENYELESAIAN PROGRAM LINIER STOKASTIK DENGAN MARKOV CHAIN
PENYELESAIAN PROGRAM LINIER STOKASTIK DENGAN MARKOV CHAIN TESIS Oleh HINDRA 107021010/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013 PENYELESAIAN PROGRAM LINIER
Lebih terperinciPENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU
tnp PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU Mida Yanti 1 Nur Salam 1 Dewi Anggraini 1 Abstract: Poisson process is a special event
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Model Markov Dalam teori probabilitas, model Markov adalah model stokastik yang digunakan untuk memodelkan sistem yang berubah-ubah secara random di mana diasumsikan bahwa kondisi
Lebih terperinciEVALUASI NUMERIK DARI METODE APROKSIMASI DALAM PROGRAM STOKASTIK
EVALUASI NUMERIK DARI METODE APROKSIMASI DALAM PROGRAM STOKASTIK TESIS Oleh MUHAMMAD ISMAIL 127021006/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2014 EVALUASI NUMERIK
Lebih terperinciMODEL EPIDEMI DISCRETE TIME MARKOV CHAINS SUSCEPTIBLE EXPOSED INFECTED RECOVERED (DTMC SEIR)
MODEL EPIDEMI DISCRETE TIME MARKOV CHAINS SUSCEPTIBLE EXPOSED INFECTED RECOVERED (DTMC SEIR) oleh AISYAH AL AZIZAH M0111004 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciSilabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh
Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,
Lebih terperinciMODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS)
Jurnal Euclid, Vol. 4, No. 1, p.675 MODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS) Surya Amami Pramuditya 1, Tonah 2 1,2 Pendidikan Matematika FKIP Universitas Swadaya Gunung Jati Cirebon amamisurya@fkip-unswagati.ac.id
Lebih terperinci