MODEL SIMULASI NUMERIK HUBUNGAN PANJANG BOBOT IKAN TONGKOL (Auxis thazard) PADA PANGKALAN PENDARATAN IKAN LABUAN BAJO KABUPATEN DONGGALA
|
|
- Sudirman Gunardi
- 8 tahun lalu
- Tontonan:
Transkripsi
1 J. Agrolad 16 (3) : 74-8, September 009 ISSN : X MODEL SIMULASI NUMERIK HUBUNGAN PANJANG BOBOT IKAN TONGKOL (Aus thazard) PADA PANGKALAN PENDARATAN IKAN LABUAN BAJO KABUPATEN DONGGALA Numerical Simulatio Model of the Relatioship Betwee Legth Ad Weight of Tua Fish (Aus thazard) i the Ladig Fish Cacth Statio of Labua Bajo i Doggala District A. Masyahoro 1) 1) Jurusa Peteraka, Fakultas Pertaia, Uiversitas Tadulako, Jl. Soekaro Hatta Km 9 Palu 94118, Sulawesi Tegah Telp/Fax : ABSTRACT A research o umerical simulatio of the relatioship betwee Aus thazard body legth ad weight was coducted to study the growth patter of the fish. The research was doe through survey which was iitiated by measurig the body legth of fish samples draw from N fish populatio. The size of fish populatio (N) was determied based o the total umber of fish collected from ay ladig catch. The umber of fish samples required was based o their variability i the catch yield for each catchig period. Data collected was aalyzed o the basis of fuctioal relatioship betwee fish fork legth (FL) ad body weight (W) followig the o liear mathematical equatio: W (i) = qfl(i) b. A umerical simulatio was the performed usig the techiques of data iterpolatio ad extrapolatio. The regressio value for the relatioship of the two parameters was 3.63 idicatig that the growth of the Aus thazard o the first day of data collectio was positive allometric while o the secod day it was egative allometric with a regressio coefficiet of.9. Key words : Allometric, extrapolatio, fish, iterpolatio, ad umerical simulatio PENDAHULUAN Ika togkol (Aus thazard) termasuk dalam kelompok ika tua dari famili Scombridae yag berilai ekoomis da dapat dikategorika sebagai salah satu komoditas perikaa petig. Meurut Pitcher da Hart (198), salah satu metode umum yag dapat diguaka dalam peelitia sumberdaya ika adalah hubuga pajag bobot, yag merupaka teori dasar atau sebagai teori terapa. Hubuga pajag bobot dapat meyediaka iformasi yag petig utuk salah satu spesies ika dari suatu daerah. Meskipu iformasi tetag hubuga pajag bobot utuk salah satu spesies ika dapat megguaka ika dari daerah lai dalam pegkajia, aka tetapi hubuga pajag bobot ika yag terbaik adalah iformasi lokal dari suatu daerah (Gozales et al, 000). Hubuga pajag bobot sagat petig dalam biologi perikaa, karea dapat memberika iformasi tetag kodisi stok (Pauly, 1984). Data biologi berupa hubuga pajag da bobot melalui proses lebih lajut aka meghasilka keluara terakhir berupa tigkat peagkapa optimum da hasil tagkapa maksimum lestari (Sparre da Veema, 1999). Berdasarka pemikira tersebut di atas, telah dilakuka peelitia tetag 74 74
2 model simulasi umerik hubuga pajag bobot ika togkol hasil tagkapa pada Pagkala Pedarata Ika Labua Bajo Kabupate Doggala, yag bertujua utuk megetahui Model pertumbuha ika togkol. Hasil peelitia diharapka dapat medukug pemafaata sumberdaya ika tersebut secara lestari. BAHAN DAN METODE Peelitia dilaksaaka di Pagkala Pedarata Ika (PPI) Labua Bajo Kabupate Doggala dari bula Mei sampai dega bula Juli 009. Baha/alat peelitia yag diguaka adalah ika togkol (Aus thazard) jata yag ditetuka berdasarka ciri morfologiya, timbaga merek lio star kapasitas kg dega ketelitia 10 g da mistar pajag 30 cm dega ketelitia 1 mm. Peelitia megguaka metode observasi yag diawali pegukura pajag bobot terhadap ekor ika sampel dari populasi sebesar N. Jumlah populasi (N) ditetuka berdasarka