BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

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

Hidraulika Komputasi

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

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

FINITE FIELD (LAPANGAN BERHINGGA)

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

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

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

Bab 7 NILAI DAN VEKTOR EIGEN

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB III PERSAMAAN PANAS DIMENSI SATU

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

LOGO ANALISIS REGRESI LINIER

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

STRUKTUR MARKOV PADA MASALAH LAJU KREDIT Riri Syafitri Lubis

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

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

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

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

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

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

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

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

b) Untuk data berfrekuensi fixi Data (Xi)

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

BAB 2 LANDASAN TEORI

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

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

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

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

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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

S2 MP Oleh ; N. Setyaningsih

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 5. ANALISIS REGRESI DAN KORELASI

III. METODE KAJIAN A.

NORM VEKTOR DAN NORM MATRIKS

BAB 2 LANDASAN TEORI

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

BAB II LANDASAN TEORI

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

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

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

BAB II LANDASAN TEORI

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

UKURAN GEJALA PUSAT (UGP)

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

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

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

STATISTIKA DASAR. Oleh

BAB 1 STATISTIKA RINGKASAN MATERI

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

8. MENGANALISIS HASIL EVALUASI

Bab II Teori Pendukung

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

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

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

MATEMATIKA INTEGRAL RIEMANN

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

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

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

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain

BAB 8 PERSAMAAN DIFERENSIAL BIASA

On A Generalized Köthe-Toeplitz Duals

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

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

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

Rancangan Acak Kelompok

BAB 2. Tinjauan Teoritis

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

Created by Simpo PDF Creator Pro (unregistered version)

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

SOLUSI TUGAS I HIMPUNAN

BAB III UKURAN PEMUSATAN DATA

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

POLIGON TERBUKA TERIKAT SEMPURNA

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

BAB II LANDASAN TEORI

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

Transkripsi:

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. Msalya bayakya kecelakaa yag erjad pada ruas jala yag sama selama 40 har. Dega megeahu kecelakaa har ka dapa mempredks peluag erjad kecelakaa esok har. Hal dapa dlakuka dega proses sokask. Proses sokask bayak daplkaska pada bdag pemasara (markeg), keuaga da produks barag. Proses Sokask sedr dapa ddefska sebaga berku. Defs 4. Proses Sokask { X, T} seap T erdapa peubah acak X. merupaka barsa peubah acak,yau uuk Nla peubah acak X damaka keadaa (sae) pada saa. Hmpua T dsebu ruag parameer aau ruag deks dar proses sokask X. Hmpua semua la X ()yag mugk dsebu ruag keadaa dar X. 38

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 39 Proses-proses sokask dapa dklasfkaska berdasarka jes deks parameer da ruag keadaaya.. Proses Sokask dega ruag keadaa dskr da deks parameerya dskr aau kou. 2. Proses Sokask dega ruag keadaa kou da deks parameerya dskr aau kou. Proses sokask dega deks parameer dskr dkaaka sasoer apabla dsrbus gabuga hgga dak berubah erhadap waku, dapa dulska sebaga ( +,..., + m) (,..., m) P X = x X = x = P X = x X = x (4.) m uuk sebarag m Ν da semua, 0, m. m 4. Laju Erop dar Proses Sokask Ukura kedakpasa, erop juga dapa derapka pada proses sokask. Erop dapa dlha sebaga laju erop da ddefska dega Defs 4.2 : Laju erop dar suau proses sokask, {X } adalah H ( X ) ( X X X ) H,,..., lm jka lmya ada aau dapa pula dulska sebaga 2 = (4.2) ( X ) ( X X X 2 X) H = lm H,,..., (4.3) Umumya perhuga laju erop derapka jka proses sokask {X } sasoer. Uuk {X } yag sasoer (salg bebas da dek), aura raa dar erop meujukka H ( X ) H ( X ) = H( X ) = lm = lm = H ( X ) (4.4)

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 40 4.2 Raa Markov Sebagamaa elah duaraka pada Sub Bab 4., erdapa klasfkas dalam proses sokask, da salah sauya adalah proses sokask khusus yag mempuya ruag keadaa dskr da deks parameerya dskr yau raa Markov. Cooh dalam kehdupa yaa adalah proses perubaha cuaca, dega keadaa cuaca har dpegaruh oleh keadaa cuaca sau har sebelumya. Secara maemas, raa Markov ddefska sebaga berku. Defs 4.3 Proses sokask dskr {X, =,2,...,m} dsebu raa Markov jka uuk >0 berlaku ( X X X X ) ( X X ) P = =,..., =, = = P = = (4.5) + + + + Dalam memudahka peulsa dalam beuk marks maka persamaa (4.5) dulska ( = =,..., =, = ) = ( = = ) P X+ j X X X j P X+ j X j (4.6) Sehgga dperoleh marks peluag rass (sau lagkah) dar {X,, =,2,...,m}doaska P, adalah suau marks dega eleme ke (, j)ya adalah peluag rass,p j. Jad P p p p p p p p p p 2 m 2 22 2m = m m2 mm Eleme-eleme dar marks rass P berla o egaf da jumlah elemeeleme pada seap barsya sama dega sau, m p j =, uuk seap =,2...,m. Defska pula q, peluag awal pada ap keadaa (sae), dega P(X =) = q. Vekor yag memua la awal dar ap keadaa, damaka dsrbus peluag awal, dega q = [ q, q2,..., q ].

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4 Dalam kasus, fmp dar peubah acak-peubah acak ersebu dulska sebaga (,,..., ) ( ) ( ) ( )... ( ) p x x2 x = p x p x2 x p x3 x2 p x x (4.7) Sehgga jka pmf dar peubah acak pada waku adalah p(x ), maka pmf uuk + adalah ( ) ( ) P p x + = p x x x + (4.8) x Defs 4.4: Raa Markov dkaaka me vara aau homoge jka peluag bersyara p( x + x dak bergaug pada, ) ( X b X a) ( X b X a) P = = = + P = 2 =, uuk a,b X. (4.9) Defs 4.5 : Suau dsrbus peluag p j, j dkaaka sasoer uuk suau raa markov jka (4.0) P( X = j) = P( X = j X = ) P( X = ) = PP j j dega duks dapa dperoleh, 2 2 = 2 = 2 (4.) P( X = j) = P( X = j X = ) P( X = ) = PP j j = 2 = 2 Dega kaa la, peluag sasoer adalah peluag uuk suau sehgga erjadya rass ke suau keadaa, bak masuk maupu keluar dar suau keadaa, laya relaf dak berubah. Jad, γ j merupaka solus uggal dar ssem persamaa lear γ = γ P, j =, 2,, da = j = k j γ k = Pejelasa lebh dalam megea raa Markov dapa dlha pada buku seper Taylor da Karl (994).

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 42 Cooh 4. uuk raa Markov orde sau, msalka suau barsa DNA. Baga dmula dar kromosom-x GATCATTGATATGTTGCTAGAACTATGAGTGTTAAAGGTGCTTGTGGTGA GTTATCAGACAGAAACGCAGAAGATGTTATTGGAAGCTTGAGGAAAAGT GATCCTGGATTTACAGTGCCAAGAATTGGCCTGTATTGTGTTCTCAATGTT TTTGAGGAAGGTAGAAACTGTAAGTGATGA Pada keyaaaya barsa basa DNA lebh pajag, hampr mecapa ga jua barsa. Dalam kasus ada empa (4) karaker yau basa A, G, C, T. Bayakya kemucula basa A pada baga A = 54 kal, C = 9 kal, G = 5 kal, da T= 56 kal. Dar cooh barsa dapa dbua marks rass Karaker perama Karaker kedua A C G T Toal A 7 5 7 4 53 C 7 3 8 9 G 20 6 8 7 5 T 0 5 24 7 56 Toal 54 9 50 56 79 Tabel 4. : Frekues rass ap basa Marks rass dapa dbua mejad marks peluag rass dega membag seap la dega jumlah pada seap barsya (frekues relafya) Karaker perama Karaker kedua A C G T A 0,32075472 0,09434 0,320755 0,2645 C 0,3684205 0,57895 0,052632 0,42053 G 0,3925686 0,7647 0,56863 0,333333 T 0,785743 0,089286 0,42857 0,30357 Tabel 4.2 : Peluag rass ap basa

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 43 Terlebh dahulu dhug aksra P da haslya 0,3207 0,0943 0,3208 0,2642 ˆ 2 0,3684 0,579 0,0526 0,42 P = 3 0,3922 0,76 0,569 0,3333 4 0,786 0, 0893 0, 4286 0,3035 4.3 Erop pada Raa Markov Ukura erop juga dapa dguaka pada raa Markov. Pada ulsa dbahas erop uuk raa Markov orde. Msalka berada pada keadaa, peluag pada aka berada d keadaa j, doaska p j, da kedakpasa memlh keadaa selajuya dapa dlha sebaga erop yag ddefska sebaga H ( ) = pjlog p j (4.2) Uuk p j = 0, ddefska p j log p j = 0. Nla H adalah erop keadaa ke. Apabla raa Markov sasoer pada keadaa, yau γ, maka erop sae mejad H = = γ H = γ p log ( p ) j j = (0.) Ekspres meyaaka raa-raa jumlah b yag dbuuhka uuk meyadka observas pada sae selajuya, da damaka erop (rass) raa Markov, dyaaka dega H. Jad jka deapka bahwa marks rass P 3 3 3 = 0 2 2 3 0 4 4

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 44 maka erop perbars dar marks ersebu adalah H =,5849, H2 =, H3 = 0,83. Apabla dbadgka dega marks rass yag berbeuk P 8 9 8 8 = 0 2 2 3 0 4 4 eropya mejad H = 0,644, H2 =, H3 = 0,83. Padag kembal cooh 4. megea barsa DNA. Dar marks peluag rass aka dcar aksra erop dar, dega formula pada persamaa (4.3) dega bass yag dguaka pada log adalah 2. Hasl yag ddapa dega megguaka program pada Malab 7.0 adalah Ĥ p j ( p j), 2 p2j ( p2j) Ĥ = log =,88 Ĥ = log =, 700 p j ( p j), 4 p4j ( p4j) Ĥ = log =,8403 3 3 3 Ĥ = log =,80 Sehgga erop merupaka marks berukura x 4 yau Ĥ = (,88,700,8403,80) 4.4 Laju Erop pada Raa Markov Pada raa Markov juga dkeal laju erop sebaga berku. Defs 4.6 : Msalka raa Markov dak ereduks (rreducble) dega sae yag hgga, laju erop dapa dhug melalu ( X ) ( X X X 2 X) ( X2 X) H = lm H,,..., = H (4.4)

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 45 Raa Markov yag mempuya dsrbus sasoer, γ da marks rass P, laju eropya mejad H = og P (4.5) ( X ) γ Pjl ( j) = Sama seper cooh kasus d aas, aka dhug erop dar dsrbus sasoer raa Markov, π da aksra peluag rass 0,3207 0,0943 0,3208 0,2642 ˆ 2 0,3684 0,579 0,0526 0,42 P = 3 0,3922 0,76 0,569 0,3333 4 0,786 0, 0893 0, 4286 0,3035 dega γ = [0.304 0.060 0.280 0.325]. Maka dega memafaaka defs erop pada persamaa (2.4) ddapa H( γ ) = ( 0.525 0.3432 0.5426 0.5244). Sedagka laju erop dar dsrbus sasoer da marks rass P dperoleh dega memasuka la-la ke persamaa (2.43) sehgga 4 4 ( X ) γ j 2 ( j) H = P log P = 0.5859 =