MODEL STOKASTIK.

dokumen-dokumen yang mirip
PENGANTAR MODEL STOKASTIK. Teknik Industri 2015

Outline 0 PENDAHULUAN 0 FORMULASI MODEL 0 FORMULASI MODEL DETERMINISTIK 0 FORMULASI MODEL STOKASTIK

II.TINJAUAN PUSTAKA. 2.1 Pemodelan Matematika (Mathematical Modeling) (biasanya bertujuan untuk memahami realita tersebut) dan mempunyai feature

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-211 Nama Mata Kuliah : Model Stokastik Jumlah SKS : 2 Semester :

BAB 2 LANDASAN TEORI

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

9 10. MODEL DETERMINISTIK.

BAB III PROSES POISSON MAJEMUK

BAB II LANDASAN TEORI

GARIS-GARIS BESAR PROGRAM PENGAJARAN

8. MODEL MATEMATIKA.

STATISTICAL STUDENT OF IST AKPRIND

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Formulasi Model dan Parameterisasi

1/14/2010. Riani L. Jurusan Teknik Informatika

BAB I PENDAHULUAN Latar Belakang Masalah

RepresentasiSistem. (b) Sistem dengan sinyal input dan sinyal output banyak(lebih dari satu)

Berapa Peluang anda. meninggal? selesai S-1? menjadi menteri? menjadi presiden?

2-RP. rate, 10).Model Antrian. Deskripsi. sistem finansial, sistem komunikasi. Semester : V Hal: 1 dari 7. Dosen : SPW, NI, HY No.

Penelitian Operasional II Rantai Markov RANTAI MARKOV

BAB I PENDAHULUAN Latar Belakang Masalah

Sesi X ANALISIS KEPUTUSAN

Model Matematis, Sistem Dinamis dan Sistem Kendali

Karakteristik Model & Struktur Model. Ratih Setyaningrum, MT Hanna Lestari, M.Eng

BAB II LANDASAN TEORI

Mata Kuliah Pemodelan & Simulasi. Universitas Komputer Indonesia

PE P L E U L A U N A G N

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

3. KLASIFIKASI MODEL.

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya

Analisis Model dan Simulasi. Hanna Lestari, M.Eng

DISTRIBUSI PROBABILITAS (PELUANG)

KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.

SISTEM TRANSPORTASI BUS KAMPUS UNAND

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Penerapan Kombinatorial dan Peluang Diskrit dalam Double Down Pada BlackJack

Silabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh

BAB III METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun ajaran dan

Asusmi/Penyederhanaan Sistem

PENDAHULUAN TEORI PROBABILITAS ATA /12/2013 MMA frekuensi H frekuensi T. Probabilitas hujan = 18 / 30?

Unit 5 PELUANG. Clara Ika Sari Budhayanti. Pendahuluan

DISTRIBUSI BINOM. Ciri-ciri: 1.Eksperimen terdiri dari n percobaan yang dapat diulang

Teknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM

Definisi 1.1: Jika S dan A adalah himpunan semua kejadian tertentu yang memenuhi, maka

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

TOOLS SIMULASI INVENTORI PADA SUPERMARKET

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

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

I. PENDAHULUAN. 2.2 Klasifikasi Model Simulasi

LABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS

Learning Outcomes Ilustrasi Lingkup Kuliah Gugus. Pendahuluan. Julio Adisantoso. 10 Pebruari 2014

Sistem, Model dan Simulasi

Model Matematika dari Sistem Dinamis

Mata Kuliah Pemodelan & Simulasi. Riani Lubis. Program Studi Teknik Informatika Universitas Komputer Indonesia

TEKNIK SIMULASI. Nova Nur Hidayati TI 5F

BAB 2 PREFERENSI PASAR DAN PROSES PEMILIHAN

BAB 1 PENDAHULUAN. Persoalan keputusan sering diformulasikan sebagai. persoalan optimisasi, jadi dalam berbagai situasi, pengambil keputusan ingin

Unit 7 PEMODELAN MATEMATIKA. Pendahuluan. Selamat belajar dan tetap bersemangat, Tuhan memberkati. Wahyudi

STATISTIKA UNIPA SURABAYA

RANTAI MARKOV ( MARKOV CHAIN )

RENCANA PEMBELAJARAN SEMESTER (RPS)

BAB 2 LANDASAN TEORI

Pertemuan 14. Teknik Simulasi

BAB I PENDAHULUAN. 1.1 Latar Belakang

SISTEM ANTRIAN MODEL GEO/G/1 DENGAN VACATION

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA

PENDAHULUAN LANDASAN TEORI

BAB I VEKTOR DALAM BIDANG

EKUIVALENSI INTEGRAL BOCHNER DENGAN INTEGRAL MCSHANE KUAT UNTUK FUNGSI DENGAN NILAI DI DALAM RUANG BANACH. Y.D. Sumanto Jurusan Matematika FMIPA UNDIP

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

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

Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy

Sesi IX : RISET OPERASI. Perkembangan Riset Operasi

Klasifikasi Model. Teori dan Pemodelan Sistem TIP FTP UB Mas ud Effendi

Penerapan Teori Kombinatorial dan Peluang Dalam Permainan Poker

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

S - 9 PERGESERAN PANGSA PASAR KARTU SELULER PRA BAYAR GSM MENGGUNAKAN ANALISIS RANTAI MARKOV (Studi Kasus: Mahasiswa FMIPA UNSRAT Manado)

Sanksi Pelanggaran Pasal 72 Undang-undang Nomor 19 Tahun 2002 Perubahan atas Undang-undang Nomor 7 Tahun 1987 Perubahan atas Undang-undang Nomor 6

BAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,

Pengambilan Keputusan dalam keadaan ada kepastian. IRA PRASETYANINGRUM, S.Si,M.T

Kriteria Model yang Baik

BAB 2 TINJAUAN PUSTAKA

BAB I PENDAHULUAN. lalu lintas yang ada. Hal tersebut merupakan persoalan utama di banyak kota.

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

BAB II KAJIAN TEORI. Peluang suatu kejadian adalah jumlah bobot semua titik sampel dalam A.

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

BAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau

BAB I PENDAHULUAN. wisatawan. Makanan khas dan barang-barang kerajinan Yogyakarta

Pengantar Proses Stokastik

Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian

BAB II LANDASAN TEORI

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB IV ANALISIS MARKOV

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

BAB III HIDDEN MARKOV MODELS. Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan

BAB I PENDAHULUAN. semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor

Transkripsi:

11 12. MODEL STOKASTIK alsen.medikano@gmail.com 1

PENDAHULUAN Model Stokastik adalah model matematika dimana gejala-gejala dapat diukur dengan derajat kepastian yang tidak stabil. Pada Model Stokastik disebut juga model probabilistik peluang dari masing-masing kejadian benar-benar di hitung, menyusun sebuah model stokastik cenderung lebih sulit dari model deterministik. Kaidah-kaidah peluang adalah alat matematika yang cukup vital dalam menyusun model stokastik. Contoh model stokastik adalah teori antrian dan teori permainan, dimana ini merupakan pengembangan dari riset operasi modern. 2

DEFINISI Berkenaan dengan karakteristik persoalan yang hendak diselesaikan dengan pendekatan OR, maka dibedakan dua jenis permasalahan: (1) Deterministik, dicirikan oleh nilai-nilai parameternya yang pasti dan time-invariant, (2) Stokastik, dicirikan oleh ketidakpastian nilai parameter-parameternya dan time-variant. Contoh penerapan pemodelan stokastik adalah : Rantai Markov dengan Waktu Diskret, Proses Poisson, Rantai Markov dengan Waktu Kontinu, Proses Bercabang Dan Proses Pembaruan dan Penerapannya 3

CONTOH MODEL STOKASTIK Kejadian stokastik adalah kebolehjadian yang hanya dapat ditentukan distribusi frekuensinya. jadi kejadian stokastik ini tidak dapat ditentukan fungsinya dengan pasti, namun hanya berupa kisaran fungsi yang nilainya belum dapat ditetapkan. Contoh dari kejadian stokastik adalah jumlah daun yang berguguran setiap harinya. Helai-helai daun berguguran dari hari ke hari, namun belum dapat dipastikan berapa jumlahnya dan fungsi seperti apa yang dapat menggambarkan proses bergugurnya daun-daun tersebut. Kejadian stokastik ini dapat didekati dengan suatu fungsi interval yang bentuknya akan menyerupai, yaitu pada saat-saat tertentu mencapai nilai maksimal sedangkan saat yang lain mencapai titik minimal 4

CONTOH LAIN STOKASTIK 1. Jumlah penumpang bus Sebagai contoh jumlah penumpang ketika pagi hari, mendekati jam kerja sangat banyak. Jumlah ini akan berangsur-angsur menurun ketika jam kerja sudah dimulai dan menjelang jam istirahat. Jumlah penumpang akan kembali naik ketika jam pulang kerja. Hal ini berlangsung hampir setiap hari, namun tidak dapat dipastikan fungsi apa yang mendekatinya. 2. Jumlah pengunjung Grojogan Sewu Jumlah pengunjung Grojogan Sewu akan meningkat tajam pada saat liburan sekolah maupun weekend. Namun setiap harinya juga terdapat pengunjung yang jumlahnya tidak menentu. Dari jumlah pengunjung ini tidak dapat ditentukan fungsi yang pasti, namun dapat didekati dengan suatu fungsi interval yang bentuknya akan meningkat pada saat weekend ataupun liburan. 3. Pengunjung warung makan Pengunjung warung makan akan meningkat pada saat jam-jam makan siang dan istirahat, dan akan berangsur-angsur berkurang ketika jam makan sudah usai. Begitu seterusnya. 5

TIPE FORMULASI 1. Formulasi statis, termasuk persamaan aljabar atau fungsi dengan satu atau lebih variabel random, dapat berupa skalar atau vektor, berniali diskrit atau kontinyu dan berkendala atau tidak berkendala 2. Formulasi dinamis, termasuk proses stokastik dengan variabel benas t yang mewakili waktu jika digunakan untuk model dinamis tak pasti 6

TEORI PELUANG Peluang adalah harapan terjadinya suatu kejadian yang dikuantitatifkan. Peluang berhubungan dengan gagasan atau konsep kesempatan atau kemungkinan. Kita katakan peluangnya besar artinya kesempatan atau kemungkinan terjadinya besar, sebaliknya peluang kecil artinya kesempatan terjadinya kecil. 7

DEFINISI PELUANG Definisi Klasik = Jika suatu percobaan mempunyai k hasil percobaan yang berbeda dan masing-masing mempunyai kemungkinan yang sama untuk terjadi maka : > peluang masing-masing kejadian tersebut adalah 1/k > peluang kejadian E = P(E) = m/k dimana m adalah hasil percobaan yang menyusun kejadian tersebut Menurut definisi klasik, peluang dapat ditentukan sebelum percobaan dilakukan. Definisi Modern / Frekuensi Relatif Peluang Kejadian E = P(E) = lim n > tak hingga n e / n, dimana n e = jumlah kejadian E dalam percobaan Menurut definisi modern, peluang dapat ditentukan setelah percobaan dilakukan. 8

DEFINISI PELUANG Definisi Subjektif Peluang Subjektif artinya ialah peluang yang disampaikan oleh para pakar / experts Konsep dasar Peluang : Ruang Contoh = himpunan semua kemungkinan hasil suatu percobaan (dilambangkan dengan S) = kumpulan dari semua titik contoh Misal : ruang contoh S bagi pengambilan kartu S = { Diamond, Club, Heart, Spade} S 1 = {Merah, Hitam} Kejadian = himpunan bagian dari ruang contoh E = {Diamond} E 1 = {Merah} Kejadian dibagi dua : - Kejadian Sederhana = kejadian yang hanya memuat satu titik contoh - Kejadian Majemuk / Komposit = kejadian yang memuat lebih dari satu titik contoh 9

terimakasih 10