BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 8 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata (Mateace) Meurut Assaur (999, p59) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peesuaa atau peggata ag dperluka utuk medapatka suatu kods operas produks ag memuaska, sesua dega ag drecaka. Dega adaa perawata dharapka semua fasltas da mes ag dmlk oleh perusahaa dapat doperaska sesua dega jadwal ag telah dtetuka. Perawata mempua peraa ag sagat meetuka dalam kegata produks dar suatu perusahaa ag meagkut kelacara atau kemaceta produks, kelambata da volume produks. Dega demka perawata memlk fugs ag sama petga dega fugs-fugs la dar suatu perusahaa. Karea petga aktvtas perawata maka dperluka perecaaa ag matag utuk mejalakaa, sehgga terheta proses produks akbat mes rusak dapat dkurag semmum mugk. Aktvtas perawata ag bear-bear bak dapat megurag baa utuk merawat mes.

2 9 Meurut sumber ag ddapat dar jural lmah terasoal, &RQT309&VNamePQD, maajeme pabrk-pabrk terutama ag berhubuga dega baga perawata atau mateace basaa dhadapka pada pertmbaga-pertmbaga ag salg berbetura. Sebaga cotoh, jka peralata megalam perawata ag berlebh, maka baa utuk perawata aka semak tgg, amu apabla perawataa kurag, maka aka berakbat pada megkata kerusaka-kerusaka pada peralata tersebut. Pada stuas sepert, dmaa keperlua utuk perawata bergatug pada macam-macam kods, aka sagat sult utuk meetuka strateg perawata da pemelharaa ag optmal ag aka memaksmalka keutuga ag dperoleh dar peralata-peralata tersebut dega berdasarka kepada berbaga krtera. Pegerta la megea pemelharaa meurut Hezer adalah suatu aktvtas ag berkata dega usaha mempertahaka peralata/sstem dalam kods laak bekerja... Tujua Mateace p95) adalah: Adapu tujua utama dar fugs mateace, meurut Assaur (999,

3 0. Kemampua berproduks dapat memeuh kebutuha sesua dega recaa produks.. Mejaga kualtas pada tgkat ag tepat utuk memeuh apa ag dbutuhka oleh produk tu sesua da kegata produks ag tdak tergaggu. 3. Utuk membatu megurag pemakaa da pempaga ag dluar batas da mejaga modal ag dvestaska dalam perusahaa selama waktu ag dtetuka sesua dega kebjaksaaa perusaha megea vestas tersebut. 4. Utuk mecapa tgkat baa mateace seredah mugk dega melaksaaka kegata mateace secara efektf da efse. 5. Meghdar kegata meteace ag dapat membahaaka keselamata para pekerja. 6. Megadaka suatu kerjasama ag erat dega fugs-fugs utama laa dar suatu perusahaa,dalam raka mecapa tujua utama perusahaa atu tgkat keutuga atau retur of vestmet ag sebak mugk da total baa ag teredah.

4 ..3 Jes-Jes Perawata Aktvtas perawata (mateace) dapat dbedaka dalam lma jes atu prevetve mateace, correctve mateace, reactve mateace, proactve mateace da predctve mateace...3. Pegerta Prevetve Mateace Prevetve mateace adalah kegata perawata ag dlakuka utuk mecegah tmbula kerusaka da meemuka kods ag dapat meebabka fasltas atau mes produks megalam kerusaka pada waktu melakuka kegata produks. Dega demka semua fasltas atau mes ag medapat tdaka prevetve aka terjam kelacara kerjaa da selalu dalam keadaa optmal utuk melakuka kegata proses produks. Dalam pelaksaaaa prevetve mateace dapat dbedaka atas route mateace da perodc mateace. Route mateace adalah kegata perawata ag dlakuka secara rut. Cotoha pelumasa, pegeceka s baha bakar. Perodc mateace adalah kegata perawata ag dlakuka secara perodk atau dalam jagka waktu tertetu (Assaur, p90).