bayakya basket dikali jumlah ika per basket yag didaratka dalam satu kali pedarata. Bayakya sampel yag diperluka ditetuka berdasarka tigkat keseragama hasil tagkapa selama periode waktu pegambila sampel secara radom. Namu demikia meurut Masyahoro (007 a ), secara statistika peetua ukura sampel didasarka pada selag kepercayaa 95% utuk suatu ilai peduga θ yag dilambagka sebagai θ ± B, di maa B dapat diketahui melalui hubuga B = t 0,05 (db) σ ( θ) ~ B = σ ( θ). Selajutya melalui maipulasi secara aljabar maka diperoleh ukura sampel dega formulasi sebagai berikut : dimaa = jumlah sampel, N = Jumlah populasi, N N -1D σ = Ragam populasi da D = B /4 Variabel yag Diamati Variabel yag diamati meliputi : - Bobot bada (Weight, W) - Pajag cagak (Fork legth, FL), yag diperoleh dega megukur pajag ika mulai dari ujug palig depa bagia kepala sampai ke ujug bagia terluar lekuka ekor (Sparred a Veema,1999). Gambar 1. Bagia Tubuh Ika yag Diukur Aalisis Data Aalisis hubuga fugsioal atara pajag cagak (FL) da bobot bada (W) didasarka pada petujuk Sparred a Veema (1999), dega model matematik o liear sebagai berikut : W (i) = qfl(i) b... (1) dimaa W (i) = parameter bobot bada ika omor i, FL (i) = parameter pajag cagak ika omor i, q da b = kostata pertumbuha. Kostata q da b diestimasi dega metode kuadrat terkecil (least square method), dega metrasformasika persamaa hubuga pajag bobot ke dalam persamaa liier dega mearik logaritma pada kedua sisiya : l W(i) = l q + b l FL (i)...(a) 75
3 Atau di maa y(i) = l W(i), x(i) = l FL(i), da a = l q. Selajutya, ilai a da b dapat diperoleh dega persamaa ; di maa y i = bobot ika omor i, x i = pajag cagak ika omor i, = jumlah sampel, b a y(i) = a + bx(i) (b) x y x i i i i i1 i1 i1 b...(3) i1 i1 a y xb (4) = kemiriga (slope), = kostata (itersep). Utuk melihat keerata hubuga atara pajag cagak da obbot bada diguaka aalisis koefisie korelasi (Boer, 007) dega persamaa : x yi y i i i1 i1 r...(5) yi yi i1 i1 i1 i1 di maa y(i) = bobot ika omor i, x(i) = pajag cagak ika omor i, = jumlah sampel, r = agka yag meyataka keerata hubuga atara pajag total (x i ) da bobot (y i ). Bobot dari seekor ika (g) proporsioal dega volumeya (cm 3 ), da volumeya y kadag-kadag proporsioal dega pagkat 3 pajagya (L 3 ), maka kita megharapka bahwa ilai-ilai b dalam persamaa a da b medekati 3,0. Oleh karea itu, batasbatas kepercayaa 95% dari b aka dicari megguaka ilai-ilai sx, sy, da t - derajat bebas (Sparred a Veema, 1999), dega persamaa sebagai berikut : 1 sy sx di maa sb = varias dari slope (b), sx = stadar deviasi utuk pajag cagak, = jumlah sampel, sy = stadar deviasi utuk bobot. Nilai 3,0 terletak dalam iterval kepercayaa, hubuga pajag bobot (persamaa 1) disederhaaka dega meggati ilai dari estimasi dega 3,0. Hal ii berimplikasi pula da harus dicari estimasi baru utuk itersep a da ilai baru bagi q. Selajutya dilakuka simulasi umerik melalui metode iterpolasi da ekstrapolasi data. Metode iterpolasi dimaksudka utuk meyataka model pertumbuha ika, sedagka metode ekstrapolasi dimaksudka utuk megestimasi model pertumbuha ika pada masa datag. HASIL DAN PEMBAHASAN Model Pertumbuha da Simulasi Numerik Hubuga Pajag Bobot Bada Data Hari Pertama Hasil simulasi umerik hubuga pajag bobot bada ika togkol data hari pertama tertera pada Tabel 1. sb b...(6) 76 76
4 Tabel 1. Hasil Simulasi Numerik Hubuga Pajag Bobot Hari Pertama Sebelum simulasi Setelah simulasi No FL (cm) W (g) l FL L W FL (1) W (1) FL () W ()
5 L W(i) (g) L W(i) Tabel 1 memperlihatka hubuga l pajag cagak dega l bobot bada ika togkol dalam betuk persamaa regresi liier sederhaa, yaitu W = 3,63 FL - 6,3 dega ilai koefisie korelasi (r) da determiasi (R ) masig-masig 0,95 da 0,90. Nilai r sebesar 0,95 meujukka adaya 95% keerata hubuga atara pajag cagak (FL) dega bobot bada ika (W), sedagka ilai R sebesar 0,90 meujukka bahwa 90% variasi ilai bobot bada ika (W) dapat dijelaska oleh pajag cagak (FL) da sisaya disebabka oleh faktor lai di luar dari model yag dikaji. Kurva regresi liier hubuga pajag bobot bada ika data hari pertama ditujukka pada Gambar. Nilai koefisie arah regresi hubuga pajag cagak (FL) dega bobot bada ika (W) lebih besar dari 3,0 (b>3,0), yaitu 3,63. Nilai tersebut meujukka bahwa Model pertumbuha ika togkol pada pegambila data hari pertama bersifat allometrik positif, yaitu pertumbuha bobot bada lebih cepat bila dibadigka dega pertumbuha pajag cagak. Visualisasi hasil simulasi umerik l bobot bada ika togkol utuk data hari pertama ditujukka pada Gambar W = FL r = R = L W(i)=Bobot bada ika omor ke-i L FL(i) Gambar. Kurva Regresi Hubuga Pajag Bobot Bada Ika Data Hari Pertama Ika omor i L W W (1) W () Gambar 3. Hasil Simulasi Numerik L Bobot Bada Ika Data Hari Pertama 78 78
6 Simulasi umerik l bobot bada data hari pertama memperlihatka suatu ilai yag cederug fluktuatif statis dari l bobot bada sebelum simulasi (L W), simulasi pertama (W1) sampai simulasi kedua, (W). Hal tersebut meujukka bahwa simulasi sudah cukup adaptif terhadap model pertumbuha itrisik ika. Meurut Masyahoro (007 b ), suatu simulasi diilai sukses jika sudah cukup adaptif terhadap objek yag dikaji. Selajutya Boer (007), pegambila sampel secara acak dega tidak mempertimbagka waktu tuda (delay time) pertumbuha ika aka meyebabka sebara data yag relatif bersifat fluktuatif. Hasil simulasi umerik tersebut meujukka bahwa ramala model pertumbuha ika togkol ke depa cederug bersifat allometrik positif, yaitu pertumbuha bobot bada lebih cepat bila dibadigka dega pertumbuha pajag cagak, di maa koefisie arah pertumbuha sebesar b = 3,63. Model Pertumbuha da Simulasi Numerik Hubuga Pajag Bobot Bada Data Hari Kedua Hasil simulasi umerik hubuga pajag bobot bada ika togkol data hari kedua tertera pada Tabel. Tabel memperlihatka hubuga l pajag cagak dega l bobot bada ika togkol dalam betuk persamaa regresi liier sederhaa, yaitu W =,9 FL - 4,03, dega ilai koefisie korelasi (r) da determiasi (R ) masig-masig 0,94 da 0,88. r = 0,94 meujukka 94% keerata hubuga atara pajag cagak (FL) dega bobot bada ika (W), sedagka R = 0,88 meujukka bahwa 88% keragama ilai bobot bada ika (W) dapat dijelaska oleh pajag cagak (FL) da sisaya disebabka oleh faktor lai di luar dari model. Kurva regresi liier hubuga pajag bobot bada data hari kedua ditujukka pada Gambar 4. Nilai koefisie arah regresi hubuga pajag cagak (FL) dega bobot bada (W) lebih kecil dari 3,0 (b<3,0), yaitu,9. Nilai tersebut meujukka bahwa model pertumbuha ika togkol pada pegambila data hari kedua bersifat allometrik egatif, yaitu pertumbuha pajag cagak lebih cepat bila dibadigka dega pertumbuha bobot bada. Visualisasi hasil simulasi umerik l bobot bada ika togkol utuk data hari kedua ditujukka pada Gambar 5. Hasil simulasi l bobot bada data hari kedua memperlihatka suatu ilai yag cederug fluktuatif statis dari l bobot bada sebelum simulasi (LW), simulasi pertama (W1) sampai simulasi kedua, (W). Hal tersebut meujukka bahwa simulasi sudah cukup adaptif terhadap model pertumbuha itrisik ika. Meurut Masyahoro (007 b ), suatu simulasi diilai sukses jika sudah cukup adaptif terhadap objek yag dikaji. Selajutya Boer (007), pegambila sampel secara acak dega tidak mempertimbagka waktu tuda (delay time) pertumbuha ika aka meyebakka sebara data yag relatif bersifat fluktuatif. Hasil simulasi umerik tersebut meujukka bahwa ramala model pertumbuha ika togkol ke depa cederug bersifat allometrik egatif yaitu pertumbuha pajag cagak lebih cepat bila dibadigka dega pertumbuha bobot bada,di maa koefisie arah pertumbuha sebesar b =,9. 79
