BAB III METODOLOGI PENELITIAN Identifikasi Variabel dan Data yang Digunakan
|
|
- Sukarno Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 23 BAB III METODOLOGI PENELITIAN 3.1. Idetifikasi Variabel da Data yag Diguaka Berdasarka kajia literatur, peelitia ii aka megguaka pedekata kuatitatif deskriptif yag merupaka pegujia hipotesis dega data yag terukur. Selajutya aka diperoleh parameter dari pegaruh perubaha suatu variabel ekoomi terhadap variabel ekoomi laiya serta pejelasa dari asumsi ilmu ekoomi utuk medapatka suatu kesimpula megeai korelasi atar variabel dalam peelitia ii dega megguaka metodologi time series serta pedekata Grager Causality da VAR atau VECM sebagaimaa yag perah diguaka oleh Copelma (2000) serta Rousseau da Xiao (2007). Pedekata tersebut dipilih dega pertimbaga bahwa secara spesifik Grager Causality diguaka utuk melakuka uji kausalitas atara variabel output dega variabel sistem keuaga serta utuk melihat hubuga jagka pajagya, semetara VAR atau VECM diguaka utuk melihat itesitas da speed of adjustmet atau respo dari masigmasig variabel dalam peelitia. Utuk megaalisa data yag telah dihimpu dalam peelitia ii, peulis aka megguaka alat batu berupa peragkat luak E-views versi 5.0. Betuk dasar model VAR memperlakuka seluruh variabel secara simetris tapa membedaka variabel bebas maupu terikat. Seluruh variabel dalam peelitia ii aka diperlakuka sebagai variabel edoge. Adapu variabel yag aka diguaka dalam peelitia ii adalah sebagai berikut: 1. Pertumbuha Ekoomi. Data Produk Domestik Bruto (PDB) Riil dega harga kosta tahu 2000 yag diperoleh dari Statistik Ekoomi da Keuaga Idoesia (SEKI) yag diterbitka Bak Idoesia yag diolah da aka diperguaka sebagai proxy pertumbuha ekoomi.
2 24 2. Sektor Perbaka. Data volume peyalura kredit oleh bak umum (KREDIT) kepada sektor swasta dalam Rupiah da Valuta Asig yag juga diperoleh dari SEKI aka diguaka sebagai idikator perkembaga sektor perbaka. Pemiliha variabel ii didasarka pada dugaa bahwa peigkata volume kredit megidikasika peigkata ivestasi yag memiliki hubuga positif dega peigkata pertumbuha ekoomi. 3. Sektor Pasar Modal. Data kapitalisasi saham da obligasi dipasar modal (KAPSHM) yag merupaka akumulasi dari perkalia jumlah lembar saham beredar dega harga saham di pasar dari seluruh perusahaa yag terdaftar di Bursa Efek Idoesia (BEI) aka diguaka sebagai idikator perkembaga sektor pasar modal. Data kapitalisasi saham dimaksud berhasil diperoleh dari lagsug dari BEI. Pemiliha variabel ii didasarka pada dugaa bahwa peigkata kapitalisasi pasar megidikasika adaya peigkata jumlah saham maupu emite yag mecermika adaya alira daa bagi ivestasi pada emite-emite tersebut yag secara agregat dapat meigkatka pertumbuha ekoomi. 4. Tigkat Suku Buga. Data tigkat suku Sertifikat Bak Idoesia (SBI) dega teor 1 (satu) bula yag diperoleh dari SEKI merupaka variabel kotrol, yaki variabel sektor keuaga maupu sektor moeter yag diaggap turut memegaruhi pertumbuha ekoomi. Variabel kotrol dimaksud megacu pada peelitia yag dilakuka oleh Iggrid (2006) yag megivestigasi peraa sektor keuaga dalam memicu pertumbuha ekoomi di Idoesia. Peelitia ii megguaka variabel kotrol berupa tigkat suku buga SBI teor 1 (satu) bula dega pertimbaga bahwa suku buga SBI merupaka salah satu alat kotrol bagi otoritas moeter dalam megedalika peawara da permitaa uag beredar dalam perekoomia Idoesia. Pegguaa variabel tigkat suku buga dimaksud juga megacu pada peelitia sebelumya dega
3 25 dugaa memiliki tigkat sigifikasi yag baik dalam peerapa pada model yag aka disusu. Data yag diguaka dalam peelitia ii adalah data sekuder dalam betuk time series periode bulaa yag diperoleh dari Stastistik Ekoomi Keuaga Idoesia (SEKI) yag diterbitka oleh Bak Idoesia da diperoleh lagsug dari Bursa Efek Idoesia (BEI). Namu karea keterbatasa data yag tersedia maka peelitia ii haya dilakuka dalam retag waktu Jauari 1997 s.d Jui Selai itu, megigat periode data PDB yag tersedia bersifat triwulaa, maka khusus utuk data PDB dilakuka perubaha melalui metode itrapolasi gua memperoleh data PDB periode bulaa dega batua aplikasi E-views versi Metode Pegolaha da Aalisis data Peelitia ii aka megguaka metodologi time series dega pedekata VAR jika data yag diguaka adalah stasioer da tidak terdapat koitegrasi, atau pedekata VECM jika data yag diguaka kemudia diketahui stasioer da terdapat koitegrasi. VAR dikembagka oleh seorag ahli Ekoometrika, Christopher A. Sims, sebagai pedekata alteratif model terhadap model persamaa gada dega pertimbaga memiimalka pedekata teori yag bertujua agar mampu meagkap feomea ekoomi dega baik (Widarjoo, 2007). Sims berpedapat bahwa jika terdapat hubuga simulta atar variabel yag diamati, maka variabelvariabel tersebut harus diperlakuka sama sehigga tidak ada lagi variabel edoge da eksoge (Nachrowi, 2006). Berawal dari pemikira iilah Sims memperkealka kosep VAR, yag teryata juga mejawab tataga kesulita yag ditemui akibat model struktural yag tidak harus megacu pada teori melaika haya perlu meetuka variabel yag salig beriteraksi da perlu. Dega kata lai, model VAR tidak bayak bergatug pada teori tetapi kita haya perlu meetuka variabel yag salig beriteraksi da perlu dimasukka dalam sistem serta meetuka bayakya jeda da perlu diikutsertaka dalam model yag diharapka dapat meagkap keterkaita atar variabel dalam model.
4 26 Keutuga dari aalisis VAR atara lai adalah metode yag sederhaa da tidak perlu membedaka maa variabel edoge da eksoge, estimasi yag sederhaa dimaa metode Ordiary Least Square (OLS) biasa dapat diaplikasika pada setiap persamaa secara terpisah, da hasil estimasi yag diperoleh dega megguaka pedekata VAR pada beberapa kasus lebih baik dibadigka dega hasil yag diperoleh dega megguaka model persamaa simulta yag kompleks sekalipu. Meskipu bayak kelebiha, Gujarati (2003) megemukaka beberapa kelemaha VAR sebagai berikut: 1. Lebih bersifat a teoretik megigat pedekata VAR tidak memafaatka iformasi terlebih dahulu sehigga model mejadi tidak struktural. 2. Kurag sesuai utuk aalisis kebijaka karea lebih meitikberatka pada peramala (forecastig). 3. Peetua bayakya lag yag diaggap optimal dapat meimbulka permasalaha megigat data yag diamati harus relatif bayak. 4. Semua variabel dalam VAR yag belum stasioer harus ditrasformasika terlebih dahulu agar stasioer. 5. Koefisie dalam estimasi VAR sulit utuk diiterprestasika Model Umum Vector Auto Regressio (VAR) Metode VAR megaggap bahwa semua variabel adalah edoge. Dalam kasus dua variabel (yt) da (zt); ilai sekarag (yt) dipegaruhi oleh ilai sekarag da ilai masa lalu (zt), sedagka ilai sekarag (zt) dipegaruhi oleh ilai sekarag da ilai masa lalu (yt). Secara sederhaa, Eders (1995) meuliska sistem bivariat tersebut sebagai berikut: y t = b 10 b 12 z t + γ 11 y t-1 + γ 12 z t-1 + ε yt.. (3.1) z t = b 20 b 22 z t + γ 21 y t-1 + γ 22 z t-1 + ε zt Persamaa (3.1) di atas dikeal sebagai first order atau primitive VAR dega asumsi:
5 27 1. y t da z t adalah stasioer, 2. ε yt da ε zt adalah proses white oise dega stadar deviasi αy da αz, da 3. ε yt da ε zt tidak salig berkorelasi. Selajutya, persamaa (3.1) tersebut diubah dalam betuk matriks atau mejadi Bx t = Г 0 + Г 0 x t-1 + ε t.. (3.2) da megalikaya terhadap iverse matriks B (B -1 ) sehigga diperoleh persamaa VAR dalam betuk stadar x t = A 0 + A 1 x t-1 + l 1 (3.3) dimaa A 0 = B -1 Г 0, A 1 = B -1 Г 0 da l 1 = B -1 ε t. Jika α i0 didefiisika sebagai eleme baris I dari vektor A 0, α ij sebagai eleme baris i da kolom j dari matriks A 1, ε it sebagai eleme baris i dari l t maka persamaa VAR yag baru adalah : y t = α 10 + α 11y t-1 + α 12z t-1 + ε 1t.. (3.4) z t = α 20 + α 21 y t-1 + α 22z t-1 + ε 2t dari persamaa dasar tersebut dapat dituruka beberapa macam betuk estimasi, dimaa salah satuya adalah respos terhadap iovasi Tahapa da Prosedur Pembetuka VAR Model VAR merupaka model persamaa regresi yag megguaka data time series yag berkaita dega masalah stasioeritas da koitegrasi atar variabel di dalamya. Pembetuka model VAR diawali dega uji stasioeritas data, dimaa model VAR biasa (urestricted VAR) aka diperoleh apabila data telah stasioer pada tigkat level. Namu jika data tidak stasioer pada tigkat level tetapi stasioer pada proses diferesiasi yag sama, maka harus dilakuka uji koitegrasi utuk megetahui apakah data tersebut mempuyai hubuga dalam jagka pajag atau tidak. Dalam hal data stasioer pada proses diferesiasi amu tidak terkoitegrasi, maka dapat dibetuk model VAR dega data diferesiasi (VAR i differece). Namu apabila terdapat koitegrasi maka dibetuk Vector Error Correctio Model (VECM), yag merupaka model VAR yag terektriksi (restricted VAR) megigat
6 28 adaya koitegrasi yag meujukka hubuga jagka pajag atar variabel dalam model VAR. Spesifikasi VECM merestriksi hubuga perilaku jagka pajag atar variabel agar koverge ke dalam hubuga koitegrasi amu tetap membiarka perubaha diamis dalam jagka pedek. Termiologi koitegrasi ii dikeal sebagai koreksi kesalaha (error correctio) karea bila terjadi deviasi terhadap keseimbaga jagka pajag aka dikoreksi melalui peyesuaia parsial jagka pedek secara bertahap. Secara meyeluruh, prosedur pegguaa alat ekoometri dalam peelitia ii dapat digambarka pada diagram 3.1 di halama berikut.
7 29 Data Time Series Uji Stasioeritas Stasioer Tidak Stasioer VAR i Level VAR i Differece Peetua Pajag Lag Uji Kausalitas Uji Koitegrasi Tidak Terkoitegrasi Terkoitegrasi VAR Estimatio Model VECM Estimatio Model Iovatio Accoutig Impulse Respose Fuctio Variace Decompositio Sumber : Agus Widarjoo (2007), diolah. Diagram 3.1 Prosedur Pegguaa Alat Ekoometri dalam Pedekata VAR Adapu tahapa dalam melakuka aalisis dega pedekata VAR adalah sebagai berikut: Uji Stasioeritas Uji stasioeritas merupaka lagkah pertama dalam membagu model VAR gua memastika bahwa data yag diguaka adalah data yag stasioer sehigga hasil regresi yag dihasilka tidak meggambarka hubuga variabel yag ampakya sigifika secara statistik amu dalam keyataaya tidak demikia
8 30 (spurious). Stasioeritas data dilihat dega megguaka uji formal, yaki Uji Akar Uit (uit root test) yag diperkealka oleh David Dickey da Waye Fuller, dega tujua utuk megetahui apakah data time series stasioer atau tidak, megigat studi terhadap data yag tidak stasioer haya dapat dilakuka pada waktu yag bersagkuta saja. Gujarati (2003) megemukaka bahwa data time series dapat dikataka stasioer jika rata-rata da variaya kosta sepajag waktu serta kovaria atara dua rutut waktuya haya tergatug dari kelambaa (lag) atara dua periode waktu tersebut. Secara statistik peryataa Gujarati dimaksud dapat dituliska sebagai berikut: Rata-rata : E(Y t ) = µ Varia : Var (Y t ) = E(Y t - µ) 2 = σ 2 Kovaria : γ k = E [(Y t - µ)( Y t-k - µ)] dimaa γ k, kovaria pada lag k, merupaka kovaria atara ilai Y t da Y t-k yaki atara ilai Y pada iterval k periode. Pemikira uji stasioeritas data dega pegujia akar uit dapat dijelaska melalui model sebagai berikut: Y t = ρy t-1 + µ t... (3.5) dimaa -1 < ρ < 1 da µ t adalah variabel gaggua yag bersifat radom atau stokastik dega rata-rata ol, varia yag kosta da tidak salig berhubuga. Jika ρ=1 maka variabel Y t mempuya akar uit, yag bergerak secara radom (radom walk) tapa tred dimaa varia Y t tidak stasioer. Hal ii meujukka bahwa Y t merupaka data yag tidak stasioer karea memiliki uit root. Bila persamaa (3.5) dikuragi dega Yt-1 pada kedua sisiya, maka aka diperoleh persamaa sebagai berikut: Y t Y t-1 = ρ Y t-1 Y t-1 + µ t.... (3.6) Y t = (ρ-1)y t-1 + µ t atau dapat ditulis dalam betuk Y t = δy t-1 + µ t... (3.7)
9 31 dimaa δ = (ρ-1) da merupaka first differece operator. Pegujia uit root dilakuka terhadap persamaa Y t = δy t-1 + µ t dega melakuka regresi first differece dari Y t terhadap Y t-1 dega hipotesa H 0 : δ = 0 da H 1 : δ 0. Jika δ = 0 maka ρ = 1, meujukka bahwa data time series memiliki uit root dimaa Y t tidak stasioer. Sedagka apabila δ 0 maka Y t adalah stasioer. Model-model di atas megasumsika µ t tidak berkorelasi, sehigga Dickey- Fuller megembagka suatu pegujia Augmeted Dickey-Fuller Test (ADF test) utuk megatisipasi adaya korelasi dimaksud. Estimasi utuk ADF test dilakuka melalui persamaa sebagai berikut: m Y t = β 1 + β 2 + δ Y t-1 + Y t µ t.. (3.8) dimaa Y t = betuk first differece, β 1 = itersep, Y = variabel yag sedag diuji, m = pajag lag yag diguaka, da µ = error term. i-1 Prosedur utuk meetuka apakah data stasioer atau tidak adalah dega cara membadigka ilai statistik ADF test dega ilai kritis distribusi statistik MacKio, dimaa ilai statistik ADF test ditujukka oleh ilai t statistik koefisie δy t-1 pada persamaa (3.8). Jika ilai absolut statistik ADF test lebih besar dari ilai kritis distribusi statistik MacKio maka H 0 ditolak, dalam arti data time series yag diamati telah statioer. Da sebalikya, jika ilai absolut statistik ADF test lebih kecil dari ilai kritis distribusi statistik MacKio, maka H 0 diterima, yag berarti data time series tidak statioer. Dalam hal hasil ADF test meujukka bahwa data time series yag diamati tidak stasioer dalam betuk level, maka perlu dilakuka trasformasi melalui proses differecig agar data mejadi stasioer. Data dalam betuk differece merupaka data yag telah dituruka dega periode sebelumya, dimaa betuk derajat pertama (first differece) dapat diotasika dega I(1) dega fugsi Y t = (Y t - Y t-1 ).... (3.9)
10 32 Prosedur ADF test kembali dilakuka apabila data time series yag diamati masih belum stasioer pada derajat pertama sehiggga kembali dilakuka differecig yag kedua (secod differece) utuk memperoleh data yag stasioer Peetua Pajag Lag Optimal Peetua kelambaa (lag) optimal merupaka tahapa yag sagat petig dalam model VAR megigat tujua membagu model VAR adalah utuk melihat perilaku da hubuga dari setiap variabel dalam sistem. Utuk kepetiga tersebut, dapat diguaka beberapa kriteria sebagai berikut: Akaike Iformatio Criterio (AIC): -2 ( / T) + 2 (k + T) Schwartz Iformatio Criterio (SIC): -2 ( / T) + k log (T) / T Haa-Qui Iformatio Criterio (HQ): -2 ( / T) + 2k log (log(t)) / T dimaa = Sum of Squared Residual, T = Jumlah Observasi, k = Parameter yag Diestimasi. Peetua lag optimal dega megguaka kriteria iformasi tersebut diperoleh dega memilih kriteria yag mempuyai ilai palig kecil di atara berbagai lag yag diajuka. Sagat dimugkika utuk membagu model VAR sebayak persamaa yag megadug kelambaa sebayak ρ lag da variabel ke dalam model VAR megigat seluruh variabel yag releva da memiliki pegaruh ekoomi dapat dimasukka kedalam persamaa model VAR. Karea itu lag optimal yag diguaka dalam model VAR bisa jadi sagat pajag (Sucahyo, 2008). Dalam peelitia ii peulis aka megguaka Schwartz Iformatio Criterio (SIC) utuk meetuka pajag lag optimal. Model VAR aka diestimasi dega tigkat lag yag berbeda-beda da selajutya ilai SIC terkecil aka diguaka sebagai ilai lag yag optimal.
11 Uji Kausalitas Tahapa selajutya dalam model VAR setelah meetuka pajag lag optimal adalah melakuka uji kausalitas Grager gua megetahui apakah terdapat hubuga yag salig mempegaruhi atar variabel edoge sehigga spesifikasi model VAR mejadi tepat utuk diguaka megigat sifatya yag o struktural. Uji kausalitas Grager melihat pegaruh masa lalu terhadap kodisi sekarag sehigga uji ii memag tepat diperguaka utuk data time series. Dalam kosep kausalitas Grager, dua peragkat data time series yag liier berkaita dega variabel X day diformulasika dalam dua betuk model regresi. Hasil-hasil regresi pada kedua betuk model regresi liier tersebut aka meghasilka empat kemugkia megeai ilai koefisie regresi masig-masig sebagai berikut: 1. β 0 da δ = 0, terdapat kausalitas satu arah dari Y ke X. i=1 i=1 2. β = 0 da δ 0, terdapat kausalitas satu arah dari X ke Y. i=1 i=1 3. β 0 da δ 0, terdapat kausalitas dua arah dari X ke Y. i=1 i=1 4. β 0 da δ = 0, tidak terdapat kausalitas atara X da Y. i=1 i= Uji Koitegrasi Tahapa selajutya dalam estimasi VAR adalah melakuka uji koitegrasi gua megetahui keberadaa hubuga jagka pajag atar variabel. Pada tahapa ii aka diketahui apakah model yag aka diguaka merupaka model VAR tigkat diferesiasi, jika tidak terdapat koitegrasi, atau model VECM, jika terdapat koitegrasi. Egle Grager meyataka bahwa kombiasi liier dari dua atau lebih variabel time series yag tidak stasioer dapat mejadi stasioer. Jika kombiasi dari variabel-variabel yag tidak stasioer meghasilka residual yag stasioer maka variabel tersebut dikataka terkoitegrasi atau memiliki hubuga jagka pajag atar variabel di dalam sistem VAR.
12 34 Megigat peelitia ii aka megguaka pedekata VAR maka metode koitegrasi yag aka diguaka utuk memperoleh hubuga jagka pajag atar variabel dalam peelitia ii adalah metode koitegrasi Johase. Metode koitegrasi Johase utuk beberapa persamaa agak berbeda dega metode Egle Grager yag lazim diguaka utuk satu persamaa saja Spesifikasi Model Secara teoretis, variabel pertumbuha ekoomi, perkembaga perbaka, pasar modal da tigkat suku buga mempuyai hubuga sehigga keempat variabel tersebut merupaka variabel edoge, yag kemudia dapat diaalisis dega megguaka metode VAR. Adapu model yag aka diguaka dalam megamati hubuga kausalitas atara pertumbuha ekoomi, perkembaga perbaka, pasar modal da tigkat suku buga pada peelitia ii adalah megacu pada model yag perah dikembagka oleh Rousseau da Xiao (2007), Jeifer Lee (2005) serta Rousseau da Watchel (1998) sebagai berikut: k k k k X 1,t = a 1,0 + a 1,i X 1,t-i + b 1,i X 2,t-i + c 1,i X 3,t-i + d 1,i X 4,t-i + µ 1,t i=1 i=1 i=1 i=1 k k k k X 2,t = a 2,0 + a 2,i X 1,t-i + b 2,i X 2,t-i + c 3,i X 3,t-i + d 4,i X 4,t-i + µ 2,t i=1 i=1 i=1 i=1 k k k k X 3,t = a 3,0 + a 3,i X 1,t-i + b 3,i X 2,t-i + c 3,i X 3,t-i + d 3,i X 4,t-i + µ 3,t i=1 i=1 i=1 i=1 k k k k X 4,t = a 4,0 + a 4,i X 1,t-i + b 4,i X 2,t-i + c 4,i X 3,t-i + d 4,i X 4,t-i + µ 4,t i=1 i=1 i=1 i=1 dimaa: X 1 adalah Produk Domestik Bruto X 2 adalah Volume Peyalura Kredit oleh Perbaka X 3 adalah Nilai Kapitalisasi Pasar Modal, X 4 adalah Tigkat Suku Buga SBI teor 1 (satu) bula.
13 35 Seluruh variabel aka diyataka dalam betuk logaritma, kecuali variabel tigkat suku buga SBI yag diyataka dalam prosetase Iovatio Accoutig Model VAR meghasilka Impulse Respose Fuctio (IRF) da Variace Decompositio (VD) yag diguaka utuk megamati struktur diamis data time series dari sistem variabel yag dicermika melalui iovatio accoutig. a. Impulse Respose Fuctio (IRF) Respo terhadap adaya iovasi (shock) merupaka salah satu metode pada VAR yag diguaka utuk melihat respo variabel edoge terhadap pegaruh iovasi variabel edoge lai yag ada dalam model. Aalisis IRF mampu melacak respo dari variabel edoge dalam model VAR akibat adaya suatu shock atau perubaha di dalam variabel gaggua (e), yag selajutya dapat melihat lamaya pegaruh dari shock suatu variabel terhadap variabel lai higga pegaruhya hilag da kembali koverge. Fugsi impulse respose didapat melalui model VAR yag diubah mejadi vektor rata-rata bergerak (vector movig average) dimaa koefisie merupaka respo terhadap adaya iovasi (Eders, 1995). Adaya shock variabel gaggua (e 1t ) pada persamaa variabel edoge ke-1 dalam model VAR, misalya e 1t megalami keaika sebesar satu stadar deviasi, maka aka mempegaruhi variabel edoge ke-1 itu sediri utuk saat ii maupu di masa yag aka datag. Megigat variabel edoge tersebut juga mucul dalam persamaa variabel edoge yag lai, maka shock variabel gaggua e 1t tersebut juga aka mejalar ke variabel edoge laiya melalui struktur diamis VAR. Dega demikia, shock atas suatu variabel dega adaya iformasi baru aka mempegaruhi variabel itu sediri da variabel laiya dalam model. b. Variace Decompositio (VD) Aalisis Variace Decompositio (VD) atau dikeal sebagai forecast error variace decompositio merupaka alat aalisis pada model VAR yag aka memberika iformasi megeai proporsi dari pergeraka pegaruh shock pada satu variabel terhadap variabel laiya pada saat ii da periode ke depaya.
14 36 VD meggambarka relatif petigya setiap variabel dalam model VAR karea adaya shock atau seberapa kuat komposisi dari peraa variabel tertetu terhadap variabel laiya. Berbeda dega IRF, VD bergua utuk memprediksi kotribusi prosetase varia setiap variabel karea adaya perubaha variabel tertetu, sedagka IRF diguaka utuk melacak dampak shock dari satu variabel edoge terhadap variabel laiya dalam model VAR.
III. METODE PENELITIAN
34 III. METODE PENELITIAN 3.1. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag bersifat kuatitatif. Data yag dikumpulka ada yag berupa data bulaa da data kuartala. Karea
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 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 terperinciIII. METODOLOGI PENELITIAN. Data-data tersebut berupa data bulanan dalam rentang waktu (time series) Januari
40 III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Berdsarkan kajian beberapa literatur penelitian ini akan menggunakan data sekunder. Data-data tersebut berupa data bulanan dalam rentang waktu (time
Lebih terperinciPEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKATAN THRESHOLD VECTOR ERROR CORRECTION MODEL. Surabaya, 30 Januari 2011
PEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKAAN HRESHOLD VECOR ERROR CORRECION MODEL OLEH : HERI PURNOMO 1309201721 PEMBIMBING : Dr. PURHADI, M.Sc Surabaya, 30 Jauari 2011 Pedahulua Suku buga da iflasi
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 terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
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 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 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 terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
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 terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
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 terperinciMATERI 10 ANALISIS EKONOMI
MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa
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 terperinciMATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.
MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah
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 terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
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 terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
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 terperincii adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.
4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha
Lebih terperinciBAB I PENDAHULUAN. menggerogoti stabilitas ekonomi suatu negara yang sedang melakukan pembangunan.
BAB I PENDAHULUAN A. Latar Belakag Iflasi merupaka suatu feomea moeter yag selalu meresahka da meggerogoti stabilitas ekoomi suatu egara yag sedag melakuka pembagua. Iflasi yag melebihi agka dua digit,
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
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 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 terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
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 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 terperinciIII. METODOLOGI PENELITIAN
16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Pegukura kierja keuaga perusahaa pada dasarya dilaksaaka karea igi megetahui tigkat profitabilitas (keutuga) da tigkat resiko atau tigkat kesehata suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciMATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL
MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciIV. METODOLOGI PENELITIAN. Pusat Statistik dan dari berbagai sumber lain yang dianggap relevan dengan
4.. Jeis da Sumber Data IV. METODOLOGI PENELITIAN Peelitia ii megguaka data sekuder yag diperoleh dari Bada Pusat Statistik da dari berbagai sumber lai yag diaggap releva dega peelitia. Utuk keperlua aalisis,
Lebih terperinciIV. METODOLOGI PENELITIAN
49 IV. METODOLOGI PENELITIAN 4.1. Tempat da Waktu Peelitia Ruag ligkup peelitia mecakup perekoomia Provisi NTT utuk megkaji peraa sektor pertaia dalam perekoomia. Kajia ii diaggap perlu utuk dilakuka dega
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 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 terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
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 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 terperinciBAB III OBYEK DAN METODE PENELITIAN
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peelitia Meurut Sugiyoo (2010, hlm. 3) pegertia dari obyek peelitia adalah sasara ilmiah utuk medapatka data dega tujua da keguaa tertetu tetag sesuatu hal
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
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 terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
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 terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
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 terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
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 terperinciBAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum
BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme
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 terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
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 terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
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 terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
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 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 terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciMATERI 12 ANALISIS PERUSAHAAN
MATERI 12 ANALISIS PERUSAHAAN EPS DAN INFORMASI LAPORAN KEUANGAN KELEMAHAN PELAPORAN EPS DALAM LAPORAN KEUANGAN ANALISIS RASIO PROFITABILITAS PERUSAHAAN EARNING PER SHARE (EPS) PRICE EARNING RATIO (PER)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Tijaua Peeliti Terdahulu Peelitia yag dilakuka oleh Laraswati tahu 2010 yag meeliti tetag portofolio optimal saham yag masuk dalam Jakarta Islamic Idex (JII). Kesimpula dari
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciIV. METODE PENELITIAN
101 IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Peelitia dilaksaaka di Bogor dega lokasi pegumpula data da iformasi di Bogor da Jakarta. Peelitia dilaksaaka dalam jagka waktu sepuluh bula mulai
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
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 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 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 terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
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