5 ..3. Correctve Mateace Correctve mateace merupaka kegata perawata ag dlakuka setelah mes atau fasltas megalam kerusaka atau gaggua. Dalam hal kegata correctve mateace bersfat perbaka atu meuggu sampa kerusaka terjad terlebh dahulu, kemuda baru dperbak agar dapat beroperas kembal. Tdaka correctve dapat memaka baa perawata ag lebh murah darpada tdaka prevetve. Hal tersebut dapat terjad apabla kerusaka terjad dsaat mes atau fasltas tdak melakuka proses produks. Namu saat kerusaka terjad selama proses produks berlagsug maka baa perawata aka megalam pegkata akbat terheta proses produks. Dega demka dapat dsmpulka bahwa tdaka correctve memusatka permasalah setelah permasalaha tersebut terjad, buka megaalsa masalah utuk mecegaha agar tdak terjad Reactve Mateace Reactve mateace adalah kegata pemelharaa ag dlakuka sebaga respo terhadap breakdow ut ag tdak terecaa, umuma sebaga hasl dar kegagala bak ag bersfat teral ataupu ag bersfat eksteral. Yag termasuk kedalam reactve mateace adalah correctve mateace.

6 Proactve Mateace Proactve mateace adalah pemelharaa ag dlakuka secara teratur da terecaa tapa meuggu mes rusak terlebh dahulu, sehgga dapat memmas kemugka terjada breakdow akbat kerusaka mes. Yag termasuk dalam proactve mateace adalah prevetve mateace da predctve mateace Predctve Mateace Predctve mateace adalah pemelharaa ag dlakuka melalu aalsa secara fsk terhadap peralata atau kompoe dega batua pegukura strume tertetu sepert alat pegukur getara, temperatur, pegukur suara da la-la utuk medeteks kerusaka sed mugk...4 Lagkah-Lagkah Pegambla Tdaka Mateace Dalam meetuka tdaka Mateace ag dambl ada 4 tahap ag harus dlewat terlebh dahulu atu:. What Meetuka jes kompoe ag perlu dberlakukaa pemelharaa rut. Tpe kompoe dgologka dalam jes: Kompoe Krts Kompoe ag frekues kerusakaa sagat serg.

7 4 Kompoe Maor Kompoe ag frekues kerusakaa cukup tgg. Kompoe Mor Kompoe ag frekues kerusakaa jarag.. How Berart bagamaa cara atau tdaka pemelharaa ag dambl Ispeks Rut Prevetve Mateace Correctve Mateace 3. Who Sapa ag aka bertaggug jawab atas kerusaka da ag bertaggug jawab utuk mereparaska. 4. Where Meujuka tempat ag aka dguaka utuk mereparasa...5 Kosep-Kosep Pemelharaa..5. Kosep Relablt (Keadala) Meurut Ebelg relablt adalah probabltas suatu kompoe atau sstem ag aka berjala sesua dega fugs ag dtetapka dalam jagka waktu tertetu saat kompoe tersebut beroperas. Relablt adalah probabltas mes tdak rusak walaupu telah beroperas overtme, sedagka

8 5 meurut Hezer & Reder, Relablt adalah peluag suatu mes dapat berfugs secara bear pada waktu tertetu dbawah kods tertetu pula...5. Kosep Keterawata Adalah suatu probabltas suatu kompoe atau sstem ag meujuka kemampua ag dharapka pada suatu waktu tertetu saat perawata dlakuka sesua dega prosedur ag dharuska. Keterawata suatu kompoe juga dapat dkataka sebaga probabltas suatu kompoe dapat dperbak sesua dega waktu ag dberka Kosep Avablt (Ketersedaa) Adalah probabltas suatu kompoe atau sstem ag meujuka kemampua ag dharapka pada suatu waktu tertetu ketka doperaska dalam kods operasoal tertetu. Ketersedaa juga dapat dkataka sebaga presetase waktu operasoal sebuah kompoe atau sstem selama terval waktu tertetu. Yag membedaka avablt da relablt adalah probabltas saat kompoe dalam keadaa tdak rusak walaupu pada masa lampau telah rusak tetap telah dperbak kekods semulaa. Makaa la Avablt tdak aka perah redah dar la Relablt.