7 Tabel. Hasil Simulasi Numerik Hubuga Pajag Bobot Hari Kedua Sebelum simulasi Setelah simulasi No FL (cm) W (g) l FL L W FL (1) W (1) FL () W ()
8 L W(i) (g) L W(i) W =.9153 FL r = R = L FL(i) L W(i)=Bobot bada ika omor ke-i Liear (L W(i)=Bobot bada ika omor ke-i) Gambar 4. Kurva Regresi Hubuga Pajag Bobot Bada Ika Data Hari Kedua L W W (1) W () Ika omor i Gambar 5. Hasil Simulasi Numerik L Bobot Bada Data Hari Kedua KESIMPULAN Model pertumbuha ika togkol (Aus thazard) pada hari pertama meujukka model allometrik positif dega ilai b sebesar 3,63 da pada hari kedua meujukka Model allometrik egatif dega ilai b sebesar,9. Simulasi umerik megvisualisasika kesemetrisa model pertumbuha ika togkol atara simulasi pertama (W1) dega simulasi kedua (W) yag didasarka pada data hari pertama sampai hari kedua. 81
9 DAFTAR PUSTAKA Boer, M., 007. Biostatistika Dalam Pertumbuha Populasi. Makalah. Disampaika dalam Pelatiha Stock Assessmet. Kerjasama Dias Perikaa da kelauta Kabupate Doggala dega PKSPL-Tropis Fakultas pertaia Utad. Palu. Gozales, B.J, Palla, H.P, da Mishia, H., 000. Leght Weight Relatioship of Five Serraids From Palawa Islad, Philippies. Worldfishceter. org. Masyahoro, A., 007 a. Tekik Pearika Cotoh Dalam Populasi Ika. Makalah. Disampaika dalam Pelatiha Stock Assessmet. Kerjasama Dias Perikaa da kelauta Kabupate Doggala dega PKSPL- Tropis Fakultas pertaia Utad. Palu. Masyahoro, A., 007 b. Model Holistik da Aalitik Dalam Estimasi Pertumbuha Populasi Ika. Makalah. Disampaika dalam Pelatiha Stock Assessmet. Kerjasama Dias Perikaa da kelauta Kabupate Doggala dega PKSPL-Tropis Fakultas pertaia Utad. Palu. Pauly, D., Fish Populatio Dyamics i Tropical Waters; A Maual For Use With Programmable Calculators. Iteratioal Cetre For Livig Aquatic Resources Maagemet, Maila Philippies. Pitcher, T.J ad Paul J.B. Hart., 198. Fisheries Ecology. Croom Helm, Lodo. Sparre, P da Siebre C. Veema., Itroduksi Pegkajia Stok Ika Tropis; Buku 1 Maual, Kerjasama Orgaisasi Pertaia da Paga Perserikata Bagsa-bagsa Dega Pusat Peelitia da Pegembaga Perikaa, Jakarta. 8 8
MODEL PERTUMBUHAN IKAN BERONANG LINGKIS (Siganus canaliculatus) HASIL TANGKAPAN SERO DI PERAIRAN KEPULAUAN SELAYAR
J. Agrisains 12 (1) : 50-56, April 2011 ISSN : 1412-3657 MODEL PERTUMBUHAN IKAN BERONANG LINGKIS (Siganus canaliculatus) HASIL TANGKAPAN SERO DI PERAIRAN KEPULAUAN SELAYAR A. Masyahoro 1) 1) Program Studi
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciIII BAHAN DAN METODE PENELITIAN
27 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Objek yag diguaka dalam peelitia ii adalah kuda Sumba (Sadelwood) betia da jata berjumlah 30 ekor dega umur da berat yag relatif
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciSelang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan
Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa
Lebih terperincix = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Lebih terperinciMATERI DAN METODE. Penelitian ini telah dilakukan selama 1 bulan, dimulai pada awal bulan
III. MATERI DAN METODE 3.. Tempat da Waktu Peelitia ii telah dilakuka selama bula, dimulai pada awal bula eptember 03 di Kecamata Kuala Kampar Kabupate Pelalawa Provisi Riau. 3.. Materi Peelitia Baha yag
Lebih terperinciIII. MATERI DAN METODE. a. Penelitian ini menggunakan 68 ekor kambing peranakan etawa ( PE) (31. ukur, tongkat ukur dan timbangan.
III. MATERI DAN METODE 3.1. Waktu da Tempat Peelitia Peelitia ii telah dilaksaaka pada Bula Oktober sampai November 013 di peteraka yag ada di Kota Pekabaru. 3.. Materi Peelitia a. Peelitia ii megguaka
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciTUGAS ANALISIS REGRESI (HALAMAN
TUGAS ANALISIS REGRESI (HALAMAN 85-88) 1. Tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b. Hitug Sum of Square for Residual c. Hitug Mea Sum of Square for Regresssio
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
Lebih terperinciPendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciOBJEK DAN METODE PENELITIAN. Objek ternak yang digunakan adalah itik Damiaking jantan dan betina
1 III OBJEK DAN METODE PENELITIAN 3.1. Objek da Perlegkapa Peelitia 3.1.1. Objek Peelitia Objek terak yag diguaka adalah itik Damiakig jata da betia produktif dega umur lebih dari 7 bula di Kampug Teras
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. memelihara itik Damiaking murni di Kampung Teras Toyib Desa Kamaruton
III BAHAN DAN METODE PENELITIAN 3.1 Baha da Alat Peelitia 3.1.1 Telur Tetas Itik Damiakig Baha yag diguaka dalam peelitia ii adalah telur tetas itik Damiakig berasal dari iduk yag dipelihara secara ekstesif
Lebih terperinciBAB III MATERI DAN METODE. Penelitian dilaksanakan pada tanggal 2 Maret sampai 1 Mei 2016 di Balai
11 BAB III MATERI DAN METODE Peelitia dilaksaaka pada taggal 2 Maret sampai 1 Mei 2016 di Balai Pembibita da Budidaya Terak No Rumiasia (BPBTNR) Satker Balekambag, Surakarta, Jawa Tegah. 3.1 Materi Materi
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciDistribusi Sampling (Distribusi Penarikan Sampel)
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Penelititan ini menggunakan 30 ekor Sapi Bali jantan umur berkisar antara
III BAHAN DAN METODE PENELITIAN 3. Baha da Peralata Peelitia 3.. Baha Peelitia Peelitita ii megguaka 30 ekor Sapi Bali jata umur berkisar atara -3 tahu dega bobot bada berkisar atara 50-500 kg atau dalam
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciIII. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di
III. MATERI DAN METODE PENELITIAN 3.. Waktu da Tempat Peelitia telah dilakuka pada bula November - Desember 203 di peteraka Kambig yag ada di Kota Pekabaru Provisi Riau. 3.2. Alat da Baha Materi yag diguaka
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciHazmira 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 terperinciPENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS
Lapora Praktikum Aalisis Istrumetal 2014 PENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS Norma Nur Azizah 1, Wula Suci P, Mohamad Rafi 1 Departeme
Lebih terperinciUji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.
MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa
Lebih terperinciFORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciDISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)
DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciSB/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 terperinciProbabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata
Probabilitas da Statistika da Adam Hedra Brata Dua Peubah Acak dua perubah acah X da Y dega rata-rata da diberika oleh rumus : E(XY) - - - Sifat Sifat Sifat kovariasi utuk X da Y diskrit : f(, ) f(, )
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciTEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand
Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
Lebih terperinciBAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN
BAB 7 MOMEN, KEMIRINGAN DAN KERUNCINGAN A. Mome Misalka diberika variable x dega harga- harga : x, x,., x. Jika A = sebuah bilaga tetap da r =,,, maka mome ke-r sekitar A, disigkat m r, didefiisika oleh
Lebih terperinciBAB 5 UKURAN DISPERSI
BAB 5 UKURAN DISPERSI A. Ukura Dispersi Meurut Hasa (011 : 101) ukura dispersi atau ukura variasi atau ukura peyimpaga adalah ukura yag meyataka seberapa jauh peyimpaga ilai-ilai data dari ilai-ilai pusatya
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciSTATISTIKA ANALISIS REGRESI ANALISIS REGRESI LINIER LEKTION ACHT(#8) ANALISIS REGRESI
ANALISIS REGRESI STATISTIKA LEKTION ACHT(#8) ANALISIS REGRESI Regresi: kembali ke tahap perkembaga sebelumya (psi.). Aalisis regresi: aalisis yag diguaka utuk megetahui relasi depedesi (pegaruh) dari satu
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinci