BAB 2 LANDASAN TEORI

dokumen-dokumen yang mirip
PENDAHULUAN LANDASAN TEORI

BAB 2 LANDASAN TEORI

B a b 1 I s y a r a t

MODEL DERET WAKTU HIDDEN MARKOV

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

Bab III Komentar terhadap distribusi vec(r)

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

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

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

BAB IV PERHITUNGAN NUMERIK

Integral dan Persamaan Diferensial

Estimasi Parameter. Modul 1 PENDAHULUAN

Distribusi Normal Multivariat

RANK DARI MATRIKS ATAS RING

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

BAB III PERSAMAAN ARPS DAN METODE TABEL

SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

I. PENDAHULUAN II. LANDASAN TEORI

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

1.4 Persamaan Schrodinger Bergantung Waktu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MODUL III ANALISIS KELAYAKAN INVESTASI

Fungsi Bernilai Vektor

KINEMATIKA. gerak lurus berubah beraturan(glbb) gerak lurus berubah tidak beraturan

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

CADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN

3. Kinematika satu dimensi. x 2. x 1. t 1 t 2. Gambar 3.1 : Kurva posisi terhadap waktu

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1

MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks)

HUMAN CAPITAL. Minggu 16

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

BAB 2 LANDASAN TEORI

Matematika EBTANAS Tahun 1988

Bab IV Pengembangan Model

Darpublic Nopember 2013

BAB II PERTIDAKSAMAAN CHERNOFF

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

B a b 1 I s y a r a t

BAB 2 LANDASAN TEORI

BAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR

BAB II TINJAUAN PUSTAKA

Muhammad Firdaus, Ph.D

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

METODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya

Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks)

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS

Analisis Model dan Contoh Numerik

KINEMATIKA GERAK DALAM SATU DIMENSI

III. METODE PENELITIAN

Aljabar Linear Elementer

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

FISIKA. Kelas X GLB DAN GLBB K13 A. GERAK LURUS BERATURAN (GLB)

post facto digunakan untuk melihat kondisi pengelolaan saat ini berdasarkan

BAB III METODE PENELITIAN

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

BAB III. Pada bab ini akan dijelaskan mengenai tahapan perhitungan untuk menilai

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *

IV. METODE PENELITIAN

I PENDAHULUAN II LANDASAN TEORI

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

FIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI

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

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort

III METODE PENELITIAN

MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL

III. METODE PENELITIAN

Bab II Dasar Teori Kelayakan Investasi

Sekilas Pandang. Modul 1 PENDAHULUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB II TINJAUAN TEORITIS

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

ANALISIS MODEL DINAMIKA VIRUS DALAM SEL TUBUH. Winarno 1 (M )

Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet

BAB III METODE PENELITIAN

III KERANGKA PEMIKIRAN

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

Faradina GERAK LURUS BERATURAN

Suatu Catatan Matematika Model Ekonomi Diamond

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

Transkripsi:

BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik, endekaan frekuensi relaif dan endekaan subjekif. 2.1.1.1 endekaan Klasik Menuru endekaan klasik, robabilias diarikan sebagai hasil banyaknya erisiwa yang dimaksud dengan seluruh erisiwa yang mungkin. Dirumuskan: A S n A (2.1) n dengan: A = robabilias erjadinya erisiwa A n A = jumlah erisiwa A n S = jumlah erisiwa yang mungkin

Conoh: Sebuah dadu dilemarkan, ada enam cara yang mungkin dan berkemungkinan sama, yaiu hasil lemaran ialah 1, 2, 3, 4, 5, aau 6. Sehingga 5 = 6 1 = 2 = 3 = 4 = = 6 1. Jika kejadian A adalah muncul angka gena, maka eluang munculnya angka gena dalam elemaran sebuah dadu daa erjadi sebanyak iga cara, yaiu 2, 4, aau 6. Sehingga eluang erjadinya kejadian A adalah 3 A = = 6 1. 2 2.1.1.2 endekaan Frekuensi Relaif Menuru endekaan frekuensi relaif, robabilias daa diarikan sebagai beriku: 1. roorsi waku erjadinya suau erisiwa dalam jangka anjang, jika kondisi sabil. 2. Frekuensi relaif dari seluruh erisiwa dalam sejumlah besar ercobaan. robabilias berdasarkan endekaan ini sering disebu sebagai robabilias emeris. Nilai robabilias dienunkan melalui ercobaan, sehingga nilai robabilias iu meruakan limi dari frekuensi relaif erisiwa ersebu. Dirumuskan: X f x lim, n (2.2) n dengan: X x = robabilias erjadinya erisiwa X f = frekuensi erisiwa X n = banyaknya erisiwa yang bersangkuan

2.1.1.3 endekaan Subjekif robabilias adalah sebaga ingka keercayaan individu aau kelomok yang didasarkan ada faka-faka aau erisiwa masa lalu yang ada aau berua erkaan saja. Misalnya, seorang direkur akan memilih seorang karyawan dari iga calon yang elah lulus ujian saringan. Keiga calon ersebu sama inar, sama lincah dan semuanya enuh keercayaan. robabilias eringgi (kemungkinan dierima) menjadi karyawan dienukan secara subjekif oleh sang direkur. 2.1.2 ercobaan, Ruang Samel dan Tiik Samel ercobaan daa diarikan sebagai suau rosedur yang sedang dilaksanakan ada kondisi erenu, yang daa diulang dalam jumlah erenu ada kondisi yang sama dan hasilnya daa diobservasi. Sebagai conoh, dua buah maa uang logam yang seimbang dilemarkan. Aabila kedua sisi maa uang ersebu dimisalkan dengan A (angka) dan G (gambar), maka semua hal yang mungkin erjadi adalah (A,A), (A,G), (G,A), (G,G). Semua hal yang mungkin ini dikaakan ruang samel. Jadi ruang samel adalah himunan semua hasil yang mungkin ada suau ercobaan. Sedangkan seia elemen aau anggoa dariada ruang samel disebu iik samel. Ruang samel disimbolkan dengan S. dari ercobaan melemar dua maa uang logam ersebu, ruang samel daa dinyaakan dengan S = {(A,A), (A,G), (G,A), (G,G)}. Tiik samel dari ercobaan ersebu adalah A (angka) dan G (gmbar). 2.1.3 robabilias Beberaa erisiwa erisiwa aau kejadian adalah himunan bagian dari ruang samel ada suau ercobaan aau hasil yang dimaksud dari ercobaan yang bersangkuan.

2.1.3.1 erisiwa Saling Leas (Muually Exclusive) Dua erisiwa aau lebih disebu erisiwa saling leas aabila kedua aau lebih erisiwa ersebu idak bisa erjadi ada saa bersamaan. Unuk dua erisiwa A dan erisiwa B yang saling leas, maka robabilias erjadinya erisiwa ersebu adalah sebagai beriku: A B A B (2.3) Sehingga unuk iga erisiwa A, B dan C yang saling leas, robabilias erjadinya erisiwa ersebu adalah: A B C A B C (2.4) 2.1.3.2 erisiwa Tidak Saling Leas (Non Muually Exclusive) Dua aau lebih erisiwa dikaan erisiwa idak saling leas aabila kedua aau lebih erisiwa ersebu daa erjadi ada saa yang bersamaan. Unuk dua erisiwa A dan B yang idak saling leas, robabilias erjadinya erisiwa ersebu adalah: A B A B A B (2.5) 2.1.3.3 erisiwa Saling Bebas Dua erisiwa aau lebih dikaakan saling bebas aabila erjadinya erisiwa yang sau idak memengaruhi aau diengaruhi erjadinya erisiwa yang lainnya. Unuk dua erisiwa A dan erisiwa B yang saling bebas, robabilias erjadinya erisiwa ersebu adalah: A B A B (2.6)

Unuk iga erisiwa A, B dan C yang saling bebas robabilias erjadinya erisiwa ersebu adalah sebagai beriku: A B C A B C (2.7) 2.1.3.4 erisiwa Tidak Saling Bebas Dua erisiwa aau lebih dikaakan erisiwa idak saling bebas aabila erjadinya erisiwa yang sau memengaruhi aau diengaruhi erjadinya erisiwa yang lainnya. Unuk dua erisiwa A dan B yang idak saling bebas, robabilias erjadinya erisiwa ersebu adalah sebagai beriku: A B A B A (2.8) Unuk iga erisiwa yang saling bebas, robabilias erjadinya erisiwa ersebu adalah sebagai beriku: A B C A B AC AB (2.9) 2.1.3.5 erisiwa Bersyara erisiwa bersyara meruakan suau erisiwa yang akan erjadi dengan syara lain elah erjadi. Jika erisiwa B bersyara erhada erisiwa A, maka robabilias erjadinya erisiwa ersebu adalah sebagai beriku: A B A B A (2.10)

2.1.3.6 erisiwa Komlemener erisiwa komlemener adalah erisiwa yang saling melengkai. Jika erisiwa A komlemener erhada erisiwa B, maka robabilias erisiwa ersebu adalah sebagai beriku: A B 1 (2.11) 2.2 Variabel Random Variabel random aldalah suau fungsi yang harganya meruakan bilangan riil dan dienukan oleh seia elemen dari suau ruang samel. Aabila ruang samel berisi sejumlah elemen yang erbaas, maka ruang samel ersebu berisi disebu sebagai ruang samel diskri dan variabel randomnya disebu variabel random diskri. Aabila jumlah elemen ada ruang samel iu idak erbaas, maka ruang samel ersebu disebu ruang samel koninu dan variabel randomnya disebu variabel random koninu. Dalam hal ini, variabel random diskri akan memresenasikan daa yang daa dihiung, sedangkan variabel random koninu memresenasikan daa yang daa diukur. Nilai-nilai robabilias variabel random iu akan membangun benuk disribusi robabilias erenu, bergaung ada macam ercobaan dan karaker variabel randomnya. ada dasarnya, disribusi robabilias dari variabel random ini dikaegorikan sebgai disribusi robabilias diskri dan disribusi robabilas koninu. 2.3 enganar roses Sokasik roses sokasik ialah suau himunan variabel acak X yang erenu dalam suau ruang samel yang sudah dikeahui, di mana meruakan arameer waku (indeks) dari suau himunan T. Dinyaakan ruang keadaan I dari suau roses sebagai

himunan harga variabel acak X yang mungkin. Jika X meruakan variabel acak diskri yang erjadi dari sejumlah harga ak berhingga yang daa dihiung dalam suau himunan bilangan cacah idak negaif, maka I 0,1, 2,.... Jika X meruakan variabel acak koninu yang idak negaif, maka I x 0 x :. Dalam roses sokasik isilah variabel acak variabel keadaan. Jika 1, 2,... X 0,1,..., N dalam himunan 0,1, 2,..., N keadaan ada waku erama dan dan seerusnya. Jadi, variabel langkah. X daa diarikan sebagai dalam himunan 0,1, 2,... I, maka 1 T dan X menggambarkan X 2 menggambarkan kadaan ada waku kedua X menggambarkan keadaan ada waku aau 2.4 Ranai Markov Teori ranai Markov erama kali dikemukakan oleh Andrey Markov ada ahun 1906, seorang maemaikawan dari Rusia yang hidu ada ahun 1856 samai 1922. Ia mengungkakan eori bahwa suau kejadian yang akan daang berganung ada keadaan saa ini dan bukan ada kejadian masa lalu. Berdasarkan eori yang diungkakan oleh Markov. Dengan kaa lain, ranai Markov meruakan suau eknik yang erdaa di dalam ilmu robabilias yang bisa digunakan unuk menganalisis ergerakan suau robabilias dari suau keadaan ke keadaan lainnya. 2.4.1 Definisi Ranai markov sebenarnya meruakan benuk khusus dari model robabilias yang lebih umum dikenal dengan roses sokasik. Ranai Markov meruakan roses sokasik dari variabel-variabel acak X, 0,1, 2, 3,... yang membenuk suau dere dan memenuhi sifa Markov.

2.4.2 Sifa Markov Misalkan roses sokasik X, 0,1, 2,... memunyai keadaan berua himunan berhingga aau himunan erbilang. Secara umum ruang keadaan ini daa dinoasikan sebagai himunan 0,1, 2,.... Jika ada waku roses ersebu berada di keadaan i, maka kejadian ini diuliskan sebagai X i. roses sokasik disebu ranai Markov jika unuk ia 0,1, 2,..., berlaku: X j X i X i,..., X i X j X i, (2.12) 1 1 1 0 0 1 Unuk seia i..., i, i, j 0 dan unuk seia n 0. ersamaa (2.12) disebu sifa Markov. 0, 1 2.4.3 Mariks robabilias Transisi robabilias X j X i 1 disebu sebagai robabilias ransisi. robabilias ransisi menyaakan robabilias bersyara (condiional robabiliy) dari sisem yang berada dalam i ada saa jika dikeahui bahwa sisem ini berada dalam j ada saa 1. Misalkan roses sokasik X, 0,1,... adalah suau ranai Markov. Mariks robabilias ransisi (sau) langkah dari, adalah suau mariks dengan elemen ke i, j nya adalah. Jadi, X, 0,1,..., dinoasikan dengan i 00 10 0 01 11 i1 02 12 i2 0 j 1 j

Elemen-elemen dari mariks bernilai ak negaif 0, unuk i, j dan jumlah elemen-elemen ada sau baris di mariks robabilias ransisi ini haruslah sama dengan sau j0 1, i 0,1, 2,.... Mariks ransisi ini digunakan dalam menganalisis kelakuan ranai markov dalam beberaa langkah ke dean dan juga seelah roses berjalan lama. 0 2.4.4 ersamaan Chaman-Kolmogorov Misalkan menyaakan robabilas roses ada keadaan ke i akan berada ada keadaan j seelah roses mengalami ransisi. Jadi, daa diuliskan X j X i, 0, i, 0 m j (2.13) daa diliha bahwa. Selanjunya, dengan menggunakan law of oal 1 robabiliy, unuk semua, m 0, dan semua i, j 0, m = X m j X i k0 = X j X k, X i X k X i = k0 m m kj ik 0 (2.14) 0 ersamaan (2.14) dikenal dengan ersamaan Chaman-Kolmogorov, akan memberikan suau meode unuk mengiung eluang ransisi dalam langkah. Misalkan adalah mariks dengan elemen-elemennya meruakan robabilias ransisi dalam. Dari ersamaan (2.14) dieroleh

1 1 1 1 2 1 1 (2.15) dengan kaa lain, mariks robabilias ransisi dalam langkah daa dieroleh dengan mengalikan mariks robabilias ransisi sau langkah sebanyak kali. Suau ranai Markov yang ada awalnya berada ada keadaan i seelah sau ransisi akan berada ada keadaan j yang diberikan oleh suku i, j dari mariks. Secara 0 0 0 umum, jika didefinisikan vekor baris,,..., dengan 1 2 0 i menyaakan robabilias ranai Markov berada si keadaan i ada ermulaan roses sehingga robabilias seelah sau ransisi ranai Markov ersebu berada di keadaan j (dengan noasi 1 j ) diberikan oleh 1 0 j k ki, i 0,1,... k 0 definisikan,, 1 2..., 1, 2,... Sebagai vekor disribusi robabilias dari keadaan ranai Markov seelah ransisi. Dengan menggunakan ersamaan Chaman-Kolmogorov di aas, dieroleh 0 (2.16)