III. PEMODELAN HARGA PENGGUNAAN INTERNET

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

BAB IV PERHITUNGAN NUMERIK

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Analisis Model dan Contoh Numerik

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

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

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

B a b 1 I s y a r a t

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

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

I. PENDAHULUAN II. LANDASAN TEORI

1.4 Persamaan Schrodinger Bergantung Waktu

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

ANALISIS ANTRIAN ANGKUTAN UMUM BUS ANTAR KOTA REGULER DI TERMINAL ARJOSARI

BAB 2 LANDASAN TEORI

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

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

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

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

BAB II PERTIDAKSAMAAN CHERNOFF

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

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

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.

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

BAB 2 TINJAUAN TEORI

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

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

PERTEMUAN 2 KINEMATIKA SATU DIMENSI

BAB 2 TINJAUAN TEORITIS. bahasa Yunani yang berarti Demos adalah rakyat atau penduduk, dan Grafein adalah

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

B a b 1 I s y a r a t

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Faradina GERAK LURUS BERATURAN

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

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

BAB 3 LANDASAN TEORI. 3.1 Pengertian dan Kegunaan Peramalan (Forecasting)

ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ)

Sekilas Pandang. Modul 1 PENDAHULUAN

BAB 2 LANDASAN TEORI

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. Persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

GERAK LURUS BESARAN-BESARAN FISIKA PADA GERAK KECEPATAN DAN KELAJUAN PERCEPATAN GLB DAN GLBB GERAK VERTIKAL

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

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

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

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

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

BAB 2 LANDASAN TEORI

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein

1 dz =... Materi XII. Tinjaulah integral

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

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

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

Bab IV Pengembangan Model

BAB 2 LANDASAN TEORI

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

BAB II TINJAUAN PUSTAKA

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2)

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN TEORITIS

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

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN

BAB 2 LANDASAN TEORI

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

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X

III. METODE PENELITIAN

HUMAN CAPITAL. Minggu 16

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh:

Volume 1, Nomor 1, Juni 2007 ISSN

IV METODE PENELITIAN

Hitung penurunan pada akhir konsolidasi

IV. METODE PENELITIAN

BAB 4 ANALISIS DAN PEMBAHASAN

ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI

Fisika Dasar. Gerak Jatuh Bebas 14:12:55. dipengaruhi gaya. berubah sesuai dengan ketinggian. gerak jatuh bebas? nilai percepatan gravitasiyang

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

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP

III. METODE PENELITIAN

I PENDAHULUAN II LANDASAN TEORI

1.1 Konsep Distribusi

Integral dan Persamaan Diferensial

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

IV METODE PENELITIAN

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

BAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

III. METODE PENELITIAN

Relasi LOGIK FUNGSI AND, FUNGSI OR, DAN FUNGSI NOT

III. METODE PENELITIAN. Konsep dasar dan definisi operasional merupakan pengertian dan petunjuk yang

Oleh : Danny Kurnianto; Risa Farrid Christianti Sekolah Tinggi Teknologi Telematika Telkom Purwokerto

IV. METODE PENELITIAN

Transkripsi:

8 III EMODELAN HARGA ENGGUNAAN INTERNET 3 Asumsi dan Model ada peneliian ini diperhaikan beberapa asumsi yaiu sebagai beriku: Waku anarkedaangan menyebar eksponensial dengan raaan λ - (laju kedaangan adalah λ) Lamanya berada di kompuer mengikui disribusi eksponensial dengan raaan μ - 3 Kedaangan dan lama penggunaan kompuer adalah bebas (idak erika) pada dan banyaknya kompuer yang digunakan 4 Terdapa sejumlah N kompuer dengan koneksi inerne Jika seorang pelanggan iba unuk mencari sebuah kompuer dan kompuer ersedia maka pelanggan menggunakannya 5 Jika seorang pelanggan daang dan semua kompuer digunakan maka mereka idak menunggu (anri) dan pergi ke empa lain Lema Misalkan X adalah peubah acak yang berdisribusi eksponensial dengan laju λ, maka: ( < X < + h) = λh + o(h ) Dengan caaan bahwa peluang kejadian dienukan dalam sau inerval kecil yang bebas (idak berganung) pada berapa lama proses berjalan (bebas erhadap ); ini disebu no memory propery of he exponenial disribuion (Buki: Lema liha di Lampiran ) Dalam model penenuan harga penggunaan inerne didefinisikan peubahpeubah sebagai beriku: C x, : kejadian bahwa ada x pelanggan pada saa A (,+h) : kejadian bahwa ada sau kedaangan pada inerval waku (,+h) D (,+h) : kejadian bahwa ada sau pelanggan pergi dalam inerval (,+h) j () : peluang ada j pelanggan dalam sisem pada saa λ : laju kedaangan µ : laju penggunaan

