NILAI MAKSIMUM DARI KOEFISIEN KORELASI. ABSTRACT 1. PENDAHULUAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "NILAI MAKSIMUM DARI KOEFISIEN KORELASI. hanggamula@yahoo.com ABSTRACT 1. PENDAHULUAN"

Transkripsi

1 NILAI MAKSIMUM DARI KOEFISIEN KORELASI Hagga Mula Kuria *, Firdaus, Sigit Sugiarto Mahasiswa program Studi S Matematika Dose Jurusa Matematika FMIPA-UR Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiversitas Riau Kampus Biawidya Pekabaru (893), Idoesia ABSTRACT The stregth ad depedece betwee variables is a cetral problem that we wat to kow o a lot o research. At the time o perectly correlatio occurs sometimes i some cases the value o size is ot reached. I this article discusses the methods used to obtai the maximum value o the correlatio measure. The method are simple method, usig the Expectatio, ad model o Associatio. Keywords : Aalysis Correlatio, Cotigecy Table, Maximum Value, Techique Correlatio o Cotigecy Coeiciet. PENDAHULUAN Korelasi berarti hubuga timbal balik. Dua buah variabel dikataka berkorelasi apabila setiap perubaha pada satu variabel selalu diikuti dega perubaha variabel lai da masig-masig perubaha terjadi secara proporsioal. Sedagka aalisa korelasi merupaka tekik aalisis yag termasuk dalam salah satu tekik pegukura asosiasi. Kekuata da siat ketergatuga atar variabel merupaka masalah pokok yag igi diketahui pada bayak peelitia. Ideks yag megkuatiikasi hubuga atar variabel disebut ukura asosiasi [6]. Tak ada satu ukura asosiasi pu yag mampu meggambarka suatu model asosiasi dega sempura. Dalam aplikasiya, iterpretasi tetag asosiasi sempura, sedag, da lemah berbeda atara satu ukura asosiasi da ukura asosiasi laiya, sekalipu memiliki persamaa retag ideks (misalya dari 0 sampai dega ). Apabila dikelompokka, tigkata ilai korelasi dapat dilihat pada tabel berikut [4]

2 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi Tabel. Tigkata ilai koeisie korelasi Iterval ilai r Tigkat hubuga 0 r 0. Sagat redah 0. r 0.4 Redah 0.4 r 0.6 Sedag 0.6 r 0.8 Kuat 0.8 r Sagat kuat Dalam memilih ideks asosiasi perlu dipertimbagka beberapa hal khusus, yaitu jeis data, hipotesis peelitia, serta siat-siat ukura asosiasi. Tidak diajurka utuk meghitug semua ideks asosiasi tetapi kemudia haya melaporka ideks yag memberi gambara hubuga yag palig megesaka. Ukura kekuata hubuga dua variabel berskala omial yag serig dumpai adalah pegembaga dari statistik chi square yag biasa dilambagka dega. Statistik ii sebearya buka merupaka ideks yag akurat utuk megukur hubuga atara variabel [6]. Aka tetapi karea uji idepedesi bayak dipakai sehigga para matematikawa terdorog utuk megembagka ukura asosiasi berdasarka statistik. Utuk memperkecil pegaruh ukura sampel, derajat bebas, da utuk mejaga retag besara ilai koeisie asosiasi tidak melebihi 0 da maka statistik chi square megalami berbagai macam modiikasi. Modiikasi tersebut yaki Koeisie Phi, Koeisie Kotigesi, da Koeisie V Cramer [6].. Tabel Kotigesi. ANALISA KORELASI DAN EKSPEKTASI BERSYARAT Tabel kotigesi merupaka barisa bilaga-bilaga asli dalam betuk matrik yag bilagabilaga tersebut mewakili jumlah atau rekuesi dari data yag diamati [5]. Bayak data hasil pegamata yag dapat digologka ke dalam beberapa aktor, variabel, karakteristik, atau atribut terdiri dari beberapa klasiikasi, kategori, gologa atau mugki tigkata. Berdasarka hasil pegamata terhadap eomea tersebut aka diselidiki megeai asosiasi atau hubuga atara variabel itu. Betuk palig sederhaa dari tabel kotigesi disebut juga dega dikotomi yaki tabel kotigesi yag berukura. Dalam betuk umum, misalka terdapat sampel acak berukura. Pada setiap pegamata diduga terjadi karea adaya dua macam variabel, yaitu variabel A da variabel B. variabel A terbagi atas c tara atau tigkata da demikia juga dega

3 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 3 variabel B terbagi atas r tara [5]. Bayakya pegamata yag terjadi karea tara ke i pada variabel A ( i =,,3,.. c ) da tara ke j pada variabel B ( j =,,3,.. r ) aka dimisalka dega. Hasilya dapat diyataka dalam tabel kotigesi berukura r c berikut ii : Variabel B Tabel. Tabel kotigesi berukura Variabel A B B A A A c c c r c Total.. B r r r rc Total... c r. Jumlah dari baris ke i diyataka dega : i. i c j i ic () Jumlah dari kolom ke j diyataka dega : j r i Demikia pula : j rj ().... r c i j r c i. i j (3). Uji Statistik Tekik uji chi square ( chi dibaca kai ) ditemuka oleh helmet pada tahu 990 da pertama kali diperkealka oleh Karl Pearso [7]. Oleh karea itu kebayaka di dalam pegguaaya

4 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 4 serig diamaka dega Pearso Chi Square ( ). Uji ii diguaka utuk meguji kebebasa atara dua variabel yag disusu dalam tabel r c atau meguji keselarasa di maa pegujia dilakuka utuk memeriksa ketergatuga da homogeitas dari data sampel yag diambil utuk meujag hipotesis yag meyataka bahwa populasi asal sampel tersebut megikuti distribusi yag telash ditetapka. yaitu [7] :. Ada beberapa hal yag perlu diperhatika dalam pegguaa diguaka utuk megaalisa data yag berbetuk rekuesi, pada tabel kotigesi,. Tidak dapat diguaka utuk meetuka besar atau kecilya korelasi dari variabelvariabel yag diaalisa, 3. Pada dasarya belum dapat meghasilka kesimpula yag memuaska, 4. Cocok diguaka utuk data kategorik,data diskrit atau data omial. Terdapat dua keadaa ketika megambil suatu keputusa yag salah, yaki apabila H 0 bear terjadi kesalaha dega meolak H 0. Keadaa selajutya adalah kesalaha ketika meerima H 0 ketika H 0 salah. Hal ii delaska dala deiisi berikut Deiisi.. [ 5:hal. 78] Tipe kesalaha pertama adalah meolak suatu hipotesis ol yag bear. Deiisi.. [ 5:hal. 78] Tipe kesalaha kedua adalah meerima suatu hipotesis ol yag salah. Utuk meghitug ilai statistik data telebih dahulu diajuka hipotesis utuk megetahui hubuga atara kedua variabel, maka hipotesis yag diuji berdasarka data pada tabel., yaitu : H 0 : tidak terdapat hubuga yag positi atara variabel A da variabel B H : terdapat hubuga positi yag sigiika atara variabel A da variabel B Pegujia secara eksak sulit utuk diguaka, maka aka dilakuka pegujia yag bersiat pedekata. Utuk itu diperluka rekuesi teoretis atau bayakya gejala yag diharapka terjadi ( e ) [6], dega rumus : e i. i. jumlah data pada baris ke i jumlah data pada kolom ke j (4)

5 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 5 Nilai i. da diperoleh dega megguaka () da (). Dega demikia misalya didapat ilai teoretis dari masig-masig data, yaitu :.. e.. e e e.... da seterusya jelas bahwa jumlah data pegamata diyataka dega :.. r.... c Selajutya ilai statistik diguaka utuk meguji hipotesis yag diajuka sebelumya berdasarka data tabel kotigesi berukura r c.utuk meetuka kotigesi berukura r c diguaka rumus umum berikut [6] : ht ht r c i j e e Chi Square hitug tabel (5) rekuesi yag diamati e rekuesi yag diperoleh (hasil dari rumus (4)) i,,,r j,,,c Hasil dari peghituga selajutya dibadigka dega tabel dega derajat kebebasa (d) adalah r c lebih besar dari ht sehigga dapat diambil kesimpula. Apabila harga tabel maka hipotesa ol ( ) 0 ( r ( c) ht hitug sama atau H ditolak da hipotesa alterati H ) (

6 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 6 diterima. Apabila harga ht lebih kecil dibadigka ditolak [8]..3 Ekspektasi Bersyarat Deiisi.3. Ekspektasi [:hal. 6] tabel maka ( ) 0 ( r ( c) Misalka X adalah variabel radom dega ugsi desitas E dideiisika dega : diotasika dega X E ( X ) x ( x ) jika X diskrit x E ( X ) x ( x) dx jika X kotiu Deiisi.3. Ekspektasi bersyarat [:hal. 80] x H diterima da H ) (, maka ekspektasi dari X yag Misalka X da Y adalah variabel radom distribusi gabuga, maka ekspektasi bersyarat X bila diketahui Y y yag diotasika dega E ( X y) dideiisika dega E( X y) x x y, jika X da Y diskrit E x X y x x ydx Teorema.3.3 [3:hal. 50] x, jika X da Y kotiu Misalka X da Y variabel radom kotiu, (i) Jika a kostata maka E( a) a (ii) Jika a kostata maka E( ax ) ae( X ) Bukti Dari deiisi.4. maka diperoleh (i) E( a) a ( x) dx a ( x) dx a (ii) E( ax ) ax ( x) dx a x ( x) dx ae( X ).4 Tekik Korelasi Koeisie Kotigesi Dalam memilih tekik korelasi perlu diperhatika jeis data yag diteliti karea setiap jeis data berbeda tekik korelasi yag dipakai. Berikut ii pemakaia tekik korelasi berdasarka jeis data yag diteliti

7 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 7 Tabel.5 Pemakaia tekik korelasi berdasarka jeis data yag diteliti jeis data Nomial Ordial Iterval/Rasio tekik korelasi tekik korelasi koeisie kotigesi tekik korelasi Spearma Rak tekik korelasi Kedall Tau tekik korelasi Produk mome tekik korelasi Parsial tekik korelasi Gada Keguaa tekik korelasi koeisie kotigesi adalah utuk mecari atau meghitug keerata hubuga atara dua variabel yag mempuyai gejala ordial (kategori), atau palig tidak berjeis omial [7]. Koeisie kotigesi (C) disebut juga koeisie bersyarat. Koeisie kotigesi memiliki pegertia yag sama dega koeisie korelasi. Misalya hasil peelitia dihasilka dalam betuk tabel r c da jika C berilai ol berarti tidak ada hubuga, aka tetapi batas atas C tidak berilai satu tergatug atau sebagai ugsi bayakya kategori (baris atau kolom). Utuk meghitug koeisie kotigesi diguaka rumus : C (6) 3. NILAI MAKSIMUM DARI KOEFISIEN KORELASI Data yag diuji megguaka belum dapat meghasilka kesimpula yag memuaska maka dari itu perlu dilakuka uji lajuta [9]. Hal ii karea pegujia megguaka tidak dapat meetuka besar atau kecilya korelasi dari variabel-variabel yag diaalisa. Maka dari itu dilakuka pegujia dega megguaka pegembaga dari uji yaki koeisie kotigesi. Pada pegujia dega megguaka koeisie kotigesi, betuk yag dipakai megalami modiikasi sehigga dapat disesuaika dega metode yag dibahas pada bab ii. Dega meyederhaaka (5) apabila ditambah dega maka diperoleh e i j i j i. (7)

8 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 8 dega mearik akar dari betuk (6) maka diperoleh C (8) kemudia subtitusi (7) ke (8) mejadi C i j i. i j i. (9) i j i. Nagres Abbasi [] megemukaka cara meetuka batas atas miimum dari betuk i j i. (0) Pada skripsi ii dibahas metode yag dikemukaka Nagres Abbasi utuk meetuka batas atas miimum dari betuk (0) pada tabel kotigesi berukura. 3. Model Sederhaa Dalam pegguaa metode sederhaa bisa dilakuka pada tabel kotigesi r c maupu. Dega megguaka metode sederhaa aka ditetuka ilai C dari tabel kotigesi berukura, misalka utuk. Tabel 3. Tabel kotigesi berukura Variabel B Variabel A A A B B Total. Total...

9 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 9 Misalka a, b, p, da q.... dari permisala ilai a, b, p, da q terlihat bahwa 0 a, b, p, q Dega meguraika betuk (0) i j i. i j i. i j i. i i i i i i.. i pb q a b q pa p qa b pa.. i j i. dega mesubtitusika ilai yag diperoleh ke betuk (9) maka C i j i. C

10 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi 0 dega mearik betuk akar dari C diperoleh dua ilai koeisie kotigesi yaki C da C. Data yag diteliti merupaka data yag berkorelasi positi sehigga ilai yag diambil adalah ilai C. Diperoleh koeisie kotigesi utuk tabel 3. C Nilai korelasi ii dikategorika kuat karea ilaiya berada dalam kategori ke empat pada tabel. 0.6 C 0.8. Utuk tabel kotigesi dega ukura tabel r c i j i. r c r c i j i. r i i i i i i.. i.. i.. c ic r c, (0) diuraika mejadi i j i c.... c c ic c c c r r r r rc rc () r. r... r.. c 3. Megguaka Ekspektasi Batas atas miimum dari betuk (0) juga dapat dihitug dega megguaka ekspektasi, yag diyataka dalam betuk i j i. i j i. berdasarka deiisi ekspektasi bersyarat.4. maka dapat diyataka betuk ekspektasi i j i. karea E, sehigga B A A i E B AAi i. j j maka ilai. j i. mejadi

11 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi E B AAi i. j i i E B AA i ( ),berdasarka teorema.4.3 maka Dega mesubtitusika ilai yag diperoleh ke (9), maka utuk setiap tabel kotigesi berukura ilai maksimum koeisie kotigesiya dapat diyataka dega C () 3.3 Model Asosiasi Nilai miimum dari terjadi ketika dua variabel radom yag diteliti salig bebas da ilai maksimum dari dari kedua variabel berkorelasi sempura. Hal ii dapat dilihat apabila ilai korelasiya medekati satu. Pada kasus ii dua variabel kuatitas terdapat hubuga liier dega peluag sama dega satu. Dua variabel radom dega P Y ax b. Tetuya piliha ilai dari X da Y harus sama. Model asosiasi ii pada aktor kualitas diyataka dega jj jumlah data pada tabel kotigesi ukura tabel kotigesi dega syarat i j atau i. utuk i j,,3,, apabila diuraika (3) mejadi (3). 3 3 (4) utuk i j i. 0 (5)

12 Hagga Mula Kuria et.al. Nilai Maksimum dari Koeisie Korelasi apabila (5) diuraika mejadi (6) Maka ilai maksimum dari (0) dega megguaka model asosiasi adalah. DAFTAR PUSTAKA [] Abbasi, Nagres O Maximum Value o Correlatio Coeiciet. Departmet o Statistics Payame Noor Uiversity. 34, [] Bai, L.J ad Egelhardt, Max. 99. Itroductio to Probability ad matematical Statistics. d ed. Duxbury Press. Belmo, Calioria. [3] Bradlow Thomas, Eric. G.S.Hardie, Bruce & S.ader, Peter. 00. Bayesia Ierece or the Negative Biomial Distributio via Polyomial Expasio. Joural o Computatioal ad Graphical Statistics. Vol.. pp [4] Burhauddi, Muhammad. 0. Koeisie Korelasi, Sigiikasi, da Determiasi. 8 Jui Desember 0. Pk.0.30, [5] Coover, W. J Practical Noparametric Statistic. Joh Wiley & Sos, New York. [6] Everit, B.S. 99. The Aalysis o Cotigecy Tables. Chapma & Hall. Secod Editio, Lodo. [7] Sarah, Mahdia. 0. Pemodela Regresi Noparametrik dega B-Splie da Mars. 3 Desember 0. Pk 09.00, [8] Sudjaa Metoda Statistika. PT Tarsito. Badug. [9] Zuliaa, S.U Metode Statistika Lajut. 4 hal. 3Iic/.Lillieors%6Tabel%50Kategorik.pd?key=dedi968:joural:70&mid= , 8 Jui 0. Pk. 3.0,

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK Jural Matematika UNAND Vol. 2 No. 2 Hal. 71 75 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK SUCI SARI WAHYUNI,

Lebih terperinci

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP ( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak

Lebih terperinci

Bab 3 Kerangka Pemecahan Masalah

Bab 3 Kerangka Pemecahan Masalah Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam

Lebih terperinci

MODEL SIMULASI NUMERIK HUBUNGAN PANJANG BOBOT IKAN TONGKOL (Auxis thazard) PADA PANGKALAN PENDARATAN IKAN LABUAN BAJO KABUPATEN DONGGALA

MODEL SIMULASI NUMERIK HUBUNGAN PANJANG BOBOT IKAN TONGKOL (Auxis thazard) PADA PANGKALAN PENDARATAN IKAN LABUAN BAJO KABUPATEN DONGGALA J. Agrolad 16 (3) : 74-8, September 009 ISSN : 0854 641X MODEL SIMULASI NUMERIK HUBUNGAN PANJANG BOBOT IKAN TONGKOL (Aus thazard) PADA PANGKALAN PENDARATAN IKAN LABUAN BAJO KABUPATEN DONGGALA Numerical

Lebih terperinci

SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph

SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph M.H. Fariduddi Ath-thar, Vitas Atmadi Prakoso, Otog Zeal Arifi, da Rudhy Gustiao Balai Riset Perikaa Budidaya Air Tawar, Jl. Sempur

Lebih terperinci

Oleh: Bambang Widodo, SPd SMA Negeri 9 Yogyakarta

Oleh: Bambang Widodo, SPd SMA Negeri 9 Yogyakarta Oleh: Bambag Widodo, SPd SMA Negeri 9 Yogyakarta PETA KONSEP Prisip Superposisi Liier Sefase π π beda faseya : 0,2, 4,. beda litasa : 0,,2, 3,. terjadi iterferesi Kostruktif/ salig meguatka, amplitudo

Lebih terperinci

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga

Lebih terperinci

SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS)

SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS) SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS) Oleh : Adri Suryadi Dia Nurdiaa Abstrak Dalam proses perekruta calo pegawai

Lebih terperinci

FAKTOR FAKTOR YANG MEMPENGARUHI KEPATUHAN WAJIB PAJAK PEKERJAAN BEBAS UNTUK MEMBAYAR PAJAK PADA KANTOR PELAYANAN PAJAK PRATAMA ILIR TIMUR PALEMBANG

FAKTOR FAKTOR YANG MEMPENGARUHI KEPATUHAN WAJIB PAJAK PEKERJAAN BEBAS UNTUK MEMBAYAR PAJAK PADA KANTOR PELAYANAN PAJAK PRATAMA ILIR TIMUR PALEMBANG FAKTOR FAKTOR YANG MEMPENGARUHI KEPATUHAN WAJIB PAJAK PEKERJAAN BEBAS UNTUK MEMBAYAR PAJAK PADA KANTOR PELAYANAN PAJAK PRATAMA ILIR TIMUR PALEMBANG Abstrak Mawadda Warohmah (Mwd_16@yahoo.com) Rika Lidyah

Lebih terperinci

Buku Padua Belajar Maajeme Keuaga Chapter 0 KONSEP NILAI WAKTU UANG. Pegertia. Nilai Uag meurut waktu, berarti uag hari ii lebih baik / berharga dari pada ilai uag dimasa medatag pada harga omial yag sama.

Lebih terperinci

Cara Pengisian Pada File Excel

Cara Pengisian Pada File Excel Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig

Lebih terperinci

PERSEPSI PERAWAT PELAKSANA TENTANG SUPERVISI PIMPINAN RUANG DENGAN PELAKSANAAN SOP PEMBERIAN OBAT PARENTERAL INTRAVENA

PERSEPSI PERAWAT PELAKSANA TENTANG SUPERVISI PIMPINAN RUANG DENGAN PELAKSANAAN SOP PEMBERIAN OBAT PARENTERAL INTRAVENA PERSEPSI PERAWAT PELAKSANA TENTANG SUPERVISI PIMPINAN RUANG DENGAN PELAKSANAAN SOP PEMBERIAN OBAT PARENTERAL INTRAVENA Duwi Basuki STIKES PPNI MOJOKERTO, Jl. Raya Jabo Km 06 Mojoayar- Mojokerto. Email

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

CATATAN KULIAH Pertemuan VII: Konsep Total Derivatif dan Aplikasinya pada Komparatif Statik

CATATAN KULIAH Pertemuan VII: Konsep Total Derivatif dan Aplikasinya pada Komparatif Statik CATATAN KULIAH ertemua VII: Kosep Total erivati a Aplikasia paa Komparati tatik A. ieresial Masalah ag ihaapi: Bagaimaa aalisis komparati-statik jika tiak aa solusi betuk-rigkas reuce-orm ikareaka oleh

Lebih terperinci

Fendy Santoso Dosen Fakultas Teknologi Industri, Jurusan Teknik Elektro Universitas Kristen Petra email: fendy@petra.ac.id.

Fendy Santoso Dosen Fakultas Teknologi Industri, Jurusan Teknik Elektro Universitas Kristen Petra email: fendy@petra.ac.id. JURNAL TEKNIK MESIN Vol. 5, No., April 003: 36 4 Perbadiga Kierja Sistem Kotrol Berumpa Balik (Feedbak) Dega Sistem Kotrol Berumpa Maju (Feedfoward) Pada Jariga Peukar Paas (Heat Exhager) Fedy Satoso Dose

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI.1 Pegertia da Maksud Irigasi Irigasi berasal dari istilah irrigatie dalam bahasa Belada atau irrigatio dalam bahasa Iggris. Irigasi dapat diartika sebagai suatu usaha yag dilakuka

Lebih terperinci

MULTIDIMENSI PADA DATA WAREHOUSE DENGAN MENGGUNAKAN RUMUS KOMBINASI

MULTIDIMENSI PADA DATA WAREHOUSE DENGAN MENGGUNAKAN RUMUS KOMBINASI MULTIDIMENSI PADA DATA WAREHOUSE DENGAN MENGGUNAKAN RUMUS KOMBINASI Spits Warars Harco Leslie Hedric Fakultas Tekologi Iformasi, Uiversitas Budi Luhur E-mail: spits@bl.ac.id ABSTRACT Multidimesioal i data

Lebih terperinci

Analisa Perhitungan Perencanaan Pengendalian Produksi Dengan metode Economic Production Quantity(EPQ) Pada PT XYZ

Analisa Perhitungan Perencanaan Pengendalian Produksi Dengan metode Economic Production Quantity(EPQ) Pada PT XYZ Aalisa Perhituga Perecaaa Pegedalia Produksi Dega metode Ecoomic Productio Quatity(EPQ) Pada PT XYZ Erry Rimawa Program Studi Tekik Idustri Fakultas Tekik, Uiversitas Mercu Buaa ABSTRAK PT Citra Abadi

Lebih terperinci

A B S T R A K. Setiap teori integral selalu memuat masalah sebagai. berikut. Jika untuk setiap n berlaku fungsi f n

A B S T R A K. Setiap teori integral selalu memuat masalah sebagai. berikut. Jika untuk setiap n berlaku fungsi f n INTEGRAL TAK MUTLAK A B S T R A K Seti teori itegral selalu memuat masalah sebagai berikut. Jika utuk seti berlaku fugsi f teritegral da barisa fugsi {f } koverge ke f hampir di maa-maa pada selag (a,b),

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

[RUMUS CEPAT MATEMATIKA] http://meetabied.wordpress.com

[RUMUS CEPAT MATEMATIKA] http://meetabied.wordpress.com http://meetabied.wordpress.com SMAN Boe-Boe, Luwu Utara, Sul-Sel Setiap pria da waita sukses adalah pemimpipemimpi besar. Mereka berimajiasi tetag masa depa mereka, berbuat sebaik mugki dalam setiap hal,

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

Program Bonus Mempertahankan Tingkat Pencapaian Dalam Rangka Pembelian Kendaraan Bermotor (Program Kendaraan Bermotor)

Program Bonus Mempertahankan Tingkat Pencapaian Dalam Rangka Pembelian Kendaraan Bermotor (Program Kendaraan Bermotor) Program Bous Mempertahaka Tigkat Pecapaia Dalam Ragka Pembelia Kedaraa Bermotor (Program Kedaraa Bermotor) Perusahaa : PT. Family Member Group Idoesia (FM Group Idoesia) Mulai Program : 1 Jauari 2015 Kualifikasi

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB 2 TINJAUAN KEPUSTAKAAN 2.1 Pegertia Rumah Susu Rumah susu merupaka bagua gedug bertigkat yag dibagu dalam suatu ligkuga yag terbagi dalam bagia-bagia yag distrukturka secara fugsioal dalam arah horizotal

Lebih terperinci

MODEL PEMBELAJARAN DRAMA DENGAN MENGGUNAKAN TEKNIK GANTI TOKOH PADA SISWA KELAS XI SMAN 1 KARANGPAWITAN GARUT TAHUN PELAJARAN 2011/2012

MODEL PEMBELAJARAN DRAMA DENGAN MENGGUNAKAN TEKNIK GANTI TOKOH PADA SISWA KELAS XI SMAN 1 KARANGPAWITAN GARUT TAHUN PELAJARAN 2011/2012 MODEL PEMBELAJARAN DRAMA DENGAN MENGGUNAKAN TEKNIK GANTI TOKOH PADA IWA KELA XI MAN KARANGPAWITAN GARUT TAHUN PELAJARAN 0/0 EMA ROHMAWATI NPM. 0.0499 Program tudi PB Idoeia ekolah Tiggi Kegurua da Ilmu

Lebih terperinci

MODEL FISIK BANGUNAN PENGAMAN PILAR JEMBATAN AKIBAT ALIRAN DEBRIS

MODEL FISIK BANGUNAN PENGAMAN PILAR JEMBATAN AKIBAT ALIRAN DEBRIS Jural Sais da Pedidika. No. (4) 5-8 MODEL FISIK BANGUNAN PENGAMAN PILAR JEMBATAN AKIBAT ALIRAN DEBRIS Awar Maasiswa Program Magister Tekik Sipil, Program Pascasarjaa, Uiversitas Lampug Abstract: Alira

Lebih terperinci

UNJUK KERJA PENYAMA TURBO PADA SISTEM CODE DIVISION MULTIPLE ACCESS (CDMA)

UNJUK KERJA PENYAMA TURBO PADA SISTEM CODE DIVISION MULTIPLE ACCESS (CDMA) UNJUK KERJA PENYAMA TURBO PADA SISTEM CODE DIVISION Program Studi Tekik Elektro, Fakultas Tekik UKSW Jl. Dipoegoro 52-60, Salatiga Email : eva.utami@staff.uksw.edu INTISARI Peelitia ii bertujua megetahui

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-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 terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

LAPORAN BARANG MILIK NEGARA

LAPORAN BARANG MILIK NEGARA BAGIAN ANGGARAN 005.03 BADAN URUSAN ADMINISTRASI MAHKAMAH AGUNG REPUBLIK INDONESIA opetbs1 LAPORAN BARANG MILIK NEGARA UNIT AKUNTANSI KUASA PENGGUNA BARANG PENGADILAN NEGERI SIBOLGA LAPORAN SEMESTER I

Lebih terperinci

RingkasanKajian. Sanitasi dan perilaku kebersihan yang buruk. Pada dekade-dekade sebelumnya, Indonesia. Air Bersih, Sanitasi & Kebersihan.

RingkasanKajian. Sanitasi dan perilaku kebersihan yang buruk. Pada dekade-dekade sebelumnya, Indonesia. Air Bersih, Sanitasi & Kebersihan. UNICEF INDONESIA OKTOBER 2012 RigkasaKajia Air Bersih, Saitasi & Kebersiha Isu petig Saitasi da perilaku kebersiha yag buruk serta air mium yag tidak ama berkotribusi terhadap 88 perse kematia aak akibat

Lebih terperinci

ANALISIS TINGKAT PELAYANAN JARINGAN JALAN DI KOTA WONOSOBO (STUDI KASUS PADA BEBERAPA RUAS JALAN DI KOTA WONOSOBO)

ANALISIS TINGKAT PELAYANAN JARINGAN JALAN DI KOTA WONOSOBO (STUDI KASUS PADA BEBERAPA RUAS JALAN DI KOTA WONOSOBO) ANALISIS TINGKAT PELAYANAN JARINGAN JALAN DI KOTA WONOSOBO (STUDI KASUS PADA BEBERAPA RUAS JALAN DI KOTA WONOSOBO oleh Hermawa Fakultas Tekik Uiversitas Sais Al-Qur a Woosobo Abstract City Growth has effect

Lebih terperinci

PENGARUH BUANGAN PABRIK TERHADAP KANDUNGAN PESTISIDA DAN LOGAM BERAT AIR KALI CIPINANG - SUNTER JAKARTA

PENGARUH BUANGAN PABRIK TERHADAP KANDUNGAN PESTISIDA DAN LOGAM BERAT AIR KALI CIPINANG - SUNTER JAKARTA Presidig Presetasi lmiah Kcselamata Radiasi da Ligkugaii,20-2 Agustus 996 D0000 PENGARUH BUANGAN PABRK TERHADAP KANDUNGAN PESTSDA DAN LOGAM BERAT AR KAL CPNANG - SUNTER JAKARTA ) OoOOtOO Ulfa, T. Syahrir,

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN 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 terperinci

InfoPOM PENGOBATAN SENDIRI. Editorial. Vol. 5, No. 6, November 2004 ISSN 1829-9334

InfoPOM PENGOBATAN SENDIRI. Editorial. Vol. 5, No. 6, November 2004 ISSN 1829-9334 IfoPOM BADAN PENGAWAS OBAT DAN MAANAN REPUBLI INDONESIA Vol. 5, No. 6, November 04 ISSN 8299334 Editorial Pembaca yag terhormat, Sekarag ii, dimaapu dia berada, kosume aka berusaha megatasi sediri masalah

Lebih terperinci

Pembuatan Kebijakan Keamananan Nasional dan Gender

Pembuatan Kebijakan Keamananan Nasional dan Gender Tool 8 Toolkit Geder da RSK Reformasi Sektor Keamaa da Geder Pembuata Kebijaka Keamaaa Nasioal da Geder Peter Albrecht da Kare Bares Geeva Cetre for the Democratic Cotrol of Armed Forces (DCAF) Pembuata

Lebih terperinci

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi

Lebih terperinci

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA Oleh: Nugraha Setiawan FAKULTAS PETERNAKAN UNIVERSITAS PADJADJARAN November 007 Penentuan Ukuran Sampel

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 12

SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 12 SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pegolaha Citra Digital Kode : IES 6323 Seester : VI Waktu : 1 x 3x 50 Meit Perteua : 12 A. Kopetesi 1. Utaa Mahasiswa dapat eahai tetag siste pegolaha citra

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam BAB 2 TINJAUAN TEORITIS 21 Pengertian Regresi Linier Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih

Lebih terperinci

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 94. Metode statistik nonparametrik merupakan metode statistik yang dapat