9 6..6 Kosep Prevetve Mateace Kosep prevetve mateace pertama kal dterapka d Jepag pada tahu 97. Kosep mecakup semua hal ag berhubuga dega mateace dega segala mplemetasa d lapaga. Kosep megkut sertaka pekerja dar baga produks utuk ambl baga dalam kegataa mateace tersebut. Dega demka maka dharapka terjad kerjasama ag bak atara baga mateace da baga produks. It dasar dar prevetve mateace adalah speks da reparas bla terjad kerusaka pada fasltas. Ispeks dlakuka utuk mecegah kerusaka ag aka meggaggu proses produks. Ada tga hal utama dalam mateace adalah: Membershka ( Cleag ) Pekerjaa adalah tugas ag harus dlakuka setap mes atau fasltas laa setelah dguaka. Pembersha dapat dlakuka dega pembersha dar debu-debu ssa produks da juga mecuc peralata ag telah dpaka. Memerksa ( Ispecto ) Pekerjaa kedua adalah memerksa bag-baga dar mes ag daggap perlu. Pemerksaa rut perlu dlakuka sesua dega waktu ag telah dtetuka.

10 7 Memperbak ( Repar ) Pekerjaa selajuta adalah memperbak bla terdapat kerusakakerusaka sehgga dapat dguaka kembal sepert kods ormal...7 Dstrbus Kerusaka Dstrbus kerusaka adalah formas dasar megea umur paka suatu peralata dalam suatu populas. Dstrbus ag umum dguaka adalah dstrbus ekspoesal, logormal, ormal da Webull. Dstrbus kerusaka dapat memeuh berbaga fase kerusaka. Jka sampela tergolog kecl maka peaksra parameter dstrbus dlakuka dega metode kuadrat terkecl (least squares curve fttg). Dstrbus epoesal basaa dguaka jka laju kerusakaa kosta terhadap waktu. Dstrbus logormal memlk kemrpa dega dstrbus Webull sehgga jka pada suatu kasus memlk dstrbus Webull maka dstrbus Logormal, juga cocok utuk dguaka. Dstrbus ormal basaa dguaka pada feomea terjada wear out rego. Dstrbus Webull dapat dguaka pada model ag megalam laju kerusaka meak maupu meuru. Dalam perhtuga la fugs dstrbus kumulatf (F(t)) dguaka metode pedekata meda rak karea metode memberka hasl ag lebh bak utuk dstrbus kerusaka ag mempua pempaga

11 8 dstrbus (skewed dstrbuto). Adapu la F(t) tersebut ddekat dega persamaa : 0.3 F ( t) Dstrbus Ekspoesal Dstrbus memlk laju kerusaka ag tdak berubah da kosta terhadap waktu (Costat Falure Rate Model). Peaksra parameter dstrbus Ekspoesal dlakuka dega metode kuadrat terkecl (least squares method) atu : t l [/(-F ( t ))] F(t) ( -0.3 ) / ( + 0.4) Parameter : b Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka F(t) dhtug dega megguaka pedekata meda rak λ

12 9 Fugs kerusaka dstrbus Ekspoesal adalah Fugs Kepadata Probabltas t f ( t) λe λ Fugs Dstrbus Kumulatf f ( t) e λt Fugs Keadala R( t) e λt Fugs Laju Kerusaka f ( t) λ ( t ) λ R( t) Nla Rata-Rata Dstrbus Ekspoesal MTTF λ..7. Dstrbus Logormal Dstrbus logormal memlk dua parameter atu parameter betuk (s) da parameter lokas (t med ). Sepert dstrbus Webull, dstrbus Logormal memlk betuk ag bervaras. Yag serg terjad, basaa data ag dapat ddekat dega dstrbus Webull juga bsa ddekat dega dstrbus logormal. Dstrbus logormal dlakuka dega megguaka metode kuardrat terkecl (least square method) atu: l t

13 30 z )] ( [ t F Φ F(t) ( ) / ( + 0.4) b b a Parameter b s da (as) t med e Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka z la dar tabel dstrbus ormal F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus logormal adalah Fugs Kepadata Probabltas l ) ( t med t s e st t f π

14 3 Fugs Dstrbus Kumulatf f ( t) Φ l s t t med Fugs Keadala R( t) Φ l s t t med Fugs Laju Kerusaka f ( t) λ ( t) Φ l s t t med Nla Rata- Rata Dstrbus logormal MTTF t e med s..7.3 Dstrbus Normal Betuk dstrbus ormal memerupa loceg sehgga memlk la smetrs terhadap la rataa dega dua parameter betuk atu µ (la tegah) da σ (stadart devas). Parameter µ (la tegah) memlk sembarag la, postf maupu egatf. Sedagka parameter σ (stadart devas) selalu memlk la postf. Dstrbus ormal dlakuka dega megguaka metode kuadrat terkecl (least square method) atu: t