9 Terdapa iga ahapan dalam model penenuan harga penggunaan inerne ini, yaiu: (i) menenukan peluang bahwa idak ada pelanggan pada saa + h, (ii) menenukan peluang bahwa erdapa n pelanggan pada saa + h, dan (iii) menenukan peluang bahwa semua kompuer digunakan Jika idak ada pelanggan yang menggunakan kompuer pada saa + h maka diperoleh beberapa kemungkinan yaiu: Kemungkinan yang perama bahwa idak ada seorang pun pelanggan yang daang pada inerval waku (, + h) jika pada saa idak ada yang menggunakan inerne dapa diilusrasikan sebagai beriku user: waku: + h Kemungkinan yang kedua bahwa ada sau orang yang pergi meninggalkan warne jika pada saa ada sau orang yang menggunakan inerne dapa diilusrasikan sebagai beriku user: waku: + h Dan beberapa kemungkinan yang lain yang sanga kecil diabaikan Noasi peluangnya yaiu sebagai beriku ( + ) = ( ) () + ( ) () + h no A C D C o( h ) (, + h), (, + h), (3) Dengan menggunakan Asumsi 3 dan Lema, didapakan peluang idak ada kedaangan pada inerval waku (, + h) jika pada saa idak ada yang menggunakan inerne yaiu sebagai beriku ( no (, ) ) ( no, (, ) ) + h = + h = λ + A C A h o h (3)

dan peluang ada sau orang yang pergi pada inerval waku (, + h) jika pada saa ada sau orang yang menggunakan inerne yaiu sebagai beriku ( (, + h) ) = ( (, + h) ) = μ + D C D h o h, (33) Kemudian dengan mensubsiusikan persamaan (3) dan (33) ke persamaan (3), maka diperoleh laju perubahan peluang erhadap waku bahwa idak ada pelanggan pada inerval waku (, + h) adalah sebagai beriku d d () μ() = λ + (34) Jika erdapa n pelanggan yang menggunakan kompuer pada saa + h maka diperoleh beberapa kemungkinan yaiu: Kemungkinan yang perama bahwa idak ada pelanggan yang daang dan idak ada yang pergi pada inerval waku (, + h) jika pada saa erdapa n pelanggan yang menggunakan inerne dapa diilusrasikan sebagai beriku user: n n waku: + h Kemungkinan yang kedua bahwa ada sau kedaangan pada warne jika pada saa ada (n ) orang yang menggunakan inerne dapa diilusrasikan sebagai beriku user: n n waku: + h Kemungkinan yang keiga bahwa ada sau orang yang pergi jika pada saa ada (n + ) orang yang menggunakan inerne dapa diilusrasikan sebagai beriku user: n + n waku: + h

dan beberapa kemungkinan yang lain yang sanga kecil diabaikan Noasi peluangnya yaiu sebagai beriku unuk < n < N ( no and no, ) () ( (, + h) n, ) n () ( (, ) + h n+, ) n+ () ( ) ( + ) = (, + h) (, + h) h A D C n n n + A C + D C + o h (35) Dengan menggunakan Asumsi 3 dan Lema, didapakan peluang idak ada yang daang dan idak ada yang pergi pada inerval waku (, + h) jika pada saa erdapa n pelanggan yang menggunakan inerne yaiu sebagai beriku ( (, ) (, ) n, ) = h h ( λ + μ + + ) + no A and no D C n h o h (36) eluang ada sau kedaangan pada inerval waku (, + h) jika pada saa ada (n ) orang yang menggunakan yaiu sebagai beriku (, ) = λ +, + h n A C h o h (37) dan peluang erdapa sau orang yang pergi pada inerval waku + h jika pada saa ada (n + ) orang yang menggunakan yaiu sebagai beriku ( ) = n, μ + h + ( + ) + D C n h o h, (38) Kemudian dengan mensubsiusikan persamaan (36), (37), dan (38) ke persamaan (35), maka diperoleh laju perubahan peluang erhadap waku bahwa erdapa n pelanggan pada inerval waku (, + h) adalah sebagai beriku n d d () () () = λ λ + nμ + μ n+ (39) n n n+ ada sae erakhir di mana semua kompuer (N) digunakan, maka diperoleh beberapa kemungkinan yaiu: Kemungkinan yang perama bahwa idak ada yang pergi pada inerval waku (, + h) jika pada saa semua kompuer (N) digunakan dapa diilusrasikan sebagai beriku kompuer: N N waku: + h

Kemungkinan yang kedua bahwa erdapa sau kedaangan pada inerval waku (, + h) jika pada saa erdapa sau kompuer yang idak digunakan (N ) dapa diilusrasikan sebagai beriku kompuer: N N waku: + h Sera beberapa kemungkinan yang lain yang sanga kecil diabaikan Noasi peluangnya yaiu sebagai beriku ( ) () (, + h,, + h, ) () N + h = no D CN N + A CN N + o h (3) Dengan menggunakan Asumsi 3 dan Lema, didapakan peluang idak ada yang pergi pada inerval waku (, + h) jika pada saa semua kompuer digunakan yaiu sebagai beriku ( (, h) N, ) = μ + + no D C Nh o h (3) eluang erdapa sau kedaangan pada inerval waku (, + h) jika pada saa erdapa sau kompuer yang idak digunakan yaiu sebagai beriku ( h N, ) = λ + + A C h o h, (3) Kemudian dengan mensubsiusikan persamaan (3) dan (3) ke persamaan (3), maka diperoleh laju perubahan peluang erhadap waku bahwa semua kompuer digunakan pada inerval waku (, + h) adalah sebagai beriku d N d () μ () = λ N (33) N N Sebagai kesimpulan, unuk jumlah N kompuer dengan idak ada kapasias anrian, sae yang mungkin dari sisem adalah,,, N (yang menunjukkan banyaknya kompuer yang digunakan)

3 Dengan demikian model penenuan harga penggunaan inerne dapa dinyaakan sebagai beriku d = λ + μ d dn = λn ( λ + μn) n + μ( n+ ) n+ d ( < n< N) (34) dn = λn μnn d (rekonsruksi model secara lengkap liha Lampiran 3) 3 Kebijakan Harga yang Memaksimumkan endapaan Laju kedaangan dan laju penggunaan inerne salah saunya dipengaruhi oleh harga Jika harga penggunaan inerne mahal maka pelanggan yang daang akan sediki, sedangkan jika harga yang diberikan relaif lebih murah maka pelanggan yang daang akan lebih banyak Sehingga salah sau pendekaan unuk menenukan harga opimal adalah menyaakan λ dan µ sebagai fungsi dari harga Sebagai conoh fungsi laju kedaangan erhadap harga yang dikemukakan oleh Lynch (3) Berdasarkan pengalaman pemilik warne bahwa meskipun harga penggunaan inerne digraiskan, maksimum pelanggan yang daang adalah 5 orang per jam Sedangkan, jika harga dieapkan per jam maka idak ada seorang pelanggan pun yang daang Dengan demikian hubungan anara harga dan laju kedaangan dapa dinyaakan sebagai beriku: λ ( c) = 5 c ( c ) (35)