BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak.

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n)

I. DERET TAKHINGGA, DERET PANGKAT

Ruang Vektor. Modul 1 PENDAHULUAN

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

Abstract

PERSAMAAN DIFERENSIAL

IV. METODE PENELITIAN

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Distribusi Pendekatan (Limiting Distributions)

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

Bab 3 Metode Interpolasi

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

SOAL-JAWAB MATEMATIKA PEMINATAN STATISTIKA. 6 cm, 7 cm, 6 cm, 4 cm, 6 cm, 3 cm, 7 cm, 6 cm, 5 cm, 8 cm.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

Pengujian Hipotesis. 1/26/2010 Pengujian Hipotesis 1

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

2 BARISAN BILANGAN REAL

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

KARAKTERISTIK NILAI EIGEN DARI MATRIKS LAPLACIAN

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT

Abstract

BAB 3 METODE PENELITIAN

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Hendra Gunawan. 12 Februari 2014

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

Teori Penaksiran. Oleh : Dadang Juandi

Praktikum Perancangan Percobaan 9

Metode Kuadrat Terkecil Tertimbang pada Model Regresi Semiparametrik Terboboti Geografis

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

BAB 2 LANDASAN TEORI

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Teori Penaksiran. Oleh : Dewi Rachmatin

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Inflasi dan Indeks Harga I

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

PERTEMUAN 13. VEKTOR dalam R 3

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

Jurnal Matematika Murni dan Terapan Vol. 6 No.1 Juni 2012: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

B a b 1 I s y a r a t

JENIS PENDUGAAN STATISTIK

BARISAN DAN DERET. Nurdinintya Athari (NDT)

DERET TAK HINGGA (INFITITE SERIES)

MATERI III BAHAN SEMIKONDUKTOR

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

DISTRIBUSI KHUSUS YANG DIKENAL

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

JFET (Junction Field Effect Transistor)

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

RENCANA PROGRAM PEMBELAJARAN KE - 1. : 6 jam pelajaran

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

BAB 6. DERET TAYLOR DAN DERET LAURENT Deret Taylor

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

RUANG BASIS SOLUSI. Ini disusun untuk memenuhi tugas mata kuliah. Aljabar Linier DISUSUN OLEH : DONNA SEPTIAN CAHYA RINI (08411.

Definisi Integral Tentu

Jurnal Ilmiah Matematika dan Terapan, vol.7, no. 1, Mei 2010, hal PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL

Fitting Kurva Dengan Menggunakan Spline Kubik

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

Pokok Bahasan Return dan Risiko. Return. Klasifikasi Return. Return PENDAHULUAN AIMP. Trisnadi Wijaya, S.E., S.Kom.

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

Barisan Aritmetika dan deret aritmetika

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BARISAN FIBONACCI DAN BILANGAN PHI

MATEMATIKA BISNIS. OLEH: SRI NURMI LUBIS, S.Si GICI BUSSINESS SCHOOL BATAM

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

Aji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru

SKRIPSI L LEBESGUE RUANG ISMAIL 02/154094/PA/08715

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

BAB VIII KONSEP DASAR PROBABILITAS

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Transkripsi:

BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam suatu ercobaa tergatug ada beberaa atau semua egamata masa lalu da hasil tia egamata, umumya, ditetuka dega hukum-hukum eluag. Studi tetag ercobaa dalam betuk seerti ii dikeal dega teori roses stokastik. Mugki juga terjadi bahwa egamata yag berturut-turut dalam suatu ercobaa meruaka egamata-egamata bebas artiya hasil suatu egamata tertetu tidak tergatug ada sesuatu hasil egamata di masa lalu da sebalikya tidak memegaruhi hasil egamata di masa medatag. Hal seerti ii meruaka keadaa atau betuk khusus dari roses stokastik da dikeal dega roses bebas. Namu dalam suatu ercobaa yag lebih rumit, hasil suatu egamata tertetu aka tergatug ada hasil egamata sebelumya (terdahulu) da selajutya aka memegaruhi hasil egamata dimasa medatag. Lebih sederhaa lagi yaitu hasil egamata tertetu tergatug haya ada hasil egamata barusa da buka ada hasil egamata sebelum itu da sebalikya, hasil egamata tertetu aka memegaruhi haya hasil egamata berikutya, tai buka hasil-hasil egamata sesudahya. roses stokastik yag memiliki sifat-sifat ketergatuga seerti ii dikeal dega roses Markov. rosedur ii dikembagka oleh sarjaa matematika Rusia Adrei A Markov (907) yag diguaka utuk megatur silsilah keturua kerajaa Iggris. Uiversitas Sumatera Utara

Ratai Markov meruaka suatu metode yag memelajari sifat-sifat suatu variabel ada masa sekarag yag didasarka ada sifat-sifatya dimasa lalu dalam usaha meaksir sifat-sifat variabel yag sama dimasa medatag. roses Markov daat diklasifikasika kedalam waktu egamata roses serta state saceya. Waktu egamata roses daat bersifat diskrit mauu kotiu demikia juga dega state saceya. Oleh karea itu eeliti haya melakuka embahasa megeai IMLEMENTASI WAKTU DISKRIT ADA RANTAI MARKOV.. ERUMUSAN MASALAH Adau yag mejadi ermasalaha dalam eulisa skrisi ii adalah bagaimaa cara memformulasika waktu diskrit ke dalam betuk ratai Markov da bagaimaa cara utuk meramalka eluag eridaha dari satu state ke state laiya berdasarka cotoh yag ada..3 TINJAUAN USTAKA acak { x( t) } Meurut. Siagia (98) roses Stokastik adalah suatu himua variabel yag tertetu dalam suatu ruag samel yag sudah diketahui dimaa t meruaka arameter waktu (ideks) dari suatu himua T. aoulis Athaosius (984) meyataka Ratai / roses markov adalah roses Stokastik ada masa lalu tidak memuyai egaruh ada masa yag aka datag bila masa sekarag diketahui. Ii memuyai arti sebagai berikut: Bila t < t, maka: { x( t ) x x( t), t t } = { x( t ) x x( t )} Dari betuk ii terlihat bahwa bila Uiversitas Sumatera Utara

t maka t... t { x( t ) x x( t ),..., x( t )} = { x( t ) x x( t )} Defeisi diatas juga berlaku utuk roses waktu diskrit bila x(t ) digati dega x. Dimaa =,,3,, Ratai Markov [6] x, =,,., dega matrik trasisi. Didefeisika matrik trasisi -lagkah ( () ) adalah K S = = ( x = j / x = i) ( x = j / x = i) = ( x = j / x = i, x = k) ( x = k / x ) ( x = j / x = k) ( x = k / x = i) = = ( ) + + + K S + + K S + ik kj + + dimaa adalah matriks eluag eraliha lagkah, s adalah state saceya adalah eluag eraliha dari state i ke state j satu lagkah ada agkat Suatu roses stokastik [7] daat diklasifikasika kedalam arameter sace da kedalam state sace yaitu diskrit atau kotius. Yag diamaka sebuah ratai adalah jika state saceya diskrit. Sebuah ratai Markov yag berorder ertama daat digambarka dega: ) Semua robabilitas trasisi -lagkah ya ) Matrik trasisi lagkah ertamaya () 3) Diagram trasisiya () Jika adalah matrik trasisi MC (Markov Chais) reguler [6] maka: ) aka meuju sebuah matriks T, aabila ) Setia baris dari T sama yaitu berua vektor eluag W 3) Semua eleme W adalah ositi, W meruaka state awal. Uiversitas Sumatera Utara

Disey Clark (985) meyataka utuk meghitug eluag vektor eluag state dalam lagkah, didaat dega megalika state awal (0) dega matriks satu lagkah agkat. () = (0), () 0 = Vektor embagia state ada waktu, = Vektor embagia state awal = Matriks trasisi dalam lagkah Meurut Sheldo (969) ersamaa Chama Kolmogorov dalam meghitug eluag eraliha lagkah: + m = k = 0 ik m kj ik = eluag eraliha dari state i ke state k setelah lagkah da diketahui sebelumya telah berada dalam state i. m kj = eluag eraliha dari state i ke state k setelah m lagkah da diketahui sebelumya berada dalam state k. k + = eluag eraliha dari state i aka beridah ke state j setelah +m lagkah. Dega megguaka hubuga Chama Kolmogorov kita daat membuktika bahwa () = dimaa matriks eluag eraliha lagkah sama dega matriks eluag eraliha satu lagkah agkat. Selajutya Fieldma (996) meyataka bahwa eluag steady state adalah eluag eraliha yag sudah mecaai keadaa teta (keseimbaga) sehigga tidak aka berubah terhada erubaha waktu yag terjadi atau erubaha taha yag terjadi dimaa eluag eraliha ideede terhada kodisi awal roses aabila meuju tak higga. Meurut. Siaiar (996) Matriks adalah suatu susua atau kumula agka-agka (eleme-eleme) yag disusu berdasarka baris da kolom sehigga Uiversitas Sumatera Utara

berbetuk ersegi ajag dimaa ajag da lebarya ditetuka oleh bayakya jumlah baris da kolom. Matriks bujur sagkar (square) adalah matriks dimaa jumlah baris da kolomya adalah sama (m=)..4 TUJUAN ENELITIAN Adau yag mejadi tujua eelitia ii adalah utuk megetahui eraa waktu diskrit ada ratai Markov utuk medaatka eluag eridaha dari satu state ke state lai dalam suatu roblema..5 EMBATASAN MASALAH Agar eelitia ii teat sasara eulis meetaka embatasa ermasalaha adalah haya mecari eluag eridaha dari satu state ke state laiya dalam suatu masalah dimaa eulis megambil sebagai cotoh adalah eridaha tikus dalam melewati beberaa state utuk mecaai tujua..6 MANFAAT ENELITIAN Diharaka eelitia ii daat meambah wawasa tetag egguaa ratai Markov ada data yag telah ada. Ii juga diharaka daat memberika gambara yag lebih jelas tetag arameter yag terdaat dalam ratai markov..7 METODE ENELITIAN Dalam eelitia ii lagkah-lagkah yag dilakuka eulis adalah sebagai berikut: ) Megumulka baha baik dari buku mauu artikel dari iteret. ) Megaalisa mauu memahami aa yag dimaksud dega ratai Markov. Uiversitas Sumatera Utara

3) Meguraika waktu diskrit ada ratai Markov. 4) Membuat alikasiya kedalam betuk cotoh. 5) Meetuka matriks eluag eraliha. = 3 3 6) Meghitug eluag state lagkah eraliha. ( ) 0 = dimaa () = Vektor embagia state ada waktu 0 = Vektor embagia state awal = Matriks trasisi dalam lagkah 7) Meghitug robabilitas steady state matriks. π j = i= π i π adalah batas distribusi eluag eraliha steady state dari status j. j π i adalah batas distribusi eluag eraliha steady state dari status i. adalah eluag eridaha dari state i ke state j. 8) Megambil kesimula berdasarka hasil aalisa. Uiversitas Sumatera Utara