ESTIMASI FUNGSI DENSITAS MULTIVARIAT SECARA SEMIPARAMETRIK. Mochamad Sonhaji *

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMASI FUNGSI DENSITAS MULTIVARIAT SECARA SEMIPARAMETRIK. Mochamad Sonhaji *"

Transkripsi

1 ESTIMASI FUNGSI DENSITAS MULTIVARIAT SECARA SEMIPARAMETRI Mocama Soa * ASTRA ESTIMASI FUNGSI DENSITAS MULTIVARIAT SECARA SEMIPARAMETRI. Tuua ar paper aala uuk membau suau kelas ar esmas-esmas semparamerk a meemuka esmaor ya cocok uuk kelas. Gaasaya aala ea mealka esmas us esas paramerk ea us koreks ya awarka. am membaasya alam mulvara. Esmaor ya baru arusla mua uaka bla aap problem alam peuaa esmas secara paramerk aaupu oparamerk. Dsaka ua perbaa eraap esmaor kerel ea beberapa coo. aa kuc : Esmaor or-gla Esmaor Lokal Lkeloo Esmaor or-joes us kerel baw MISE AMISE. ASTRACT SEMIPARAMETIC ESTIMATION ON MULTIVARIAT DENSITY FUNCTIONS. Te obecves o s paper are o evelop a class o semparamerc esmaos a o a approprae esmaor or s class. Te ea s o mulply a al paramerc esy esmae w a proposal correco uco. We coser s suy e mulmesoal case. A ew esmaor soul be parcularly useul we eer paramerc or oparamerc meos ave problems. Te comparsos w e raoal kerel esmaor are presee by some praccal eamples. PENDAULUAN Dmsalka aala observas-observas bermes ya epee ar us esas ya ak keau. Dar observas-observas u kam mecoba uuk meesmas. Aa ua kelas peekaa alam meesmas esas yau peekaa secara paramerk a peekaa secara oparamerk. Dalam peekaa paramerk asumska sebaa aoa ar * Meoolo Sask aa Pusa Sask PS

2 kelas paramerk bermes erbaas { Θ} maa Θ aala rua paramerk ar muk berupa vekor. Masala esmas alam kelas aala esmas. Dea meuaka esmaor yau euka bawa esmaorya. Seaaya ak muk uuk asumska sebaa aoa ar kelas paramerk maka pe uuk meaaka peekaa ea cara la yau peekaa oparamerk. Aa bayak meoe peekaa secara oparamerk. Supaya erapa ubua ea makala kam saka peekaa secara oparamerk ea meuaka us kerel. Fus kerel u basaya berupa us esas ya smers. euua alam meuaka us kerel aala erapaya kemuaa alam peua sa asar esmaor seper bas a varas sera apaka awaba aal a seeraa uuk peembaa aplkas ya leb luas. Esmaor ya erkeal ea meuaka us kerel aala esmaor esas kerel rasoal re. Wa a Joes 995 sebaa berku: σ ~ z z z maa aala mark ore e pos smers ya amaka mark baw aau ska baw a aala us esas bervara ya smers ya amaka us kerel ea keeua -/ -/. Sa asar ~ aala uuk - -/ maa R z z as ~ σ Η [] O Var ~ R O / / a Η [] aala eleme ar Η []. Noas ar Η [] aala mark essa ar. area peekaa oparamerk memberka awaba ya leksbel emka pula kemuaa aplkas ar peekaa paramerk akr-akr ser skuska peekaa baru yau semparamerk. Cooya or a Gla 995 a or a Joes 996 ya aka baas leb lau ses berkuya. Tuua

3 meuaka semparamerk aala uuk meemuka meoe esmas ya leb bak ba meoe paramerk maupu oparamerk eruama ka mealam kesula bla meuaka keua meoe ersebu. Dalam paper kam ua awarka suau kelas esmas esas paramerk a mecoba meemuka esmaor ya erbak alam kelas. Pemucula us kerel aka memerluka speskas leb lau ea baw aka eap ak kam baas alamya. Secara rasoal Mea Ierae Square Error MISE aaupu Asympoc MISE AMISE ser uaka sebaa ala evaluas ar suau esmaor. am aka meuaka AMISE uuk berskus leb lau ea peemua sebua esmaor baru. ESTIMATOR DENSITAS SEMIPARAMETRI Esmas us esas uuk observas-observas merupaka persoala asar alam sask aka eap suau al ya sul. euua meuaka meoe paramerk aala memukka alam mempelaar observas-observas u ea mua. Aka eap ka observas-observas u au ar moel paramerk maka apa baaya ka meuaka meoe paramerk alam keakuraa esas esmaorya. Dalam al peekaa secara oparamerk perlu uuk pkrka. Dar keleksbela peekaa oparamerk a peyelesaa ya seeraa ar peekaa paramerk para lmua sask berusaa uuk membua meoe abua oparamerk a paramerk yau meoe semparamerk. Meoe berkemba pesa saa. Dalam paper kam meokuska esmas esas secara semparamerk meuaka meoe or a Gla 995 a or a Joes 996. Meoe semparamerk esa leb bak baka ea esmaor kerel alam lkup oparamerk ea pembera esmas awal secara paramerk seper us ormal ya aslya ak kelaa keela erlalu bayak paa saa aapka masala us esas sebearya au ar kelas paramerk. Gaasaya aala ea mealka esmas esas paramerk ea us koreks. Proseur eksya aala sebaa berku. Dmsalka ^ aala us esas paramerk ya merupaka esmas kasar ar. Peelasa kas aasa aala

4 Ja masala peesmasa us esas secara semparamerk aala uuk meemuka esmaor us koreks yau /. D bawa aala coo-coo vers ar us koreks. Coo. Esmaor or-joes Dmsalka aala sebua k. osep uameal ar esmaor or-joes yau meeuka opmum sebaa esmaorya ea memmumka us ermba q - { - } Pemba - esa secara lokal eraap ya eka ea. Paa prakekya ea memmumka q - - Nla opmum aala Ja apaka esmaor sebaamaa bawa. I aala vers mulvara ar esmaor ya skuska alam or a Joes 996 Ses J. J J

5 Coo. Esmaor Lokal Lkeloo Gaasa uama alam meapaka us koreks uuk coo aala ea memaksmumka us local lo-lkeloo L - [ lo{ }- ]. Sebaa pea F ya ak keau kam meuaka srbus emprs F sebaamaa coo sea L bsa aka ea L ~ lo- -. Tapa mealam kesula esmaor Lokal Lkeloo perole alam beuk maa re. or a Joes 996 Ses 5.5. Coo 3. Esmaor or-gla or a Gla meawarka esmaor : G G maa G /. LL LL arma L LL

6 I aala esmaor ya alam uuk re. or a Gla 995 Ses 7. Mereka berarumeas alam paperya bawa esmaor mereka bekera bak meuaka 5 es esas ls alam paper Marro a Wa 99 ea sar ormal alam kasus uvara aau. Esmaor memeaka ar 5 es ba ea meoe kerel ya basaya. Perbeaa ar esmaor-esmaor u erleak kepaa us koreksya. Ya meark us-us koreks u seola-ola meku suau keeua kusus. I memberka movas kepaa kam uuk meawarka suau beuk umum ar esmaor-esmaor aas. Dmsalka aala esmas esas paramerk. I aala esmas kasar ar. Da euka sebaa k eap. am meawarka us uuk meapaka esmaor ar. Caaa bawa - aala pemba la paa us q alam coo maa. Secara prakek esmaor ar apa perole ea meopmumka Akrya kam meemuka esmaor baru: maa ar m Q am meeaska merupaka suau kelas umum uuk esmas semparamerk. euua alam peuaa us Q aala uuk membua suau kelas ya mecakup kea esmaor aas ea kaa la Q } {. Q

7 J LL 3. G SIFAT ESTIMATOR Dalam ses kam mempelaar bas a varas ea meeuka beberapa asums paa a sebaa berku : A a aala koyu uuk A a sea - -/ - a semua eleme meeka ol ka. A3 merupaka us kerel vara- ya boue a compac ea memeu z z z z z a T zz z z a σ σ. Teu saa peua uuk bas a varas esmaor cukup sul kareaka erapa mulmes ya aa yau parameer a observas u ser. Sebaa reeres ya umum keau bawa aa sau us T sea TF a TF ea us luece I lm ε { T ε F εδ T F} / ε maa aala massa u paa k. Dalam kos reular apa b I ε maa γ Op - ea raa-raa O - a b/ aala bas ar. Ds I I I I mempuya raa-raa ol re. Lema 983. Paa al mamum lkeloo

8 T I I lo. lo E I T as σ O R Var O. ] [ ] [ as σ O R Var. O keau bawa maa Lemma. Dmsalka aala esmas peekaa paramerk ya sua eapka a erbak uuk. erasarka asums A-A3 esmaor * mempuya sa 3 maa Lemma aas meeraka bawa parameer ya uaka sua euka ea kaa la e sar a bsa aplkaska uuk peua bas a varas ka meuaka sar paramerk. Dalam kasus berbeuk srbus uorm aka memberka beuk esmaor seper esmaor kerel. Teorema. erasarka asums A-A3 esmaor semparamerk mempuya sa 5 6

9 R AMISE O Pembuka uuk Lemma a Teorema ak seraka alam paper karea saa paa. Teorema meeraka bawa varas ak erau paa. Faka aka memberka skus meark alam peembaa suau esmaor baru alam kelas. Remark 3. Jka { Θ} aau maka baa ar bas yau mea ol. EVALUASI Uuk meevaluas esmaor kam meuaka MISE. MISE aala ukura smoo ya merupaka la arapa ar eral kwara ar sels esmaor a areya. Dalam al MISE ar aala MISE mempuya ua kompoe yau eral ar varas a bas kwara yau maa E MISE as MISE Var o AMISE. σ

10 { }. as O σ { } AMISE 3 R C C C σ σ Dalam paper kam aka memaka la AMISE uuk meemuka suau esmaor baru ya bsa bersa ea esmaor la alam kelas. Dar asl la AMISE keau bawa varas ak erau paa sea kam erark kepaa eral ar bas kwara. Tare kam aala uuk meyelk. Apaka muk bsa meemuka opmum ar paa la AMISE sea perole suau esmaor erbak alam kelas. Perama peraka baa ar bas yau. am apaka 7 maa Maka 5 bsa uls seper berku: 8 Dar ua aas aala saa sul uuk meapaka la opmum karea mas bercampur ea eleme baw. Ole sebab u perlu euka semua elemeya sama yau uuk. Dar persamaa 6 a 8 AMISEya bsa uls sebaa 9 maa C

11 C C 3 σ σ σ σ maa a seper ya elaska alam 7. a meekaka alasa meapa meuaka parameer karea beuk ar bas 8 mearaka bas kwaraya paa beuk C -C C 3 ya mearka bawa aa ya opmum sea aala esmaor er bak alam kelas. Akrya apaka la opmumya ka C / C. PERANDINGAN SECARA ASIMTOT Tuua ses aala uuk membaka secara asmo aara la AMISE esmaor baru ea esmaor kerel rasoal. Uuk u kam uaka kos a σ σ uuk. I mearka bawa perbaa ak pearu ole us kerel ya uaka. Dar 9 AMISE ar esmaor baru mea maa 3 R { C C C } AMISE σ C C

12 C 3. Semeara u AMISE ar esmaor kerel rasoal ea kos ya sama mempuya beuk maa AMISE ~ R { } σ C C. Uuk perbaa AMISE aala cukup uuk membaka baa C -C C 3 alam persamaa ea C paa persamaa Esmaor ya erbak aala esmaor ya mempuya AMISE pal kecl ba ea ya la. Jka berka coo kokr ar us a maka keuaya bsa u a baka. Perbaa s uuka uuk meeuka esmaor maa ya leb cocok uuk paka. Dalam paper aka bukka bawa esmaor baru kam leb bak ba ea meoe kerel rasoal ea meuaka us ormal sebaa us paramerk awalya a ermasuk ree ormal mures ea kaa la p φ µ pφ µ maa p p p p 3 : I : I : I Ε Φ I I. Dea raa-raa a varas ar : T { µ µ } p3φ µ : p : p : p 3 : 3 p pµ pµ ya merupaka parameer erbakya. Ds uaka us paramerk awal yau sebua us ormal. Sea paramerk awalya aala : µ sebab raa-raa a varas srbus ormal ersebu membua arak peek paa esas sesuuya uuk ulback-lebler sace. Paa kos emka bsa apaka la eral ar bas kwara uuk membakaya. T

13 eberapa coo perbaa la AMISE esmaor baru ea esmaor kerel. Grak kr: pemsala us esas sebearya alam ree ormal mures. Grak kaa: perbaa rap C ea C -C C 3. Grap : p p µ 3 µ 3 σ 3 9; 5 Grap : p p 3 µ -9 µ -6 µ 3 6 µ 3 9 σ 7 σ 3 8; 77

14 Grap 3: p p 3 µ -85 µ µ 3 - µ 3 85 σ 7 σ 3 8; 398 Grap : p 33 p µ µ µ µ µ 3 - µ 3 - σ 8 σ 7 σ 3 6; 667

15 Grap 5: p 33 p µ µ µ -8 µ -8 µ 3 - µ 3 - σ 8 σ 7 σ 3 6; 6995

16 Grap 6: p 393 p 3 µ -85 µ 5 µ 5 µ 85 µ 3 µ 3-5 σ 7 σ 7 σ 3 7; 935 Grap 7: p 33 p µ -3 µ µ 5 µ µ 3 µ 3-3 σ 6 σ 8 σ 3 7; 3988 ESIMPULAN Meoe kerel rasoal bekera leb bak ba ea meoe paramerk aka eap ar buk-buk smulas kam esmaor baru kam leb bak ar meoe kerel. Leb ar u esmaor ersebu merupaka suau kelas esmas semparamerk ya mecakup esmaor or-joes esmaor Lokal Lkeloo a esmaor or-gla. esmpula akr kam easka bawa aa esmaor ya erbak alam kelas. UCAPAN TERIMA ASI am saa bererma kas kepaa Pro. ao Nao Smae Uv. a

17 Pro. Maresuu Yamasak Smae Uv. ya meoro kam alam peela. Demka pula kepaa Sr ua M.S. Depu Perecaaa a Aalsa Sask- PS a ermo Woo. Sc. sa Meoolo Sask PS ya ela membau meau paper kam. DAFTAR PUSTAA. JORT N. L. GLAD I.. "Noparamerc Desy Esmao w a Paramerc Sar" A. Sas JORT N. L. JONES M. C. "Locally Paramerc Desy Esmao" A. Sas LEMANN E.L Teory o Po Esmao Jo Wley & Sos 983. MARRON J. S. AND WAND M. P. "Eac Mea Ierae Square Error A.. Sas WAND M. P. JONES M. C. erel Smoo Publ. y Capma & all Loo U 995

18 DISUSI MUSTANGIMA. Dalam suas sampl ya baamaa meoe semparamerk apa erapka?. Dar evaluas ya Aa lakuka apaka ssaa error ya perole memeu azas acak raom? MOCAMAD SONAJI. Paa asarya semparamerk approac memberka solus ya leb epa eraap semua aa apa baasa kos. Jkalau aa ersebu mempuya esas ya ceeru kepaa paramerk moel maupu oparamerk moel aala ak masala. Sebab semparamerk approac memberka ama keara u. Leb ar u solus ea semparamerk memberka peawara esmaor ya leb bak ba ea paramerk approac aaupu semparamerk approac.. am selalu memaka raom aa sea esmaor ya awarka ak erau paa aa u ser. ARO. Suaka Aa membaka esmaor aa ea esmaor la meuaka aa lapaa? earka esmaor aa erbak berasarka perbaa ersebu? Apa asar pemla la uuk esmaor aa? aamaa bla > aau >? erapaka la ya erbak? MOCAMAD SONAJI. am membaas esmaor ya awarka meuaka Fus erel. Teuya aa beberapa mooe semparamerk ya la. am leb memokuska kepaa esmaor secara semparamerk yau Esmaor or Joes Esmaor Local Lkeoo a Esmaor or-gla. erasarka

19 emua kam emuka suau kas semparamerk ya mecakup 3 esmaor ersebu emua kam meklam bawa aa esmaor ya erbak alam kelas. Selauya esmaor kam baka ea rasoal erel esmaor aala au leb bak ea caaa s smulasya meuaka rue esy ya erolo alam ree ormal mures. Daa ya uaka aala raom bsa uaka aa lapaa.. ersebu uuk membeuk suau kelas alam semparamerk moel. Nla sebearya bsa la real R. Seper ya ela kam elaska alam smulas paper kam bawa aa o opmum ya membeuk o yau esmaor ya erbak alam kelas semparamerk ya kam emuka. DAFTAR RIWAYAT IDUP. Nama : MOCAMAD SONAJI. Tempa/Taal Lar : Surabaya 7 Ju Isas : aa Pusa Sask PS. Pekeraa / Jabaa : Sa Desa Sask ro Meoolo 5. Rwaya Peka : seela SMA sampa sekara Smae Uv. maor Maemacs Smae Uv. maor Maemacs aasa Jepa a aasa Irs 6. Pealama era : 7. Orasas Proessoal : S S Smae Muslm Assocao SMA : IMAM SMA Smae Muslm Assocao SMA : Prese SMA Islamc Guace Socey IGS : Eor ural Islam Al-Irsaa Muslm Sue Assocao -Japa MSA-J :

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx

III PEMBAHASAN. 2 2x. K dy dx dy dx, (3.2) h2 2 ( x) P g y dydx g y dydx III PEMBAHASAN Pada peeliia ii aa dibaas formlasi Hamiloia bai era elomba ierfacial Pembaasa dibai dalam da ass yai ass perama dea baas aas berpa permaa raa da ass eda dea baas aas berpa permaa bebas Hamiloia

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

= 8 = 7. x 4 = 24 = 8 = 5 = 13. pada persamaan ketiga dan x 3 = 5

= 8 = 7. x 4 = 24 = 8 = 5 = 13. pada persamaan ketiga dan x 3 = 5 III. REDUKSI GANJIL-GENAP/REDUKSI SIKLIS.. Alortma Sequesal Coto 9. Selesaka sstem persamaa erkut : Jawa 6 x + x = 8 x + x 5 x = 7 x + x 6 x = 5 x + 8 x = Vektor x = [ x x x x ] T dperole melalu prosedur

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 URAIAN TEORITIS

BAB 2 URAIAN TEORITIS BAB URAIAN EORIIS Paa bab ini akan ibaas enang masala opimisasi berpembaas persamaan. Sebelum membaas masala opimisasi berpembaas persamaan maka erlebi aulu iberikan pengerian an sia-sia eksrim ari suau

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

BAB II PENYEARAH TERKENDALI. fasa thyristor. Tegangan keluaran penyearah terkendali dapat divariasikan dengan

BAB II PENYEARAH TERKENDALI. fasa thyristor. Tegangan keluaran penyearah terkendali dapat divariasikan dengan BAB PENYEAAH TEKENDA Unuk menghalkan egangan keluaran yang erkenal gunakan pengenal faa hyror. Tegangan keluaran penyearah erkenal apa varakan engan mengonrol aau mengaur uu penyalaan hyror. Thyror nyalakan

Lebih terperinci

BAB 4 SISTEM DINAMIK ORDE-TINGGI

BAB 4 SISTEM DINAMIK ORDE-TINGGI Stem Damk Ore-Tgg 47 BAB 4 SISTEM DINAMI ORDE-TINI Stem amk ore-tgg gabuga ua atau lebh tem amk ore-atu. Cotoh:. Level cotrol paa tagk-tagk, bak yag tem o- terka oteractg ytem maupu yag terterak teractg

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Bulei Ilmia Ma. Sa. da Teraaa (Bimaser) Volume 6, No. 0(07), al 8. BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR Umi Salma, Mariaul Kifia, Frasiskus Fra INTISARI Beuk kaoik

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

Penerapan Model Predictive Control (MPC) pada Kapal Autopilot dengan Lintasan Tertentu

Penerapan Model Predictive Control (MPC) pada Kapal Autopilot dengan Lintasan Tertentu JURNA SAINS DAN SENI ITS Vol, No, Sp 0 ISSN: 0-98X A-5 Papa Mol P Cool MPC paa Kapal Aoplo a aa T S Aa Sola, Kaa, a Sba Ja Maaa, Fala Maaa a Il Paa Ala, I Tolo Spl Nopb ITS Jl A Raa Ha, Sabaya 60 Eal:

Lebih terperinci

BAB II TEORI DASAR ANTENA

BAB II TEORI DASAR ANTENA BAB II TEORI DASAR ANTENA.1. endahuluan Anena didefinisikan oleh kamus Webser sebagai ala yang biasanya erbua dari meal (sebagai iang aau kabel) unuk meradiasikan aau menerima gelombang radio. Definisi

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

PEMBAHASAN. Solusi Eksak Persamaan Boltzman dengan Nilai Awal Bobylev Misalkan dipilih nilai awal Bobylev berikut:

PEMBAHASAN. Solusi Eksak Persamaan Boltzman dengan Nilai Awal Bobylev Misalkan dipilih nilai awal Bobylev berikut: PEMBAHASAN Paa karya ilmiah ini persamaan Bolzmann yang akan icari solusinya aalah persamaan Bolzmann spasial homogen yaiu persamaan Bolzmann engan x bernilai nol iuliskan: S cos [ ] e. g θ 4 uas kiri

Lebih terperinci

2. SAMBUNGAN PAKU KELING

2. SAMBUNGAN PAKU KELING . SAMBUNGAN PAKU KELING. Pegguaa Sambuga paku Kelig Paku kelig aalah sejeis pasak aau paku yag iguaka uuk megika suau sambuga, yag sifaya permae imaksuka agar bagia-bagia ksruksi yag elah isambug/iika

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2 Semar Nasoal Saska IX Isu ekolog Sepulu Nopember, 7 November 009 PENGGUNAAN REGRESI KONINUM DENGAN PRA- PEMROSESAN ROBPCA UNUK PEMODELAN SAISICAL DOWNSCALING Suko da Seaa, Jurusa Saska FMIPA IS suko@saska.s.ac.d,

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,,

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,, Salmah Ar S Ch. R I Idah W Bagu S dega ebuah bak berama au uroea Ceral Bak CB. odel megabaka erak ekeral dega egara-egara o uuk eederhaaa. odel memeuh eramaa-eramaa r & m / / / / dega adalah keluara real

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

Reduksi Persamaan Dirac ke Persamaan Cauchy Nondegenerate

Reduksi Persamaan Dirac ke Persamaan Cauchy Nondegenerate Jurnal San & Maemaka JSM rkel ISSN 0854-0675 enelan olume 5, Nomor, Januar 007 rkel enelan: 39-43 Reuk eramaan ra ke eramaan Cauhy Nonegenerae Sulo Haryano Juruan Maemaka FMI UNI BSRK---eramaan ra abrak

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA BAB PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA Meode Euler Meode Euler adala Meode ampira palig sederaa uu meelesaia masala ilai awal: ( Biasaa diasumsia bawa peelesaia ( dicari pada ierval erbaas ag dieaui

Lebih terperinci

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

Berlaku Perbandingan. A. Konsep Suhu

Berlaku Perbandingan. A. Konsep Suhu Suhu erupakan ukuran relaif (deraja) panas aau dingin suau benda aau sise. Pada kasus dua buah benda yang berbeda suhu dan keduanya disenuhkan sau saa lain, aka kr akan engir dari benda yang lebih panas

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia ABSTRACT

Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia ABSTRACT CDNGN SURNSI JIW CONTINGENT BERDSRKN DISTRIBUSI GOMERTZ Mifakhur Rohmah *, Hasriai, Hariso Mahasiswa roram S Maemaika Dose Jurusa Maemaika Fakulas Maemaika a Ilmu eeahua lam Uierias Riau Kampus Bia Wia

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar 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 terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

Bab III Komentar terhadap distribusi vec(r)

Bab III Komentar terhadap distribusi vec(r) Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB TNJAUAN USTAKA. Operas Ssem Teaga Lsrk Ssem aaga lsrk aalah sekumpula pusa eaga lsrk a garu uk yag sau ega yag la hubugka ega jarga rasms sehgga merupaka sebuah kesaua erkoeks (Marsu, 99). Dalam operas

Lebih terperinci

(Indeks Rata-rata Harga Relatif, Variasi Indeks Harga, Angka Indeks Berantai, Pergeseran waktu dan Pendeflasian) Rabu, 31 Desember 2014

(Indeks Rata-rata Harga Relatif, Variasi Indeks Harga, Angka Indeks Berantai, Pergeseran waktu dan Pendeflasian) Rabu, 31 Desember 2014 ANGKA NDEKS (ndeks Raa-raa Harga Relaif, Variasi ndeks Harga, Angka ndeks Beranai, Pergeseran waku dan Pendeflasian) Rabu, 31 Desember 2014 NDEKS RATA-RATA HARGA RELATF Rumus, 1 P 100% n P,0 = indeks raa-raa

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

1 0 0 m 2 BUDIDAYA PEMBESARAN IKAN NILA

1 0 0 m 2 BUDIDAYA PEMBESARAN IKAN NILA P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A R A N I K A N N I L A P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) B U D I D A Y A P E M B E S A

Lebih terperinci

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan JMP : Vol. 8 No., Des. 016, al. 33-40 ISSN 085-1456 ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI Novita Eka Cadra Uiversitas Islam Darul Ulum Lamoga ovitaekacadra@gmail.com Masriai Mayuddi Uiversitas

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: asomath@ahoo.com ABSTRACT I ths ae we

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

Untuk mentukan titik tetap dari persamaan (3.1) maka persamaan tersebut dibuat sama dengan nol, yaitu dt 0. seperti dalam persamaan berikut dt dt dt

Untuk mentukan titik tetap dari persamaan (3.1) maka persamaan tersebut dibuat sama dengan nol, yaitu dt 0. seperti dalam persamaan berikut dt dt dt LAMIRA 4 5 Lamra eetua t eta ar eramaa 3. Utu metua tt teta ar eramaa 3. maa eramaa tereut uat ama ega ol yatu a ee alam eramaa erut t t t..................3 Dar eramaa aa eroleh la eaga erut t Dar eramaa

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

Analisis Model dan Contoh Numerik

Analisis Model dan Contoh Numerik Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS 5//04 Matakulah: T EDALI Tahu : 04 Pertemuaa 45 Tempat eduduka Akar(Root Lou Aaly) Learg Outome Pada akhr pertemua, dharapka mahawa aka mampu : meerapka aal da aplka Tempat keduduka Akar dalam dea tem

Lebih terperinci

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

Lebih terperinci

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang Fska Modern Persaaan Schroodnger dan Fngs Gelobang Apa Persaaan unuk Gelobang Maer? De Brogle eberkan posula bahwa seap parkel elk hubungan: h/ p Golobang aer ala n dkonfras oleh percobaan dfraks elekron,

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

5 S u k u B u n g a 1 5 %

5 S u k u B u n g a 1 5 % P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) U S A H A A B O N I K A N P O L A P E M B I A Y A A N U S A H A K E C I L ( P P U K ) U S A H A A B O N I K A N B A N K I N D O N E S I A K A

Lebih terperinci

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci