BAB II LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI"

Transkripsi

1 BAB II LANDASAN TEORI. Pemelharaa aau Maeace.. Pegera Pemelharaa Pemelharaa aau dalam slah asgya dsebu maeace adalah kegaa uuk memelhara aau mejaga faslas / eralaa abrk da megadaka erbaka aau eyesuaa / eggaa yag derluka suaya erdaa suau keadaa oeras roduks yag memuaska sesua dega aa yag drecaaka. ( Assaur, 980, hal 89) Sedagka maaably ddefska sebaga kemugka komoe aau ssem yag jauh aau rusak aka derbak ada kods ereu dalam suau erode waku saa emelharaa dlakuka sesua dega rosedur yag elah deuka ( Ebelg, 997 hal 6 ). Kegaa emelharaa aau maeace meruaka kegaa yag eg dalam suau dusr agar roduks daa berjala lacar. Dalam usaha uuk daa megguaka erus faslas aau eralaa eralaa roduks agar kouas roduks daa erjam, maka dbuuhka kegaa- kegaa emelharaa da 7

2 erawaa yag melu kegaa egeceka, memyak da erbaka aau rearas aas kerusaka- kerusaka yag ada sera eggaa sare ar aau komoe yag erdaa ada faslas ersebu. Semua kegaa sebearya meruaka ugas maeace. Tugas ugas aau kegaa maeace adalah : ( Sofya Assaur,980 ) Pemerksaa (seco), yau daka yag dujuka erhada ssem aau mes uuk megeahu aakah ssem berada ada kods yag dgka. Servs (servce), yau daka yag beujua uuk mejaga kods suau ssem yag basaya elah daur dalam buku eujuk emaka ssem. Peggaa komoe (relaceme), yau daka eggaa komoe yag dagga rusak aau dak memeuh kods yag dgka. Tdaka eggaa mugk dlakuka secara medadak aau dega erecaaa ecegaha erlebh dahulu. Rear, yau daka erbaka mor yag dlakuka ada saa erjad kerusaka kecl. Overhaul, yau daka erbaka besar-besara yag basaya dlakuka dakhr erode ereu... Tujua emelharaa Tujua uama fugs emelharaa adalah : ( Sofya Assaur, 980, hal 89). Kemamua roduks daa memeuh sesua dega recaa roduks. 8

3 . Mejaga kualas ada gka yag ea uuk memeuh aa yag dbuuhka oleh roduk u sedr da kegaa roduks yag dak ergaggu. 3. Uuk membau megurag emakaa da eymaga yag ada d luar baas da mejaga modal yag dvesaska dalam erusahaa selama waku yag deuka sesua dega kebjaksaaa erusahaa megea vesas ersebu. 4. Uuk mecaa gka baya emelharaa seredah mugk dega melaksaaka kegaa maeace secara efekf da efse keseluruhaya. 5. Meghdar kegaa maeace yag daa membahayaka ekerja. 6. Megadaka suau kerja sama yag era dega fugs fugs uama laya dar suau erusahaa dalam ragka uuk mecaa ujua uama erusahaa, yau gka keuuga aau reur of vesme yag sebak mugk da oal baya yag redah...3 Jes Jes Pemelharaa Bedasarka jesya emelhara erbag aas dua yau reacve maeace da roacve maeace...3. Reacve Maeace Yag ermasuk dega reacve maeace adalah correcve maeace. Correcve maeace meruaka kegaa emelharaa seelah adaya eralaa aau mes yag rusak aau break dow. Perawaa dlakuka ada abrk abrk yag megguaka ermesa yag dak mahal karea basaya 9

4 melegkaya dega mes cadaga yag selalu sa sehgga bla mes yag beroeras megalam kerusaka daa dgaka. Breakdow Maeace dlakuka seelah eralaa rusak da dak ada ecegaha. Jes emelharaa memuya kelemaha yau bla mes rusak medadak maka oomas kegaa roduks berhe da membulka waku meggaggur ( dle ) mes uuk derbak sehgga arge roduks mugk dak ercaa...3. Proacve Maeace Proacve maeace meruaka emelharaa yag dlakuka secara erecaa aa meuggu mes rusak erlebh dahulu sehgga daa memmas erjadya dowme akba kerusaka mes. Yag ermasuk dalam raocve maeace adalah :. Preveve Maeace Preveve maeace adalah kegaa erawaa yag dlakuka secara erjadwal, umumya secara erodk, d maa sejumlah ugas emelharaa seer seks, erbaka, eggaa, embersha, elumasa, da eyesuaa dlakuka. Tujua reveve maeace adalah uuk megkaka erformas eralaa. Semua faslas yag medaaka reveve maeace aka erjam kelacara kerjaya da selalu dusahaka dalam kods aau keadaa yag sa dguaka uuk sea oeras aau roses roduks. Preveve maeace umumya dlakuka berdasarka daa kerusaka d masa lalu d maa umumya daa kerusaka suau ssem memlk hubuga yag era dega 0

5 dsrbus sask ereu. Karea ulah dalam elaksaaya, reveve maeace memlk hubuga era dega realbly da maaably egeerg. Dalam rakekya reveve maeace yag dlakuka oleh suau erusahaa abrk daa dbedaka mejad dua yau roue maeace da erodc maeace. Roue maeace adalah kegaa emelharaa da erawaa yag dlakuka secara ru msalya sea har. Sebaga cooh dar kegaa roue maeace adalah embersha faslas / eralaa, elumasa ( lubrcao ) aau egeceka olya sera egeceka s baha bakarya da mugk ermasuk emaasa ( warmg u ) dar mes mes selama beberaa me sebelum daka beroeras seajag har sedagka erodc maeace adalah kegaa emelharaa da erawaa yag dlakuka secara erodk aau dalam jagka waku ereu, msalya sea sau mggu sekal lalu megka sea bula sekal da akhrya sea seahu sekal. Perodc maeace daa dlakuka ula dega memaka lamaya jam kerja mes aau faslas roduks ersebu sebaga jadwal kegaa, msalya sea seraus jam kerja mes sekal da seerusya. Jad sfa kegaa maeace ea secara erodk aau berkala. Kegaa erodc maeace adalah jauh lebh bera darada kegaa roue maeace. Sebaga cooh dar kegaa erodc maeace adalah embogkara carburaor aauu embogkara ala ala d baga ssem alra bes, eyeela kau kau emasuka da

6 embuaga cylder mes da embogkara mes / faslas ersebu uuk eggaa elor roda ( bearg ) sera servce da overhaul besar aauu kecl.. Predcve Maeace Meuru Harold Amre (98, hal 34), redcve maeace aau dagosc maeace adalah emelharaa yag dlakuka melalu aalsa secara fsk erhada eralaa / komoe dega baua egukura srume ereu seer ala egukur geara, amludo meer, emeraur egukur suara, dll uuk medeeks kerusaka sed mugk.. Keadala aau Relably Keadala aau relably adalah robablas sebuah komoe aau ssem aka daa beroeras sesua fugs yag dgka uuk suau erode waku ereu keka dguaka d bawah kods oeras yag elah deaka. ( Ebelg, 997, hal 5). Relably meruaka robablas kedakgagala dalam suau waku. Keadala ddefska sebaga suau kemugka bahwa ssem aau hasl roduks daa berera / bergua ada keadaa yag memuaska ada suau waku erode yag elah deuka jka derguaka ada suau kods oeras yag elah deaka (Guawa, 997).3 Keersedaa aau Avalbly

7 Keersedaa aau avalably adalah robablas sebuah komoe / ssem beroeras sesua fugs yag dgka uuk suau erode waku ereu keka dguaka d bawah kods oeras yag elah deaka. ( Ebelg, 997, hal 6). Avalablas juga daa derreaska sebaga ersease waku oeras dar sebuah komoe aau ssem selama erval waku ereu aau ersease komoe yag beroeras ada waku ereu. Perbedaaya dega relablas adalah bahwa avalablas adalah robablas bahwa komoe saa daa beroeras mesku sebelumya komoe ersebu erah rusak/ gagal da elah dulhka aau dkembalka ada kods oeras yag ormal. Karea u avalablas ssem dak erah lebh kecl laya darada la relablasya. Avalablas meruaka la yag lebh serg dguaka ada komoe/ ssem yag daa derbak karea memerhugka bak kegagala/ kerusaka mauu erbaka..4 Fugs Keadala Keadala meruaka robablas bahwa sebuah ssem ( komoe) aka berfugs dega bak hgga erode dalam kods oeras yag deaka. Daa dgambarka sebaga berku : R() = Pr {T }...(.) dmaa : R () = fugs keadala dega R() 0, R(0) =, da lm R() = 0 3

8 T = varabel acak me o falure ( waku saa erjadya kerusaka ssem aau komoe ) da T 0 Dega memasukka fugs keadaa eluag, maka : R() = F()...(.) R( ) = f ( ) d...(.3) 0 R ( ) = f ( ) d...(.4) Uuk 0 R() da 0 F() (Ebelg Charles., hal 3).5 Hazard Rae Fuco Hazard rae fuco serg kal dsebu ula falure rae ( laju kerusaka ) aau saaeous falure rae ( laju kerusaka sesaa). Fugs meggambarka robablas bahwa suau eralaa aka rusak ada erval waku berkuya, sedagka sama saa, ala ersebu mash dalam kods bak. Dlambagka dega λ (). ( Ebelg, 997, hal 9). 4

9 5 Kods kemugka komoe baru aka rusak aara selag waku da + s dyaaka sebaga : P{ < T + s}. Uuk meyaaka bahwa komoe ea bekerja sama sekarag adalah : P{ < T + s T > }...(.5) Dega megga eor robablas : } { } { } { B P B A P B A P =...(.6) Pada kasus ereu A B, A B = A, sehgga } { } { } { B P A P B A P =...(.7) Dyaaka sebaga ) ( ) ( ) ( } { } { } { R F s F T P s T P T s T P + = > + < = > + < Ka membagya dega s da s medeka ol ) ( ) ( ) ( ) ( ) ( lm 0 R f R F s F s s = +...(.8) ) ( ) ( ) ( ) ( ) ( R f F f = = λ...(.9) dmaa : λ () adalah fugs laju kerusaka f () adalah fugs keadaa eluag R () adalah fugs keadala

10 .5. Bahu Curve Beuk eg dar hazard rae fuco adalah bahub curve. Ssem yag laju kerusakaya berbeuk bahub curve, megalam laju kerusaka yag meuru ada sklus awal, dku dega laju kerusaka kosa da kemuda laju kerusaka yag megka. Bahub curve meujukka ga daerah yag memlk laju kerusaka yag berbeda, yau : ( Ebelg, 997, hal 3) Daerah I : Fase Kerusaka Awal ( Saru Falure aau Early Falure ) Laju kerusaka ada aha erus meuru yag dawal dega gka laju kerusaka yag cuku gg ada awal oeras yag kemuda erus meuru yag dslahka dega DFR ( Decreasg Falure Rae ). Kerusaka yag erjad ada fase daa dsebabka oleh berbaga eyebab, seer kesalaha roses maufakur yag daas dega ercobaa acceace da egorola ada awal oeras. Daerah II: Fase Umur Paka yag Bergua ( Chace Falure aau Useful Lfe) Taha dada dega laju kerusaka yag kosa aau CFR ( Cosa Falure Rae). Kesalaha- kesalaha oerasoal meruaka eyebab dar kerusaka ada fase sehgga elaksaaa oeras yag ea daa megaas kerusaka yag erjad. Daerah III: Fase Keausa ( Wear- ou Falure) Fase memlk laju kerusaka yag erus megka aau IFR (Icreasg Falure Rae) yag dsebabka oleh berakhrya umur aka eralaa. Uuk 6

11 megurag laju kerusaka harus dlakuka erbaka erawaa ecegaha. Gambar.. Kurva Bahub ( Ebelg, 997, hal 3) Secara keseluruha, erawaa ecegaha daa megurag laju kerusaka yag erjad. Namu demka uuk daerah I ( bur ) da II ( useful lfe ) sebakya erawaa ecegaha yag dlakuka buka berua eggaa ecegaha karea daka dak daa megurag robablas kerusaka yag erjad. Tdaka eggaa ecegaha yag dlakuka aka sa sa. Peggaa ecegaha haya dlakuka uuk megurag laju kerusaka ada daerah III ( wearou). Sedagka kebjaksaaa erawaa yag lebh umum, seer overhaul, elumasa, da embersha daa deraka uuk kega daerah ersebu. 7

12 .6 Dsrbus Kerusaka Dsrbus kerusaka dbag mejad dua jes yau berdasarka laju kerusaka kosa aau ea da laju kerusaka dak ea ( ak aau uru ) berdasarka waku. Uuk laju kerusaka ea megguaka dsrbus eksoesal sedagka uuk laju kerusaka dak ea erdr dar dsrbus webull, ormal, da logormal..6. Dsrbus Eksoesal Dsrbus eksoesal adalah dsrbus yag alg ouler dguaka dalam eor keadala. Dsrbus dguaka uuk meghug keadala dar dsrbus kerusaka yag memlk laju kerusaka kosa. Dsrbus memlk laju kerusaka yag ea erhada waku, dega kaa la robablas erjadya kerusaka dak ergaug ada umur ala. Dsrbus eksoesal meruaka dsrbus yag alg mudah uuk daalsa. Parameer yag dguaka dalam dsrbus eksoesal adalah λ, yau raa raa kedaaga kerusaka yag erjad. Fugs fugs dar dsrbus eksoesal adalah : (Ebelg, 995, hal 4) Probably desy fuco : f ( ) = λ e λ...(.0) Cummulave desy fuco : λ F( ) = e...(.) 8

13 Relably fuco : λ R( ) = e...(.) Hazard rae fuco : f ( ) λ ( ) = = λ...(.3) R( ) Varas : σ =...(.4) λ Sadar devas : σ =...(.5) λ uuk 0, λ > 0; dmaa adalah waku..6. Dsrbus Webull Dsrbus Webull meruaka dsrbus yag alg bayak dguaka uuk waku kerusaka karea dsrbus dguaka bak uuk laju kerusaka yag megka mauu laju kerusaka yag meuru. Dua arameer yag dguaka dalam dsrbus adalah θ yag dsebu dega arameer skala (scale arameer) da β yag dsebu arameer beuk ( shae arameer). Fugs fugs dalam dsrbus Webull adalah : (Ebelg, 997, hal 59) 9

14 Probably desy fuco : β ( / θ ) β β f ( ) = e...(.6) θ θ Cummulave desy fuco : θ β F ( ) = e...(.7) Relably fuco : θ β R ( ) = e...8) Hazard rae fuco : β β λ( ) =...(.9) θ θ Varas : = σ θ Γ + Γ +...0) β β uuk θ > 0, β > 0, x > 0, 0 Dsrbus Webull serg dguaka dalam meeuka gka kegagala. Yag meeuka hal adalah la arameer β yag berkaa dega laju kerusaka yag aka erjad. Nla la β yag meujukka hal dujukka dalam Tabel.: ( Ebelg, 995, hal 63-64) Tabel.. Nla la Parameer β dalam Dsrbus Webull 0

15 Nla Laju Kerusaka 0 < β < Peguraga laju kerusaka (DFR) β = Dsrbus eksoesal (CFR) < β < Pegkaa laju kerusaka (IFR), Kokaf β = Dsrbus Raylegh β > Pegkaa laju kerusaka (IFR), Koveks 3 β 4 Pegkaa laju kerusaka (IFR), medeka dsrbus ormal, smers Bla β ( arameer beuk ) memergaruh beuk kurva ( laju kerusaka ak aau uru ), maka θ ( arameer skala ) memegaruh la egah da sebara dar dsrbus ersebu. Dega berambahya θ, la relablas ada waku ereu juga aka megka, yag berar meuruya laju kerusaka..6.3 Dsrbus Normal Dsrbus ormal daa dguaka uuk memodelka feomea keausa. Parameer yag dguaka adalah µ ( la egah ) da σ ( sadar devas ). Dsrbus juga cocok uuk model kelelaha da feomea wear ou mes. Karea hubugaya dega dsrbus logormal, dsrbus juga dguaka uuk megaalsa robablas logormal. (Ebelg, 995, hal 69) Fugs fugs yag dguaka dalam dsrbus ormal adalah : Probably desy fuco : ( µ ) f ( ) = ex...(.) σ π σ uuk : - < <

16 Cummulave desy fuco : µ F ( ) = Φ...(.) σ Relably fuco : µ R( ) = Φ...(.3) σ Hazard rae fuco : f ( ) λ( ) =...(.4) µ Φ σ.6.4 Dsrbus Logormal Dalam dsrbus dkeal adaya dua buah arameer, yau s sebaga arameer beuk ( shae arameer ) da med sebaga arameer lokas ( locao arameer ) yag meruaka la egah dar waku kerusaka. Dsrbus dmeger haya uuk la osf da lebh sesua darada dsrbus ormal dalam hal kerusaka. Seer halya dsrbus Webull, dsrbus logormal daa memuya berbaga beuk. Sergkal djuma bahwa daa yag sesua dega dsrbus Webull sesua ula dega dsrbus Logormal. ( Ebelg,995, hal 73) Fugs fugs yag dguaka dalam dsrbus Logormal :

17 Probably desy fuco : f ( ) = ex l πs s med Cummulave desy fuco : 0...(.5) F ( ) = Φ l...(.6) s med Relably fuco : R( ) = Φ l...(.7) s med Hazard rae fuco : f ( ) λ ( ) =...(.8) Φ l s med Varas : ( s )[ ex( ) ] σ = med ex s...(.9) Dmaa : s adalah arameer beuk ( shae arameer ) med adalah arameer lokas ( locao arameer ).7 Idefkas Dsrbus Pegdefkasa dsrbus daa dlakuka dalam ga aha yau megdefkas dsrbus kadda, esmas arameer da uj goodess-of-f. 3

18 Perca megea masg-masg aha dberka ada uraa berku ( Ebelg, 997, hal 359) :.7. Idefkas dsrbus kadda Idefkas dsrbus daa dlakuka dega dua meode yau Probably Plo da meode Leas-Square. Dega Probably Plo dbua dega gars k-k (, F( )). Bla daa ersebu meghamr suau dsrbus, maka grafk yag erbeuk aka berbeuk gars lurus. Probably Plo juga dguaka bla jumlah samel erlalu kecl aau daa yag dguaka dak legka. Namu demka meode Leas- Square Curve Fg lebh akura dbadg dega Probably Plo karea gka subjekvas uuk mela kelurusa gars mejad berkurag. Dega meode Leas-Square Curve Fg, dsrbus yag erlh adalah dsrbus yag Idex Of F-ya erbesar. Perhuga umum ada meode Leas Square-Curve Fg, yau: Nla egah kerusaka ( Parck O Coor, 996, hal 70) : F( ) = 0,3...(.30) + 0,4 dmaa : adalah daa waku ke- adalah jumlah daa kerusaka Idex Of F (Walole, 995, hal 664) : S xy = = x y = x = y...(.3) S xx = x x...(.3) = = 4

19 S yy = y y...(.33) = = S xy r =...(.34) S xs xx yy dmaa : adalah jumlah kerusaka yag erjad r adalah dex of f Grade ( Walole, 995, hal 6) : Uuk dsrbus Webull, Normal da Logormal : b = x y = = = x x = = x y...(.35) Uuk dsrbus Eksoesal ( Ebelg, 997, hal 364) : b Ierse a = = = x y...(.36) = x y bx...(.37) Sedagka erhuga khusus uuk a dsrbus yau : a. Dsrbus Eksoesal ( Ebelg, 997, hal 363) x = dmaa adalah daa ke-...(.38) y = l...(.39) F( ) 5

20 Parameer: λ = b...(.40) MTTF= b...(.4) b. Dsrbus Webull ( Ebelg, 997, hal 367) x = l dmaa adalah daa ke-...(.4) y = ll...(.43) F( ) Parameer: β = b da ( α / β ) θ = e...(.44) c. Dsrbus Normal ( Ebelg, 997, hal 370) x = dmaa adalah daa ke-...(.45) y = z = Φ [ F ( )] = µ...(.46) σ a Parameer: σ = da µ =...(.47) b b d. Dsrbus Logormal ( Ebelg, 997, hal 37) x = l ( ) dmaa adalah daa ke-...(.48) y = z = Φ [ F( )] = l lmed...(.49) s s Parameer : s = da med= b sα e...(.50).7. Pedugaa Parameer 6

21 Esmas arameer dega Maxmum Lkelhood Esmaor (MLE) memberka hasl esmas yag lebh akura dbadgka erhuga arameer arameer ada Leas Square-Curve Fg. Esmas arameer uuk a-a dsrbus megguaka erhuga sebaga berku : Dsrbus Eksoesal ( Ebelg, 997, hal 376) Bak uuk daa legka mauu daa sesor, arameer λ deroleh dar : r λ =...(.5) T dmaa : r = = jumlah kerusaka T = Toal waku Kerusaka Dsrbus Webull ( Ebelg, 997, hal 377) Parameer β deroleh dar ersamaa berku : r l r = g( β ) = l = 0...(.5) r β β r = β = Peyelesaa ersamaa daas dak daa dselesaka secara aals, maka harus dselesaka secara umerk dega meode Newo Rhaso uuk memecahka ermasalaha o lear dega megguaka ersamaa : g( β j ) β j+ = β j dmaa g'( β ) j dg( x) g' ( x) = dx 7

22 8 yag harus decahka secara eras sama mecaa la β j yag maksmum (aau la g(β) yag medeka ol). Maka erlebh dahulu adalah mecar urua erama dar g(β) yau l l ) '( β β β β β β + = = = = = r r r r g uuk membau memermudah eyelesaa eras meode Newo Rhaso maka dsaraka la β j awal yag dguaka adalah la β yag ddaa melalu meode Leas Square. Sedagka arameer θ deroleh dar β β θ / = = r r...(.53) dmaa : r = =jumlah daa kerusaka = daa waku kerusaka ke Dsrbus Normal ( Ebelg, 997, hal 378) Esmas arameer dsrbus Normal megguaka erhuga : x = µ = ) ( =...(.54) ( ) s = σ ; dega s = ) ( =...(.55) dmaa : = daa julah kerusaka ke-

23 = jumlah u yag dama Dsrbus Logormal Esmas arameer dsrbus Logormal megguaka erhuga : l = µ =...(.56) µ med = e...(.57) s = = ( l ) µ...(.58) dmaa : = daa waku kerusaka ke- da = jumlah u yag dama.7.3 Uj Goodess Of F Lagkah erakhr dalam emlha dsrbus secara eor adalah dega uj sask yau Goodess Of F. Uj dlakuka dega membadgka aara hoess ol (H 0 ) yag meyaaka bahawa daa kerusaka megku dsrbus lha da hoess aleraf (H ) yag meyaaka bahwa daa kerusaka dak megku dsrbus lha. Peguja meruaka erhuga sask yag ddasarka ada samel waku kerusaka. Sask kemuda dbadgka dega la krs yag deroleh dar abel. Secara umum, aabla eguja sask kurag dar la krs, maka H 0 derma. Sebalkya, bla la eguja sask lebh besar darada la krs, maka H derma. 9

24 Pada dasarya ada dua jes uj Goodess Of F yau uj umum (Geeral Tes) da uj khusus (Secfc Tes). Uj umum daa dguaka uuk meguj beberaa dsrbus sedagka uj khusus masg-masg haya daa meguj sau jes dsrbus. Dbadgka dega uj umum, uj khusus lebh akura dalam meolak suau dsrbus yag dak sesua. Uj umum yau uj Ch-Square. Uj khusus erdr dar :. Barle s Tes uuk Dsrbus Eksoesal ( Ebelg,997, hal 399) Hoess uuk uj adalah H 0 = Daa berdsrbus eksoesal H = Daa dak berdsrbus eksoesal Uj saskya adalah : B = r l r r r = = + ( r + ) 6r r l...(.59) dmaa : adalah daa waku kerusaka ke- r adalah jumlah kerusaka B adalah la uj sask uuk uj Barle s Tes α /, r H o derma aabla la B jauh dalam wlayah krs χ < B < χ α /, r, dmaa : dsrbus ch-square memlk r deraja kebebasa. 30

25 . Ma s Tes uuk Dsrbus Webull ( Ebelg,997, hal 400) Dsrbus dkembagka oleh Ma, Schafer da Sgurwala ada ahu 974. Hoess uuk melakuka uj adalah : H 0 = Daa berdsrbus Webull H = Daa dak berdsrbus Webull Uj Saskya adalah : M = k r = k+ k k [( l l )/ M ] [ ( l+ l )/ M] = +...(.60) dmaa : k = r r k =...(.6) M = Z + - Z...(.6) Z = 0.5 l l...(.63) dmaa : M adalah la uj sask uuk Ma s Tes adalah daa waku kerusaka ke- + adalah daa waku kerusaka ke-(+) [x] adalah blaga eger dar x r = adalah jumlah u yag dama adalah omor daa kerusaka (,,3,,) 3

26 H 0 derma bla M < F cr (α,v,v). Nla F cr deroleh dar abel dsrbus F dega v = k da v = k. 3. Uj Kolmogorov-Smrov Tes uuk Dsrbus Normal da Logormal (Ebelg,997, hal 400) Uj dkembagka oleh H.W. Lllefors ada ahu 967. Hoess uuk uj adalah : H 0 = Daa berdsrbus Normal (Logormal) H = Daa dak berdsrbus Normal (Logormal) Uj saskya adalah : D = max {D, D } dmaa : D = D = max Φ...(.64) s max Φ s...(.65) Uuk dsrbus ormal : l = = s = = ( )... (.66) dmaa : adalah daa waku aar kerusaka ke- adalah daa waku aar kerusaka s adalah sadar devas adalah bayakya daa kerusaka 3

27 H 0 derma bla D < D cr. Sebalkya, bla dak maka olak H 0. Nla D cr deroleh dar abel crcal value for he Kolmogorov-Smrov Tes for ormaly (Lllefors Tes)..8 Mea Tme To Falure Mea Tme To Falure ( MTTF) adalah raa- raa aau la eksekas dar robably desy fuco f() yag deroleh dar ( Ebelg, 997, hal 6) : MTTF = E(T) =. f ( ) d...(.67) 00 MTTF = R ( ) d...(.68) 00 Perhuga MTTF uuk masg-masg dsrbus adalah sebaga berku : Dsrbus Eksoesal : MTTF = λ...(.69) Dsrbus Webull : MTTF = θγ +...(.70) β Dsrbus Normal : MTTF = µ...(.7) Dsrbus Logormal : MTTF = s / mede...(.7).9 Mea Tme To Rear Dsrbus dar daa waku erbaka adalah hal yag erlu dkeahu erlebh dahulu sebelum daa meeuka la egah dar fugs robablas waku erbaka. Dsrbus yag serg dguaka uuk daa waku erbaka (MTTR) 33

28 adalah dsrbus logormal da eksoesal. Peeua aau eguja dsrbus dlakuka dega cara yag sama seer yag elah djelaska ada baga sebelumya. MTTR deroleh dar ( Ebelg, 997, hal 9) : MTTR =. h( ) d = ( H ( )) d...(.73) 0 0 dmaa : h() adalah fug keadaa eluag uuk daa waku erbaka. H() adalah fugs dsrbus kumulaf uuk daa waku erbaka. Perhuga MTTR uuk masg-masg dsrbus adalah sebaga berku : Dsrbus Eksoesal : MTTR = α...(.74) Dsrbus Logormal : MTTR = s / mede...(.75).0 Model Peeua Peggaa Pecegaha Omal Berdasarka Krera Mmas Dowme Peggaa ecegaha dlakuka uuk meghdar erheya mes akba kerusaka komoe. Uuk melakuka daka erawaa, maka harus dkeahu erval waku aara daka eggaa ( ) yag omal dar suau komoe sehgga dcaa mmas dowme yag maksmal. Pada model erdaa dua jes model sadar bag ermasalah eggaa yag dkemukaka oleh Jarde, yau model Block Relaceme da model Age Relaceme.( Jarde, 00, hal 9-9) Adau kedua model ersebu adalah sebaga berku : 34

29 . Model Block Relaceme Pada model, daka eggaa dlakuka ada suau erval yag ea sera dguaka adaya suau kosses erhada erval eggaa ecegaha yag elah deuka walauu sebelumya elah erjad eggaa yag dsebabka karea adaya kerusaka. Pelaksaaa dar model adalah melakuka eggaa karea kerusaka yag erjad dalam erval ( 0, ) dega megabaka frekues eggaa yag erjad selama selag erval waku ersebu, sera melakuka eggaa ecegaha ada sea selag waku sekal secara kosa, dega megabaka umur komoe. Dalam model aka erdaa kemugka dmaa komoe yag baru dasag seelah eggaa kerusaka harus megalam eggaa lag ada saa ba waku eggaa ecegaha harus dlakuka dalam kuru waku yag berdekaa. Model erdaa ada gambar berku : Gambar.. Model Block Relaceme ( Jarde, 00, hal 9) D( ) = Eksekas DowmekareaKerusaka + DowmekareaPeggaaPecegaha PajagSklus 35

30 ( H ( ) + T ) D( ) =...(.76) + T dmaa: = erval waku eggaa ecegaha D( ) = oal dowme er u waku H( ) = eksekas jumlah kerusaka ada erval (0,) = E[N()] T = waku uuk melakuka eggaa ecegaha D( ) = Eksekas DowmekareaKerusaka + DowmekareaPeggaaPecegaha PajagSklus Dowme karea kerusaka = Jumlah kerusaka ada erval (0, ) x waku yag dbuuhka uuk eggaa kerusaka = H( ) x T f...(.77) dmaa T f adalah waku erbaka kerusaka komoe H() = Fr ( ) adalah eksekas jumlah kerusaka ada erval (0,) daa dhug = r dega Trasformas Lalace, sehgga deroleh: H*(s) = f *( s) s[ f *( s)]...(.78) Jad, D( ) = b. Model Age Relaceme H ( ). T f + T + T...(.79) 36

31 Pada model daka eggaa ecegaha dlakuka ada saa egoerasaya sudah mecaa umur yag deraka yau sebesar, jka dalam selag waku dak megalam kerusaka. Jka ssem megalam kerusaka sebelum, maka dlakuka eggaa sebaga daka correcve. Perhuga umur daka eggaa dmula dar awal lag dega acua dar waku mula beroerasya ssem kembal seelah dlakuka daka erawaa correcve ersebu. Model daa dlha ada gambar d bawah : Gambar.3. Model Age Relaceme ( Jarde, 00, hal 94) D( ) = ToalEksekasDowmeerSklus EksekasPajagSklus...(.80) Toal Eksekas dowme er sklus (EDS) = Dowme yag erjad ada sklus ecegaha (reveve cycle) x robablas erjadya sklus ecegaha + eksekas dowme yag erjad ada sklus kerusaka (falure cycle) x robablas erjadya sklus kerusaka. Aau: Toal eksekas dowme er sklus (EDS) = T. R( ) + T f. [-R( )]...(.8) 37

32 Eksekas ajag sklus kerusaka (EPS) = Pajag sklus ecegaha x robablas erjadya sklus ecegaha + eksekas ajag sklus kerusaka x robablas erjadya sklus kerusaka Aau : Eksekas aajag sklus kerusaka (EPS) = ( + T ). R( ) + (M( ) + T f ). [-R( )]...(.8) Jka f() meruaka fugs mea me o falure maka robablas erjadya sklus ecegaha [R( )] adalah sama dega robablas muculya kerusaka seelah waku yag dujukka oleh daerah yag darsr. Sesua dega yag elah dbahas sebelumya megea fugs keadala, maka: R ( ) = f ( ) d...(.83) Nla egah dar dsrbus waku kerusaka (Mea Tme o Falure = MTTF) dar suau dsrbus adalah sebaga berku : f ( ) d...(.84) dmaa ada dsrbus ormal selag waku kerusaka meruaka raa-raa dar dsrbus ersebu. Jka eggaa ecegaha dlakuka ada waku maka la egah dar dsrbus kerusakaya [M( )] adalah sebaga berku: 38

33 M ( ( ) d ) = R( f ) MTTF =...(.85) R( ) Jad oal dowmme er u waku adalah: D( T. R( ) + T f.[ R( )] ) =...(.86) ( + T ). R( ) + [ M ( ) + T ].[ R( )] f D( ) = ( T. R( + T ). R( ) + [ ) + T f.[ R( f ( T) d] + T f )].[ R( )]...(.87) dmaa: T f = waku uuk melakuka erbaka kerusaka komoe T = waku uuk melakuka eggaa ecegaha = ajag erval waku aara daka erawaa ecegaha f() = fugs keadaa eluag dar waku kegagala komoe. Ierval Waku Pemerksaa Omal Sela eggaa ecegaha maka emerksaa (seks) juga derluka dalam Preveve Maeace uuk megkaka Avalably. Tujua dar seks adalah uuk mecegah kegagala yag dak erdeeks eruama ada saa mes dak beroeras yag dsebabka oleh koros aau kerusaka mekak. Yag harus dga adalah bahwa seks daa megkaka Avalably ea dak daa megkaka relablas. 39

34 Tdak emerksaa juga berujua uuk memmas dowme mes akba kerusaka yag erjad secara ba-ba. (Jarde, hal 08). Kosruks model erval waku emerksaa omal ersebu adalah :. = waku raa-raa erbaka µ. = waku raa-raa emerksaa Meuru Jarde (hal 09) oal dowme er u waku meruaka fugs dar frekues emerksaa () da doaska dega D() yak D() = dowme uuk erbaka kerusaka da dowme uuk emerksaa D() = λ ( ) + µ...(.88) Keeraga : λ() = laju kerusaka yag erjad = Jumlah emerksaa er saua waku µ = Berbadg erbalk dega /µ = Berbadg erbalk dega / Dasumska bahwa laju kerusaka berbadg erbalk dega jumlah emerksaa : 40

35 k λ ( ) =...(.89) da karea λ ( ) D ( ) = +...(.90) µ maka k λ ( ) =...(.9) da k D( ) = + µ...(.9) dmaa : k = la kosa dar jumlah kerusaka er saua waku sehgga deroleh : k =...(.93) µ. Perhuga Pegkaa Relably ada Mea Tme o Falure Taa da Dega Preveve Maeace 4

36 Pegkaa keadala daa demuh dega cara emelharaa ecegaha. Perawaa ecegaha daa megurag egaruh wear ou da meujukka hasl yag sgfka erhada umur mes. Model keadala berku megasumska ssem kembal ke kods baru seelah mejala emelharaa ecegaha. Keadala ada saa dyaaka sebaga berku : (Ebelg, 997, hal 04) R m () = R() R m () = R(T). R( T) uuk 0 T...(.94) uuk T T...(.95) Dmaa : T : erval waku eggaa ecegaha kerusaka. R m () : meyaaka keadala (relably) dar ssem dega emelharaa ecegaha. R() R(T) : meyaaka keadala ssem aa emelharaa ecegaha. : eluag dar keadala hgga emelharaa ecegaha erama. R(-T) : eluag dar keadala aara waku T seelah ssem dkembalka ada kods awal ada saa T. Secara umum ersamaaya adalah sebaga berku : R m () = R(T). R( T) uuk T ( +)T da = 0,,,...(.96) dmaa : R(T) : robablas keadala hgga selag waku emelharaa. R( T) : robablas keadala uuk waku -T dar emelharaa ecegaha yag erakhr. Uuk laju kerusaka yag kosa : R() = e -λ maka : 4

37 R m () = (e -λ ). e -λ(-t)...(.97) R m () = e -λ. e -λ. e λ = e -λ = R()...(.98) I membukka bahwa bla dlakuka reveve maeace ada dsrbus eksoesal yag laju kerusakaya kosa, dak meghaslka damak aau aau dak ada egkaa relably seer yag dharaka. D bawah erdaa model keadala uuk masg- masg dsrbus yau Dsrbus Webull ( Ebelg, 997, hal 05) R()= ex T θ β...(.99) R( T) = ex T θ β...(.00) Dsrbus Normal µ R() = Φ...(.0) σ ( T ) µ R( T) = Φ...(.0) σ Dsrbus Logormal ( Ebelg, 997, hal 06) R() = Φ s l...(.03) med T R( T) = Φ s l...(.04) med 43

38 R Pegkaa keadala = m ( ) R( ) x00%...(.05) R( ).3 Peela Releva Peela releva yag mejad baha referes euls adalah Usula Peeraa Preveve Maeace uuk megkaka avalbly da relably berdasarka mmas dowme. Peela dlakuka ada PT. Dyalas, TBK da dlakuka oleh Sjak Dew ( 003 ). Hasl dar eela adalah seelah dlakuka eeraa reveve maeace ada mes maka relably megka. 44

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau erawaa (maeace) meruaka suau kegaa mejaga aau memelhara faslas da eralaa abrk dega megadaka erbaka aau eyesuaa yag derluka agar ercaa suau keadaa oeras

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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

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

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

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

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

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

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 II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru

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

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

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Hdrolog Hdrolog meruaka ahaa awal erecaaa suau racag bagua dalam suau DAS uuk memerkraka besarya deb bajr yag erjad ddaerah ersebu. Pada saa ar huja jauh ke bum, sebaga ar jauh

Lebih terperinci

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE Mara Buar-buar *, Hasra 2, Azskha 2 Mahasswa Progra S Maeaka 2 Dose Jurusa Maeaka Fakulas Maeaka da Ilu Pegeahua Ala Uversas

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

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

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

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

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 22 BAB II LANDASAN TEORI 2.1 Pedahulua 2.1.1 Pegerta Mateace Beberapa pegerta perawata (mateace) meurut ahl : 1. Meurut Corder (1988), perawata merupaka suatu kombas dar tdaka yag dlakuka utuk mejaga suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Pegerta Pemelharaa da Perawata Pegerta Pemelharaa da Perawata ( Mateace ) meurut Assaur adalah suatu kegata utuk mejaga atau memelhara fasltas da peralata pabrk da megadaka perbaka

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

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 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

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

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

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

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH

PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS INSTANSI PEMERINTAH ISI PERATURAN PRESIDEN NO 29 TAHUN 2014 BAB I KETENTUAN UMUM ( 1 asal ) Pasal 1 BAB II PENYELENGGARAAN SAKIP ( 29

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

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

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

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 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

MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI

MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI Semar Nasoal Logstk II : Streamlg Itegrated Suly Cha Maagemet as the New Froter of Comettve Advatage MODEL PERENCANAAN SAFETY STOCK TERINTEGRASI UNTUK SISTEM MANUFAKTUR DENGAN FREKUENSI PENGIRIMAN TINGGI

Lebih terperinci

PEMERINTAH PROVINSI JAWA TIMUR

PEMERINTAH PROVINSI JAWA TIMUR PEMERINTAH PROVINSI PEMERINTAH JAWA TIMUR PROVINSI JAWA TIMUR SASARAN REFORMASI BIROKRASI emeraha belm bersh, krag akabel da berkerja redah emeraha belm efekf da efse emeraha yag bersh, akabel da berkerja

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 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

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

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

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

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

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

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

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIN 3. Jes da Suber Daa Daa uaa yag dguaka uuk eela adalah harga yak bu dua (), harga yak kedela dua (), harga CPO CIF Roerda (), harga CPO FOB Malaysa (PCPOMY), harga eksor CPO (), harga

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

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY Ajeg Ye Seagrum 1, da Muhammad Kholl Jurusa Tekk Idusr, Fakulas Tekk Uversas Mercu Buaa

Lebih terperinci

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

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

BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN 3 BAB 5 HASIL DAN PEMBAHASAN Dalam baga hasl da embahasa aka dtamlka roses aalss da egolaha data, dalam betuk deskrtf, tabel-tabel yag dguaka, gambar-gambar beserta hasl da embahasaya. Dega memerhatka

Lebih terperinci