SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

dokumen-dokumen yang mirip
SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH : SIMULASI & PERMODELAN ( S1 / TEKNIK INFORMATIKA) KODE / SKS : KK / 3 SKS

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

RENCANA PEMBELAJARAN SEMESTER (RPS)

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,

BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4

Analisis Model dan Simulasi. Hanna Lestari, M.Eng

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS

MINGGU KE-9 MACAM-MACAM KONVERGENSI

No Kompetensi Khusus Pokok Bahasan Sub Pokok Bahasan Metode Media / Alat Mahasiswa mampu menjelaskan konsep Apa itu statistik?

SATUAN ACARA PERKULIAHAN (SAP) MATA KULIAH ANALISIS REAL II (MT410) / 3 SKS

BAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard

Studi dan Implementasi Integrasi Monte Carlo

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

DISTRIBUSI PROBABILITAS

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

BAB IV SIMULASI PEMBANDINGAN PERILAKU PENDUGA FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK DENGAN BANDWIDTH OPTIMAL DAN BANDWIDTH OPTIMAL ASIMTOTIK

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 4 September 2015

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1

METODE MONTE CARLO. Pemodelan & Simulasi TM11

RENCANA PEMBELAJARAN SEMESTER (RPS)

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

6/15/2015. Simulasi dan Pemodelan. Keuntungan dan Kerugian. Elemen Analisis Simulasi. Formulasi Masalah. dan Simulasi

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

Bab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

BAB III PROSES POISSON MAJEMUK

SATUAN ACARA PEMBELAJARAN (SAP)

BAB IV SIMULASI MONTE CARLO

STATISTIK PERTEMUAN IV

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

BUKU RANCANGAN PENGAJARAN

Pengantar Riset Operasi. Riset Operasi Minggu 1 (pertemuan 1) ARDANESWARI D.P.C., STP, MP

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI

Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

Pengembangan Model Simulasi, oleh Hotniar Siringoringo 1

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

GARIS BESAR PROGRAM PENGAJARAN (GBPP)

Program Studi Teknik Mesin S1

Mata Kuliah Pemodelan & Simulasi

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SATUAN ACARA PERKULIAHAN

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

PEMBANGKIT RANDOM VARIATE

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

SATUAN ACARA PERKULIAHAN ( SAP ) MATA KULIAH ANALISIS REAL I ( MT403) / 3 SKS KOSIM RUKMANA

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN

BAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK

Distribusi Probabilitas : Gamma & Eksponensial

Bab II. Prinsip Fundamental Simulasi Monte Carlo

II. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang

Modul 14. PENELITIAN OPERASIONAL I MODEL SIMULASI. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

Dasar-dasar Statistika Pemodelan Sistem

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

DISTRIBUSI VARIABEL RANDOM

Kontrak Kuliah Metode Statistika 2

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

Simulasi Monte Carlo

BAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO. Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang

RENCANA PEMBELAJARAN SEMESTER (RPS)

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

BAB II KAJIAN TEORI. hasil percobaan yang berbeda dan masing-masing mempunyai. itu menyusun kejadian, maka probabilitas kejadian

DAFTAR ISI... KATA PENGANTAR... ABSTRAKSI Perumusan Masalah Batasan Masalah Tujuan Penelitian... 3

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

RENCANA PEMBELAJARAN SEMESTER (RPS)

SATUAN ACARA PERKULIAHAN

BAB 2 LANDASAN TEORI

RENCANA PEMBELAJARAN SEMESTER (RPS)

III. HASIL DAN PEMBAHASAN

Pertemuan 14. Teknik Simulasi

SIMULASI Kendalan (Reliability Simulation)*

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAHAN KULIAH STATISTIKA (Kelas Teori)

BAB III VALUE AT RISK (VaR ) DAN PENDEKATAN COPULA

Teknik Simulasi. Eksperimen pada umumnya menggunakan model yg dapat dilakukan melalui pendekatan model fisik atau model matametika.

Transkripsi:

SEKOLAH TINGGI MANAJEMEN INFORMAA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata : SIMULASI DAN PERMODELAN Kode Mata : MI 1302 Jurusan / Jenjang : S1 SISTEM KOMPUTER Tujuan Instruksional Umum : Agar mahasiswa mengerti dan memahami konsep bahasa, jenis bahasa dan cara pembetulan secara matematis M Sub Sasaran 1 Pengertian dan tujuan 1. Asal-usul sebagai ilmu baru 2. Model dari suatu sistem & mengklarifikasikan model 3. Perbedaan model matematis & fisis 4. Perbedaan model matematis yang statis dan sinamis 1. Asal-usul 2. Klasifikasi model 3. Perbedaan penyelesaian problem matamatis secara matematis secara analitis dan numeris 4. Metode Monte Carlo 5. Definisi bilangan acak 6. Pengertian. Tujuan 1 / 9

Sub Sasaran 5. Problem yg diselesaikan secara analitis dan numeris 6. Problem yg diselesaikan dangan Metode Monte Carlo. Pentingnya peranan bilangan acak dalam 2 & Elemen probabilitas 1. Problem yg diselesaikan dengan teori probabilitas 2. Manfaat variable acak 3. Tujuan harapan (Ekspektasi) dan variasi 1. Ruang sample dan peristiwa 2. Aaksioma probabilitas 3. Probabilitas bersyarat dan independensi 4. Variabel acak 5. Harapan 6. Variansi. soal 3 Elemen probabilitas 1. Ketidaksamaan Chebyshev 2. Kaidah bilangan besar 3. Variabel acak diskrit (Binomial, Poisson, Geometrik, Binomial Negatif Hipergeometrik) 4. soal 2 / 9

Sub Sasaran 1. Teorema ketidaksamaan Chebyshev & kaidah bilangan besar 2. Penurunan rumus untuk variable acak diskrit 3. Variabel acak 4 & Elemen probabilitas 1. Rumus variable acak kontinu 2. Dalil limit pusat dan proses poisson pada problem nonhomogen 3. Harapan bersyarat dan variansi bersyarat 1. Variabel acak kontinu (variable acak terdistribusi seragam, normal, dalil limit pusat, variable acak ekspononsial, proses poisson dan variable acak gamma, proses poisson nonhomogen) 2. Harapan bersyarat & variansi bersyarat 3. soal 5 Bilangan acak 1. Pembangkit bilangan Pseudo acak 2. Pemakaian bilangan acak untuk bilangan bulat 3. soal 3 / 9

Sub Sasaran 1. Rumus pembangkit bilangan pseudo acak 2. Mencari nilai bilangan acak dari rumus pembangkit bilangan pseudo acak 3. Pemakaian bilangan acak untuk nilai integral 6 & Pembangkit variable acak diskrit Mamahami mengerti dan 1. Pembangkit variable acak diskrit 2. Dapat mencari solusi suatu problem dengan metode transformasi terbalik 3. Perbedaan persoalan binomial dengan persoalan poisson 4. Alogaritma teknik penerimaan dan penolakan 1. Metode transformasi terbalik 2. Membangkitkan variable acak poisson 3. Membangkitkan variable acak binomial 4. Teknik penerimaan penolakan 5. Pendekatan komposisi 6. soal 4 / 9

Sub Sasaran Pembangkit variable acak kontinu 1. Pembangkit variable acak kontinue 2. Pemanfaatan metode polar untuk membangkitkan variable acak normal 1. Alogaritma transformasi terbalik 2. Metode penolakan 3. Metode polar untuk membangkitkan variable acak normal 8 UTS ( Materi 1 s/d ) 9 Pembangkit variable acak kontinu 1. Proses poisson 2. Perbedaan antara pembangkit proses poisson homogen dengan nonhomogen 1. Mambangkitkan proses poisson 2. Membangkitkan proses poisson nonhomogen 3. soal 5 / 9

Sub Sasaran 10 Pendekatan peristiwa diskrit 1. Simulasi peristiwa diskrit 2. Sistem antrian pelayanan tunggal 3. Alogaritma utk sistem antrian tunggal 4. Perbaikan model 5. Model & memverifikasi model 1. Simulasi mell peristiwa diskrit 2. Sistem antrian pelayanan tunggal 3. masalah perbaikan 4. Verifikasi model 11 Analisa statistik dari data memahami 1. Analisa dari data 2. Rerata dan variansi sample 1. Rerata sample & variansi sample 2. Pendugaan interval dari rerata populasi 3. Teknik boot strapping untuk pendugaan rerata kesalahan kuadrat 4. soal 6 / 9

Sub Sasaran 3. Prediksi interval dan rerata populasi 4. Alogaritma teknik boot strapping untuk pendugaan rerata kesalahan kuadrat 12 Teknik variansi pengurangan 1. Jalannya alogaritma pengurangan variansi 2. Penerapan variable antitetis dan variable kendali 3. Problem yang diselesaikan dengan bilangan acak biasa 1. Penggunaan variable antitetis 2. Penggunaan variansi kendali 3. Pengurangan variansi dengan kondisi pendugaan jumlah pembaharuan diharapkan pada waktu t 4. Penetapan sample bertingkat 5. Penetapan sample kepentingan 6. Penggunaan bilangan acak biasa 13 Teknik validasi statistik 1. Pengujian Goodness of Fit 2. Masalah dua sample 3. Validasi asumsi suatu proses poisson nonhomogen / 9

Sub Sasaran 1. Alogaritma dengan pengujian Goodness of Fit 2. Masalah dua sample 14 Topik lanjutan memahami ; 1. Alogaritma utk membangkitkan variable acak diskrit 2. Simulasi problem poisson dua dimensi 3. Aalogaritma markov & aplikasinya 1. Metode untuk membangkitkan variable acak diskrit 2. Penan proses poisson dua dimensi 3. Metode rangkaian Markov 4. soal 15 Responsi 16 1 UAS ( Materi 1 s/d 15 ) Keterangan: M = Pertemuan Minggu ke ; P = Nomor Pustaka 8 / 9

DAFTAR PUSTAKA : 1. Soeparlan Soepono, 1995 Pengantar Simulasi, Gunadarma Jakarta 2. Setiawan Sandi, 1993 Simulasi Teknik Pemrograman dan Metode Analisis, Andi Offset, Yogyakarta 3. Gordon Geoffrey, System Simulation, Second Edition, IBM Corporation 9 / 9