11 – 12. Model Stokastik indahpratiwi.ums@gmail.com.

Slides:



Advertisements
Presentasi serupa
9 – 10. Model Deterministik
Advertisements

Perancangan Penelitian. PENELITIAN Apa itu PENELITIAN ? Penelusuran sistematik untuk memperoleh data dan fakta dari suatu permasalahan yang ingin diungkap.
 Kita perlu memperhatikan struktur probabilistik yang mendasari pengamatan ini.  Kita menulis Z t untuk pengamatan pada waktu t.  Dalam hal ini,
Teknik Elektro STTA Yenni Astuti, S.T., M.Eng.
1.  Matematika, mempelajari keteraturan hubungan antar lambang/simbol/unsur yang mempunyai arti (mewakili obyek tertentu)
DISTRIBUSI PELUANG.
DISTRIBUSI TEORITIS.
Oleh: Edi Satriyanto Peluang Oleh: Edi Satriyanto
MENGAMBIL KEPUTUSAN HAKIKAT PEKERJAAN MANAJER
BAB VII KOMBINATORIAL & PELUANG DISKRIT.
BAB VI KOMBINATORIL DAN PELUANG DISKRIT.
Eksperimen Acak & Peluang
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
BAB 12 PROBABILITAS.
Bab 8 TEORI PROBABILITAS.
STATISTIK By : Meiriyama Program Studi Teknik Informatika
DISTRIBUSI EKSPONENSIAL
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
PROBABILITAS.
F2F-7: Analisis teori simulasi
Analisis Output Pemodelan Sistem.
Pertemuan 9 Teori Sistem
Pertemuan 22 Aplikasi Simulasi III
SIMULASI SISTEM PERSEDIAAN
Distribusi Probabilitas Normal
PENGANTAR MODEL STOKASTIK
Pemodelan Simulasi Sistem Diskrit
Pertemuan Ke - 3 Formulasi Model dan Parameterisasi.
B A B I A. PENGERTIAN STATISTIK
PENERAPAN PELUANG by Andi Dharmawan.
BAB 2 PROBABILITAS.
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
BAB 2 PROBABILITAS.
Modul 4 : Probabilitas.
RANTAI MARKOV Tita Talitha, M.T.
Simulasi dan Pemodelan
Pengantar Pemodelan.
Dr. Adji Achmad RF, S.Si, M.Sc
Dr. Adji Achmad RF, S.Si, M.Sc
Pengantar Teori Peluang Pertemuan ke-2 dan 3/7
Pengantar model stokastik
Pendekatan Probabilitas
Pengantar Pemodelan Teknik Lingkungan
Pengantar Teori Peluang Pertemuan ke-1/7
TEORI PROBABILITAS.
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
MODEL SIMULASI Pertemuan 13
Matematika untuk SMP Kelas IX
DISTRIBUSI PROBABILITAS
Prodi Ilmu Komputasi IT Telkom
PENDEKATAN MODEL MATEMATIKA
PEMODELAN.
PENGANTAR BIOSTATISTIK
( Pertidaksamaan Kuadrat )
STATISTIKA DAN PROBABILITAS
STATISTIKA DESKRIPTIF
PEUBAH ACAK & DISTRIBUSI PELUANG. PENGERTIAN PEUBAH ACAK STATISTIKA  Penarikan kesimpulan tentang (karakteristik dan sifat) populasi. Contoh : Pemeriksaan.
Analisa Sinyal dan Sistem
PELUANG.
Pertemuan ke-1 Matakuliah Statistika Akuntansi UII
Model dan Simulasi Distribusi Poisson Veni Wedyawati, S.Kom, M.Kom.
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
BAB 2 Peluang.
PENGERTIAN DISTRIBUSI TEORITIS
PEMODELAN TEKNIK LINGKUNGAN. DEFINISI MODEL Model dapat diartikan sebagai penggambaran, penyederhanaan, miniatur, atau peniruan. Pemodelan lingkungan.
OPERATIONS RESEARCH – I
TEORI PROBABILITAS Disarikan dari : Adawiyah, Ariadi dan sumber lain yang relevan This template is provided by
KONSEP DASAR PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRIT (1)
Transcript presentasi:

11 – 12. Model Stokastik indahpratiwi.ums@gmail.com

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.

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

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

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.

Tipe formulasi 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 Formulasi dinamis, termasuk proses stokastik dengan variabel benas t yang mewakili waktu jika digunakan untuk model dinamis tak pasti

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.

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 ne / n, dimana ne = jumlah kejadian E dalam percobaan Menurut definisi modern, peluang dapat ditentukan setelah percobaan dilakukan.

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} S1 = {Merah, Hitam} Kejadian = himpunan bagian dari ruang contoh E = {Diamond} E1 = {Merah} Kejadian dibagi dua : - Kejadian Sederhana = kejadian yang hanya memuat satu titik contoh - Kejadian Majemuk / Komposit = kejadian yang memuat lebih dari satu titik contoh

terimakasih