LAMPIRAN. Lampiran 1. Bagan alir pembuatan basis gel. Aquades. Dipanaskan hingga suhu 75 C. Karagenan, Aduk hingga homogen.
|
|
- Hendra Ridwan Gunardi
- 4 tahun lalu
- Tontonan:
Transkripsi
1 LAMPIRAN Lampra 1. Baga alr pembuata bass gel Aquades Dpaaska hgga suhu 75 C Karagea, Natrum Aduk hgga homoge Turuka suhu hgga 65 0 C Prople glkol Aduk hgga homoge Tuagka dalam cetaka Barka pada suhu ruaga hgga Betuk sedaa gel 43
2 Lampra. Baga alr pembuata gel pegharum Aquades Dpaaska hgga suhu 75 C Karagea, Natrum Aduk hgga homoge Turuka suhu hgga 65 0 C Prople glkol Aduk hgga homoge Myak lemo, Aduk hgga homoge k l Tuagka dalam cetaka Barka pada suhu ruaga hgga Gel pegharum ruaga 44
3 Lampra 3.Gambar myak lemo Lampra 4.Gambar myak lam 45
4 Lampra 5.Cotoh lembar pelaa uj kesukaa (hedoc test) Lembar Pelaa Uj Kesukaa (Hedoc Test) Nama : Umur : Istruks : Berka pedapat ada tetag aroma wag seda gel pegharum ruaga yag d uj, kemuda berlah tada cetag ( ) pada salah satu kolom (//C/K/T) yag terseda edaa Pelaa C K T 1% 1,5% Lampra % 6.Tabel peguapa zat car pertga har selama 30 har (gram),5% Keteraga : Nla 5 agat uka () Nla 4 uka () Nla 3 Cukup uka (C) Nla Kurag uka (K) Nla 1 Tdak uka (T) 46
5 Lampra 6.Rumus perhtuga la uj kesukaa (hedoc test) Utuk meghtug la kesukaa rata-rata dar setap paels dguaka rumus sebaga berkut: X ( X X ) P ( X (1,96. / ) µ ( X + (1,96. / ) 95% Keteraga : : Bayak paels : Keseragama la kesukaa 1,96 : Koefse stadar devas pada taraf 95% X : Nla kesukaa rata-rata X : Nla dar paels ke, dmaa 1,,3,, : mpaga baku la kesukaa P : Tgkat kepercayaa µ : Retag la 47
6 Lampra 7.Tabel hasl uj kesukaa (hedoc test) Formula Paels N1 N N3 N Jumlah
7 Lampra 8.Perhtuga hasl uj kesukaa (hedoc test) Formula N1 X ,56 5 ( X X ) ( 5 4,56) + ( 5 4,56) + ( 4 4,56) + ( 5 4,56) ( 5 4,56) 10,05 5 0,40 5 0,40 0,63 P( X (1,96. / ) µ ( X (1,96. / ) P(4,56 (1,96.0,63/ 5) µ (4,56 (1.96.0,63/ 5) P(4,56 0,4) µ (4,56 + 0,4) P(4,80 µ 4,31) 49
8 Lampra 8. (Lajuta) FormulaN X ,36 ( X X ) ( 5 4,36) + ( 4 4,36) + ( 4 4,36) + ( 4 4,36) ( 4 4,36) 7,74 5 0, ,309 0,55 P ( X (1,96. / ) µ ( X (1,96. / P(4,36 (1,96.0,55 / 5) µ (4,36 + (1.96.0,55 / 5) P(4,36 0,1) µ (4,36 + 0,1) P(4,15 µ 4,57) 50
9 Lampra 8. (Lajuta) FormulaN3 X , 5 ( X X ) ( 5 4,) + ( 3 4,) + ( 4 4,) + ( 5 4,) ( 4 4,) ,3 0,3 0,56 P ( X (1,96. / ) µ ( X (1,96. / P(4, (1,96.0,56/ 5) µ (4, (1.96.0,46/ 5 P(4, 0,1) µ (4, + 0,1) P(3,99 µ 4,41) 51
10 Lampra 8. (Lajuta) FormulaN4 X ,9 5 ( X X ) ( 5 3,9) + ( 3 3,9) + ( 4 3,9) + ( 5 3,9) ( 3 3,9) 17,77 5 0,71 5 0,71 0,84 P ( X (1,96. / ) µ ( X (1,96. / P(3,9 (1,96.0,84/ 5) µ (3,9 + (1.96.0,84/ 5) P(3,9 0,3) µ (3,9 + 0,3) P(3,6 µ 4,4) 5
11 Lampra 9.Tabel peurua bobot gel pegharum ruaga Pada ruaga basa Bobot (gram) Kode Awal Mggu 1 Mggu Mggu 3 N1 93,75 86,883 79,358 7,549 N 90,5 8,555 75,014 67,45 N3 91,919 83,094 75,89 67,194 N4 91,815 81,40 7,191 63,31 Mggu 4 65,871 59,69 59,911 54,59 Pada ruaga AC Bobot (gram) Kode Awal Mggu 1 Mggu Mggu 3 N1 93,146 83,47 74,099 63,574 N 9,439 81,594 70,755 59,91 N3 91,601 79,415 67,814 55,591 N4 91,70 78,65 66,351 54,151 Mggu 4 54,189 48,797 43,94 4,981 Pada ruaga kpas Bobot (gram) Kode Awal Mggu 1 Mggu Mggu 3 N1 90,640 75,346 60,439 45,714 N 9,950 76,71 59,985 44,515 N3 94,787 77,854 60,53 43,691 N4 97,789 79,961 61,451 43,539 Mggu 4 9,964 7,971 6,759 5,675 53
12 Lampra 10. Perhtuga perse total peguapa zat car Rumus: Perse total peguapa zat car Keteraga: zat car yag meguap (M0 M4) M0 x 100% M 0 : berat gel awal M 4 : berat gel pada mggu ke 4 Perhtuga persetase total peguapa zat car pada ruaga basa 93,75 65,871 Formula N1 x 100% 9,71% 93,75 90,5 59,69 Formula N x 100% 33,91% 90,5 91,919 59,911 Formula N3 x 100% 34,8% 91,919 91,815 54,59 Formula N4 x 100% 40,54% 91,815 54
13 Lampra 10.(Lajuta) Perhtuga persetase peguapa zat car pada ruaga AC 93,146 54,189 Formula N1 x 100% 41,8% 93,146 9,439 48,797 Formula N x 100% 47,1% 9,439 91,601 43,94 Formula N3 x 100% 5,04% 91,601 91,70 4,981 Formula N4 x 100% 53,13% 91,70 Perhtuga persetase peguapa zat car pada ruaga kpas 90,640 9,964 Formula N1 x 100% 66,94% 90,640 9,950 7,971 Formula N x 100% 69,90% 9,950 94,787 6,759 Formula N3 x 100% 71,76% 94,787 97,789 5,675 Formula N4 x 100% 73,74% 97,789 55
14 Lampra 11.Cotoh lembar pelaa uj ketahaa wag Lembar Pelaa Uj Ketahaa Wag Nama : Umur : Istruks : Berka pedapat ada tetag aroma wag seda gel pegharum ruaga yag d uj, kemuda berlah tada cetag ( ) pada salah satu kolom (W/AKW/KW/KW/TW) yag terseda edaa Pelaa W AKW KW KW TW 1% 1,5% Lampra % 6.Tabel peguapa zat car pertga har selama 30 har (gram),5% Keteraga : Nla 5 ama Wag (W) Nla 4 Agak Kurag Wag (AKW) Nla 3 Kurag Wag (KW) Nla agat Kurag Wag (KW) Nla 1 Tdak ama Wag (TW) 56
15 Lampra 1.Hasl uj ketahaa wag pada ruaga basa Mggu 1 Formula Paels N1 N N3 N Jumlah
16 Lampra 1.(Lajuta) Perhtuga hasl uj ketahaa wag pada ruaga basa Mggu 1 FormulaN1 X ,7 ( X X ) ( 5 4,7) + ( 4 4,7) + ( 5 4,7) + ( 5 4,7) ( 5 4,7) 4,97 5 0,19 5 0,19 0,43 P( X (1,96. / ) µ ( X (1,96. / ) P(4,7 (1,96.0,43/ 5) µ (4,7 (1.96.0,43/ 5) P(4,7 0,16) µ (4,7 + 0,16) P(4,88 µ 4,56) 58
17 Lampra 1.(Lajuta) FormulaN X ,6 5 ( X X ) ( 5 4,6) + ( 5 4,6) + ( 5 4,6) + ( 4 4,6) ( 4 4,6) ,4 0,4 0,48 P( X (1,96. / ) µ ( X (1,96. / ) P(4,6 (1,96.0,48/ 5) µ (4,6 (1.96.0,48/ 5) P(4,6 0,18) µ (4,6 + 0,18) P(4,78 µ 4,4) 59
18 Lampra 1.(Lajuta) FormulaN3 X ,36 5 ( X X ) ( 5 4,36) + ( 4 4,36) + ( 4 4,36) + ( 5 4,36) ( 4 4,36) 5 5,6 5 0, 0, 0,46 P( X (1,96. / ) µ ( X (1,96. / ) P(4,36 (1,96.0,46 / 5) µ (4,36 (1.96.0,46 / 5) P(4,36 0,18) µ (4,36 + 0,18) P(4,54 µ 4,18) 60
19 Lampra 1.(Lajuta) FormulaN4 X ,04 5 ( X X ) ( 5 4,04) + ( 3 4,04) + ( 4 4,04) + ( 5 4,04) ( 3 4,04) 5 14,5 5 0,59 0,59 0,76 P( X (1,96. / ) µ ( X (1,96. / ) P(4,04 (1,96.0,76 / 5) µ (4,04 (1.96.0,76 / 5) P(4,04 0,9) µ (4,04 + 0,9) P(4,33 µ 3,75 61
20 Lampra 1.(Lajuta) Mggu Formula Paels N1 N N3 N Jumlah
21 Lampra 1.(Lajuta) Mggu FormulaN1 X ,44 5 ( X X ) ( 5 4,44) + ( 4 4,44) + ( 5 4,44) + ( 4 4,44) ( 5 4,44) 5 8,8 5 0,35 0,35 0,59 P( X (1,96. / ) µ ( X (1,96. / ) P(4,44 (1,96.0,59 / 5) µ (4,44 (1.96.0,59 / 5) P(4,44 0,3) µ (4,44 + 0,3) P(4,67 µ 4,1) 63
22 Lampra 1.(Lajuta) FormulaN X ,3 5 ( X X ) ( 5 4,3) + ( 3 4,3) + ( 4 4,3) + ( 4 4,3) ( 4 4,3) 5 11,44 5 0,45 0,45 0,67 P( X (1,96. / ) µ ( X (1,96. / ) P(4,3 (1,96.0,67 / 5) µ (4,3 (1.96.0,67 / 5) P(4,3 0,6) µ (4,3 + 0,6) P(4,58 µ 4,06) 64
23 Lampra 1.(Lajuta) FormulaN3 X ,84 5 ( X X ) ( 4 3,84) + ( 3 3,84) + ( 3 3,84) + ( 4 3,84) ( 4 3,84) 5 5,36 5 0,1 0,1 0,45 P( X (1,96. / ) µ ( X (1,96. / ) P(3,84 (1,96.0,45/ 5) µ (3,84 (1.96.0,45/ 5) P(3,84 0,17) µ (3,84 + 0,17) P(4,01 µ 3,67) 65
24 Lampra 1.(Lajuta) FormulaN4 X ,5 5 ( X X ) ( 4 3,5) + ( 3 3,5) + ( 3 3,5) + ( 4 3,5) ( 4 3,5) 6,4 5 0,4 5 0,4 0,48 P( X (1,96. / ) µ ( X (1,96. / ) P(3,5 (1,96.0,48/ 5) µ (3,5 (1.96.0,48/ 5) P(3,5 0,18) µ (3,5 + 0,18) P(3,70 µ 3,34) 66
25 Lampra 1.(Lajuta) Mggu 3 Formula Paels N1 N N3 N Jumlah
26 Lampra 1.(Lajuta) FormulaN1 X ,4 5 ( X X ) ( 4 3,4) + ( 3 3,4) + ( 4 3,4) + ( 3 3,4) ( 3,4) ,4 5 0,4 0,63 P( X (1,96. / ) µ ( X (1,96. / ) P(3,4 (1,96.0,63/ 5) µ (3,4 (1.96.0,63/ 5) P(3,4 0,4) µ (3,4 + 0,4) P(3,64 µ 3,14) 68
27 Lampra 1.(Lajuta) FormulaN X ,48 5 ( X X ) ( 4 3,48) + ( 3 3,48) + ( 4 3,48) + ( 4 3,48) ( 3,48) 5 10,4 5 0,4096 0,4096 0,64 P( X (1,96. / ) µ ( X (1,96. / ) P(3,48 (1,96.0,64 / 5) µ (3,48 (1.96.0,64 / 5) P(3,48 0,5) µ (3,48 + 0,5) P(3,73 µ 3,3) 69
28 Lampra 1.(Lajuta) FormulaN3 X ,88 5 ( X X ) ( 4,88) + ( 4,88) + ( 3,88) + ( 3,88) (,88) 5 1,64 5 0,5056 0,5056 0,71 P( X (1,96. / ) µ ( X (1,96. / ) P(,88 (1,96.0,71/ 5) µ (,88 (1.96.0,71/ 5) P(,88 0,7) µ (,88 + 0,7) P(3,15 µ,61) 70
29 Lampra 1.(Lajuta) FormulaN4 X ,44 5 ( X X ) ( 3,44) + ( 3,44) + ( 3,44) + (,44) (,44) 6,16 5 0,46 5 0,46 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(,44 (1,96.0,49 / 5) µ (,44 (1.96.0,49 / 5) P(,44 0,19) µ (,44 + 0,19) P(,63 µ,5) 71
30 Lampra 1.(Lajuta) Mggu 4 Formula Paels N1 N N3 N Jumlah
31 Lampra 1.(Lajuta) FormulaN1 X ,88 5 ( X X ) ( 1,88) + ( 1 1,88) + ( 1,88) + ( 1 1,88) ( 1,88) 5 8,64 5 0,3456 0,3456 0,58 P( X (1,96. / ) µ ( X (1,96. / ) P(1,88 (1,96.0,58/ 5) µ (1,88 (1.96.0,58/ 5) P(1,88 0,) µ (1,88 + 0,) P(,1 µ 1,66) 73
32 Lampra 1.(Lajuta) FormulaN X ,36 5 ( X X ) ( 1,36) + ( 1 1,36) + ( 1,36) + ( 1 1,36) ( 1,36) 5 5,63 5 0,5 0,5 0,47 P( X (1,96. / ) µ ( X (1,96. / ) P(1,36 (1,96.0,47 / 5) µ (1,36 (1.96.0,47 / 5) P(1,36 0,18) µ (1,36 + 0,18) P(1,54 µ 1,18) 74
33 Lampra 1.(Lajuta) FormulaN3 X ,44 5 ( X X ) ( 1 1,44) + ( 1,44) + ( 1,44) + ( 1 1,44) ( 1 1,44) 5 8,87 5 0,35 0,35 0,59 P( X (1,96. / ) µ ( X (1,96. / ) P(1,44 (1,96.0,59 / 5) µ (1,44 (1.96.0,59 / 5) P(1,44 0,3) µ (1,44 + 0,3) P(1,67 µ 1,1) 75
34 Lampra 1.(Lajuta) FormulaN4 X ,4 5 ( X X ) ( 1 1,4) + ( 1 1,4) + ( 1,4) + ( 1 1,4) ( 1 1,4) 5 4,56 5 0,184 0,184 0,4 P( X (1,96. / ) µ ( X (1,96. / ) P(1,4 (1,96.0,4 / 5) µ (1,4 (1.96.0,4 / 5) P(1,4 0,16) µ (1,4 + 0,16) P(1,4 µ 1,08) 76
35 Lampra 13.Hasl uj ketahaa wag pada ruaga AC Mggu 1 Formula Paels N1 N N3 N Jumlah
36 Lampra 13.(Lajuta) FormulaN1 X ,48 5 ( X X ) ( 5 4,48) + ( 5 4,48) + ( 5 4,48) + ( 4 4,48) ( 5 4,48) 5 10,4 5 0,4096 0,4096 0,64 P( X (1,96. / ) µ ( X (1,96. / ) P(4,48 (1,96.0,64 / 5) µ (4,48 (1.96.0,64 / 5) P(4,48 0,5) µ (4,48 + 0,5) P(4,73 µ 4,3) 78
37 Lampra 13.(Lajuta) FormulaN X ,4 5 ( X X ) ( 5 4,4) + ( 4 4,4) + ( 4 4,4) + ( 5 4,4) ( 4 4,4) 5 10,56 5 0,44 0,44 0,64 P( X (1,96. / ) µ ( X (1,96. / ) P(4,4 (1,96.0,64 / 5) µ (4,4 (1.96.0,64 / 5) P(4,4 0,5) µ (4,4 + 0,5) P(4,49 µ 3,99) 79
38 Lampra 13.(Lajuta) FormulaN3 X ,56 5 ( X X ) ( 4 3,56) + ( 3 3,56) + ( 3 3,56) + ( 4 3,56) ( 4 3,56) 5 6,16 5 0,464 0,46 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(3,56 (1,96.0,49 / 5) µ (3,56 (1.96.0,49 / 5) P(3,56 0,19) µ (3,56 + 0,19) P(3,75 µ 3,37) 80
39 Lampra 13.(Lajuta) FormulaN4 X ,16 5 ( X X ) ( 4 3,56) + ( 3 3,56) + ( 3 3,56) + ( 4 3,56) ( 4 3,56) 9,36 5 0, ,3744 0,61 P( X (1,96. / ) µ ( X (1,96. / ) P(3,16 (1,96.0,61/ 5) µ (3,16 (1.96.0,61/ 5) P(3,16 0,3) µ (3,16 + 0,3) P(3,39 µ,93) 81
40 Lampra 13.(Lajuta) Mggu Formula Paels N1 N N3 N Jumlah
41 Lampra 13.(Lajuta) FormulaN1 X ,04 5 ( X X ) ( 3 3,04) + ( 3 3,04) + ( 4 3,04) + ( 3 3,04) ( 3,04) 5 10,96 5 0,4384 0,4384 0,66 P( X (1,96. / ) µ ( X (1,96. / ) P(3,04 (1,96.0,66 / 5) µ (3,04 (1.96.0,66 / 5) P(3,04 0,5) µ (3,04+ 0,5) P(3,9 µ,79) 83
42 Lampra 13.(Lajuta) FormulaN X ,76 5 ( X X ) ( 3 3,04) + ( 3 3,04) + ( 3 3,04) + ( 3,04) ( 3,04) 5 8,56 5 0,344 0,344 0,58 P( X (1,96. / ) µ ( X (1,96. / ) P(,76 (1,96.0,58/ 5) µ (,76 (1.96.0,58/ 5) P(,76 0,) µ (,76+ 0,) P(,98 µ,54) 84
43 Lampra 13.(Lajuta) FormulaN3 X ,64 5 ( X X ) ( 3,64) + ( 3,64) + (,64) + (,64) (,64) 11,76 5 0, ,4704 0,68 P( X (1,96. / ) µ ( X (1,96. / ) P(,64 (1,96.0,68/ 5) µ (,64 (1.96.0,68/ 5) P(,64 0,6) µ (,64 + 0,6) P(,9 µ,38) 85
44 Lampra 13.(Lajuta) FormulaN4 X ( X X ) ( 3 ) + ( 3 ) + ( ) + ( ) ( ) 5 5 0,08 0,08 0,8 P( X (1,96. / ) µ ( X (1,96. / ) P( (1,96.0,8/ 5) µ ( (1.96.0,8/ 5) P( 0,1) µ ( + 0,1) P(,1 µ 1,9) 86
45 Lampra 13.(Lajuta) Mggu 3 Formula Paels N1 N N3 N Jumlah
46 Lampra 13.(Lajuta) FormulaN1 X ,48 5 ( X X ) (,48) + ( 3,48) + (,48) + ( 3,48) (,48) 5 6,4 5 0,496 0,496 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(,48 (1,96.0,49 / 5) µ (,48 (1.96.0,49 / 5) P(,48 0,19) µ (,48+ 0,19) P(,67 µ,9) 88
47 Lampra 13.(Lajuta) FormulaN X ,3 5 ( X X ) (,3) + ( 3,3) + (,3) + (,3) ( 1,3) 5 10, ,498 0,498 0,65 P( X (1,96. / ) µ ( X (1,96. / ) P(,3 (1,96.0,65/ 5) µ (,3 (1.96.0,65/ 5) P(,3 0,5) µ (,3+ 0,5) P(,57 µ,07) 89
48 Lampra 13.(Lajuta) FormulaN3 X ,84 5 ( X X ) ( 1 1,84) + ( 1,84) + ( 1,84) + ( 1 1,84) ( 1 1,84) 5 5,36 5 0,144 0,144 0,46 P( X (1,96. / ) µ ( X (1,96. / ) P(1,84 (1,96.0,46 / 5) µ (1,84 (1.96.0,46 / 5) P(1,84 0,18) µ (1,84 + 0,18) P(,0 µ 1,66) 90
49 Lampra 13.(Lajuta) FormulaN4 X ,44 5 ( X X ) ( 1 1,44) + ( 1 1,44) + ( 1,44) + ( 1 1,44) ( 1 1,44) 5 6,61 5 0,464 0,464 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(1,44 (1,96.0,49 / 5) µ (1,44 (1.96.0,49 / 5) P(1,44 0,19) µ (1,44 + 0,19) P(1,63 µ 1,5) 91
50 Lampra 13.(Lajuta) Mggu 4 Formula Paels N1 N N3 N Jumlah
51 Lampra 13.(Lajuta) Formula N1 X ,48 5 ( X X ) ( 1,48) + ( 1 1,48) + ( 1 1,48) + ( 1,48) ( 1,48) 5 6,4 5 0,496 0,496 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(1,48 (1,96.0,49 / 5) µ (1,48 (1.96.0,49 / 5) P(1,48 0,19) µ (1,48 + 0,19) P(1,67 µ 1,9) 93
52 Lampra 13.(Lajuta) Formula N X ,3 5 ( X X ) ( 1,3) + ( 1 1,3) + ( 1 1,3) + ( 1,3) ( 1 1,3) 5 5,44 5 0,176 0,176 0,46 P( X (1,96. / ) µ ( X (1,96. / ) P(1,3 (1,96.0,46 / 5) µ (1,3 (1.96.0,46 / 5) P(1,3 0,18) µ (1,3 + 0,18) P(1,5 µ 1,14) 94
53 Lampra 13.(Lajuta) Formula N3 X ,4 5 ( X X ) ( 1 1,4 ) + ( 1 1,4 ) + ( 1,4 ) + ( 1 1,4 ) ( 1 1,4) ,4 0,4 0,48 P( X (1,96. / ) µ ( X (1,96. / ) P(1,4 (1,96.0,48 / 5) µ (1,4 (1.96.0,48 / 5) P(1,4 0,18) µ (1,4 + 0,18) P(1,58 µ 1,) 95
54 Lampra 13.(Lajuta) Formula N4 X , 5 ( X X ) ( 1 1, ) + ( 1 1, ) + ( 1 1, ) + ( 1 1, ) ( 1 1, ) ,16 0,16 0,4 P( X (1,96. / ) µ ( X (1,96. / ) P(1, (1,96.0,4 / 5) µ (1, (1.96.0,4 / 5) P(1, 0,18) µ (1, + 0,18) P(1,35 µ 1,05) 96
55 Lampra 14.Hasl uj ketahaa wag pada ruaga kpas Mggu 1 Formula Paels N1 N N3 N Jumlah
56 Lampra 14.(Lajuta) FormulaN1 X ,44 5 ( X X ) ( 4 3,44) + ( 3 3,44) + ( 4 3,44) + ( 3 3,44) ( 4 3,44) 5 6,16 5 0,464 0,464 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(3,44 (1,96.0,49 / 5) µ (3,44 (1.96.0,49 / 5) P(3,44 0,19) µ (3,44 + 0,19) P(3,63 µ 3,5) 98
57 Lampra 14.(Lajuta) FormulaN X ,4 5 ( X X ) ( 4 3,4) + ( 4 3,4) + ( 3 3,4) + ( 3 3,4) ( 3 3,4) 5 4,56 5 0,184 0,184 0,4 P( X (1,96. / ) µ ( X (1,96. / ) P(3,4 (1,96.0,4 / 5) µ (3,4 (1.96.0,4 / 5) P(3,4 0,16) µ (3,4 + 0,16) P(3,4 µ 3,08) 99
58 Lampra 14.(Lajuta) FormulaN3 X ,08 5 ( X X ) ( 3 3,08) + ( 3 3,08) + ( 4 3,08) + ( 3 3,08) ( 3 3,08) 5 11,56 5 0,449 0,449 0,67 P( X (1,96. / ) µ ( X (1,96. / ) P(3,08 (1,96.0,67 / 5) µ (3,08 (1.96.0,67 / 5) P(3,08 0,6) µ (3,08 + 0,6) P(3,34 µ,8) 100
59 Lampra 14.(Lajuta) FormulaN4 X ,96 5 ( X X ) (,96) + ( 3,96) + ( 3,96) + ( 3,96) (,96) 5 8,96 5 0,3584 0,3584 0,59 P( X (1,96. / ) µ ( X (1,96. / ) P(,96 (1,96.0,59 / 5) µ (,96 (1.96.0,59 / 5) P(,96 0,3) µ (,96 + 0,3) P(3,19 µ,73) 101
60 Lampra 14.(Lajuta) Mggu Formula Paels N1 N N3 N Jumlah
61 Lampra 14.(Lajuta) FormulaN1 X ,44 5 ( X X ) ( 3,44) + (,44) + (,44) + ( 3,44) (,44) 5 6,16 5 0,464 0,464 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(,44 (1,96.0,49 / 5) µ (,44 (1.96.0,49 / 5) P(,44 0,19) µ (,44 + 0,19) P(,63 µ,5) 103
62 Lampra 14.(Lajuta) FormulaN X ,36 5 ( X X ) (,36) + ( 3,36) + (,36) + ( 3,36) (,36) 5 5,76 5 0,304 0,304 0,48 P( X (1,96. / ) µ ( X (1,96. / ) P(,36 (1,96.0,48 / 5) µ (,36 (1.96.0,48 / 5) P(,36 0,18) µ (,36 + 0,18) P(,54 µ,18) 104
63 Lampra 14.(Lajuta) FormulaN3 X ,04 5 ( X X ) (,04) + (,04) + (,04) + (,04) (,04) 5 0,96 5 0,0384 0,0384 0,19 P( X (1,96. / ) µ ( X (1,96. / ) P(,04 (1,96.0,19 / 5) µ (,04 (1.96.0,19 / 5) P(,04 0,074) µ (,04 + 0,074) P(,11 µ 1,96) 105
64 Lampra 14.(Lajuta) FormulaN4 X ,68 5 ( X X ) ( 1,68) + ( 1 1,68) + ( 1,68) + ( 1,68) ( 1 1,68) 5 5,44 5 0,176 0,176 0,46 P( X (1,96. / ) µ ( X (1,96. / ) P(1,68 (1,96.0,46 / 5) µ (1,68 (1.96.0,46 / 5) P(1,68 0,18) µ (1,68 + 0,18) P(1,86 µ 1,5) 106
65 Lampra 14.(Lajuta) Mggu 3 Formula Paels N1 N N3 N Jumlah
66 Lampra 14.(Lajuta) FormulaN1 X ,48 5 ( X X ) ( 1,48) + ( 1 1,48) + ( 1,48) + ( 1,48) ( 1 1,48) 5 6,4 5 0,496 0,496 0,49 P( X (1,96. / ) µ ( X (1,96. / ) P(1,48 (1,96.0,49 / 5) µ (1,48 (1.96.0,49 / 5) P(1,48 0,19) µ (1,48 + 0,19) P(1,67 µ 1,9) 108
67 Lampra 14.(Lajuta) FormulaN X ,36 5 ( X X ) ( 1,36) + ( 1 1,48) + ( 1,48) + ( 1 1,48) ( 1 1,48) 5 5,76 5 0,304 0,304 0,48 P( X (1,96. / ) µ ( X (1,96. / ) P(1,36 (1,96.0,48 / 5) µ (1,36 (1.96.0,48 / 5) P(1,36 0,18) µ (1,36 + 0,18) P(1,54 µ 1,18) 109
68 Lampra 14.(Lajuta) FormulaN3 X ,4 5 ( X X ) ( 1 1,4) + ( 1 1,4) + ( 1 1,4) + ( 1 1,4) ( 1 1,4) 5 4,56 5 0,184 0,184 0,4 P( X (1,96. / ) µ ( X (1,96. / ) P(1,4 (1,96.0,4 / 5) µ (1,4 (1.96.0,4 / 5) P(1,4 0,16) µ (1,4 + 0,16) P(1,4 µ 1,08) 110
69 Lampra 14.(Lajuta) FormulaN4 X , 5 ( X X ) ( 1 1, ) + ( 1 1, ) + ( 1, ) + ( 1 1, ) ( 1 1, ) ,16 0,16 0,4 P( X (1,96. / ) µ ( X (1,96. / ) P(1, (1,96.0,4 / 5) µ (1, (1.96.0,4 / 5) P(1, 0,16) µ (1, + 0,16) P(1,35 µ 1,05) 111
LAMPIRAN. Lampiran 1. Bagan alir pembuatan gel sebelum ditambah minyak nilam dan minyak lavender. Aquades. Panaskan aquades sampai mendidih
LAMPIRAN Lampra 1. Baga alr pembuata gel sebelum dtambah myak lam da myak laveder Aquades Paaska aquades sampa meddh Agar agar, xatha gum, sodum bezoat Aduk hgga homoge Turuka suhu hgga 65 0 C Prople glkol
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciLampiran 1. Gambar tumbuhan pandan wangi
Lampira 1. Gambar tumbuha pada wagi A Keteraga: A. Gambar tumbuha dau pada wagi B. Gambar dau pada wagi B 50 Lampira 2. Gambar lemari pegerig Lampira 3. Gambar dau pada wagi kerig yag sudah dirajag 51
Lebih terperinci3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut
3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperinciBAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.
BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks
Lebih terperinci4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data
//203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciPenarikan Contoh Acak Sederhana (Simple Random Sampling)
Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu
Lebih terperinciUKURAN PEMUSATAN DAN LETAK DATA
UKURAN PEMUSATAN DAN LETAK DATA PENDAHULUAN Suatu harga yag dapat dpaka utuk mewakl sekumpula data. Harga rata-rata merupaka suatu la sektar maa blaga-blaga la tersebar. Harga rata-rata serg damaka measure
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciSTATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)
STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.
Lebih terperinciUKURAN PEMUSATAN & PENYEBARAN
UKURAN PEMUSATAN & PENYEBARAN RATA - RATA UKURAN PEMUSATAN MEDIAN MODUS Rata rata htug (mea) Merupaka hasl bag dar sejumlah skr dega bayakya respde Utuk Data Tdak Berkelmpk x Dmaa : = la samapa x = la
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciPEDOMAN STATISTIK UJI PROFISIENSI
DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciTATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.
TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar
Lebih terperinciBAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian
BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut
Lebih terperinciUkuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.
Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciLANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)
LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau
Lebih terperinciMETODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu
47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.
BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciBAB III LANDASAN TEORI. Pengisian data hujan yang hilang dapat dilakukan dengan reciprocal method
BAB III LANDASAN TEORI 3.1 Perbaka Data Pegsa data huja yag hlag dapat dlakuka dega recprocal method P x 1 1 P L 1 L (3.1) Px = data stasu huja yag hlag P = data huja d stasu L = jarak ke stasu 3. Uj Kosstes
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1
8 III. MEODOLOGI PEELIIA A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela X SMA eger Bagurejo Lampug egah tahu pelajara 009/00 ebayak 75 orag yag terdtrbu dalam lma kela dmaa tgkat kemampua
Lebih terperinciPendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin
4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua
Lebih terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciUKURAN SIMPANGAN DAN UKURAN VARIASI UKURAN SIMPANGAN. Rentang= 4/1/2013 KANIA EVITA DEWI S.PD., M.SI.
//03 UKURAN SIMPANGAN DAN UKURAN VARIASI KANIA EVITA DEWI S.PD., M.SI. UKURAN SIMPANGAN Ukura mpaga merupaka tattk yag meggambarka peympaga data-data terhadap rata-rataya Semak bear ukura mpaga emak meyebar
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo
BAB III METODOLOGI PENELITIAN 3. Tempat Da Waktu Peelta 3.. Tempat peelta Peelta dlaksaaka d SMP Neger 5 d kota Gorotalo 3.. Waktu peelta Peelta dlaksaaka sejak bula oktober hgga bula desember, yag melput
Lebih terperinciPenurunan Persamaan Perpetuitas dan Anuitas
SEMINR NSIONL MTEMTIK DN PENDIDIKN MTEMTIK UNY 2016 Peurua Persamaa Perpetutas da utas T - 6 Bud Fresdy Fakultas Ekoom da Bss Uverstas Idosa bstrak Mahasswa bss da akutas, debtor bak, da vestor memerluka
Lebih terperinciWAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST
Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.
Lebih terperinciBAB 1 ERROR PERHITUNGAN NUMERIK
BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciMATEMATIKA INTEGRAL RIEMANN
MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk
Lebih terperinciPOLIGON TERBUKA TERIKAT SEMPURNA
MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciMean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.
Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk
Lebih terperinciMETODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.
METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinci9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques
Mater Outle Graphcal Techques Peyaja Data Numercal Techques Tekk Grafk (Graphcal Techques) Secara vsual, grafs merupaka gambar-gambar yag meujukka data berupa agka yag basaya dbuat berdasarka tabel yag
Lebih terperinciIII. METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas VII semester ganjil SMP
III. METODE PENELITIAN A. Popula da Sampel Popula dalam peelta adalah eluruh wa kela VII emeter gajl SMP Ba Mulya Badar Lampug Tahu Pelajara 0/0 dega jumlah wa ebayak 03 wa yag terbag dalam 3 kela. Sampel
Lebih terperinciPRAKTIKUM 20 Interpolasi Polinomial dan Lagrange
Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata
Lebih terperinciLampiran 1. Data Hasil Uji Kekerasan, Uji Friabilitas, dan Uji Waktu
Lampira 1. Data Hasil Uji Kekerasa, Uji Friabilitas, da Uji Waktu A. Uji Kekerasa tablet No G. Idofarma G. Uiversal Kekerasa Tablet (kg) Varsemol Farmadol Rakyat B. Sediri 1 1.5 9 7.5 9.5 1 5.5 1.5 8 8.75
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciSUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS
C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Hdrolog Ar d bum megulag terus meerus srkulas peguapa, presptas da pegalra keluar (outflow). Ar meguap ke udara dar permukaa taah da laut, berubah mejad awa sesudah melalu beberapa
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA
97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka
Lebih terperinciUKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI. Rentang Antar Kuartil. Rentang= 3/26/2012
/6/0 UKURAN SIMPANGAN UKURAN SIMPANGAN DAN UKURAN VARIASI KANIA EVITA DEWI S.PD., M.SI. Ukura mpaga merupaka tattk yag meggambarka peympaga data-data terhadap rata-rataya Semak bear ukura mpaga emak meyebar
Lebih terperinciTINJAUAN PUSTAKA Evaluasi Pengajaran
TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas
Lebih terperinciSTUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc
STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperinciTabel Distribusi Frekuensi
Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara
Lebih terperinciIII. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang
37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta
Lebih terperinciRegresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )
Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciBAB V ANALISIS HIDROLOGI
ANALISIS HIDROLOGI 64 BAB V ANALISIS HIDROLOGI 5.. Tjaua Umum Utuk meetuka debt recaa, dapat dguaka beberapa metode atau cara. Metode yag dguaka sagat tergatug dar data yag terseda, data data tersebut
Lebih terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciJawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2
M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe
Lebih terperinciNotasi Sigma. Fadjar Shadiq, M.App.Sc &
Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciBAB III METODE PENELITIAN
BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciBAB IV ANALISIS DATA HIDROLOGI
BAB IV ANALISIS DATA HIDROLOGI 4. Data DAS Luas DAS Keduag dhtug dar lokas recaa bagua pegedal sedme d Suga Keduag Desa Bragkal, adalah sebesar 64,8 km dega kemrga rata-rata,05%. Pajag suga utama mecapa
Lebih terperinciIII. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam
III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap
BAB III METODOLOGI PENELITIAN 3. Lokas Da Waktu Peelta Peelta dlaksaaka d SMP Neger Paleleh pada semester geap tahu ajara 0/0. Peelta berlagsug selama 4 bula (Aprl, Me, Ju, Jul) mula dar persapa hgga pelaksaaa
Lebih terperinciBAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah
Lebih terperinciBAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1
68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jes Peelta Dalam pelta peelt megguaka racaga eksperme. Eksperme adalah observas dbawah kods buata (artfcal codto), dmaa kods tersebut dbuat da d atur oleh s peelt. Dega
Lebih terperinciSTATISTIKA DASAR. Oleh
STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk
Lebih terperinciBAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN
Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau
Lebih terperinciANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA
ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da
Lebih terperinciBAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciIII. METODOLOGI PENELITIAN. Metode penelitian adalah adalah suatu cara berfikir dan berbuat, yang
8 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta adalah adalah suatu cara berfkr da berbuat, yag dpersapka dega bak utuk megadaka suatu kegata peelta da utuk mecapa suatu tujua dega sebak mugk
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciMINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI
MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag
Lebih terperinciH. MEMECAHKAN MASALAH KEUANGAN DENGAN KONSEP MATEMATIKA
H. EECAHKAN ASALAH KEUANGAN DENGAN KONSE ATEATIKA eyelesaka asalah Buga Tuggal da Buga ajemuk Dalam Keuaga Buga Tuggal egerta Buga erse Datas Seratus da erse Dbawah Seratus erse D atas Seratus erse datas
Lebih terperinciAnalisis Korelasi dan Regresi
Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael
Lebih terperinci