VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI *)

Ukuran: px
Mulai penontonan dengan halaman:

Download "VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI *)"

Transkripsi

1 VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI Baso Iag Sappale * Absac To measue a vaable eeded by vald sume ad elabel. Resul of measueme a vaable vey flueced by qualy of sume, measued subjek, ad offce dog measueme. I hs case becomg especal soluo s hgs ad sume elaed o sume. Isume coss of es ad o es, bu whch s phased oly es. Good es s vald es ad elably, hs case whch s suded oly eal valdy, ad em alace elably. Mea by em alace s es loadg dchoomy em ad polomy. Iem valdy fo he dchoomy of polomy ad s successvely used by bseal coeffce fomula ad mome poduc coelao, s fo he elably of es used by vaace aalyss o whch s ecogzed wh Hoy fomula. Kaa Kuc: Valdas, Relablas Tes, Bu Dkoom, Polom PENDAHULUAN Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa Uuk meguku suau vaabel dpeluka ala uku yag basa dsebu sume. Msalya, ka g meguku bea bada, gg bada, suhu bada, suhu udaa, kelembaba udaa, ekaa daah, deyu jaug, ph, gologa daah, hb, keja doke, pelayaa bda, kepuasa pase, faslas umah sak, hasl belaja maemaka, skap seseoag da la sebagaya. Djaal (000: 9) meyaaka bahwa secaa umum yag dmaksud dega sume adalah suau ala yag kaea memeuh pesyaaa akadems maka dapa dpeguaka sebaga ala uuk meguku suau obyek uku aau megumpulka daa megea suau vaabel. Selajuya, dkaaka bahwa pada dasaya sume dapa dbag mejad dua macam, yak es da o-es. Yag emasuk kelompok es, msalya es pesas belaja, es elges, es baka; sedagka yag emasuk oes msalya pedoma wawacaa, agke aau kuesoe, pedoma obsevas, dafa cocok (check ls), skala skap, skala pelaa, da sebagaya. Wezehoffe (dalam Nu, 98: ) meyaaka bahwa meyaaka pegukua sebaga suau opeas yag dlakuka ehadap alam fsk oleh pegama. Seve (dalam Nu, 98: ) meyaaka bahwa pegukua adalah pembea agka aas objek aau kejada sesua dega aua. Dalam hal pegukua, khususya dalam lmu kesehaa euya yag epeg adalah fomas hasl uku yag bea. Sebab dega hasl uku yag dak aau kuag epa maka aka bedampak egaf ehadap subjek (pase) yag aka dbeka daka. Msalya seoag pase yag membuuhka gologa daah B, kaea peugas Palag Meah salah meguku jes daah pase yag sesugguhya, sehgga dbe daah dega

2 gologa buka gologa daah B, akbaya bedampak egaf ehadap pase esebu. Hasl pegukua dpegauh oleh () ala uku (sume), () subjek yag duku, da (3) peugas yag melakuka pegukua. Dega mekbeaka pada ala ukuya, maka dalam pembahasa haya pegukua pada aah kogf, yau es. Azwa (98: 3) meyaaka bahwa es adalah posedu yag ssemas, maksudya (a) bu-bu dalam es dsusu meuu caa da aua eeu, (b) posedu admsas es da pembea agka (scog) ehadap haslya haus jelas da dspesfkas secaa epec, da (c) seap oag yag megambl es u haus medapa bubu yag sama dalam kods yag sebadg. Relaf sama dega pedapa Slvus (99: ) yag meyaaka bahwa es adalah suau posedu sseas uuk megama da mecadaka sau aau lebh kaakesk seseoag dega megguaka skala umek aau ssem kaego. Peayaa apakah suau ala uku bea-bea meguku apa yag hedak da sehausya duku sea sejauh maa ala uku esebu dapa dadalka da begua, sebeaya meujuk pada dua hal yag pokok, yau valdas da elablas (Af: 9). Nukacaa (99: 4) meyaaka bahwa suau ala peguku dapa dkaaka ala peguku yag vald apabla ala peguku esebu dapa meguku apa yag hedak duku secaa epa. VALIDITAS Azwa (98: 3) meyaaka bahwa valdas beasal da kaa valdy yag mempuya a sejauh maa keepaa da Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa kecemaa suau sume peguku (es) dalam melakuka fugs ukuya. Suyabaa (000: 4) meyaaka bahwa valdas es pada dasaya meujuk kepada deaja fugs pegukuya suau es, aau deaja kecemaa ukuya sesuau es. Sudjaa (004: ) meyaaka bahwa valdas bekeaa dega keepaa ala pelaa ehadap kosep yag dla sehgga beul-beul mela apa yag sehausya dla. Sudjaa (004: 49) meyaaka bahwa aalss valdas beujua megkaj kesahha ala uku aau soal dalam mela apa yag sehausya duku aau megkaj keepaa soal es sebaga ala uku. Djaal (000: 0) meyaaka bahwa kosep valdas es dapa dbedaka aas ga macam yau valdas s, valdas kosuk, da valdas emps. Selajuya dyaaka bahwa valdas emps ebag dua, yau valdas eal da valdas ekseal.dalam ulsa yag dbahas haya valdas eal. Valdas Ieal Djaal (000: ) meyaaka bahwa valdas eal emasuk kelompok valdas kea yag meupaka valdas yag duku dega besaa yag megguaka es sebaga suau kesaua (keseluuha bu) sebaga kea. Dega demka valdas eal mempemasalahka valdas bu dega megguaka hasl uku es esebu sebaga suau kesaua sebaga kea, sehgga basa juga dsebu valdas bu. Selajuya dyaaka bahwa valdas bu (valdas eal) dpelhaka oleh sebeapa jauh hasl uku bu esebu kosse dega hasl uku es secaa keseluuha. Oleh kaea u valdas bu ecem pada besaa koefse koelas aaa sko bu dega sko oal es. Jka koefse 3

3 koelas aaa sko bu dega sko oal es posf da sgfka maka bu esebu vald bedasaka ukua valdas eal. Uuk meeuka koefse koelas (sko bu dkoom) aaa sko bu dega sko oal es dguaka koefse koelas bseal (bs) dega umus: bs (Djaal, 000: s q ) Keeaga: = koefse koelas bseal aaa bs sko bu soal omo dega sko oal. = aa-aa sko oal espode yag mejawab bea bu soal omo. = aa-aa sko oal semua espode. s = sada devas sko oal semua espode. p = popos jawaba yag bea uuk bu soal omo. q = popos jawaba yag salah uuk bu soal omo. Sedag uuk meeuka koefse koelas (sko bu koum) aaa sko bu dega sko oal es dguaka koefse koelas poduc mome () dega umus: (Djaal, 000: ) Keeaga: = koefse koelas aaa sko bu soal dega sko oal. = jumlah kuada devas sko da p. = jumlah kuada devas sko da. Koefse koelas yag ddapa uuk masg-masg bu dbadgka dega koefse koelas yag ada pada abel- dega alpha eeu, msalya = 0,0. Jka koefse koelas aaa sko bu dega sko oal es > abel maka bu esebu vald bedasaka ukua valdas eal. RELIABILITAS Nu (98: 4) meyaaka bahwa elablas ukua meyagku eag sebeapa jauh sko devas dvdu, aau sko-z, elaf kosse apabla dlakuka pegulaga pegadmsasa dega es yag sama aau dega es yag ekvale. Djaal (000: 8) meyaaka bahwa elablas dbedaka aas dua macam, yau elablas kosses aggapa, da elablas kosses gabuga em. Dalam ulsa yag dbahas haya elablas kosses gabuga em. Relablas kosses gabuga em Djaal (000: 8) meyaaka bahwa elablas kosses gabuga em bekaa dega kemaapa aaa emem suau es. Hal dapa dugkapka dega peayaa, apakah ehadap obyek uku yag sama, em yag sau meujukka hasl uku yag sama dega em yag laya? Dega kaa la bahwa ehadap baga obyek uku yag sama, apakah hasl uku em yag sau dak koadks dega hasl uku em yag la. Azwa (003 : ) meyaaka bahwa elablas meupaka salah-sau c aau kaake uama sume pegukua yag bak. Af (99: ) meyaaka bahwa suau es dkaaka elabel jka selalu membeka hasl yag sama bla Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa 4

4 deska pada kelompok yag sama pada waku aau kesempaa yag bebeda. Sudjaa (004: ) meyaaka bahwa elablas ala pelaa adalah keepaa aau keajega ala esebu dalam mela apa yag dlaya. Aya, kapapu ala pelaa esebu dguaka aka membeka hasl yag elaf sama. (Djaal, 000: 8) meyaaka bahwa koefse elablas kosses gabuga em (bu dsko dkoom da sebaga bu dsko polom) dapa dhug dega megguaka umus aalss vaa. Selajuya Azwa (003 :90-9) meyaaka bahwa salah sau ekk aalss vaa yag saga popule adalah elablas Hoy dega umus: MK s MK MK s MK s k s k k k Y Keeaga: = Relablas. = Sko em. = Jumlah sko subjek pada seluuh em. Y = Jumlah sko seluuh subjek pada sau em. k = Bayakya em. = Bayakya subjek. MK s = Mea kuada eaks em subjek MK s = Mea kuada aa subjek k CONTOH PERHITUNGAN VALIDI- TAS DAN RELIABILITAS TES YANG DISKOR DIKOTOMI DAN BUTIR LAINNYA DISKOR POLITOMI Daa hasl uj coba 8 (delapa) bu soal dega (lma) bu peama dsko dkoom da 3 (ga) bu bekuya dsko polom kepada (sepuluh) espode, dsajka pada abel- beku. No. Resp Tabel. Daa hasl uj coba Nomo Bu PehugaValdas Bu Dkoom Tabel. Sko bu dkoom No. Nomo Bu Resp Bedasaka abel- da megguaka umus dpeoleh: p bs, s q Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa

5 =, s = s = s = (3,) 3,4 =,9 Uuk bu-, = 3 4 p = 0, (4,) q = p = 0, = 0,3. bs s p q 4... (4,) 4 = 3,43 3,43, 0, bs = 0,0,9 0,3 Uuk bu-, bs 0, Uuk bu-3, bs 3 0, 84 Uuk bu-4, bs 4 0, 8 Uuk bu-, 0, bs. PehugaValdas Bu Polom No. Resp. Tabel 3. Sko bu polom Nomo Bu Bedasaka abel-3 da megguaka umus (Djaal, 000: ), maka dpeoleh: = 89 =... 4 = 8 = - 89 = 8 - = 8 9, = 8,9 Uuk bu ,4 3, 0,99,4 8,9 3, Hasl meujukka bahwa koefse koelas sko bu- dega sko oal Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa

6 es sama dega 0,99. Dega jala yag sama dpeoleh koefse koelas bu-: 0,9 da bu-8: 8 0,94. Rekapulas koefse koelas sko semua bu, dyaaka pada abel-4 beku. Tabel 4. Rekapulas koefse koelas bu No. Koefse Nla Saus Bu Koelas Tabel. 0,0 0,3 Vald. 0, 0,3 Vald 3. 0,84 0,3 Vald 4. 0,8 0,3 Vald. 0, 0,3 Vald. 0,99 0,3 Vald. 0,9 0,3 Vald 8. 0,94 0,3 Vald Uuk = dega alpha 0,0 edapa la abel- = 0,3. Dalam abel- 4 meujukka semua bu ( bu) mempuya koefse koelas yag lebh besa da 0,3, sehgga dapa dyaaka bahwa semua bu vald. 4. Pehuga Relablas Kosses Gabuga Bu No. Resp. Tabel. Sko bu dkoom da polom N o m o B u Y Bedasaka abel-, maka dpeoleh = = Y = ( ) = () = 3. = ( ) = 33 = ( ) =.4 Y = ( ) =.88 MK s MK s MK s MK s ' = = 30,93 3 = 0,49 k 4 8 9, 9 =,84 0,49,84 k 88 9 k , k Y 3 80 k Koefse elablas = 0,98 dapa daka bahwa: () 98% vaas sko eama dakbaka oleh vaas sko seja kelompok dvdu, () koelas aaa sko eama da sko seja sama dega 0, 98 aau 0,99 (Nu, 98: ) Y KESIMPULAN Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa

7 Valdas bekeaa dega keepaa ala uku ehadap kosep yag duku sehgga beul-beul mela apa yag sehausya duku. Valdas beujua megkaj kesahha ala uku aau soal dalam mela apa yag sehausya duku aau megkaj keepaa soal es sebaga ala uku. Valdas emps yag bea bahwa valdas deuka bedasaka kea, dalam hal kea eal. Kea eal adalah es aau sume u sed yag mejad kea. Mekasme uuk megeahu valdas bu yag dsko dkoom dlakuka dega megguaka koefse bseal (-bs), sedag mekasme uuk megeahu valdas bu yag dsko polom dlakuka dega megguaka poduc mome ( y ). Relablas mempemasalahka sejauh maa hasl suau pegukua dapa dpecaya. Suau hasl pegukua haya dapa dpecaya apabla dalam bebeapa kal pelaksaaa pegukua ehadap kelompok subyek yag sama da dpeoleh hasl pegukua yag elaf sama. Relablas kosses gabuga bu bekaa dega kemaapa aaa bu-bu suau es. Hal dapa dugkapka bahwa dega obyek uku yag sama, bu yag sau meujukka hasl uku yag sama dega bu yag laya. Mekasme uuk megeahu elablas kosses gabuga bu yag dsko dkoom da dsko polom dlakuka dega megguaka es u sed sebaga kea dega dguaka umus Hoy aau aalss vaa.[*] DAFTAR PUSTAKA Af, Zaal. (99). Evaluas Isuksoal, Psp-Tekk-Posedu., Badug: Remaja Rosdakaya. Azwa, Safudd. (003). Skap Mausa Teo da Pegukuaya. Yokyakaa: Pusaka Pelaja (003). Peyusua Skala Pskolog. Yokyakaa: Pusaka Pelaja (99). Tes Pesas. Yokyakaa: Pusaka Pelaja. Djaal., dkk. (000). Pegukua Dalam Peddka. Jakaa: Pogam Pascasajaa. Nu, Mohamad. (98). Teo Tes. Suabaya: IKIP Suabaya. Slveus, Suke (99). Evaluas Hasl Belaja da Umpa Balk. Jakaa: Gameda Wdasaaa Idoesa. Sudjaa, Naa (004). Pelaa Hasl Poses Belaja Megaja. Badug: Remaja Rosdakaya. Suyabaa, Sumad. (004). Pegembaga Ala Uku Pskologs. Yokyakaa: Ad. Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa 8

8 Nukacaa, Waya., Suaaa. (99). Evaluas Hasl Belaja. Suabaya: Usaha Nasoal. Jual Ilmu Peddka (Paamee), Nomo 4, Tahu II, Desembe 00 * Baso Iag Sappale, M.Pd., D., Dose Maemaka FMIPA UNM Makassa 9

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

Reliabilitas. A. Pengertian

Reliabilitas. A. Pengertian Relablas A. Pengean Relablas adalah sejauh mana hasl ujan sswa eap aau konssen da posedu penlaan (Nko, 007:66). Menuu Ellen, suau es dkaakan elabel jka sko obsevas nla awal behubungan dengan sko yang sebenanya.

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

Kredibilitas dengan Pendekatan Bühlmann

Kredibilitas dengan Pendekatan Bühlmann Kedblas dega Pedekaa Bühlma Isada Slame da Ksa Naala Juusa Maemaka FMIPA UNS Absak Teo kedblas meupaka poses pembuaa a oleh akuas uuk melakuka peyesuaa pem d masa depa meuu pegalama masa lampau. Pada eo

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA Pada bab aka dbahas eag posedu peguja hpoess uuk daa yag beasal da dua sampel salg behubuga aau slah la dua sampel bepasaga. Salah sau cooh adalah ekspeme yag pegukuaya dlakuka

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMA YP Ula Badalampug yag belokas d Jl. Jedal R. Supapto No.88 Tajug Kaag Badalampug. Populas yag dguaka dalam peelta adalah seluuh sswa kelas

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract Esmas Paamee (Ida sa) ESIMASI PARAMEER DISRIBUSI WEIBULL DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah, Sugo, Ra Rahmawa Mahasswa Juusa Saska FSM Uvesas Dpoegoo Sa Pegaja Juusa Saska FSM UNDIP Absa

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

BAB II LANDASAN TEORI. pembahasan bab-bab berikutnya antara lain tentang model pergerakan harga

BAB II LANDASAN TEORI. pembahasan bab-bab berikutnya antara lain tentang model pergerakan harga BAB II LANDASAN TEORI Pada bab aka dbahas bebeapa eo dasa yag dpeluka pada pembahasa bab-bab bekuya aaa la eag model pegeaka haga saham, model kesembaga, meode maxmum lkelhood esmao, ops pu Ameka, smulas

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan III. METODE PENELITIAN A. Metode Peelta Peelta betujua megetahu hubuga testas kegata ekstakulkule Pamuka, da PMR pada sswa Kelas VIII SMP Nege Guug Labuha Way Kaa dega pestas belaja IPS semeste gajl tahu

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BILANGAN BAB V BARISAN BILANGAN DAN DERET Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1 68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas

Lebih terperinci

METODE PENELITIAN. Desain Penelitian yang digunakan dalam penelitian ini adalah deskriptif

METODE PENELITIAN. Desain Penelitian yang digunakan dalam penelitian ini adalah deskriptif III. METODE PENELITIAN 3.1 Dea Peelta Dea Peelta yag dguaka dalam peelta adalah dekptf aaltk, dega pedekata kuattatf da kualtatf. Pegguaa dea tekat dega tujua peelta yatu utuk medapatka gambaa tetag peep

Lebih terperinci

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai BAB III MATERI DAN METODE Peelta tetag hubuga ataa bobot potog dega bobot kakas da o kakas kambg Jawaadu beta dlaksaaka pada bula Jul sampa dega Oktobe 2016 d tempat pemotoga hewa (TPH) Bustama d Jala

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

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain Jual Gade Vol.4 No. Jaua 28 : 328-332 edeskpsa Kou Da Image Suau Kawasa Eksploas egguaka oe Calo akov Cha Jose Rzal, Ulfasa Rafflesa Juusa aemaka, Fakulas aemaka da Ilmu egeahua Alam, Uvesas Begkulu, Idoesa

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

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 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

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih 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

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV BAB III STATISTIK INFERENSI PADA RANTAI MARKOV 3. Pedahulua Pada Bab II elah dibahas megeai aai Makov beode- aau Ō() da maiks peluag asisiya. Pada bagia ii, aka dibahas bagaimaa meeuka ode aai Makov dai

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

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

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 PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

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

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 39 V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 5.. Pegembaga Mode Pemodea fuzzy eah ebuki sebagai ekik yag saga begua keika peaaa daam kodisi keidakpasia aau dega ifomasi yag idak pasi seig dijumpai

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

ANALISIS HUBUNGAN MULTI CHANNEL LEARNING DENGAN INDEKS PRESTASI MAHASISWA MENGGUNAKAN VARIABEL UTAUT DAN ANALISIS LINTASAN

ANALISIS HUBUNGAN MULTI CHANNEL LEARNING DENGAN INDEKS PRESTASI MAHASISWA MENGGUNAKAN VARIABEL UTAUT DAN ANALISIS LINTASAN ANALII HUBUNGAN MULTI HANNEL LEARNING DENGAN INDEK PRETAI MAHAIWA MENGGUNAKAN VARIABEL UTAUT DAN ANALII LINTAAN utato Halm Paata; Ngaap Im Mak Mathematcs & tatstcs Depatmet, chool of ompute cece, Bus Uvesty

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia yag peulis lakuka adalah peelitia kuatitatif, kaea peelitia ii betujua utuk megetahui adaya koelasi ataa tigkat kecedasa (IQ), motivasi bepestasi,

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Bulet Ilmah Mat. Stat. da eapaa (Bmaste) Volume 0, No. (0), hal 79-86. ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI PRODUKSI ANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Zaal Ap, Muhlasah Novtasa Maa, Neva Satahadew

Lebih terperinci

Ukuran Dispersi Multivariat

Ukuran Dispersi Multivariat Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

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

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

kimia LAJU REAKSI II Tujuan Pembelajaran

kimia LAJU REAKSI II Tujuan Pembelajaran KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0.

(Cormen 2002) III PEMBAHASAN. yt : pendapatan rumah tangga pada periode t, dengan yt 0. 5 Vaabel s dsebu vaabel slak enambahan vaabel slak beujuan unuk mengubah peaksamaan yang mengandung anda menjad sebuah pesamaan eaksamaan () bena jka dan hanya jka pesamaan (2) dan peaksamaan (3) bena

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

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

TINJAUAN PUSTAKA. Pra-pemrosesan Koreksi Pencaran Multiplikatif. ˆβ, kemudian. dan

TINJAUAN PUSTAKA. Pra-pemrosesan Koreksi Pencaran Multiplikatif. ˆβ, kemudian. dan 5 INJAUAN PUAKA Pa-peosesa Koeks Pecaa Mulplkaf Pa-peosesa ya eka ea peauh ya ucul akba sfa fsk a kaw cooh aau se sebu sebaa peauh pecaa eupaka ahapa pe ala oel kalbas Pa-peosesa esebu beujua uuk ehaslka

Lebih terperinci

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE Mara Buar-buar *, Hasra 2, Azskha 2 Mahasswa Progra S Maeaka 2 Dose Jurusa Maeaka Fakulas Maeaka da Ilu Pegeahua Ala Uversas

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

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR PERBNDINGN METODE BUNG MJEMUK DN TURN 78 DLM MENENTUKN SIS PINJMN SETIP PERIODE PD NUITS DUE ( Sudi Kasus: Kopeasi Uiesias Islam Negei Sula Syaif Kasim Riau ) TUGS KHIR Diajuka Sebagai Salah Sau Syaa Uuk

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

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

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

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 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

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

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

Sejauhmanahasilpengukurandapatdipercayabila. dilakukan pengukuran pada waktu yg berbeda pada kelompok subjek yg sama diperoleh hasil yg relatif sama

Sejauhmanahasilpengukurandapatdipercayabila. dilakukan pengukuran pada waktu yg berbeda pada kelompok subjek yg sama diperoleh hasil yg relatif sama ReadOne 008 Sejauhmanahasilpengukuandapadipecaya Sejauhmanahasilpengukuandapadipecayabila dilakukan pengukuan pada waku yg bebeda pada kelompok subjek yg sama dipeoleh hasil yg elaif sama asalkan aspek

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih 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

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

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

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES JURNA GAUSSIAN Volume Nomo ahu 0 Halama 03- Ole d: hp://ejoual-sudpad/dephp/aussa ESIMASI PARAMEER DISRIBUSI WEIBU DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah Suo Ra Rahmawa 3 Mahasswa Juusa Saska

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

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

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

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

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

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

Model Probit pada Respons Biner Multivariat Menggunakan Simulated Maximum Likelihood Estimator

Model Probit pada Respons Biner Multivariat Menggunakan Simulated Maximum Likelihood Estimator 70 Mode Pob... (Jaka Nugaha dkk) Mode Pob pada Respos Be Muvaa Megguaka Smuaed Maxmum Lkehood Esmao Pob Mode o Muvaae Bay Respose Usg Smuaed Maxmum Lkehood Esmao Jaka Nugaha ), Suyo Guo ), S Hayam ) Juusa

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

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

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

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

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

Estimasi Parameter Data Tersensor Tipe I Berdistribusi Loglogistik Menggunakan Maximum Likelihood Estimate dan Iterasi Newton-Rhapson

Estimasi Parameter Data Tersensor Tipe I Berdistribusi Loglogistik Menggunakan Maximum Likelihood Estimate dan Iterasi Newton-Rhapson Estmas Paamete Data Teseso Tpe I Bedstbus Loglogstk Megguaka Maxmum Lkelhood Estmate da Iteas Newto-Rhapso Alfes Fauk Fakultas MIPA, Uvestas Swjaya; emal: alfesfauk@us.ac.d Abstact: Suvval aalyss s oe

Lebih terperinci

BAB 2 KAJIAN TEORITIS

BAB 2 KAJIAN TEORITIS 9 BAB KAJIAN TEORITIS. Deskps Teo.. Kosep Dasa Rekayasa Pat Luak... Pegeta Rekayasa Pat Luak Pegeta ekayasa pat luak petama kal dpekealka oleh Ftz Baue sebaga peetapa da pegguaa psp-psp ekayasa dalam usaha

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

BAB III METODE PENELITIAN. Dipilihnya Bappeda Kabupaten Labuhanbatu Selatan sebagai objek penelitian

BAB III METODE PENELITIAN. Dipilihnya Bappeda Kabupaten Labuhanbatu Selatan sebagai objek penelitian 37 BAB III METODE PENELITIAN 3.. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di Bappeda Kabupate Labuhabatu Selata. Dipilihya Bappeda Kabupate Labuhabatu Selata sebagai objek peelitia kaea peeliti

Lebih terperinci