Lebih terperinci

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA

Lebih terperinci

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI Oleh : WINDA FAATI KARTIKA J2E 006 039 PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

MODUL REGRESI LINIER SEDERHANA

MODUL REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Tujuan Praktikum: Membantu mahasiswa memahami materi Pegambilan keputusan dari suatu kasus dengan menggunakan kaidah dan persamaan I. Pendahuluan Di dalam analisa ekonomi

Lebih terperinci

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009

Lebih terperinci

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi

Lebih terperinci

Suku Banyak. A. Pengertian Suku Banyak B. Menentukan Nilai Suku Banyak C. Pembagian Suku Banyak D. Teorema Sisa E. Teorema Faktor

Suku Banyak. A. Pengertian Suku Banyak B. Menentukan Nilai Suku Banyak C. Pembagian Suku Banyak D. Teorema Sisa E. Teorema Faktor Bab 5 Sumber: www.in.gr Setelah mempelajari bab ini, Anda harus mampu menggunakan konsep, sifat, dan aturan fungsi komposisi dalam pemecahan masalah; menggunakan konsep, sifat, dan aturan fungsi invers

Lebih terperinci

UJI CHI KUADRAT (χ²)

UJI CHI KUADRAT (χ²) UJI CHI KUADRAT (χ²) 1. Pendahuluan Uji Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi/yg benar-benar terjadi/aktual dengan frekuensi harapan/ekspektasi 1.1 Pengertian

Lebih terperinci

KORELASI DAN REGRESI LINIER SEDERHANA

KORELASI DAN REGRESI LINIER SEDERHANA KORELASI DAN REGRESI LINIER SEDERHANA 1. Pendahuluan Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki

Lebih terperinci

Wahyu Setyawan. Pendahuluan. Lisensi Dokumen: Abstrak. Wahyu.gtx21@gmail.com http://wahyu-setyawan.blogspot.com

Wahyu Setyawan. Pendahuluan. Lisensi Dokumen: Abstrak. Wahyu.gtx21@gmail.com http://wahyu-setyawan.blogspot.com Uji Korelasi Wahyu Setyawan Wahyu.gtx1@gmail.com http://wahyu-setyawan.blogspot.com Lisensi Dokumen: m Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas

Lebih terperinci

ABSTRAK. Kata kunci : Fluktuasi kurs, Ekspor, Impor, Peramalan. iii. Universitas Kristen Maranatha

ABSTRAK. Kata kunci : Fluktuasi kurs, Ekspor, Impor, Peramalan. iii. Universitas Kristen Maranatha ABSTRAK Beberapa tahun terakhir ini kurs tukar IDR/USD terus mengalami fluktuasi yang tidak dapat diprediksi. Akibatnya para pelaku pasar sulit untuk menentukan pada saat kapan mereka harus melakukan ekspor

Lebih terperinci

UJI TANDA (SIGN TEST) By YANUAR,SE., MM.

UJI TANDA (SIGN TEST) By YANUAR,SE., MM. 12 UJI TANDA (SIGN TEST) By YANUAR,SE., MM. Tujuan Instruksional khusus: Mahasiswa diharapkan dapat menerapkan ujia tanda dalam statistika nonparametric. PENDAHULUAN Di dalam bab ini anda akan lebih membicarakan

Lebih terperinci

Titik Berat. da y. Suatu elemen da

Titik Berat. da y. Suatu elemen da Titik Berat da Suatu eleme da Titik erat atau pusat suatu luasa adala suatu titik dimaa luasa terkosetrasi da tetap meiggalka mome ag tidak erua teradap semarag sumu. Pada umuma leak titik erat diataka

Lebih terperinci

SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA

SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA Agusrawati //Paradigma, Vol. 16 No.1, April 2012, hlm. 31-38 SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA Agusrawati 1) 1) Jurusan Matematika FMIPA Unhalu, Kendari, Sulawesi Tenggara

Lebih terperinci

KARTU BIMBINGAN PENELITIAN

KARTU BIMBINGAN PENELITIAN Lampiran 1 KARTU BIMBIGA PEELITIA Fakultas Ilmu-Ilmu Kesehatan Program Studi Ilmu Keperawatan Universitas Pembangunan asional Veteran Jakarta Tahun 2011 Peneliti Judul : Linda Wattimena : Hubungan Tingkat

Lebih terperinci

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis

Lebih terperinci

HUBUNGAN TINGKAT PENGETAHUAN RESIKO PEMBERIAN KEMOTERAPI DENGAN PENGGUNAAN ALAT PELINDUNG DIRI DI RUANG ANAK RUMAH SAKIT KANKER DHARMAIS

HUBUNGAN TINGKAT PENGETAHUAN RESIKO PEMBERIAN KEMOTERAPI DENGAN PENGGUNAAN ALAT PELINDUNG DIRI DI RUANG ANAK RUMAH SAKIT KANKER DHARMAIS HUBUGA TIGKAT PEGETAHUA RESIKO PEMBERIA KEMOTERAPI DEGA PEGGUAA ALAT PELIDUG DIRI DI RUAG AAK RUMAH SAKIT KAKER DHARMAIS YTH. BAPAK IBU RESPODE Dalam rangka meningkatkan mutu pelayanan rumah sakit, maka

Lebih terperinci

POLINOM (SUKU BANYAK) Menggunakan aturan suku banyak dalam penyelesaian masalah.

POLINOM (SUKU BANYAK) Menggunakan aturan suku banyak dalam penyelesaian masalah. POLINOM (SUKU BANYAK) Standar Kompetensi: Menggunakan aturan suku banyak dalam penyelesaian masalah. Kompetensi Dasar: 1. Menggunakan algoritma pembagian suku banyak untuk menentukan hasil bagi dan sisa

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis

Lebih terperinci

Analisis Korelasi dan Regresi Sederhana

Analisis Korelasi dan Regresi Sederhana Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada

Lebih terperinci

BELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS

BELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS BELAJAR SPSS SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah. Langkah pertama yang harus dilakukan

Lebih terperinci

KEPUTUSAN KEPALA BADAN PENGAWAS OBAT DAN MAKANAN REPUBLIK INDONESIA N0MOR : HK,00.05'72.4472

KEPUTUSAN KEPALA BADAN PENGAWAS OBAT DAN MAKANAN REPUBLIK INDONESIA N0MOR : HK,00.05'72.4472 KEPUTUSAN KEPALA BADAN PENGAWAS OBAT DAN MAKANAN REPUBLIK INDONESIA N0MOR : HK,00.05'72.4472 TENTANG PEDOMAN POLA TINDAK LANJUT PENYIDIKAN TINDAK PIDANA DI BIDANG OBAT DAN MAKANAN KEPALA BADAN PENGAWAS

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel BAB III METODOLOGI PENELITIAN A. Definisi konseptual, Operasional dan Pengukuran Variabel 1. Definisi Konseptual Menurut teori teori yang di uraikan tersebut diatas dapat disimpulkan bahwa yang dimaksud

Lebih terperinci

Bab 9. Peluang Diskrit

Bab 9. Peluang Diskrit Bab 9. Peluang Diskrit Topik Definisi Peluang Diskrit Sifat Peluang Diskrit Probabilitas terbatas Konsep Teori Himpunan pada Peluang Diskrit Probabilitas Kejadian Majemuk A B dan A B DuaKejadianSalingLepas

Lebih terperinci

PENYUSUNAN ANALISIS STANDAR BELANJA MELALUI PENDEKATAN REGRESI SEDERHANA DALAM MENYUSUN ANGGARAN

PENYUSUNAN ANALISIS STANDAR BELANJA MELALUI PENDEKATAN REGRESI SEDERHANA DALAM MENYUSUN ANGGARAN PENYUSUNAN ANALISIS STANDAR BELANJA MELALUI PENDEKATAN REGRESI SEDERHANA DALAM MENYUSUN ANGGARAN Memen Suwandi Jurusan Akuntansi, UIN Alauddin, Jl. ST. Alauddin No. 36, Samata-Gowa msuwandi19@yahoo.com

Lebih terperinci

PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan

PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan ABSTRAK. Penelitian ini bertujuan untuk menjelaskan besarnya pengaruh

Lebih terperinci

METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Mahrani 1, M. Imran, Agusni 1 Mahasiswa Program Studi S1 Matematika

Lebih terperinci

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)

Lebih terperinci

Sehubungan dengan permasalahan penelitian yang penulis teliti. Penelitian deskriptif memberikan gambaran yang lebih mendalam tentang

Sehubungan dengan permasalahan penelitian yang penulis teliti. Penelitian deskriptif memberikan gambaran yang lebih mendalam tentang BAB III PROSEDUR PENELITIAN A. Metode Penelitian Dalam penelitian ini penulis menggunakan metode penelitian Deskriptif, dengan metode ini penulis berusaha untuk memecahkan masalah yang dihadapi pada masa

Lebih terperinci

TINJAUAN MATA KULIAH BAB I PENDAHULUAN

TINJAUAN MATA KULIAH BAB I PENDAHULUAN TINJAUAN MATA KULIAH BAB I PENDAHULUAN I. Beberapa Defs Dalam berbaga meda serg djumpa hasl jejak pedapat dar masarakat tetag su tertetu, jejak pedapat tu dlakuka utuk megetahu gambara pedapat dar masarakat

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BB 3 METODE PENELITIN 3.1 Desain/Kerangka Penelitian Berdasarkan dari uraian latar belakang, perumusan masalah, dan teori-teori yang telah dijelaskan sebelumnya, maka kerangka pemikiran dari penelitian

Lebih terperinci

GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics

GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics N Minimum Maximum Mean Std. Deviation TOperAC 47 988.47 2376.52 1802.6366

Lebih terperinci

MODEL PEMILIHAN MODA ANTARA ANGKUTAN UMUM DAN SEPEDA MOTOR UNTUK MAKSUD KERJA. Karnawan Joko Setyono. Jurusan Teknik Sipil Politeknik Negeri Semarang

MODEL PEMILIHAN MODA ANTARA ANGKUTAN UMUM DAN SEPEDA MOTOR UNTUK MAKSUD KERJA. Karnawan Joko Setyono. Jurusan Teknik Sipil Politeknik Negeri Semarang MODEL PEMILIHAN MODA ANTARA ANGKUTAN UMUM DAN SEPEDA MOTOR UNTUK MAKSUD KERJA Abstract Karnawan Joko Setyono Jurusan Teknik Sipil Politeknik Negeri Semarang The objectives of this research are to calibrate

Lebih terperinci

review Tsunami: belajar dari respons kemanusiaan Edisi khusus

review Tsunami: belajar dari respons kemanusiaan Edisi khusus Edisi khusus Agustus 2005 review Tsuami: belajar dari respos kemausiaa Forced Migratio Review: majalah yag megupas tetag isu-isu pegugsi da perpidaha iteral dega jumlah pembaca terbayak di duia Forced

Lebih terperinci

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR Data Sampel I Data Sampel II Data Sampel III 5 4 7 9 8 5 9 4 6 CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR Kategori Data Sampel I Data Sampel

Lebih terperinci

ANALISIS PERTUMBUHAN TIGA KULTIVAR KACANG TUNGGAK GROWTH ANALYSIS OF THREE COWPEA CULTIVARS

ANALISIS PERTUMBUHAN TIGA KULTIVAR KACANG TUNGGAK GROWTH ANALYSIS OF THREE COWPEA CULTIVARS Ilmu Pertanian Vol. 11 No.1, 2004 : 7-12 ANALISIS PERTUMBUHAN TIGA KULTIVAR KACANG TUNGGAK ABSTRACT GROWTH ANALYSIS OF THREE COWPEA CULTIVARS Anna Fitri Astuti 1, Nasrullah 2 dan Suyadi Mitrowihardjo 2

Lebih terperinci

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 34 43 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK

Lebih terperinci

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015 Uji Hipotesis Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 015 Definisi Hipotesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji. Pernyataan tersebut masih lemah kebenarannya

Lebih terperinci

BAB V HASIL PENELITIAN

BAB V HASIL PENELITIAN 1 BAB V HASIL PENELITIAN 5.1 Statistik Deskriptif Penelitian ini menggunakan perusahaan yang terdaftar di Bursa Efek Indonesia, baik perusahaan dibidang keuangan maupun bidang non-keuangan sebagai sampel

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah penelitian Quasi Eksperimental, yang bertujuan untuk meneliti pengaruh dari suatu perlakuan tertentu terhadap gejala suatu kelompok

Lebih terperinci

STRATEGI KOMUNIKASI DAN TINGKAT KESADARAN KESEHATAN

STRATEGI KOMUNIKASI DAN TINGKAT KESADARAN KESEHATAN STRATEGI KOMUNIKASI DAN TINGKAT KESADARAN KESEHATAN (Studi Korelasional Pengaruh Strategi Komunikasi Tim Penggerak PKK Pokja IV Terhadap Tingkat Kesadaran Masyarakat Mengenai Kesehatan di Kelurahan Dendang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam perkembangan zaman yang semakin modern ini data adalah sesuatu yang sangat dibutuhkan baik individu, instansi, organisasi dan perusahaan. Sebuah perusahaan sangat

Lebih terperinci

DAFTAR ISI. BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Rumusan Masalah. 8 1.3 Tujuan Penelitian.. 8 1.4 Mamfaat Penelitian...

DAFTAR ISI. BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Rumusan Masalah. 8 1.3 Tujuan Penelitian.. 8 1.4 Mamfaat Penelitian... DAFTAR ISI Halaman SAMPUL DALAM... i PRASYARAT GELAR... ii LEMBAR PERSETUJUAN... iii PENETAPAN PANITIA PENGUJI... iv PERNYATAN ORISINALITAS... v UCAPAN TERIMAKASIH... vi ABSTRAK... ix ABSTRACT... x DAFTAR

Lebih terperinci

POPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL

POPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL Pengertian Populasi dan Sampel POPULASI DAN SAMPEL Kata populasi (population/universe) dalam statistika merujuk pada sekumpulan individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian

Lebih terperinci

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS Dasar Statistik untuk Pemodelan dan Simulasi oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS . Probabilitas Probabilitas=Peluang, bisa diartikan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. A. Hasil Uji Asumsi. Sebelum melakukan analisis dengan menggunakan analisis regresi,

BAB IV HASIL DAN PEMBAHASAN. A. Hasil Uji Asumsi. Sebelum melakukan analisis dengan menggunakan analisis regresi, BAB IV HASIL DAN PEMBAHASAN A. Hasil Uji Asumsi Sebelum melakukan analisis dengan menggunakan analisis regresi, terlebih dahulu perlu dilakukan uji asumsi terhadap data penelitian. Uji asumsi yang dilakukan

Lebih terperinci

PENGARUH CITRA MEREK (BRAND IMAGE) TERHADAP LOYALITAS KONSUMEN PADA PRODUK PAKAIAN 3SECOND DI SHOWROOM JAVA MALL SEMARANG

PENGARUH CITRA MEREK (BRAND IMAGE) TERHADAP LOYALITAS KONSUMEN PADA PRODUK PAKAIAN 3SECOND DI SHOWROOM JAVA MALL SEMARANG PENGARUH CITRA MEREK (BRAND IMAGE) TERHADAP LOYALITAS KONSUMEN PADA PRODUK PAKAIAN 3SECOND DI SHOWROOM JAVA MALL SEMARANG PAULA TIERA PANGESTIKA B11.2009.01862 PENDAHULUAN Latar Belakang Masalah Di dunia

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

REGRESI LINIER OLEH: JONATHAN SARWONO

REGRESI LINIER OLEH: JONATHAN SARWONO REGRESI LINIER OLEH: JONATHAN SARWONO 1.1 Pengertian Apa yang dimaksud dengan regresi linier? Istilah regresi pertama kali dalam konsep statistik digunakan oleh Sir Francis Galton dimana yang bersangkutan

Lebih terperinci

POPULASI, SAMPLING DAN BESAR SAMPEL

POPULASI, SAMPLING DAN BESAR SAMPEL POPULASI, SAMPLING DAN BESAR SAMPEL Didik Budijanto Pusdatin Kemkes RI Alur Berpikir dalam Metodologi Research: Masalah Identifikasi Mslh [ Batasan ] Rumusan Masalah - Tujuan Penelitian/ Manfaat Tinjauan

Lebih terperinci

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono Cara Penghitungan MSI Apa yang dimaksud dengan metode suksesif interval (Method of Successive Interval

Lebih terperinci

BAB III METODOLOGI PENELITIAN. penelitian ini adalah metode deskriptif dengan pendekatan kuantitatif. Masyhuri

BAB III METODOLOGI PENELITIAN. penelitian ini adalah metode deskriptif dengan pendekatan kuantitatif. Masyhuri BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Berdasarkan pada permasalahan yang diteliti, metode yang digunakan dalam penelitian ini adalah metode deskriptif dengan pendekatan kuantitatif. Masyhuri

Lebih terperinci

NILAI WAKTU PERJALANAN BUS PENGGUNA JALAN TOL DALAM KOTA DI SEMARANG. Karnawan Joko Setyono Jurusan Teknik Sipil Politeknik Negeri Semarang

NILAI WAKTU PERJALANAN BUS PENGGUNA JALAN TOL DALAM KOTA DI SEMARANG. Karnawan Joko Setyono Jurusan Teknik Sipil Politeknik Negeri Semarang NILAI WAKTU PERJALANAN BUS PENGGUNA JALAN TOL DALAM KOTA DI SEMARANG Karnawan Joko Setyono Jurusan Teknik Sipil Politeknik Negeri Semarang Abstract The determination of VOC(vehicle Operating Cost), using

Lebih terperinci

Teknik Analisis Kuantitatif 1

Teknik Analisis Kuantitatif 1 Teknik Analisis Kuantitatif 1 TEKNIK ANALISIS KUANTITATIF Oleh: Ali Muhson A. Pendahuluan Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan

Lebih terperinci

BAB IV ANALISIS DATA. dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui

BAB IV ANALISIS DATA. dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui BAB IV ANALISIS DATA A. Pengujian Hipotesis Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui hipotesapenelitian sebagai

Lebih terperinci

ANALISIS SUMBER-SUMBER PENDAPATAN DAERAH KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN METODE GEOGRAPHICALLY WEIGHTED PRINCIPAL COMPONENTS ANALYSIS (GWPCA)

ANALISIS SUMBER-SUMBER PENDAPATAN DAERAH KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN METODE GEOGRAPHICALLY WEIGHTED PRINCIPAL COMPONENTS ANALYSIS (GWPCA) ANALISIS SUMBER-SUMBER PENDAPATAN DAERAH KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN METODE GEOGRAPHICALLY WEIGHTED PRINCIPAL COMPONENTS ANALYSIS (GWPCA) SKRIPSI Oleh : Alfiyatun Rohmaniyah NIM : 24010210130079

Lebih terperinci