TENTANG UTS. Penentuan Cadangan, hal. 1
|
|
- Sudomo Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 TENTANG UTS Soal 1: Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan di atas tekanan saturasi, sedangkan dalam banyak jawaban di bawah tekanan saturasi atau pada p = p b. Argumentasi banyak yang menggunakan frase gas tidak bisa masuk lagi jika tekanan dinaikkan. Soal 2, 3, 4: Should be OK. Diberikan data dan gunakan persamaan yang telah dipelajari. Walau, lagi-lagi, wording argumentasi tidak fokus. Soal 5: Mudah, jika interpretasi h = 8 m vs. A = 2 km 2 benar. Ada yang tidak mengumpulkan cheat sheet. Penentuan Cadangan, hal. 1
2 Pendahuluan (1) Persoalan memperkirakan suatu harga dari suatu variabel dalam suatu proses alam yang mengandung ketidakpastian Dalam industri minyak, ketidakpastian terdapat dalam 1. perkiraan modal 2. cadangan 3. parameter ekonomi Ketidakpastian dikuantifikasi dengan selang harga (bukan satu harga pasti) yang mungkin serta tingkat kemungkinannya Ketidakpastian berkenaan dengan analisis risiko dan analisis probabilitas Penentuan Cadangan, hal. 2
3 Pendahuluan (2) Ketidakpastian yang menyangkut analisis risiko: 1. Suatu sumur wild cat memerlukan waktu antara 56 sampai 87 hari untuk mengebornya tidak mengatakan persis 65 hari. 2. Biaya total untuk pemboran tersebut antara US$ 4.3 juta sampai US$ 7.2. juta tidak menyebutkan persis US$ 5.2 juta Ketidakpastian yang menyangkut analisis probabilitas: 1. Berapa kemungkinan mendapatkan NPV suatu prospek melebihi target yang ditetapkan sebesar US$ 2.0 juta? 2. Seberapa mungkin tambahan cadangan dari program eksplorasi yang sedang dijalankan tahun ini akan menambah produksi tahun berikutnya? Penentuan Cadangan, hal. 3
4 Pendahuluan (3) Untuk mendapatkan harga suatu variabel dapat menggunakan pendekatan deterministik atau stokastik Proses deterministik satu keluaran (output) Proses stokastik keluaran lebih dari satu (banyak), mempunyai kemungkinan yang sama Kelebihan metode stokastik adalah memasukkan unsur ketidakpastian Penentuan Cadangan, hal. 4
5 Pendahuluan (4) proses perhitungan menggunakan suatu model yang berulang-ulang yang mensimulasi suatu proses dengan variabel berupa penyebaran (distribusi) harga Hasil dari proses simulasi Monte Carlo adalah hubungan probabilitas vs. harga variabel Penentuan Cadangan, hal. 5
6 Distribusi Harga Model berupa persamaan matematis dengan variabel yang dinyatakan berdasarkan distribusi frekuensi (probability density function) dan distribusi kumulatif (probability distribution function) Distribusi frekuensi dari variabel dalam model diperkirakan berdasarkan data yang terbatas sehingga distribusi yang dihasilkan tidak berbentuk kurva yang continous Hanya dapat memperkirakan harga minimum, maksimum, dan paling mungkin (most likely) - distribusi segi tiga (triangular) atau hanya harga minimum dan maksimum saja - distribusi segi empat (uniform distribution) Penentuan Cadangan, hal. 6
7 Distribusi Harga: Distribusi Segitiga dan Segiempat (1) Harga minimum, maksimum, dan yang paling mungkin distribusi berbentuk segi tiga: w(x) Distribusi segi tiga a b c Harga minimum dan maksimum saja distribusi berbentuk segi empat: w(x) Distribusi segi empat (seragam) a x b Penentuan Cadangan, hal. 7
8 Distribusi Harga: Distribusi Segitiga dan Segiempat (2) Untuk menghindari pengaruh subjektivitas dalam penentuan model distribusi variabel, digunakan bilangan acak (random number) Hasil perhitungan tersebut dinyatakan dalam histogram dan distribusi kumulatif Penentuan Cadangan, hal. 8
9 Distribusi Harga: Histogram (1) Kumpulan harga pengamatan suatu variabel dalam suatu model dinyatakan dalam bentuk distribusi frekuensi (bentuk histogram) Histogram diperoleh dari n hasil pengamatan yang dikelompokkan dalam suatu selang harga, x Jumlah pengamatan dalam selang harga dinyatakan dalam frekuensi absolut, f i, atau dalam frekuensi relatif, w i, dimana wi fi n Penentuan Cadangan, hal. 9
10 Distribusi Harga: Histogram (2) pengamatan = n selang harga = x Penentuan Cadangan, hal. 10
11 Distribusi Harga: Histogram (3) Frekuensi per satuan harga x sepanjang selang x disebut kerapatan jenis frekuensi (frequency density), w(x): w(x i) w i x Plot w(x) terhadap x berbentuk histogram; luas daerah w(x i )x i di bawah kurva sepanjang internal x i merupakan frekuensi (relatif) Luas daerah di bawah kurva w(x i ) sama dengan satu, sehingga: n n w(x i) xi wi 1 i1 i1 Bentuk histogram akan mendekati continous bila jumlah pengamatan banyak (harga n besar) Penentuan Cadangan, hal. 11
12 Distribusi Harga: Distribusi Normal dan Log-Normal (1) Distribusi frekuensi yang sering ditemukan untuk sifat fisik reservoir adalah distribusi normal atau log-normal Distribusi normal Distribusi log-normal Positive skew Negative skew Distribusi frekuensi normal berbentuk lonceng (bell shaped) yang simetris sehingga X mean = X mode = X median Penentuan Cadangan, hal. 12
13 Distribusi log-normal berbentuk seperti distribusi normal dengan salah satu sisinya menceng (skewness) ke kiri atau ke kanan Penentuan Cadangan, hal. 13
14 Distribusi Harga: Distribusi Normal dan Log-Normal (2) Hasil pengolahan data pengamatan dapat juga dinyatakan sebagai distribusi frekuensi kumulatif, W(x<x i ), dimana: xi W(x x i) w(x)dx Harga W(x<x i ) merupakan luas daerah di bawah kurva distribusi frekuensi w(x) untuk x < x i Harga tersebut menggambarkan besarnya peluang atau probability untuk mendapatkan harga x x i. Harga maksimum W(x<x i ) adalah 1, sehingga: W x x 1 Wx i x i Penentuan Cadangan Penentuan Cadangan, hal. 14
15 Distribusi Harga: Distribusi Normal dan Log-Normal (3) Untuk distribusi normal, kurva x terhadap W(x<x i ) pada probability paper berbentuk linier Untuk distribusi log-normal, kurva x terhadap W(x<x i ) pada probability paper juga linier bila sumbu log digunakan untuk variabel x. Penentuan Cadangan, hal. 15
16 PR 4 No.1 Selesaikan Contoh 3: Penentuan Distribusi Variabel pada diktat dengan memplot pada kertas grafik (probability paper) x terhadap W(x<x i ) sehingga diperoleh ciri (bentuk kurva) untuk jenis distribusi normal dan log-normal. Catatan: Probability paper dapat diminta di asisten. Penentuan Cadangan, hal. 16
17 Distribusi Segi Tiga (Distribusi ) (1) w(x) a b c x = a harga minimum x = b paling mungkin x = c maksimum Luas daerah di bawah kurva = 1 Penentuan Cadangan, hal. 17
18 Distribusi Segi Tiga (Distribusi ) (2) Persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<x i ): 2(x a) w(x) x b (1) (c a)(b a) 2(c x) (c a)(c b) x b (2) w(x) = distribusi frekuensi. 2 x a W(x<x i ) x b (3) (c a)(b a) 2 c x 1 (c a)(c b) x b (4) W(x<x i ) = distribusi frekuensi kumulatif. Penentuan Cadangan, hal. 18
19 Distribusi Segi Empat (Distribusi ) (1) w(x) a x b x = a harga minimum x = b maksimum Distribusi frekuensi w(x) tetap untuk setiap harga x Penentuan Cadangan, hal. 19
20 Distribusi Segi Empat (Distribusi ) (2) Persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<x i ): w(x) 1 a x b b a (5) (x a) W(x x i) a x b b a (6) Akibatnya: Grafik W(x<x i ) terhadap x untuk distribusi segi tiga berbentuk S (S-shaped) Grafik W(x<x i ) terhadap x untuk distribusi segi empat berbentuk linier Penentuan Cadangan, hal. 20
21 Distribusi Frekuensi w(x) dan Distribusi Frekuensi Kumulatif W(x<x i ) w(x) W(x<x i ) 1 a b c a x c w(x) W(x<x i ) a c a x c Penentuan Cadangan, hal. 21
22 Proses Simulasi (1) adalah proses perhitungan berulang-ulang sehingga menghasilkan sejumlah keluaran (output) Harga variabel x diperoleh berdasarkan persamaan distribusi frekuensi kumulatif (segitita dan segi empat) Berdasarkan persamaan untuk kedua distribusi tersebut diperoleh: 1. Distribusi segi tiga 0. 5 W(x a)(b a x a x i )(c ) x1 b W(x a)(c b x c x i )(c ) x1 b 2. Distribusi segi empat Penentuan Cadangan, hal. 22
23 x a W(x x i)(b a) Penentuan Cadangan, hal. 23
24 Proses Simulasi (2) Jadi, variabel x dapat dihitung jika W(x<x i ) diketahui Agar tidak bersifat subyektif, W(x<x i ) dicari dengan menggunakan bilangan acak (random number) Bilangan acak dapat diperoleh dengan cara: 1. Menggunakan random number generator yang tersedia dalam komputer 2. Menggunakan buku telepon dengan mengambil dua (dua) digit terakhir dari nomor telepon sebagai W(x<x i ) dalam bentuk fraksi. Penentuan Cadangan, hal. 24
25 Prosedur Simulasi 1. Tentukan model yang berupa satu atau lebih persamaan dengan asumsi dan hubungan antar variabel yang logik. 2. Pandang setiap parameter dalam model sebagai variabel acak yang memenuhi hubungan probabilitas vs. harga kumulatif 3. Pilih satu harga untuk setiap parameter dan kemudian run model. Proses ini menghasilkan satu keluaran dan disebut sebagai satu realisasi. 4. Ulangi Langkah 3. Proses ini disebut simulasi yaitu pengulangan sebanyak ribuan atau ratusan ribu kali perhitungan. 5. Lakukan pengolahan data dan analisis terhadap hasil dari Langkah 4 dengan menggunakan histogram atau distribusi frekuensi kumulatif Penentuan Cadangan, hal. 25
26 Penggunaan Bilangan Acak (1) Satu perhitungan dilakukan dengan satu set bilangan acak Jumlahnya bilangan acak sama dengan jumlah variabel dalam model perhitungan yang digunakan Simulasi dilakukan dengan jumlah set bilangan acak (n) lebih besar dari 1000 Urutan penggunaan bilangan acak dalam model bersifat tetap Penentuan Cadangan, hal. 26
27 Penggunaan Bilangan Acak (2) Bilangan acak Assigned to variable A B C RN 1 X a - - RN 2 - X b - RN X c RN 4 X a - - RN 5 - X b - RN X c dst. RN 1, RN 2, RN 3 satu set bilangan acak pertama RN 4, RN 5, RN 6 satu set bilangan acak kedua, dst. Dengan demikian, n set bilangan acak akan menghasilkan n keluaran (output) Penentuan Cadangan, hal. 27
28 Pengolahan Data dan Analisis 1. Tentukan harga terkecil dan terbesar dari keluaran 2. Tentukan jumlah selang - dapat digunakan rule of thumb: S = log(n) dimana: S n = jumlah selang = jumlah data hasil simulasi 3. Tentukan frekuensi absolut f i dan frekuensi relatif, w i, untuk tiap selang, kemudian buat histogram. 4. Tentukan frekuensi kumulatif, kemudian plot distribusi frekuensi kumulatif. Penentuan Cadangan, hal. 28
29 PR 4 No.2 Selesaikan Contoh 4: Aplikasi Dalam Perhitungan Cadangan pada diktat dengan: 1. Melakukan simulasi dengan n = 1000 menggunakan Excel (Excel dapat menggenerate bilangan acak dengan 2. Buat histogram dan kurva distribusi frekuensi kumulatif serta tentukan cadangan: Proven Proven + probable Proven + probable + possible Penentuan Cadangan, hal. 29
SIMULASI MONTE CARLO UNTUK MENENTUKAN ESTIMASI CADANGAN MINYAK DI LAPANGAN X
SIMULASI MONTE CARLO UNTUK MENENTUKAN ESTIMASI CADANGAN MINYAK DI LAPANGAN X Diyah Rosiani STEM Akamigas, Jl. Gajah Mada No. 38, Cepu E-mail : ani_diyah@yahoo.com ABSTRAK Estimasi cadangan yak merupakan
Lebih terperinciSimulasi Monte Carlo
Simulasi Monte Carlo Simulasi Monte Carlo Simulasi monte carlo melibatkan penggunaan angka acak untuk memodelkan sistem, dimana waktu tidak memegang peranan yang substantif (model statis) Pembangkitan
Lebih terperinciSeminar Nasional Cendekiawan 2015 ISSN:
PENENTUAN PARAMETER DAN PERHITUNGAN CADANGAN PANAS BUMI LAPANGAN AST DENGAN METODE SIMULASI MONTE CARLO Ayu Astri Utami Jurusan Teknik Perminayakan Fakultas Teknonolgi Kebumian dan Energi Universitas Trisakti
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciII. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari distribusi generalized lambda
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciSIMULASI: Deterministik dan Monte Carlo
SIMULASI: Deterministik dan Monte Carlo Tjipto Juwono, Ph.D. April 2017 TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 1 / 14 Apa itu yang dimaksud dengan simulasi? Apabila semua data diperoleh
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Bab ini akan membahas mengenai hasil penelitian dan pembahasan yang
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Bab ini akan membahas mengenai hasil penelitian dan pembahasan yang mengukur pengaruh antara dua variabel yaitu surat tagihan pajak sebagai variabel independen dan
Lebih terperinciRENCANA BIAYA PELAKSANAAN (RBP) YANG PALING MUNGKIN PADA PROYEK KONSTRUKSI DENGAN BANTUAN
1 RENCANA BIAYA PELAKSANAAN (RBP) YANG PALING MUNGKIN PADA PROYEK KONSTRUKSI DENGAN BANTUAN PROGRAM @RISK I Ketut Nudja S. 1) 1) Dosen Jurusan Teknik Sipil Fakultas Teknik Universitas Warmadewa ABSTRAK
Lebih terperinciBab V Hasil dan Pembahasan
Bab V Hasil dan Pembahasan V.1 Hasil Pengujian Model Dari pengujian model dengan simulasi yang dilakukan sebanyak 10.000 iterasi yang merupakan iterasi terpilih, diperoleh hasil-hasil sebagai berikut:
Lebih terperinciDISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat
Lebih terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinciPROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng.
PROBABILITAS &STATISTIK ke-1 Oleh: Kholistianingsih, S.T., M.Eng. KONTRAK PEMBELAJARAN UAS : 35% UTS : 35% TUGAS : 20% KEHADIRAN :10% SEMUA KOMPONEN HARUS ADA KEHADIRAN 0 NILAI MAKS D PEUBAH DAN GRAFIK
Lebih terperinciTUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA
TUGAS II STATISTIKA Oleh Butsiarah / 15B20020 Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA UNIVERSITAS NEGERI MAKASSAR 2015 1. Penelitian terhadap nilai mahasiswa S1 Jurusan
Lebih terperinciPERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL
Statistika, Vol., No., Mei PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Moh. Yamin Darsyah, Dwi Haryo Ismunarti Program Studi S Statistika Universitas Muhammadiyah Semarang, Jl. Kedung
Lebih terperinciProbabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata
Probabilitas dan Statistika Adam Hendra Brata Himpunan nilai-nilai yang mungkin dari peubah acak X merupakan himpunan tak terhitung yaitu tidak dapat dinyatakan sebagai {,, 3,., n } atau {,, 3,.} tetapi
Lebih terperinciBAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR,
BAB IV PEMBAHASAN IV.1 Analisa Harga Saham BBCA Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR, penulis akan menganalisa pergerakan harga saham BBCA. Data yang diperlukan dalam
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Pada hasil pengumpulan data sekunder mengenai Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Dana Alokasi Khusus ( DAK ), Pertumbuhan
Lebih terperinciBAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian, yang tidak dapat diperkirakan sebagai sesuatu yang pasti. Pada umumnya pengukuran berulang
Lebih terperinci5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI
Week 11 & 12 HYDROLOGIC STATISTICS (and Frequency Analysis) Introduction Frequency and Probability Function Statistical Parameters Fitting a Probability Distribution Probability Distributions for Hydrologic
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN. Tabel 4.1 Prosedur penarikan sampel
BAB IV ANALISIS HASIL PENELITIAN A. Deskripsi Variabel Penelitian No. Pada bab ini akan dibahas tahap-tahap dan pengolahan data yang kemudian akan dianalisis tentang pengaruh profitabilitas, ukuran perusahaan,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Obyek dalam penelitian ini adalah harga penutupan saham-saham yang direkomendasikan akan dapat bertahan pada tahun politik (2014) dalam media kompas.com,
Lebih terperinciBAB 1 PENDAHULUAN. mengikutkan konsep dasar, seperti kapasitas dan kesesuaian. Syarat-syarat yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dalam perencanaan sistem suatu struktur, hampir semua teknik mengikutkan konsep dasar, seperti kapasitas dan kesesuaian. Syarat-syarat yang harus dipenuhi struktur
Lebih terperinciANALISIS STATISTIKA. Pertemuan 2 Statistika Dasar (Basic Statistics)
ANALISIS STATISTIKA Pertemuan Statistika Dasar (Basic Statistics) Statistika Deskripsi dan Eksplorasi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Tehnik
Lebih terperinciStatistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif
1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari
Lebih terperinciMata Kuliah Pemodelan & Simulasi
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciSTUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO
STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO Suatu supermarket telah melakukan pengamatan mengenai permintaan bayam sebagai salah satu item sayur sayuran yang dijualnya.
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperinciAdi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
Lebih terperinciI Made Rommy Permana , Semester II 2010/2011 1
Sari KLASIFIKASI TINGKAT KELAYAKAN PLAN OF DEVELOPMENT (POD) DENGAN METODE QUICK LOOK I Made Rommy Permana * Ir. Tutuka Ariadji, M.Sc.,Ph.D.** Perencanaan pengembangan lapangan (Plan Of Development POD)
Lebih terperinciDetail Tugas Besar Mata Kuliah Pemodelan dan Simulasi
Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi Buatlah aplikasi program untuk menyelesaikan kasus permasalahan dibawah ini, dengan menggunakan software aplikasi yang kalian mampu gunakan, interfacing
Lebih terperinciDISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciUKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN Tita Talitha, MT DISTRIBUSI FREKWENSI PENGERTIAN distribusi frekwensi adalah suatu tabel dimana banyaknya kejadian / frekwensi didistribusikan ke dalam kelas-kelas
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap Harga Saham Pada Perusahaan Perdagangan, Jasa Dan Investasi Di Daftar Efek Syariah
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN. Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data
BAB IV ANALISIS HASIL PENELITIAN Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data yang berhasil dikumpulkan, hasil pengolahan data dan pembahasan dari hasil pengolahan tersebut. Berdasarkan
Lebih terperinciSTK 211 Metode statistika. Agus Mohamad Soleh
STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciDistribusi Probabilitas Kontinyu Teoritis
Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi
Lebih terperinciDistribusi Frekuensi dan Statistik Deskriptif Lainnya
BAB 2 Distribusi Frekuensi dan Statistik Deskriptif Lainnya Misalnya seorang penjaga gudang mencatat berapa sak gandum keluar dari gudang selama 15 hari kerja, maka diperoleh distribusi data seperti berikut.
Lebih terperinciterhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di
Nama: Ummi Fadilah NIM: 12/339683/PPA/3995 Teori Resiko Aktuaria PROSES PEMODELAN PENDAHULUAN Salah satu ciri dari negara maju adalah pemerintah dan masyarakat yang peduli terhadap kesehatan persalinan.
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciAdi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
Lebih terperinciPEMBANGKIT BILANGAN ACAK (Random Number Generator)
PEMBANGKIT BILANGAN ACAK (Random Number Generator) Mata Kuliah Pemodelan & Simulasi Jurusan Teknik Informatika Universitas Komputer Indonesia 1 2 Random Number Generator (1) Cara memperoleh : ZAMAN DAHULU,
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
III. DISTRIBUSI FREKUENSI 3.1 Pendahuluan Tujuan dari pembuatan tabel distribusi frekuensi adalah untuk mengatur data mentah (data yang belum dikelompokkan) ke dalam bentuk yang rapi tanpa mengurangi inti
Lebih terperinciMonte Carlo Simulation (1)
Monte Carlo Simulation (1) Tjipto Juwono, Ph.D. November 17, 2016 TJ (SU) Monte Carlo Simulation (1) Nov 2016 1 / 15 Apa itu yang dimaksud Monte Carlo Simulation? Eksperimen di dalam komputer Pada dasarnya
Lebih terperinciBAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO. Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang
BAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO 3. Simulasi Monte Carlo Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang dapat dibangun secara cepat menggunakan spreadsheet. Penggunaan
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciek SIPIL MESIN ARSITEKTUR ELEKTRO
ek SIPIL MESIN ARSITEKTUR ELEKTRO APLIKASI SIMULASI MONTE CARLO DALAM ESTIMASI BIAYA PROYEK Adnan Fadjar * Abstract Monte Carlo simulation is a method for modeling and analyzing systems which involving
Lebih terperinciSTK 211 Metode statistika. Materi 2 Statistika Deskriptif
STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Maret hingga April 2011 dengan lokasi penelitian berada di Hutan Pendidikan Gunung Walat, Kabupaten Sukabumi.
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciDistribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive
Modul ke: 02 Zulkifli, Fakultas Ekonomi dan Bisnis STATISTIK BISNIS Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive SE., MM. Program Studi Akuntansi S1 Distribusi Frekuensi Distribusi
Lebih terperinciSTATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si
STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Statistika Deskripsi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Teknik Penyajian Data Tabel Gambar
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Tabel 4.1
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Analisis Statistik Deskriptif Tabel output statistik deskriptif merupakan gambaran secara umum semua variable dalam penelitian ini. Gambaran umum tersebut meliputi
Lebih terperinciBAB 2 PENYAJIAN DATA
BAB 2 PENYAJIAN DATA A. PENGERTIAN DISTRIBUSI FREKUENSI Daftar yang memuat data berkelompok. Susunan data menurut kelas-kelas interval tertentu atau menurut kategori tertentu dalam sebuah daftar. 1. Kelas-kelas
Lebih terperinciSTK511 Analisis Statistika. Bagus Sartono
STK511 Analisis Statistika Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Sebaran peluang peubah acak. Sebaran penarikan contoh Pendugaan parameter Pengujian hipotesis (t-test, one-way
Lebih terperinciStatistika Deskriptif
Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan
Lebih terperinciDistribusi Frekuensi
Distribusi Frekuensi Statistik Industri Beberapa Istilah 1 Beberapa (cont ) Kelas interval : banyaknya objek yang dikumpulkan dalam kelompok tertentu, berbentuk interval a b ex: kelas interval pertama
Lebih terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinciDAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel
PENGANTAR STATISIK DAN ANALISIS DATA 1. Statistik dan Statistika 2. Populasi dan Sampel 3. Jenis-jenis Observasi 4. STATISTIKA DESKRIPTIF Sari Numerik Penyajian Data MA 2181 Analisis Data 8 Agustus 2011
Lebih terperinciANALISIS DAN PEMBAHASAN
Pengujian Hasil Analisis dengan Back Testing (LR) - Tentukan nilai T, V dan α - Hitung nilai - Bandingka LR dengan CV pada α tertentu - Kesimpulan uji Membandingkan Actual Loss dengan Metode Standar dengan
Lebih terperinciDAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA
DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA a. Tabel distribusi frekuensi Kelas Tabulasi Frekuensi 4 IIII 7 IIII IIII 9 8 1 IIII IIII II 1 11 13 IIII IIII IIII IIII 19 14 16 IIII IIII IIII IIII IIII 4 17
Lebih terperinciBAB IV. Tabel 4.1. dan Pendapatan Bagi Hasil. Descriptive Statistics. Pembiayaan_Mudharabah E6 4.59E E E9
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil 1. Uji Statistik Deskriptif Statistika deskriptif digunakan untuk melihat gambaran secara umum data yang sudah dikumpulkan dalam penelitian ini. Berikut
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan
Lebih terperinciAPLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com
APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciBAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI
BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan
Lebih terperinciDistribution. Contoh Kasus. Widya Rahmawati
Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis
Lebih terperinciSIMULASI Kendalan (Reliability Simulation)*
TKS 6112 Keandalan Struktur SIMULASI Kendalan (Reliability Simulation)* * Pranata, Y.A. Teknik Simulasi Untuk Memprediksi Keandalan Lendutan Balok Statis Tertentu. Prosiding Konferensi Teknik Sipila Nasional
Lebih terperinciSampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.
Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi
Lebih terperinciPEMBAHASAN UTS 2015/2016 STATISTIKA 1
PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)
Lebih terperinciMA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar
Review 1: Statistika Deskriptif MA5182 Topik dalam Statistika I: Statistika Spasial 28 Agustus 2012 28 Agustus 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati
Lebih terperinciBab 3 Kinerja Rata-rata dan Variabilitas
Bab 3 Kinerja Rata-rata dan Variabilitas Dr. Yeffry Handoko Putra UNIVERSITAS KOMPUTER INDONESIA Page 1 ANALISIS DATA TERUKUR Kejadian Independen Variabel acak (random variable) Cumulative Distribution
Lebih terperinciESTIMASI CADANGAN HIDROKARBON DENGAN SIMULASI MONTE CARLO DALAM RANGKA PENGELOLAAN SUMBERDAYA MIGAS Suranto Mth. Kristiati EA Staff Pengajar Jurusan Teknik Perminyakan Abstrak Ketika keberadaan hidrokarbon
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Dalam bab ini akan diuraikan hal - hal yang berkaitan dengan hasil pengolahan data dan pembahasan dari hasil pengolahan data tersebut. Adapun pembahasan yang dimaksud meliputi
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Pengujian Validitas Variabel Validitas menunjukkan seberapa nyata suatu pengujian mengukur apa yang seharusnya diukur. Dalam Ghozali (2005:45) dinyatakan suatu kuesioner
Lebih terperinciPENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar
PENGANTAR & STATISTIKA DESKRIPTIF BI5106 Analisis Biostatistik Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00
Lebih terperinciKursus Statistika Dasar. Bagian 1. Pengelompokan Statistika. Istilah-istilah Dasar. Jenis Data. Pengelompokan Statistika lainnya. Bambang Suryoatmono
Kursus Statistika Dasar Bambang Suryoatmono Bagian 1 Statistika Deskriptif Pengelompokan Statistika Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik
Lebih terperinciModul 14. PENELITIAN OPERASIONAL I MODEL SIMULASI. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
. PENELITIAN OPERASIONAL I MODEL SIMULASI Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 007 MODEL SIMULASI PENDAHULUAN
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN.1. Karakteristik Data Pengamatan karakteristik tegakan hutan seumur puspa dilakukan pada dua plot di Hutan Pendidikan Gunung Walat dengan luas masing-masing plot berukuran 1
Lebih terperinciBAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN
BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN A. Analisis Data tentang Nilai BTQ SD Kandang Panjang 01 Pekalongan Setelah dikumpulkan dengan
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 terperinciPEMILIHAN KEBIJAKAN SISTEM PENGGANTIAN SPARE PART PADA PERUSAHAAN CONSUMER GOOD DENGAN MENGGUNAKAN METODE SIMULASI
PEMILIHAN KEBIJAKAN SISTEM PENGGANTIAN SPARE PART PADA PERUSAHAAN CONSUMER GOOD DENGAN MENGGUNAKAN METODE SIMULASI Asep dan Abdulah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi
Lebih terperinciMetode Statistika (STK211)
Ilustrasi Quiz: Apa Jenis Data Kita? (coret yang salah) Survei Kemampuan Bayar Pelanggan Listrik (studi kasus Kelurahan Sukamakmur). Mengetahui gambaran kemampuan bayar pelanggan listrik masyarakat. Menentukan
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI Statistika dan Probabilitas 2 Regresi Linear Tabel data x i y i = f(x i ) 1 0.5 2 2.5 3 2 4 4 5 3.5 6 6
Lebih terperinci(Risk Analysis Simulator)
(Risk Analysis Simulator) TUJUAN Membuat alat eksperimental, atau simulator, yang akan berlaku seperti sistem yang diinginkan dalam aspek yang pasti dan cepat, dengan biaya yang efektif. PERBANDINGAN ANTARA
Lebih terperinciD. (1 + 2 ) 27 E. (1 + 2 ) 27
1. Nilai dari untuk x = 4 dan y = 27 adalah... A. (1 + 2 ) 9 B. (1 + 2 ) 9 C. (1 + 2 ) 18 D. (1 + 2 ) 27 E. (1 + 2 ) 27 2. Persamaan 2x² + qx + (q - 1) = 0, mempunyai akar-akar x 1 dan x 2. Jika x 1 2
Lebih terperinciSIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciStatistika Bisnis. Penyajian Data. Ika Sari, SE, M.Ak. Modul ke: Fakultas Ekonomi & Bisnis. Program Studi Akuntansi.
Statistika Bisnis Modul ke: Penyajian Data Fakultas Ekonomi & Bisnis Ika Sari, SE, M.Ak Program Studi Akuntansi www.mercubuana.ac.id Penyajian Data Distribusi Frekuensi Penyajian Data dengan Grafik Penyajian
Lebih terperinciUKURAN SAMPEL DAN DISTRIBUSI SAMPLING DARI BEBERAPA VARIABEL RANDOM KONTINU
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 3, o.1 (14), hal 1-6. UKURA SAMPEL DA DISTRIBUSI SAMPLIG DARI BEBERAPA VARIABEL RADOM KOTIU Muhammad urudin, Muhlasah ovitasari Mara, Dadan Kusnandar
Lebih terperinciBAB VI DISTRIBUSI PROBABILITAS MENERUS
BAB VI DISTRIBUSI ROBABILITAS MENERUS 6. Distribusi Uniform (seragam) Menerus Distribusi seragam menerus merupakan distribusi yang paling sederhana. Karaketristik distribusi ini adalah fungsi kepadatannya
Lebih terperinciPerhitungan Volumetrik OOIP dan Analisis Ketidakpastiannya
Bab V Perhitungan Volumetrik OOIP dan Analisis Ketidakpastiannya Definisi dan terminologi dalam perhitungan volumetrik dalam studi ini dideskripsikan dalam diagram gambar V.1. Gross Pore Volume Total Pore
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Dalam bab ini akan menjelaskan tentang hasil pengujian perhitungan secara matematis dengan membandingkan histogram data mentah dan distribusi probabilitias teoritis. Data mentah
Lebih terperinci