15 3 z )] ( [ t F Φ F(t) ( ) / ( + 0.4) b b a Parameter b a μ da b σ Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka z la dar tabel dstrbus Normal F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Normal adalah: Fugs Kepadata Probabltas ( ) ) ( σ μ π t e st t f

16 33 Fugs Dstrbus Kumulatf f ( t) Φ t μ σ Fugs Keadala t μ R( t) Φ σ Fugs Laju Kerusaka f ( t) λ( t) t μ Φ σ Nla Rata- Rata Dstrbus Logormal MTTF µ..7.4 Dstrbus Webull Dstrbus Webull serg dpaka sebaga pedekata utuk megetahu karakterstk fugs kerusaka karea perubaha la aka megakbatka dstrbus Webull mempua sfat tertetu ataupu ekuvale dega dstrbus tertetu. Dstrbus Webull dlakuka dega megguaka metode kuadrat terkecl (least square method) atu: t l[l(/(-f(t)))] F(t) ( ) / ( + 0.4)

17 34 b b a Parameter β α θ e Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Webull adalah: Fugs Kepadata Probabltas β θ β θ θ β t e t t f ) ( Fugs Dstrbus Kumulatf β θ t e t f ) (

18 35 Fugs Keadala R ( t) e β t α Fugs Laju Kerusaka β t λ( t ) θ θ β Nla Rata- Rata Dstrbus logormal MTTF θ Γ + β Γ( ) ( ). Γ( ) Dmaa Γ () adalah fugs gamma..8 Idetfkas Dstrbus Idetfkas dstrbus dlakuka melalu tahap atu Least Square Curve da Goodess of Ft Test..8. Least Square Curve Fttg Metode dguaka utuk meghtug la de of ft (r). Dstrbus dega la r ag terbesar aka dplh utuk duj dega megguaka Goodess of Ft Test

19 36 Rumus umum ag terdapat dalam metode Least Square Curve Fttg adalah: ( ) t F Dmaa : data waktu ke-t Jumlah data kerusaka Y Y X X Y X Y X r ft de of X X Y X XY b utuk Webull, Normal, Logormal X XY b utuk Ekspoesal b a Rumus ag dmlk masg-masg dstrbus adalah : Dstrbus Webull X l t dmaa t adalah data waktu ke

20 37 l l F( t) Parameter : β b da е e a b Dstrbus Ekspoesal t dmaa t adalah data waktu ke- l F ( t ) Parameter : λ b Dstrbus Normal t dmaa t adalah data waktu ke- z φ [ F( t )] a Parameter : σ da µ - b b Dstrbus Logormal X l t dmaa t adalah data waktu ke z φ [ F( t )] Parameter : s b da t med e sa

21 Goodess of Ft Test Setelah perhtuga de of ft dlakuka maka tahap selajuta dlakuka peguja Goodess of Ft utuk la de of ft terbesar. Uj dlakuka dega membadgka atara hpotesa ol (H 0 ) ag meataka bahwa data kerusaka megkut dstrbus plha da hpotess alteratf (H ) ag meataka bahwa data kerusaka tdak megkut dstrbus plha. Peguja ag dlakuka dalam Goodess of Ft Test ada tga macam atu Ma s Test utuk dstrbus Webull, Bartlett s Test utuk dstrbus Ekspoesal da Kolmogorov-Smrov utuk dstrbus Normal da Logormal..8.. Ma s Test adalah : Meurut Ebelg, (997, p400) hpotesa utuk melakuka uj M H o : Data kerusaka berdstrbus Webull H : Data kerusaka tdak berdstrbus Webull Uj statstka adalah : k r k + k k l t+ l t M l t+ l t M

22 39 Dmaa : k r k r M Z + Z Z 0.5 l l _ 0.5 Jka la M < M crt maka Ho dterma. Nla M crt dperoleh dar tabel dstrbus F dega v k da v k..8.. Bartlett s Test Meurut Ebelg, (997, p399) hpotesa utuk melakuka uj adalah : H o : Data kerusaka berdstrbus Ekspoetal H : Data kerusaka tdak berdstrbus Ekspoetal Uj statstka adalah : B r l r ( / r) t ( / r) + ( r + ) 6r r l t dmaa : t data waktu kerusaka ke- r jumlah kerusaka B la uj statstc utuk uj Bartlett s Test

23 40 H 0 dterma jka : X < B < X ( α /, r) ( α /, r) Kolmogorov-Smrov Test Meurut Ebelg, (997, p40) hpotesa utuk melakuka uj adalah : H o : Data kerusaka berdstrbus Normal atau Logormal H : Data kerusaka tdak berdstrbus Normal atau Logormal Uj statstka adalah : D ma ( D D ), t D ma < t s φ < t D ma φ < t < s t t s ( t t) Utuk Logormal : t l t ( l t t) s t data waktu kerusaka ke- s stadar devas

24 4 Jka D < Dcrt maka terma H0. Nla Dcrt dperoleh dar tabel crtcal value for Kolmogorov-Smrov Test for ormalt...9 Mea Tme To Falure Mea Tme To Falure merupaka rata-rata selag waktu kerusaka dar suatu dstrbus kerusaka. Perhtuga la MTTF utuk masg-masg dstrbus adalah: Dstrbus Webull MTTF φ. Γ + β Dstrbus Ekspoesal MTTF λ Dstrbus Normal MTTF α Dstrbus Logormal s / MTTF t med e..0 Mea Tme To Repar Utuk dapat meghtug rata-rata perbaka, dstrbus data utuk waktu perbaka perlu dketahu terlebh dahulu. Peguja utuk meetuka

25 4 dstrbus data dlakuka dega cara sepert ag telah djelaska. Rumus ag dguaka utuk masg-masg dstrbus adalah: Dstrbus Webull MTTR φ. Γ + β Dstrbus Ekspoesal MTTR λ Dstrbus Normal da Logormal s / MTTR t med e.. Iterval Waktu Peggata Pecegaha Kerusaka utuk Mmas Total Dowtme Peggata pecegaha dlakuka utuk meghdar terheta mes akbat kerusaka kompoe. Utuk melakuka tdaka perawata, maka harus dketahu terval waktu atara tdaka peggata (tp) ag optmal dar suatu kompoe sehgga dcapa mmas dowtme ag maksmal. Block Replacemet Jka pada selag waktu tertetu tdak terdapat kerusaka, maka tdaka peggata dlakuka pada suatu terval ag tetap. Jka sstem rusak sebelum tercapaa tp, maka dlakuka

26 43 peggata kerusaka da peggata selajuta aka tetap dlakuka pada saat tp dega megabaka pergata perbaka sebeluma. Age Replacemet Dalam metode tdaka peggata dlakuka pada saat pegoperasaa sudah mecapa waktu ag dtetapka atu tp. Jka pada selag waktu tp terdapat kerusaka, maka dlakuka peggata sebaga tdaka korektf. Perhtuga umur tdaka peggata tp dmula dar awal lag dega megambl acua dar saat sstem mula bekerja kembal setelah dlakuka tdaka perawata korektf tersebut. Rumus ag dguaka dalam metode adalah : ( tp) D ( total ekspektas dowtme per sklus) ( ekspektas pajag waktu sklus) Rumus dar total ekspektas dowtme per sklus adalah : Total Ekspektas Dowtme per sklus Tp. R(tp) +Tf. (- R(Tp)) Tp R(tp) Tf Iterval waktu tdaka peggata pecegaha Probabltas suatu sklus tdaka pecegaha Iterval waktu tdaka perbaka kerusaka Relablt waktu slus pecegaha sama dega probabltas dar kerusaka ag terjad setela waktu tp atu :

27 44 R tp ( tp) ( t) dt Jad probablt dar suatu sklus rusak atu : R(t) Ekspektas pajag waktu sklus (tp + Tp). R(tp) + (ekspektas pajag sklus kegagala). ( R(tp)) Dmaa : R(tp) Probabltas suatu sklus tdaka pecegaha (-R(tp)) Probabltas suatu sklus tdaka kegagala Utuk meetuka ekspektas pajag sklus kegagala. Perlu dperhatka waktu rata-rata kegagala / MTTF (Mea Tme To Falure), dmaa utuk prevetve mateace dperoleh : MTTF t. f ( t) dt Nla tegah dstrbus kerusaka atu : M ( tp) t. f ( t) dt R( tp) Ekspektas pajag sklus kegagala t. f ( t) dt ( ) R tp + Tf Jad ekspektas pajag waktu sklus atu : () t dt ( tp) t f ( tp Tp) R( tp) Tf. R ( R( tp) ) ( tp + Tp). R( tp) + t. f ( t) dt + Tf.( R( )) tp

28 45 Da total dowtme per sklus atu : ( ) D tp Tp R( tp) + Tf ( R( tp) ) ( tp + Tp) R( tp) + ( M ( tp) + Tf ) ( R( tp) ).. Iterval Waktu Pemerksaa Sela peggata pecegaha maka pemerksaa (speks) juga dperluka dalam Prevetve Mateace utuk megkatka avalablt. Tujua dar speks adalah utuk mecega kegagala ag tdak terdeteks terutama pada saat mes tdak beroperas ag dsebabka oleh koros atau kerusaka mekak. Yag harus dgat adalah bahwa speks dapat megkatka avalablt tetap tdak dapat megkatka relabltas. Meurut Jarde, (993, p08) tdak pemerksaa juga bertujua utuk memmas dowtme mes akbat kerusaka ag terjad secara tba-tba. Kostruks model terval waktu pemerksaa optmal tersebut adalah : waktu rata rata perbaka μ waktu rata rata pemerksaa Meurut Jarde, (993, p09) total dowtme per ut waktu merupaka fugs dar frekues pemerksaa () da dotaska dega D() atu sebaga berkut:

29 46 D() dowtme utuk perbaka kerusaka da dowtme utuk pemerksaa. ( ) λ D ( ) + μ Keteraga : λ() laju kerusaka ag terjad jumlah pemerksaa per satua waktu µ berbadg terbalk dega /µ berbadg terbalk dega / Dasumska bahwa laju kerusaka berbadg terbalk dega jumlah pemerksaa : ( ) λ k Da karea : ( ) ( ) λ D + μ Dmaa : k la kosta dar baaka kerusaka tap satua waktu, maka dperoleh : k μ..3 Kehadala (Relabt) Dega da Tapa Prevetve Mateace Pegkata kehadala dapat dtempuh melalu perawata pecegaha. Perawata pecegaha dapat megurag pegaruh wear out da meujukka hasl ag sgfka terhadap umur sstem.

30 47 Meurut Ebelg (997, p04), model kehadala berkut megasumka sstem kembal ke kods baru setelah mejala prevetve mateace. Kehadala pada saat t dataka sebaga berkut : R m (t)r(t) R m (t)r(t). R(t-T) utuk 0 t T utuk T t T Keteraga : T terval waktu peggata pecegaha kerusaka. Rm(t) kehadala (relablt) sstem dega perawata pecegaha. R(t) R(T) R(t-T) Kehadala (relablt) sstem tapa perawata pecegaha. peluag kehadala hgga perawata pecegaha pertama. peluag kehadala atara waktu t-t setelah sstem dkembalka pada kods awal (T) I adalah bukt ag mereflekska bahwa dstrbus ekspoesal, ag memlk laju kerusaka kosta, bla dlakuka prevetve mateace tdak aka meghaslka dampak apapu. Dega demka, tdak ada pegkata relablt sepert ag dharapka.

31 48. Koefse Korelas Secara artmetka la koefse korelas bas ddapatka berdasarka hasl aalss regres sederhaa, aka tetap la tdak aka memlk art. Dalam model hpotetk utuk persamaa regres, tdak dkeal keberadaa parameter korelas ( ag dlambagka dega ρ atau rho) karea X daggap peubah tetap. Dalam hal koefse korelas tersebut tdak berpera sebaga peduga parameter atau statstc tetap melulu sebaga agka. Koefse dapat dhtug dega rumus: r.3 Lagkah-lagkah Mtab 4.3. Dagram Pareto Meurut Meer da Krueger (A Mtab Gude to Statstcs, p59), A pareto chart that ordersthe bars from largest to smallest alog wth a le that shows the cummultve percetagead cout of the bars. Ths chart ofte used wth aalzg defect a maufacturg process to help determe the tpes of defects whch are most prevalet a process. Lagkah-lagkah megguaka software Mtab 4 utuk membuat dagram Pareto adalah:

32 49 Plh meu Stat > Qualt Tools > Pareto Chart Klk ops Chart defects table > Iska dega data ag sesua Masuka agka 99 dalam Combe defects after the frst Tambahka judul dagram > lalu klk OK.3. Goodess of Ft Test Goodess of ft test dlakuka utuk meguj apakah la r terbesar dar perhtuga de of ft merupaka dstrbus ag sesua dega data kerusakaka ag ada. Dalam megguaka software Mtab 4, uj goodess of ft dlakuka dega metode Aderso-Darlg. Dstrbus ag memlk la koefse Aderso-Darlg terkecl, bearart dstrbus tersebut semak cocok dega data ag dujka. Berkut merupaka lagkah-lagkah dalam melakuka uj goodess of ft dega megguaka software Mtab 4: Plh meu Stat > Qualt Tools > Idvdual Dstrbuto Idetfcato Masukka data pada Sgle colum Plh semua dstrbus ag g dujka pada ops Specf Klk OK

33 Korelas Meurut Nur Irawa da Sept Puj Astut (Megolah Data Statstk dega Mudah megguaka Mtab 4, p73), Koefse korelas Pearso bergua utuk megukur tgkat keerata hubuga lear atara varable. Nla korelas berksar atara - sampa +. Nla korelas egatf berart hubuga atara varabel egatve. Sebalka la korelas postf berart hubuga atara varabel adalah postf. Suatu hubuga atara varabel dkataka berkorelas kuat apabla mak medekat atau. Sebalka, suatu hubuga atara varabel dkataka lemah apabla semak medekat 0. Berkut merupaka lagkah-lagkah uj korelas dua varable dega megguaka Mtab 4: Plh meu Basc Statstcs > Correlato. Masukka data ag aka dolah ke dalam kolom Varables. Jka g meamplka p-value, plh Dspla p-values > kemuda klk OK

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Pegerta Pemelharaa da Perawata Pegerta Pemelharaa da Perawata ( Mateace ) meurut Assaur adalah suatu kegata utuk mejaga atau memelhara fasltas da peralata pabrk da megadaka perbaka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 22 BAB II LANDASAN TEORI 2.1 Pedahulua 2.1.1 Pegerta Mateace Beberapa pegerta perawata (mateace) meurut ahl : 1. Meurut Corder (1988), perawata merupaka suatu kombas dar tdaka yag dlakuka utuk mejaga suatu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih 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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pemelharaa (Mateace) 2.1.1 Pegerta Pemelharaa Defs pemelharaa (mateace) meurut Patrck (2001, p407) adalah suatu kegata utuk memelhara da mejaga fasltas yag ada serta memperbak,

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 4 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata ( Mateace ) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 9 BAB LANDASAN TEORI. Defs Pemelharaa Agar suatu kegata produks dapat berlagsug dega lacar, meghaslka produk-produk yag bermutu tgg, maka perlu ddukug oleh mes-mes atau peralata yag hadal da sap bekerja

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Metode Sychroous Servcg Secara umum hubuga mausa da mes dapat berbetuk salah satu dar tpe berkut (Wgjosoebroto,S., 000. Ergoom Stud Gerak da Waktu, halama 53): Sychroous servcg. Completely

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Perawata (Mateace) Perawata (mateace) adalah memperbak alat-alat mekak atau elektrk yag sedag rusak atau tergaggu (dkeal sebaga reparas, tdak terjadwal atau pemelharaa secara kebetula),

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Perawata (Mateace) Perawata (mateace) adalah memperbak alat-alat mekak atau elektrk yag sedag rusak atau tergaggu (dkeal sebaga reparas, tdak terjadwal atau pemelharaa secara kebetula),

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL Agus Fkr, ST., MM Muhammad Irva, ST.,MT. ABSTRACT I a producto system, all mache related to the creato of added value of

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

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

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA UNIVERSITAS INDONESIA OPTIMASI PREVENTIVE MAINTENANCE DAN PENJADWALAN PENGGANTIAN KOMPONEN MESIN KOMPRESSOR DENGAN MENGGUNAKAN MIXED INTEGER NON LINIER PROGRAMMING DARI KAMRAN TESIS PRIMA FITHRI 0906495886

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 08 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4. Pegumpula Data Data yag peuls kumpulka adalah data yag berhubuga dega proses produks, lapora kerusaka mes, lapora reject dalam produks yag dtaga oleh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta pemelharaa (mateace) Pemelharaa atau perawata merupaka kegata utuk mejaga atau memelhara fasltas atau perawata pabrk dega megadaka perbaka, peyesuaa atau pergata yag dperluka

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Pemelharaa (Mateace) Tujua pemelharaa adalah utuk memelhara kemampua sstem da megedalka baya sehgga system harus dracag da dpelhara utuk mecapa stadar mutu da kerja yag dharapka.

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci