OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

Ukuran: px
Mulai penontonan dengan halaman:

Download "OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)"

Transkripsi

1 OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 0

2 OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk Mnurut Prsps Mahasswa Unvrstas Sblas Mart) Skrps Sbaga Prsyaratan Untuk Mmprolh Glar Sarjana Tknk OLEH: DIAN SETYA ARINI I JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 0

3

4

5

6

7 KATA PENGANTAR Assalamu alakum wr. wb Sgala puj hanya bag Allah SWT atas sgala bntuk rahmat dan hdayahnya srta karunanya shngga pnuls bsa mnylsakan skrps n sbaga syarat untuk mndapatkan glar Sarjana Tknk d Jurusan Tknk Industr Fakultas Tknk Unvrstas Sblas Mart Surakarta. Dalam pross pnylsaan skrps n, tntu saja pnlt mngalam brbaga hambatan dan ksultan. Namun, brkat bantuan, bmbngan dan pngarahan dar brbaga phak, akhrnya ksultan-ksultan yang tmbul dapat tratas. Olh karna tu, atas sgala bntuk bantuannya, pnlt sampakan trma kash kpada:. Dr. Cucuk Nur Rosyd, ST. MT., slaku Ktua Jurusan Tknk Industr dan Pmbmbng I yang tlah mmbrkan pngarahan, bmbngan dan dukungan kpada pnlt slama plaksanaan pnltan dan pnyusunan skrps n.. Fakhrna Fahma, STP. MT., slaku Pmbmbng II yang tlah mmbrkan pngarahan, bmbngan dan dukungan kpada pnlt slama plaksanaan pnltan dan pnyusunan skrps n. 3. Bapak dan Ibu dosn Tknk Industr atas bmbngan dan sgala lmu yang tlah dajarkan slama n. 4. Bapak dan Ibuku, sbaga rasa bakt dan hormatku atas motvas, smangat, harapan dan doa-doa yang slalu mngalr untukku spanjang waktu dan spanjang masa. 5. Masku Manda yang tlah banyak skal mmbantu dalam mnylsakan skrpsku n. 6. Budh Hartn, budh Wardn, trma kash buat dukungannya, matur nuwun sangt. 7. Sahabat-sahabatku asstn Laboratorum Sstm Kualtas, Mga, Mta, Wwn, Das, Mamt, trma kash atas dukungannya slama n. 8. Smua sahabat-sahabatku TI 07 smua. Trma kash untuk doa dan dukungannya. v

8 9. Smua phak yang tdak dapat pnlt sbut satu prsatu yang mmbantu dalam pnylsaan skrps n. Pnlt mnyadar bahwa mash banyak kkurangan dalam skrps n. Olh karna tu, saran dan krtk sangat pnlt harapkan guna ksmpurnaan skrps n. Smoga skrps n dapat brmanfaat bag pnlt khususnya dan pmbaca pada umumnya. Amn. Wassalamu alakum wr. wb. Surakarta, Agustus 0 Pnlt v

9 ABSTRAK Dan Stya Arn, NIM : I OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (STUDI KASUS PRODUK FLASH DISK DENGAN KAPASITAS PENYIMPANAN 4 GB DAN 8 GB). Skrps. Surakarta: Jurusan Tknk Industr, Fakultas Tknk, Unvrstas Sblas Mart, Agustus 0. Pnntuan harga tlah mnjad masalah yang palng pntng bag prusahaan. Harga adalah satu-satunya lmn dalam bauran pmasaran yang mnghaslkan pndapatan. Harga akan mmpngaruh ksdaan konsumn dalam mmbl suatu produk. Ksdaan konsumn untuk mmbl basanya brbandng trbalk dngan harga produk. Olh karna tu dprlukan modl optmsas untuk mnntukan harga optmal untuk mmaksmumkan pndapatan prusahaan. Pndapatan prusahaan pada pnltan n dtntukan dar kmungknan konsumn untuk mmbl produk dkalkan dngan harga. Modl Multnomal Logt dgunakan untuk mmprdks kmungknan atau probabltas konsumn mmlh altrnatf produk yang dtawarkan. Stud kasus dalam pnltan n yatu flash dsk 4 GB dan 8 GB. Prusahaan harus mnntukan kombnas harga yang optmum dalam mnawarkan dua produk trsbut, untuk mmaksmumkan pndapatan dngan mmprtmbangkan satu tp konsumn. Pada kasus n hanya atrbut kapastas pnympanan dan harga pada flash dsk yang dprtmbangkan, sdangkan atrbut yang lan tdak dprtmbangkan. Brdasarkan hasl optmsas harga dngan xcl solvr, ddapatkan nla optmal untuk harga flash dsk 4 GB yatu Rp dan harga flash dsk 8 GB yatu Rp Pada kombnas harga trsbut kmungknan konsumn untuk mmbl flash dsk 4 GB adalah sbsar 0,8 dngan nla utltas sbsar 0. Kmungknan untuk mmbl flash dsk 8 GB pada kombnas harga trsbut adalah sbsar 0,565 dngan nla utltas sbsar 0,954. Kmungknan untuk tdak mmbl adalah sbsar 0,8 dngan nla utltas 0. Ekspktas pndapatan yang ddapat pada kombnas harga trsbut yatu Kata kunc : optmsas harga, modl multnomal logt. xv + 57 halaman; 6 tabl; 7 gambar; 4 lampran Daftar pustaka: 5 (975-00) v

10 ABSTRACT Dan Stya Arn, NIM: I PRICE OPTIMIZATION USING MULTINOMIAL LOGIT MODEL (CASE STUDY : FLASH DISK WITH 4 GB AND 8 GB STORAGE CAPACITY). Thss. Surakarta: Industral Engnrng Dpartmnt, Faculty of Engnrng, Sblas Mart Unvrsty, August 0. Prcng has bcom th most mportant ssu for company. Prc s th only lmnt n th marktng mx that gnrats rvnu. Th prc of a product wll affct th consumr consdraton to buy. Consumr wllngnss to buy s nvrsly proportonal to th product prc. Thrfor an optmzaton modl s rqurd to dtrmn optmal prcs to maxmz rvnus. Rvnu n ths study ar dtrmnd from purchas lklhood multpld by prc. Th purchas lklhood s drvd usng multnomal logt modl. Flash dsks wth 4 GB and 8 GB storag capacty ar usd as cas study n ths rsarch. Th company must dtrmn th optmum prc combnaton n offrng thos products n ordr to maxmz rvnus by consdrng on typ of consumr. Th attrbuts consdrd n ths cas ar th storag capacty and th prcs of th flash dsk, whl othr attrbuts ar not consdrd. Basd on th rsults of prc optmzaton usng Excl Solvr, th optmal valu obtand for th prc of 4 GB flash dsk s Rp 68,84 and Rp 07,04 for th prc of 8 GB flash dsk. On that prc combnaton, th purchas lklhood of 4 GB flash dsk s 0.8, wth 0 utlty valu. Th purchas lklhood of 8 GB flash dsk s wth utlty valu. Th lklhood of choosng not to buy s 0.8 wth 0 utlty valu. Th Expctd rvnu gnratd on that prc combnaton s 75,85. Ky words: prc optmzaton, multnomal logt modl. xv + 57 pags, 6 tabls, 7 drawngs, 4 attachmnts Bblography: 5 (975-00). x

11 DAFTAR ISI HALAMAN JUDUL LEMBAR PENGESAHAN LEMBAR VALIDASI SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH v SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH v KATA PENGANTAR v ABSTRAK v ABSTRACT x DAFTAR ISI x DAFTAR TABEL x DAFTAR GAMBAR xv BAB I PENDAHULUAN I-. Latar Blakang I-. Prumusan Masalah I-3.3 Tujuan Pnltan I-3.4 Manfaat Pnltan I-3.5 Batasan Masalah I-3.6 Asums I-4.7 Sstmatka Pnulsan I-4 BAB II TINJAUAN PUSTAKA II-. Pngrtan Harga II-. Stratg Pnntuan Harga II-.3 Pntapan Harga Optmum II-4.4 Pross Pngamblan Kputusan Pmblan II-5.5 Qualtatv Choc Modl (QCM) II-6.6 Rvald Choc Survy vs Statd Choc Survy II-7.7 Modl Multnomal Logt (MNL) II-8.8 Multkolnrtas II-.8. Konskuns Prakts dar Multkolnrtas II-3.8. Dtks Multkolnrtas II-3 x

12 .9 Evaluas Modl II-4.9. Uj Kbakan Modl (Goodnss of Ft) II-4.9. Uj Sgnfkans Varabl Indpndn Scara Srntak (Ovrall Modl Ft) II Uj Sgnfkans Varabl Indpndn Scara Indvdual (Sgnfcanc Tst) II-6.0 Pnltan Trdahulu II-7.0. Rbstn dan Gatgnon (984) II-7.0. Corra (008) II-9 BAB III METODOLOGI PENELITIAN III- 3. Tahap Idntfkas Masalah III- 3. Tahap Pngumpulan dan Pngolahan Data III Pngumpulan Data III Pngolahan Data III Tahap Analss III Tahap Ksmpulan dan Saran III- BAB IV PENGUMPULAN DAN PENGOLAHAN DATA IV- 4. Pngumpulan Data IV- 4. Pngolahan Data IV- 4.. Karaktrsas Data IV- 4.. Modl Multnomal Logt IV Uj Asums Klask IV Estmas Paramtr IV Evaluas Modl IV Valdas Modl IV Optmsas Harga IV-9 BAB V ANALISIS DAN INTERPRETASI HASIL V- 5. Analss Pngaruh Harga Trhadap Prlaku Rspondn Dalam Pmlhan Altrnatf V- 5. Analss Modl Multnomal Logt V- 5.. Analss Uj Prasyarat Modl V- 5.. Analss Paramtr Modl Multnomal Logt V- x

13 5..3 Analss Probabltas Pmlhan Altrnatf (Purchas Lklhood) V Analss Uj Evaluas Modl V Analss Valdas Modl V Analss Grafk Purchas Lklhood V Analss Optmsas Harga V-8 BAB VI KESIMPULAN DAN SARAN VI- 6. Ksmpulan VI- 6. Saran VI- DAFTAR PUSTAKA LAMPIRAN Lampran : Kusonr L- Lampran : Hasl Pngumpulan Data L- Lampran 3 : Output SPSS L-4 Lampran 4 : Tabl Ch Squar L-6 x

14 DAFTAR TABEL Hal Tabl. Pngaruh harga trhadap ksdaan mmbl II-4 Tabl. Analss Margnal II-5 Tabl.3 Modl pnjualan trhadap harga II-7 Tabl 3. Contoh kusonr III-4 Tabl 4. Contoh hasl pngumpulan data IV- Tabl 4. Tabl Jumlah data IV- Tabl 4.3 Tabl prosntas plhan rspondn pada tap kombnas harga flash dsk IV-3 Tabl 4.4 Uj Multkolnrtas IV-4 Tabl 4.5 Estmas Paramtr IV-4 Tabl 4.6 Tabl Psudo R-Squar IV-6 Tabl 4.7 Tabl Uj Ovrall Modl Ft IV-6 Tabl 4.8 Lklhood Rato Tst IV-7 Tabl 4.9 Uj Wald IV-8 Tabl 4.0 Classfcaton IV-9 Tabl 4. Output Hasl Excl Solvr IV- Tabl 5. Tabl Harga dan Puchas Lklhood (P =75) V-7 x

15 DAFTAR GAMBAR Gambar. Hal-hal yang dprtmbangkan dalam pntapan harga Gambar. Pntapan harga brdasarkan nla vs pntapan harga brdasarkan baya Gambar.3 Pross kputusan pmblan Gambar.5 Ilustras modl Gambar.6 Mtodolog Pnltan Corra, 008 Gambar 3. Mtodolog Pnltan Gambar 5. Grafk Purchas Lklhood untuk Harga =75 Hal II- II-3 II-6 II-8 II-0 III- IV- xv

16 BAB I PENDAHULUAN Bab n mmbahas mngna latar blakang, prumusan masalah, tujuan pnltan, manfaat pnltan, batasan masalah, asums dan sstmatka pnulsan.. Latar Blakang Era prdagangan bbas sprt saat n mnybabkan smakn banyak barang yang brdar d pasaran, shngga prsangan harga mnjad smakn ktat. Harga yang dajukan olh prusahaan akan gagal bla trlalu tngg untuk dapat mnghaslkan prmntaan dan akan gagal pula bla trlalu rndah untuk dapat mnghaslkan kuntungan (Kottlr, 008). Olh karna tu, harga mrupakan kputusan krts yang prlu dtntukan prusahaan. Trdapat brmacam-macam mtod yang dlakukan prusahaan dalam pntapan harga, dantaranya yatu pntapan harga brdasarkan baya, pntapan harga brdasarkan nla, pntapan harga brdasarkan prmntaan pasar, dan pntapan harga brdasarkan harga psang (Kottlr, 008). Pada pntapan harga brdasarkan nla, prusahaan mntapkan harga targt brdasarkan pada prsps planggan atas nla produk (Kottlr, 008). Nla dan harga yang dtargtkan kmudan mndorong kputusan mngna dsan produk dan baya apa yang dapat dtanggung. Salah satu cara yang dapat dlakukan dalam pntapan harga brdasarkan nla n yatu pntapan harga dngan modl multnomal logt. Modl logt mrupakan suatu modl rgrs yang varabl dpndnnya brupa varabl kualtatf, msalnya plhan mrk (mrk A, mrk B, atau mrk C), plhan moda transportas (bus, krta, atau taks), dan kputusan pmblan (mmbl atau tdak mmbl) (Nachrow, 00). Modl multnomal logt mrupakan modl logt dngan altrnatf plhan lbh dar dua. Output dar modl n yatu prdks probabltas plhan rspondn. Modl multnomal logt dapat mmprdks probabltas kputusan pmblan rspondn pada tngkat harga yang brbda-bda. Kputusan pmblan konsumn djadkan varabl dpndn dan harga djadkan varabl ndpndn yang mmpngaruh kputusan pmblan konsumn trsbut. I-

17 Harga dplh brdasarkan yang mnghaslkan harga dkalkan dngan probabltas kputusan mmbl, yang palng tngg. Harga dan kmungknan konsumn untuk mmbl basanya brbandng trbalk (Wnard, 99). Olh karna tu, dprlukan modl optmsas untuk mnntukan harga optmal untuk mmaksmumkan harga dkalkan kmungknan konsumn untuk mmbl atau dalam pnltan n dsbut dngan kspktas pndapatan. Modl Multnomal Logt dapat mmprdks kmungknan atau probabltas konsumn mmlh altrnatf produk yang dtawarkan atau purchas lklhood. Harga dan purchas lklhood trsbutlah yang akan doptmumkan untuk mncapa pndapatan yang maksmum. Modl logt akan mmprdks probabltas plhan konsumn brdasarkan prtmbangan kombnas harga pada altrnatf plhan. Modl Multnomal Logt dplh karna struktur modl logt mncrmnkan prlaku pmlhan yang sbnarnya (Lln, 007). Kasus yang akan dbahas dalam pnltan n yatu pnjual harus mnntukan kombnas harga trbak dalam mnawarkan dua produknya, dngan mmprtmbangkan satu tp konsumn. Satu tp konsumn maksudnya Produk yang dangkat dalam pnltan n yatu flash dsk. Mnurut Cook & Wssman (007) bntuk umum dar survy yang mmprtmbangkan plhan konsumn, produk yang dplh hanya mmlk satu atrbut yang mmbdakan antara altrnatf satu dngan altrnatf yang lan. Flash dsk d pasaran basanya, pada satu mrk dan bntuk yang sama, dbdakan olh atrbut kapastas pnympanan. Pada pnltan n akan dtntukan kombnas harga yang optmal untuk flash dsk yang mrk dan bntuknya sama ttap kapastasnya brbda. Pnltan n mngacu pada pnltan yang dlakukan olh Corra (008). Pada pnltan trsbut dmodlkan optmsas harga dngan tga altrnatf pndkatan yatu Multnomal Logt, Bnary Logt dan Logt-Logt untuk mnylsakan masalah pnntuan harga dua altrnatf produk. Dar ktga altrnatf pndkatan trsbut, trplh modl multnomal logt yang palng bak dalam mngoptmumkan harga. Pnltan n mnggunakan modl optmsas harga dngan pndkatan multnomal logt yang dsbutkan dalam pnltan trsbut. Akan ttap, pnltan n lbh fokus pada stud kasus modl trsbut untuk optmsas harga I-

18 pada pmlhan flash dsk. Slan tu pada pnltan n dgunakan survy atau kusonr untuk mngtahu prnyataan plhan konsumn dantara bbrapa altrnatf plhan, sdangkan pada Corra (008), tdak mnggunakan kusonr ttap mnggunakan data yang d-gnrat mnggunakan Random Numbr Gnrator pada Softwar C++. Mtod pngumpulan data dngan kusonr dplh karna pnltan n mrupakan stud kasus shngga dprlukan mtod pngumpulan data yang lbh mncrmnkan data pmblan sbnarnya dbandngkan dngan data yang d-gnrat mnggunakan Random Numbr Gnrator.. Prumusan Masalah Brdasarkan latar blakang yang tlah durakan, maka dapat drumuskan pokok prmasalahan dar pnltan n yatu bagamana mnntukan harga yang optmum dar dua altrnatf produk flash dsk 4 GB dan 8 GB untuk mmaksmumkan kspktas pndapatan dngan mnggunakan Modl Multnomal Logt..3 Tujuan Pnltan Tujuan yang ngn dcapa dalam pnltan n adalah mnntukan harga optmum dar dua altrnatf produk flash dsk 4 GB dan 8 GB untuk mmaksmumkan kspktas pndapatan dngan mnggunakan Modl Multnomal Logt..4 Manfaat Pnltan Manfaat dar pnltan n yatu dharapkan dapat mmbrkan masukan dalam pngamblan kputusan yang mnyangkut pnntuan harga yang optmum bag prusahaan..5 Batasan Masalah Batasan masalah dar pnltan n adalah :. Atrbut produk yang dprtmbangkan dalam modl hanya harga.. Flash dsk kapastas 4 GB dan 8 GB dplh sbaga altrnatf produk. Flash dsk dngan kapastas trsbut dplh karna palng umum d pasaran saat n. 3. Rspondn adalah Mahasswa Unvrstas Sblas Mart pngguna flash dsk. I-3

19 .6 Asums Asums yang dgunakan dalam pnltan n yatu :. Altrnatf brsfat mutually xclusv. Rspondn hanya dapat mmlh salah satu dantara altrnatf plhan.. Prbdaan antara flash dsk kapastas 4 GB dan 8 GB hanya pada kapastas pnympanannya saja. Fungs, bntuk, ukuran dan ftur lannya danggap sama shngga dapat dprbandngkan. 3. Prsps konsumn trhadap harga flash dsk tdak mngalam prubahan slama pnltan dlakukan. 4. Populas danggap homogn atau hanya mmprtmbangkan satu tp konsumn. Satu tp konsumn maksudnya sluruh populas dalam pnltan n yatu, mahasswa UNS pngguna flash dsk, danggap brada dalam satu sgmn pasar yang sama..7 Sstmatka Pnulsan Pnulsan pnltan dalam laporan tugas akhr n mngkut uraan yang dbrkan pada stap bab yang brurutan untuk mmprmudah pmbahasannya. Sstmatka pnulsan pnltan optmsas harga dngan Modl Multnomal Logt adalah sbaga brkut: BAB I PENDAHULUAN Bab n brs mngna alasan atau latar blakang prlunya dadakan pnltan mngna optmsas harga dngan Modl Multnomal Logt dsrta pula dngan prumusan masalah, tujuan pnltan, manfaat pnltan, batasan masalah, asums, dan sstmatka pnulsan dar pnltan. BAB II TINJAUAN PUSTAKA Bab n brs mngna dasar-dasar tor dan hasl-hasl pnltan sblumnya yang mnunjang pmbahasan masalah yatu mngna harga, pngamblan kputusan pmblan, Qualtatv Choc Modl, Statd-choc Survy, Modl Multnomal Logt, dan pnltan trdahulu. BAB III METODOLOGI PENELITIAN Bab n brs mngna krangka pmkran dar pnltan yang mmuat tahap-tahap pnltan mula dar tahap dntfkas prmasalahan awal, tahap I-4

20 pngumpulan dan pngolahan data, analss dan ntrprtas hasl srta pnarkan ksmpulan. BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Bab n brs mngna data pnltan dprlukan dalam mnganalss prmasalahan yang ada. Data brknaan dngan hasl kusonr statd-choc yang dsbarkan kpada pngguna flash dsk. Pada bab n djlaskan pula cara pngolahan data-data trsbut. BAB V ANALISIS HASIL PENELITIAN Bab n brs ntrprtas dar hasl pngolahan data, bak data prmr maupun data skundr srta mmbandngkan trhadap tujuan pnltan yang tlah dttapkan. BAB VI KESIMPULAN DAN SARAN Bab n brs mngna ksmpulan dar hasl pngolahan data pnltan, dan saran untuk pnltan mngna optmsas harga dngan Modl Multnomal Logt. I-5

21 BAB II TINJAUAN PUSTAKA Bab n mmbahas mngna konsp dan tor yang dgunakan dalam pnltan, sbaga landasan dan dasar pmkran untuk mmbahas srta mnganalsa prmasalahan yang ada.. Pngrtan Harga Pada tor konom, harga, nla dan utltas adalah konsp yang salng brhubungan (Stanton, 975). Utltas adalah atrbut dar sbuah bnda yang mmbuatnya mampu mmuaskan konsumn. Nla adalah ksprs kualtatf dar kkuatan produk yang mmbuatnya mnark untuk dprtukarkan dngan produk lan. Harga adalah nla yang dksprskan dalam bntuk uang. Harga adalah jumlah uang atau barang yang harus dbayar olh pmbl sbaga pnggant barang atau jasa atau harga adalah raso antara jumlah uang, barang atau jasa yang dtrma pnjual dngan jumlah barang atau jasa yang dtrma pmbl (Monro, 990). Sdangkan mnurut Kottlr (008), harga dalam art smpt adalah jumlah yang dtaghkan atas suatu produk atau jasa, art luasnya yatu jumlah smua nla yang dbrkan olh planggan untuk mndapatkan kuntungan dar mmlk atau mnggunakan produk atau jasa.. Stratg Pnntuan Harga Harga yang dajukan olh prusahaan akan gagal bla brada trlalu tngg untuk dapat mnghaslkan prmntaan dan bla trlalu rndah untuk mnghaslkan kuntungan. Gambar. brkut n mnunjukkan prtmbangan-prtmbangan utama prusahaan dalam pntapan harga mnurut Kottlr (008). Gambar. Hal-hal yang dprtmbangkan dalam pntapan harga Sumbr: Kottlr, 008 II-

22 Prsps planggan trhadap nla-nla dar produk mnjad batas atas dar harga. Planggan tdak akan mmbl produk jka mnganggap harga yang dtawarkan lbh tngg dar nla produk. Baya produks mntapkan batas bawah bag harga. Prusahaan akan mngalam krugan bla mntapkan harga yang lbh rndah dar baya produks. Dalam pntapan harga dantara dua kadaan kstrm n, prusahaan harus mmprtmbangkan faktor ntrnal dan kstrnal lannya trmasuk stratg dan bauran pmasaran scara ksluruhan, konds pasar dan prmntaan, dan stratg srta harga dar psang. Apapun yang mnjad prtmbangan pnjual dalam pnntuan harga, pada akhrnya konsumn yang akan mnntukan apakah harga produk tpat atau tdak, shngga swaktu mntukan harga prusahaan harus mmprtmbangkan prsps konsumn tntang harga dan bagamana prsps trsbut mmpngaruh kputusan mmbl para konsumn. Konsumn dalam mmbl suatu produk, mmprtukarkan ssuatu yang mmlk nla (harga) untuk mncapa ssuatu yang brnla (kuntungan atau manfaat mmlk atau mnggunakan produk). Pntapan harga yang brorntas pada pmbl scara fktf, mlput pmahaman tntang nla apa yang dbrkan para konsumn atas kuntungan yang dtrma dar produk yang brsangkutan dan mntapkan suatu harga yang cocok dngan nla trsbut. Pandangan atau prsps konsumn tntang kpantasan suatu harga produk yang mmpngaruh konsumn dalam mngvaluas produk yang akan dbl dsbut dngan prsps pnrmaan harga. Untuk tu prusahaan harus mampu mncptakan stratg harga scara bjaksana untuk mndapatkan prsps konsumn yang tpat brkatan dngan harga suatu produk. Harga produk yang trlalu tngg, akan brpngaruh ngatf trhadap prsps nla konsumn pada suatu produk. Apabla harga trlalu tngg, konsumn akan mmbandngkan dngan produk lan yang mmlk harga lbh trjangkau brdasarkan rfrns (rfrnc prc) yang dmlknya. Makn banyak prusahaan, dwasa n mntapkan harga atas apa yang dnamakan prcvd valu (nla produk mnurut prsps para pmbl). Kunc pntapan harga n yatu brdasarkan prsps nla para pmbl dan bukanlah baya-baya pnjual. Pada prcvd valu prcng dgunakan varabl-varabl II-

23 untuk mnmbulkan nla yang dprspskan dalam pkran konsumn. Harga dttapkan untuk mndapatkan nla yang dprspskan (Wnard, 99). Gambar. Pntapan harga brdasarkan nla vs pntapan harga brdasarkan baya Sumbr: Kottlr, 008 Gambar. mmbandngkan pntapan harga brdasarkan nla dngan pntapan harga brdasarkan baya mnurut Kottlr (008). Pntapan harga brdasarkan baya dgrakkan olh produk. Prusahaan mndsan ssuatu yang danggap mrupakan produk yang bagus, mnjumlahkan baya untuk mmbuat produk trsbut, dan kmudan mntapkan harga yang dapat mnutup baya dan dtambahkan dngan targt laba. Bagan pmasaran kmudan harus myaknkan pmbl nla suatu produk pada harga trsbut dapat mmbnarkan pmblan trsbut. Bla trnyata harganya trlalu tngg, prusahaan harus mnrma kuntungan yang rndah atau pnjualan yang lbh rndah, kduanya mnghaslkan laba yang mngcwakan. Pntapan harga brdasarkan nla mmbalk pross n. Prusahaan mntapkan harga targt brdasarkan pada prsps planggan atas nla produk. Nla dan harga yang dtargtkan kmudan mndorong kputusan mngna dsan produk dan baya apa yang dapat dtanggung. Sbaga haslnya pntapan harga dmula dngan mnganalss kbutuhan konsumn dan prsps nla mrka, harga kmudan dttapkan untuk mnyama nla anggapan (prcvd valu) konsumn. Pnntuan harga mmlk brbaga macam stratg ssua dngan tahap yang dlalu olh sbuah produk atau jasa. Kotlr dan Armstrong (008) dantaranya mnglompokkan stratg pnntuan harga mnjad mpat. Prtama, stratg pntapan harga produk baru, yakn pntapan harga untuk mraup pasar dan pntapan harga untuk pntras pasar. Kdua, stratg pntapan harga bauran produk, yakn pntapan harga ln produk, pntapan harga produk plhan, II-3

24 pntapan harga produk trkat, pntapan harga produk sampngan, dan pntapan harga pakt produk. Ktga, stratg pnysuaan harga, yang trdr dar pntapan harga dskon dan pngurangan harga, pntapan harga trsgmntas, pntapan harga pskologs, pntapan harga untuk promos, pntapan harga murah dan pntapan harga brdasarkan gografk. Kmpat, stratg mnghadapa prubahan harga, yatu mmlopor prubahan harga, bagamana braks trhadap prubahan harga. Prusahaan basanya mngmbangkan ln produk. Dalam pntapan harga ln produk (produk ln prcng), manajmn harus mmutuskan jnjang harga yang dttapkan antara brbaga produk dalam ln. Mnurut Kottlr (008), Jnjang harga harus mmprhatkan mmprhatkan prbdaan baya antara produk dalam ln, valuas planggan tntang brbaga ftur yang brbda, dan harga psang. Tugas pnjual adalah untuk mntapkan prbdaan ftur atau kualtas anggapan yang mndukung prbdaan harga trsbut. Mnurut Wnard (99), jka prbdaan harga antara dua buah produk dalam ln kcl, pmbl cndrung mmbl produk yang lbh unggul. Sdangkan jka prbdaan harga bsar, pmbl cndrung mmbl produk yang lbh nfror..3 Pntapan Harga Optmum Harga akan mmpngaruh ksdaan konsumn untuk mmbl. Apabla harga pnjualan dubah, maka akan trjad prgsran pada ttk ksmbangan. Apabla harga dnakkan, maka ksdaan konsumn untuk mmbl mnjad turun. Sdangkan apabla harga dturunkan maka ksdaan konsumn untuk mmbl jad nak (Wnard, 99). Pngaruh harga trhadap ksdaan konsumn djlaskan pada Tabl. brkut n. Tabl. Pngaruh harga trhadap ksdaan mmbl Harga Ksdaan mmbl Harga dnakkan Harga dturunkan Sumbr: Wnard, 99 mnurun mnngkat Pnntuan harga optmal dapat dlakukan dngan pndkatan lan yatu, analss marjnal (Wnard, 99). Analss marjnal mrupakan mtod untuk II-4

25 mncar harga yang mnghaslkan laba maksmum. Analss marjnal mlput tndakan mmplajar apa yang akan trjad apabla produks dubah dngan satu ksatuan. Hasl analss marjnal adalah prubahan dalam hasl total yang tmbul apabla prusahaan mnjual tambahan sbuah produk. Contoh hasl optmsas harga dngan analss marjnal dtunjukkan pada Tabl. brkut n. Haslnya yatu harga 3750 trplh sbaga harga trbak karna mnghaslkan laba maksmum yatu Tabl. Analss Margnal Harga Jumlah yang djual Hasl Total (x) Hasl Marjnal Baya Marjnal Baya Total Laba (3-6) a b a=harga trbak b= laba maksmum Sumbr: Wnard, 99.4 Pross Pngamblan Kputusan Pmblan Mnurut Monro (990), konsumn mmbuat kputusan pmblan dalam dua pross. Prtama pmbl mnksr nla dar produk yang dtawarkan, kmudan pmbl mmutuskan untuk mmbl atau tdak. Sdangkan mnurut Kottlr (008), prlaku konsumn adalah salah satu faktor yang mmpngaruh pross pngamblan kputusan pmblan olh ssorang. Modl pross pngamblan kputusan pmblan dgambarkan pada Gambar.3 brkut n. Gambar.3 Pross Kputusan Pmblan Sumbr: Kotlr, 008 II-5

26 Pross pmblan yang dlakukan konsumn ada bbrapa tahap (Kotlr, 008), yatu:. Pngnalan Kbutuhan Pross pmblan muncul ktka pmbl mngnal suatu masalah atau kbutuhan. Munculnya pngnalan kbutuhan dpngaruh olh rangsangan ntrnal ataupun kstrnal.. Pncaran Informas Sorang konsumn akan mula mncar nformas sbanyak-banyaknya tntang suatu produk yang akan dblnya. 3. Evaluas Altrnatf Stlah tahap pngnalan dan pncaran nformas tahap slanjutnya adalah valuas altrnatf. Konsumn mlhat suatu produk dngan karaktrstk dan kmampuan yang brbda-bda. Konsumn akan mncar altrnatf-altrnatf yang ada ttap dngan harga yang lbh murah dan kualtas yang sbandng. 4. Kputusan Pmblan Dalam tahap valuas, konsumn mmbntuk prfrns antara mrk mrk yang ada. Trdapat dua faktor yang mnjad pngaruh utama dalam kputusan pmblan. Faktor prtama adalah stuas, yatu dmana pmblan yang dlakukan brsfat spontantas. Faktor kdua adalah skap orang lan, pmblan dlakukan karna trpngaruh skap phak lan trhadap suatu produk..5 Qualtatv Choc Modl (QCM) Qualtatv Choc adalah stuas dmana pngambl kputusan mnghadap bbrapa altrnatv plhan brbda dan harus mmlh salah satu dar plhan trsbut. Plhan apa yang trplh trgantung pada prmasalahan yang dhadap pngambl kputusan. Konsumn slalu mmaksmalkan utltasnya. Konsumn akan mmlh produk yang mmpunya utltas palng tngg dantara smua altrnatf plhan. Konsumn slalu mmaksmumkan utltas produk yang dblnya. Konsumn mmlh produk yang mnurutnya mmlk utltas yang palng tngg dantara altrnatf yang dtawarkan. Altrnatf yang trplh trgantung dar karaktrstk ndvdu, yang dpngruh olh pngalaman, opn, ktrbatasan II-6

27 lngkungan, prlaku, dll. Trkat dngan tap altrnatf trplh trdapat probabltas trplh yang dapat dgambarkan dalam fungs paramtrk sbaga brkut:..(.) dmana, x n = vktor karaktrstk dar altrnatf yang damat olh pngambl kputusan n, Jn = kumpulan dar altrnatf Sn = karaktrstk yang dobsrvas olh pngambl kputusan n, msalnya pndapatan, umur, dll. = vktor dar paramtr. QCM msalnya logt dprolh dngan fungs f yang spsfk. Multnomal Logt mrupakan sbuah plhan modl logt yang jumlah plhannya lbh dar dua. QCM dapat dgunakan dalam bbrapa stuas msalnya pmlhan rut prg k kantor, pmlhan moda transportas dan kputusan pmblan produk trtntu. Altrnatf yang dhadap pngambl kputusan basanya harus mmnuh bbrapa batasan yatu:. Jumlah plhan trbatas. Altrnatf brsfat mutually xclusv..6 Rvald Choc Survy vs Statd Choc Survy Qualtatv Choc Modl tlah dgunakan olh prst marktng untuk mmbuat fungs nla untuk mmbuat modl dskrptf prlaku konsumn. (Corra, 008). Paramtr pada modl trsbut dapat dstmas dngan Rvald Choc atau Statd Choc. Rvald Choc mnggunakan data hstors pmblan untuk mngstmas paramtr. Salah satu cara rvald choc survy adalah dngan brtanya pada rspondn mngna mrk dan harga mobl yang baru dblnya. Dngan mnggunakan rvald choc survy, data mmpunya valdtas kstrnal yang bak, karna data brasal dar data pmblan yang sbnarnya. Ttap ada bbrapa kkurangan mtod rvald choc msalnya harga pada duna nyata II-7

28 brvaras pada ksaran yang smpt. Karna tu hasl dar rvald choc tdak bak dgunakan untuk mmprdks prlaku konsumn untuk harga dluar ksaran harga yang ada d pasaran (Corra, 008). Rvald choc modl juga tdak bsa dgunakan untuk mngstmas paramtr dar atrbut produk yang blum ada d pasaran. Statd choc mnggunakan survy untuk brtanya pada rspondn mngna plhan yang mungkn dplh dar bbrapa altrnatf. Rspondn akan dtanya mngna plhan apa yang mrka ngnkan untuk mlakukan ssuatu atau bagamana mmbuat rangkng atau plhan trtntu dalam satu atau brbaga stuas dugaan. Tknk statd choc ddasar olh konsp bahwa ndvdu akan mmlh altrnatf yang mmaksmumkan utltasnya. Klbhan mtod statd choc yatu pnlt bbas mlakukan dsan prtanyaan untuk brbaga stuas ssua dngan kbutuhan pnltan. Slan tu mtod statd choc bsa dgunakan sbaga nstrumn pngumpulan data untuk mmbangun modl prlaku konsumn dngan ksaran harga yang lbh luas dan atrbut produk yang lbh novatf (Wssmann & Cook, 007)..7 Modl Multnomal Logt (MNL) Varabl dpndn maupun varabl ndpndn dalam modl rgrs tdak slalu brsfat kunttatf, ttap dapat pula brsfat kualtatf. Varabl kualtatf n srng dsbut sbaga varabl buatan atau varabl dummy. Dalam bbrapa ltratur dsbut pula varabl ndkator, varabl bnr, varabl dkotom, dan varabl katgor. Varabl kualtatf basanya mnunjukkan ada tdaknya kualtas suatu atrbut, sprt lak-lak atau prmpuan, htam atau puth, dll. Salah satu mtod mngkuantfkas atrbut-atrbut trsbut adalah dngan mmbntuk varabl-varabl artfsal yang mmprhtungkan nla-nla 0 atau, 0 mnunjukkan ktadaan sbuah atrbut dan mnunjukkan kbradaan atrbut tu. Pada kasus-kasus pnltan dngan tujuan untuk mngtahu hubungan antara suatu varabl dmana varabl trkatnya brupa data katgork, maka analss rgrs lnar standar tdak bsa dlakukan, olh karna tu salah satu pndkatan yang dapat dlakukan adalah rgrs logstk. II-8

29 Modl logstk dngan mpat katgor, trdapat tga fungs logt sbaga brkut. Fungs logt untuk Y= rlatf trhadap fungs logt untuk Y=0 Fungs logt untuk Y= rlatf trhadap fungs logt untuk Y=0 Fungs logt untuk Y=3 rlatf trhadap fungs logt untuk Y=0 Katgor Y=0 dsbut sbaga katgor rujukan atau pmbandng (rfrnc group). Scara umum, bla akan mnganalss modl dngan n varabl bbas, maka tga fungs logtnya dnotaskan sbaga brkut: Pr( Y x Pr( Y 0 x z ( x) ln 0 x x... n x n Pr( Y x Pr( Y 0 x z ( x) ln 0 x x... n x n..(.)..(.3) Pr( Y 3 x Pr( Y 0 x z3 ( x) ln 30 3x 3 x... 3n x n..(.4) Dalam rgrs logstk varabl rspon (Y), ddfnskan sbaga log dar odds dmana odds ddfnskan sbaga raso probabltas dar dua altrnatf (Garrow, 00). Pada modl bnary logt fungs logtnya dnotaskan sbaga brkut. z Pr( Y x Y x Pr( 0 3 ( x) ln 0 x x... n x n..(.5) Pr( Y x ln z Y x Pr( 0 ln p p p p z xp( z) p xp( z) p( xp( z)) xp( z) p xp( z)..(.6)..(.7)..(.8)..(.9)...(.0) xp( z) p ( xp( z))..(.) II-9

30 z p z..(.) Prsamaan.7 mnunjukkan log odds, sdangkan odds dtunjukkan pada Prsamaan.8. Analog dngan pmbahasan modl bnary logt, untuk modl rgrs logstk dngan mpat katgor, probabltas untuk masng-masng katgor adalah: p Pr( Y 0 x) 0 z z z3..(.3) p Pr( Y x) p z z z z3 Pr( Y x) z z z z3..(.4)..(.5) p Pr( Y 3 x) z3 3 z z z3..(.6) Tujuan dar Modl Multnomal Logt dalam pmasaran adalah untuk mmprdks probabltas bahwa planggan akan mmlh masng-masng dar bbrapa altrnatf yang trsda pada ksmpatan plhan. Modl MNL brdasar pada bbrapa konsp antara lan:. Planggan mmlk prfrns atau utltas untuk stap altrnatf plhan yang tdak tramat.. Utltas stap altrnatf plhan trdr dar dua komponn, yatu komponn dtrmnstk (nla ntrnsk atau daya tark altrnatf plhan), dan komponn acak yang brvaras scara acak d sluruh altrnatf plhan, planggan, dan pmblan. 3. Dstrbus komponn random bsa dtntukan. 4. Pada stap ksmpatan plhan, planggan mmlh altrnatf yang mmbrkan utltas trtngg bagnya. Brkut n akan djlaskan mngna uraan konsp-konsp utama pada modl MNL. Pada stap ksmpatan plhan, yang utltasnya tdak tramat planggan mndapat plhan altrnatf k yang dbrkan olh Prsamaan (.7). U k A k k...(.7) II-0

31 Dmana k adalah komponn random dar utltas planggan, dasumskan bahwa k brdstrbus Gumbl. Prlu dprhatkan bahwa utltas (U k) mrupakan jumlah dar komponn damat (A k) dan komponn yang tdak tramat ( k), shngga tdak dapat dobsrvas, atau latn. A k adalah ksluruhan daya tark (dsmpulkan sbaga prfrns atau nla utltas) altrnatf k untuk planggan Ak j X jk j...(.8) X jk adalah nla yang damat atau dukur dar varabl kontkstual j (msalnya warna produk dan harga produk) untuk altrnatf produk k. j adalah bobot kpntngan varabl j (dstmas dalam modl dan mrp dngan kofsn rgrs). Dasumskan bahwa planggan mmlh produk yang mnawarkan padanya utltas trtngg. Kmudan, probabltas bahwa planggan akan mmlh altrnatf k adalah sbag brkut. Pk P{ U k U m}...(.9) Pada konds trsbut, probabltas atau purchas lklhood (PL) dmana ndvdu akan mmlh altrnatf j dtulskan sbaga brkut. P k k A A k..(.0) Pada modl multnomal logt, mrupakan dasar dar logartma natural. Bla dtrapkan untuk masalah khas "plhan mrk", modl komponn mmlk ntrprtas sbaga brkut: X jk = Evaluas planggan pada mrk j pada atrbut produk k (msal harga), dmana pnjumlahan dsn mrupakan pnjumlahan smua mrk yang dprtmbangkan ndvdu untuk mmbl; j = Bobot kpntngan mnunjukkan sjauh mana atrbut j mmpngaruh prfrns mrk (brlaku untuk smua mrk). Bobot kpntngan dapat dstmas dngan banyak cara, sama sprt kofsn rgrs; j j X jk = Ksluruhan daya tark (utltas) mrk k bag planggan II-

32 Modl multnomal logt pntng dalam bdang pmasaran karna modl logt mncrmnkan prlaku pmlhan yang sbnarnya. Msalnya pada Prsamaan (.0), ksponnsal dalam prsamaan trsbut mnjamn bahwa probabltas slalu postf, karna ksponnsal dar stap blangan ral slalu postf. Karaktrstk pntng dar logt adalah mnghaslkan kurva brbntuk S yang dapat mnunjukkan kspktas hubungan antara utltas dan plhan. Hal n dapat dtunjukkan dngan mngplotkan Prsamaan (.0) dalam bntuk grafk. Grafk Prsamaan (.0) mrupakan fungs A k, mnghaslkan kurva brbntuk S yang asmtot k nol (tdak ada ksmpatan untuk dplh) untuk mrk sangat tdak mnark mnuju k mrk yang sangat mnark (hampr past akan dplh). Dalam sbagan bsar aplkas modl logt, daya tark dar sbuah mrk (atau altrnatf plhan) dasumskan sbaga fungs dar karaktrstknya. Fungs daya tark n basanya lnar sprt pada Prsamaan (.9)..8 Multkolnrtas Uj asums klask dprlukan agar modl rgrs yang dsusun mmbrkan hasl yang tdak bas, maka prlu dlakukan uj asums klask (Gujarat, 007). Logt modl mmpunya klbhan sprt tdak mmrlukan asums normaltas atas varabl - varabl bbas yang dgunakan dalam modl, shngga asums klask yang duj hanya ada tdaknya multkolnartas antar varabl bbas. Multkolnartas brart ada hubungan lnar yang smpurna atau past dantara atau smua varabl ndpndn pada modl (Gujarat, 007). Dalam kasus hubungan lnr smpurna atau multkolnrtas smpurna dantara varabl-varabl pnjlas, kta tdak bsa mndapatkan stmas unk dar dar smua paramtr. Dan karna kta tdak bsa mndapatkan stmas unknya, kta tdak bsa mnark ksmpulan statstk apa pun tntang hasl trsbut dar sampl yang ada. Dngan kata lan, dalam kasus multkonrtas smpurna, stmas dan pngujan hpotss tntang kofsn rgrs ndvdual dalam rgrs brganda adalah mustahl. II-

33 .8. Konskuns Prakts dar Mutkolnrtas Dalam kasus multkolnrtas dkat atau tngg, trdapat konskuns prakts sbaga brkut:. Varans bsar dan ksalahan standar stmator OLS. Karna kolnrtas tngg antarvarabl ndpndn, ktka varabl trsbut dmasukkan dalam rgrs, ksalahan standar kofsn varabl dpndn nak scara dramats.. Slang kprcayaan mnjad lbh lbar. Karna ksalahan standar yang bsar, slang kprcayaan untuk paramtr populas cndrung bsar. 3. Raso t tdak sgnfkan. Kasus kolnrtas tngg, ksalahan standar yang dstmas nak scara dramats, shngga mmbuat nla t lbh kcl. 4. Nla R yang tngg tap sdkt raso t yang sgnfkan. 5. Estmator OLS dan ksalahan standarnya mnjad sangat snstv trhadap prubahan kcl dalam data; yakn cndrung tak stabl. Prubahan data varabl ndpndnt yang amat kcl akan mnybabkan hasl rgrs brubah amat bsar. 6. Tanda yang salah untuk kofsn rgrs. 7. ksultan dalam mnla kontrbus ndvdual dar varabl-varabl pnjlas trhadap jumlah kuadrat yang djlaskan (ESS) atau R. Konskuns dar adanya multkolnartas adalah apabla ada kolnartas smpurna dantara varabl ndpndn, kofsn rgrsnya tak trtntu dan ksalahan standarnya tak trhngga. Jka kolnartas tngg ttap tdak smpurna, pnaksran kofsn rgrs adalah mungkn, ttap ksalahan standarnya cndrung bsar. Hal n mngakbatkan nla populas dar kofsn tdak dapat dtaksr dngan tpat. Adanya multkolnartas d antara varabl-varabl ndpndn scara statstk tdak sgnfkan, mngakbatkan tdak dktahu adanya varabl ndpndn yang mmpngaruh varabl dpndn..8. Dtks Mutkolnrtas Bbrapa ndkator mutkolnrtas antara lan:. R tngg ttap sdkt raso t yang sgnfkan.. Korlas brpasangan yang tngg d antara varabl-varabl pnjlas. II-3

34 3. Pngujan korlas parsal. 4. Rgrs subsdr atau tambahan. Mngngat multkolnrtas muncul karna salah satu atau lbh varabl pnjlas adalah kombnas past lnr atau hampr past dar lnr dar varabl-varabl pnjlas lannya, salah satu cara untuk mngtahu varabl X mana yang sangat kolnr dngan varablvarabl X lan dalam modl adalah mrgrskan masng-masng varabl X trhadap varabl-varabl X yang lan dan mnghtung R trkat (Gujarat, 007). 5. Gjala mutkolnrtas dapat ddtks dngan nla Tolranc dan nla Varanc Inflaton Factor (VIF) yang drumuskan sbaga brkut. VIF R Tolranc R...(.)...(.) dmana R mrupakan kofsn dtrmnas yang dprolh dar rgrs auxlary. Rgrs auxlary dlakukan dngan mlakukan rgrs stap varabl ndpndn dngan varabl-varabl ndpndn yang lan. Nla Tolranc rndah sama dngan nla VIF tngg (VIF = /Tolranc). Nla cutoff atau batas yang umum dpaka untuk mnunjukkan adanya multkolnrtas adalah nla Tolranc < 0,0 atau sama dngan nla VIF > 0. Dar gjala multkolnrtas d atas, brkut n mrupakan langkah-langkah yang dapat dlakukan untuk prbakan, dantaranya:. Mngluarkan varabl dar modl.. Mnambah data atau sampl baru. 3. Mngkaj ulang modlnya. 4. Transformas varabl. 5. Analss faktor..9 Evaluas Modl Hasl rgrs logstk mmrlukan sbuah valuas untuk mngtahu sbrapa bak hasl rgrs logstk trsbut. Evaluas hasl rgrs logstk mlput:.9. Uj Kbakan Modl (Goodnss of ft) II-4

35 Uj kbakan modl dgunakan untuk mngtahu kbakan modl dngan mnggunakan ukuran kofsn dtrmnas. Kofsn dtrmnas (R ) mngukur propors varan d dalam varabl ndpndn yang djlaskan olh varabl dpndn. Ukuran kbakan rgrs dalam modl rgrs logstk dsbut Psudo R. Ada tga ukuran Psudo R yang dapat dgunakan untuk mngukur kbakan modl rgrs multnomal logstk, yatu:. Psudo R Cox and Snll dngan rumus sbaga brkut: R CS L(0) L( B) / n. Psudo R Naglkrk dngan rumus sbaga brkut: R CS R N / n L(0) 3. Psudo R McFaddn dngan rumus sbaga brkut:...(.)...(.) L( B) R M L(0)...(.3) dmana L(0) adalah lklhood modl hanya dngan konstanta dan L(B) adalah modl yang dstmas srta n adalah jumlah obsrvas..9. Uj Sgnfkans Varabl Indpndn Scara Srntak (Ovrall Modl Ft) Uj Ovrall Modl Ft dgunakan untuk mngtahu apakah smua varabl ndpndn dalam rgrs logstk scara srntak mmpngaruh varabl dpndn. Uj n dlakukan dngan uj lklhood rato, yatu dngan mnghtung prbdaan nla - log lklhood (-LL) antara modl yang hanya trdr dar konstanta dngan modl yang trdr dar konstanta dan varabl ndpndn. Uj lklhood rato n mngkut dstrbus ch squar. Jka nla ch squar htung lbh bsar dar pada nla ch squar tabl maka kta mnolak hpotss nol yang brart smua varabl pnjlas scara brsama-sama mmpngaruh varabl dpndn. Sdangkan jka nla ch squar htung lbh kcl dar pada nla ch squar tabl maka kta dapat mnrma hpotss nol yang brart smua varabl pnjlas scara brsama-sama tdak mmpngaruh varabl dpndn. II-5

36 .9.3 Uj Sgnfkans Varabl Indpndn Scara Indvdual (Sgnfcanc Tst) Uj Sgnfkans dgunakan untuk mngtahu apakah varabl ndpndn scara ndvdu brpngaruh pada varabl dpndn. Uj sgnfkans varabl ndpndn dapat dlakukan dngan dua cara yatu Uj Lklhood Rato dan Uj Wald.. Uj Lklhood Rato Uj Lklhood Rato ddasarkan pada prbdaan - log lklhood (-LL) antara modl yang dstmas (fnal modl) dngan modl tanpa varabl yang damat (rduc modl) dngan drajat bbas sbanyak varabl ndpndn yang tdak dmasukkan dalam modl. Uj lklhood rato n mngkut dstrbus ch squar. Jka nla ch squar htung lbh bsar dar pada nla ch squar tabl maka kta mnolak hpotss nol yang brart varabl pnjlas scara ndvdual mmpngaruh varabl dpndn. Sdangkan jka nla ch squar htung lbh kcl darpada nla ch squar tabl maka kta dapat mnrma hpotss nol yang brart varabl pnjlas scara ndvdual tdak mmpngaruh varabl dpndn.. Uj Wald Uj Wald dapat dgunakan untuk mngtahu apakah varabl ndpndn mmpngaruh varabl dpndn atau tdak. Nla statstka Wald dapat dhtung dngan mnggunakan nla statstka brdasarkan dstrbus normal Z sprt pada Prsamaan (.4) brkut. ˆ Z s ˆ...(.4) dmana ˆ mrupakan nla kofsn stmas pada modl sdangkan s ˆ mrupakan standar rror dar kofsn trsbut. Nla Z pada Prsamaan (.4) datas bla dkuadratkan akan mnghaslkan nla statstka Wald. Nla Statstka Wald n mngkut dstrbus ch squar. Jka nla statstk Wald lbh bsar dar pada nla ch squar tabl maka kta mnolak II-6

37 hpotss nol yang brart varabl pnjlas brpngaruh pada varabl dpndn. Sdangkan jka nla statstk Wald lbh kcl darpada nla ch squar tabl maka kta mnrma hpotss nol yang brart varabl pnjlas tdak brpngaruh pada varabl dpndn..0 Pnltan Trdahulu Pnltan yang trkat dngan optmsas harga tlah dlakukan antara lan olh Rbstn dan Gatgnon (984) dan Corra (008).0. Rbstn dan Gatgnon (984) Pnltan lan yang trkat dngan pnntuan harga optmal dlakukan olh Rbstn dan Gatgnon (984). Pada pnltan trsbut dusulkan tga modl untuk mnntukan pnjualan brdasarkan harga. Tabl.3 brkut n mnunjukkan ktga modl trsbut. Tabl.3 Modl pnjualan trhadap harga Struktur Error Trm Modl,0, ut, t S, t Pt, t E( u, t, ut, t ) untuk smua E( u, t, u j, t' ) 0 untuk smua, j, t, t Modl t,0, u, t S, t P, t E( u, t, u j, t ), j untuk smua E( u t, t, u, t ) E( u, t, u j, t' ) 0 untuk smua, j Modl 3 n t, 0 j u Sama dngan modl,, t S P, t j j, t Dmana u,t adalah rror trm pada bntuk log-lnr modl. Sumbr: Rbstn dan Gatgnon, 984 dmana, S t = pnjualan pada waktu t mrk P t = harga pada waktu t mrk = blangan logartma natural = paramtr yang dstmas Modl mnunjukkan hubungan logartmk antara harga dan pnjualan yang dstmaskan scara trpsah untuk stap mrk yang brbda. Modl mmprtmbangkan korlas antar mrk dalam product ln. Modl 3 II-7

38 II-8 mmprtmbangkan prubahan pnjualan yang dsbabkan olh harga produk tu sndr dan harga produk lan dalam satu ln atau mmprtmbangkan crosslastcts antar mrk. Gambar.5 brkut n mnunjukkan lustras dar ktga modl trsbut. Gambar.5 Ilustras modl Sumbr: Rbstn dan Gatgnon, 984 Dar modl pnjualan trsbut kmudan dturunkan untuk mmbntuk modl maksmas proft sbaga brkut. 0 ) ( ] ) [( ] [ /,,,,, /,,,,,,,,, 0,,, 0, j j j j C P P P C P P P P E k t k t k j t j t k t t t n j t j t..(.5) dmana C t mrupakan baya produk mrk pada waktu t. Dar Prsamaan (.5) trsbut dapat dcar harga optmal yang mmaksmumkan proft sbaga brkut. ) ( ] [ ] [ * * *,,,, * k k k k k j j C P S E S E C P..(.6)

39 Data yang dgunakan dalam pnltan trsbut adalah data pnjualan dan harga tlur dalam brbaga macam ukuran d suprmarkt. Kmudan dar data trsbut dmodlkan pnjualan tlur dngan prdktor harga. Estmas paramtr pada modl mnggunakan mtod Ordnary Last Squar. Hasl dar pnltan trsbut yatu modl ktga, yatu modl yang mmprtmbangkan crosslastcts palng bak dalam mrkomndaskan harga optmal karna palng mndkat urutan harga yang sbnarnya..0. Corra (008) Pnltan n mngacu pada pnltan yang dlakukan olh Corra (008). Pada pnltan trsbut pnlt mnggunakan tga altrnatf pndkatan yatu Multnomal Logt, Bnary Logt dan Logt-Logt. Dar ktga altrnatf pndkatan trsbut, dplh modl mana yang palng bak dalam mngoptmumkan harga. Trdapat 3 fas analss prmasalahan yang dgunakan dalam pnltan trsbut, yatu smulas data pnjualan, stmas paramtr dan optmas harga. Pada pnltan trsbut pnlt mmodlkan optmas harga sbaga brkut: a. Fungs tujuan: Mmaksmum kspktas pndapatan (Expctd Rvnu) Max E(rvnu) = Prc * PL + Prc * PL..(.7) b. Fungs pmbatas: probabltas konsumn mmlh produk (Purchas Lklhood) PL PL U () U (0) U () U () U () U (0) U () U () p prc owr p uppr..(.8)..(.9) Dmana U() adalah stmas utltas produk yang dmodlkan pada bagan sblumnya. p lowr dan p uppr mrupakan batas atas dan batas bawah harga dar tap produk II-9

40 Gambar.6 brkut n mrupakan mtodolog pnltan Corra (008). Gambar.6 Mtodolog Pnltan Corra, 008 Sumbr: Corra, 008 Hasl dar pnltan trsbut yatu Multnomal Logt Modl mrupakan pndkatan yang palng bak dbandng kdua altrnatf pndkatan lannya karna haslnya palng mndkat nla optmum torts dan akurasnya smakn bak dngan brtambahnya jumlah obsrvas. Mnurut pnltan trsbut, bahwa untuk pnntuan harga optmum, Dscrt Choc Modl dapat dmplmntaskan dngan tknk rgrs logstk multnomal untuk mmbntuk kofsn dan prsntas lklhood untuk mngstmas probabltas plhan. Output dar modl adalah nla utltas yang dapat dgunakan untuk mnntukan harga optmum. II-0

41 BAB III METODOLOGI PENELITIAN Pada bab n durakan scara sstmats mngna langkah-langkah yang dlakukan dalam pnltan. Adapun langkah-langkah yang dlakukan dalam pnltan dtujukan pada Gambar. 3. d bawah n Gambar 3. Mtodolog Pnltan III-

42 3. Tahap Idntfkas Masalah Tahap n dawal dngan stud pustaka, stud lapangan, prumusan masalah, pnntuan tujuan pnltan dan mnntukan manfaat pnltan. Langkah-langkah yang ada pada tahap dntfkas masalah trsbut djlaskan pada sub bab brkut n.. Stud Pustaka Stud pustaka dlakukan untuk mndukung pross dntfkas masalah. Stud pustaka dlakukan dngan mncar nformas yang brkatan dngan prmasalahan yang dbahas dalam pnltan n. Pncaran nformas n dlakukan dngan mlalu ntrnt, prpustakaan, shngga dprolh rfrns yang dapat dgunakan untuk mndukung pmbahasan pnltan n. Rfrns yang trkat trutama mngna masalah pnntuan harga dan modl multnomal logt.. Stud Lapangan Stud lapangan dlakukan untuk mndapatkan nformas trkat dngan produk yang yang akan dangkat dalam pnltan n. Produk yang dcar yatu produk yang atrbutnya tdak trlalu banyak dan hanya mmlk satu atrbut pmbda. D antara banyak altrnatf produk, dplh produk flash dsk. Produk flash dsk d pasaran basanya pada satu mrk dan bntuk yang sama, trdapat satu pmbda yatu kapastas pnympanannya. Pada pnltan n akan dtntukan kombnas harga yang optmal untuk flash dsk yang mrk dan bntuknya sama ttap kapastasnya brbda. 3. Prumusan Masalah Brdasarkan dntfkas masalah yang tlah dlakukan, kmudan dsusun sbuah rumusan masalah. Adapun prmasalahan yang akan dbahas lbh lanjut adalah bagamana mnntukan harga yang optmum dar dua altrnatf produk flash dsk 4 GB dan 8 GB untuk mmaksmumkan kspktas pndapatan dngan mnggunakan Modl Multnomal Logt. 4. Tujuan Pnltan Tujuan pnltan dttapkan agar pnltan yang dlakukan dapat mnjawab dan mnylsakan rumusan masalah yang dhadap. Adapun tujuan pnltan yang dttapkan dar hasl prumusan masalah yatu mnntukan harga optmum III-

43 dar dua altrnatf produk flash dsk 4 GB dan 8 GB untuk mmaksmumkan kspktas pndapatan dngan mnggunakan Modl Multnomal Logt. 5. Manfaat Pnltan Suatu prmasalahan akan dtlt apabla d dalamnya mngandung unsur manfaat. Adapun manfaat yang dharapkan dar pnltan n yatu dapat mmbrkan masukan dalam pngamblan kputusan yang mnyangkut pnntuan harga yang optmum bag prusahaan. 3. Tahap Pngumpulan dan Pngolahan Data Pada tahap n dlakukan pngumpulan dan pngolahan data yang dgunakan untuk pnltan n. 3.. Pngumpulan Data Pngumpulan data dlakukan dngan kusonr yang dsbarkan kpada Mahasswa Unvrstas Sblas Mart Surakarta. Pngumpulan data dlakukan dngan kusonr maka prlu untuk mrancang kusonr trlbh dahulu.. Mrancang Kusonr Prancangan kusonr dlakukan dngan mngdntfkas data apa saja yang dprlukan dalam pnltan, kmudan mrancang kusonr yang dapat dgunakan sbaga nstrumn untuk pngumpulan data trsbut. Data yang dprlukan dalam pmbntukan modl multnomal logt untuk pnntuan harga yatu data plhan pmblan pada harga yang brbda-bda. Altrnatf plhan yang dbrkan yatu mmbl flash dsk 4 GB dngan harga trtntu, mmbl flash dsk 8 GB dngan harga trtntu atau tdak mmbl. Dar plhan konsumn trsbut dapat dktahu kmungknan konsumn untuk mmbl pada harga trtntu. Rancangan kusonr mngacu pada Cook & Wssman (007) yatu kusonr untuk multnomal statd-choc survy. Statd-choc survy dgunakan karna dapat dgunakan sbaga nstrumn pngumpulan data untuk mmbuat modl prlaku konsumn dngan ksaran harga yang lbh lbar, shngga cocok untuk mmbuat modl pnntuan harga. Pada multnomal statd-choc survy, rspondn dmnta untuk mmlh satu dar tga atau lbh altrnatf plhan. Tabl III-3

44 3. brkut n mnunjukkan contoh kusonr hasl prancangan. Kusonr slngkapnya dtunjukkan pada Lampran. Tabl 3. Contoh Kusonr Harga Flashdsk Flash dsk 4 Gb Flash dsk 8 Gb Tdak Mmbl Rp Rp plh salah satu plh salah satu Rp Rp plh salah satu Rp Rp plh salah satu Rp5.000 Rp plh salah satu Rp Rp Pada kusonr n rspondn dmnta untuk mmsalkan ngn mmbl flash dsk. D toko trdapat dua plhan yatu flash dsk 4 GB dan 8 GB dngan kombnas harga trtntu. Trdapat tga altrnatf yang dapat dplh olh rspondn, yatu mmbl flash dsk 4 GB, mmbl flash dsk 8 GB, atau tdak mmbl. Rspondn dmnta untuk mmlh salah satu dar ktga altrnatf trsbut dngan mmbr tanda cntang.. Pngumpulan Data dngan Kusonr Populas dalam pnltan n adalah mahasswa UNS yang mrupakan pngguna flash dsk. Rspondn sbaga sampl brjumlah 50 orang mahasswa UNS pngguna flash dsk. Tdak trdapat mtod khusus dalam pmlhan rspondn. Rspondn dplh yang mudah dtmu atau convnnt samplng. Hal n karna pnltan n hanya mmprtmbangkan satu tp konsumn shngga rspondn danggap homogn. Satu tp konsumn maksudnya sluruh populas dalam pnltan n yatu mahasswa UNS pngguna flash dsk danggap brada dalam satu sgmn pasar yang sama. Pngumpulan data dlakukan untuk mngtahu plhan rspondn pada tap kombnas harga flash dsk 4 GB dan 8 GB. Rspondn dmnta untuk mmlh antara flash dsk 4 GB dngan harga trtntu, flash dsk 8 GB dngan harga III-4

45 trtntu, atau tdak mmbl. Dar hasl pngumpulan data dngan kusonr brupa plhan konsumn pada harga trtntu trsbut, dapat dktahu kmungknan konsumn untuk mmbl pada harga trtntu. 3.. Pngolahan Data Pngolahan data yang dlakukan mlput karaktrstk data, modl multnomal logt, dan optmas harga.. Karaktrstk Data Karaktrstk data dlakukan dngan mnyajkan hasl pngumpulan data dalam bntuk grafk. Karaktrstk data dgunakan untuk mngtahu trn prlaku pmblan flash dsk pada tngkat harga yang brbda-bda. Data hasl pngumpulan data brupa data plhan pmblan rspondn pada kombnas harga yang brbda-bda, dolah mnjad data probabltas plhan rspondn. Pada tap kombnas harga, jumlah rspondn yang mmlh mmbl flash dsk 4 GB djumlahkan, kmudan dbag dngan jumlah sluruh rspondn, shnggga ddapat probabltas rspondn mmlh mmbl flash dsk 4 GB. Hal yang sama dlakukan pula pada altrnatf plhan yang lan. Data probabltas plhan rspondn pada tap kombnas harga trsbut kmudan dsajkan dalam bntuk grafk. Probabltas plhan rspondn pada sumbu y dan kombnas harga pada sumbu x.. Modl Multnomal Logt Pada pnltan n, modl multnomal logt dgunakan untuk mmodlkan kputusan pmlhan altrnatf pmblan. Pada kasus n, yang mnjad varabl dpndn adalah kputusan pmlhan altrnatf pmblan flash dsk olh rspondn. Kputusan dklasfkaskan mnjad tga yatu mmbl flash dsk 4 GB, mmbl flash dsk 8 GB dan tdak mmbl. Harga flash dsk 4 GB dan flash dsk 8 GB dgunakan sbaga varabl ndpndn pada modl, yang mmpngaruh kputusan pmlhan altrnatf. Harga sbaga varabl ndpndn mrupakan varabl kuanttatf, sdangkan kputusan pmlhan altrnatf pmblan mrupakan varabl kualtatf. Pngolahan data pada modl multnomal logt trdr dar mpat tahap, yatu uj asums klask, stmas paramtr pada modl, uj valuas modl, dan valdas III-5

46 modl. Smua pngolahan data pada modl multnomal logt n dlakukan dngan mnggunakan softwar SPSS 3.0 for Wndows, dngan data plhan rspondn sbaga varabl dpndn dan harga flash dsk sbaga varabl ndpndn. a. Uj Asums Klask (Uj Multkolnrtas) Data yang dgunakan dalam uj multkolnrtas yatu data varabl ndpndn, karna uj multkolnrtas mnguj ada atau tdaknya hubungan lnr antar varabl ndpndn. Uj multkolnrtas dlakukan dngan mnghtung nla VIF dan Tolranc dngan rumus sbaga brkut. VIF R Tolranc R...(3.)...(3.) dmana R mrupakan kofsn dtrmnas yang dprolh dar rgrs auxlary. Rgrs auxlary dlakukan dngan mlakukan rgrs stap varabl ndpndn dngan varabl-varabl ndpndn yang lan. Pngujan multkolnrtas dlakukan dngan bantuan softwar SPSS. Pada output SPSS yatu pada tabl collnrty statstcs trdapat nla VIF dan Tolranc. Jka nla VIF kurang dar 0 atau nla Tolranc mndkat, maka dapat dduga bahwa tdak ada multkolnrtas antar varabl ndndpndn. b. Estmas Paramtr Estmas paramtr dlakukan dngan mnggunakan mtod maxmum lklhood, yatu dngan mncar kofsn rgrs shngga probabltas kjadan varabl dpndn bsa smaksmum mungkn. Nla stmas paramtr dapat dlhat pada tabl Paramtr Estmats output SPSS pada kolom B. Brkut n mrupakan spsfkas modl multnomal logt yang akan dbuat. dmana, PL PL PL U () U (0) U () U () U () U (0) U () U () U (0) 0 U (0) U () U ()...(3.3)...(3.4)...(3.5) III-6

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

FIXED EFFECT MODEL PADA REGRESI DATA PANEL

FIXED EFFECT MODEL PADA REGRESI DATA PANEL ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

Analisis Variansi Multivariat

Analisis Variansi Multivariat Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

BAB 2 SISTEM MAKRO DAN MIKRO

BAB 2 SISTEM MAKRO DAN MIKRO BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh

Lebih terperinci

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam

Lebih terperinci

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

Jurnal Inovasi Pembelajaran Fisika (INPAFI)

Jurnal Inovasi Pembelajaran Fisika (INPAFI) Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11] BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan

Lebih terperinci

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

DIANDRA PARAMITA TIMUR

DIANDRA PARAMITA TIMUR Modl Multinomial Logit Untuk Mnntukan Harga Optimal Pakt Blackbrry Intrnt Srvic (BIS) Tlkomsl dan Indosat (Studi Kasus : Mahasiswa Fakultas Tknik UNS Pngguna Blackbrry) Skripsi DIANDRA PARAMITA TIMUR I0308038

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang

BAB 4 IMPLEMENTASI DAN EVALUASI. hardware yang digunakan, perangkat lunak, perangkat pembangun dan tools yang BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Lngkungan Implmntas Pada pmbahasan lngkungan mplmntas mlput pmbahasan spsfkas hadwa yang dgunakan, pangkat lunak, pangkat pmbangun dan tools yang dgunakan untuk mmbuat

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,

Lebih terperinci

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

PEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA

PEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA ESIS - SS450 PEMODELAN REGRESI HURDLE NEGAIVE BINOMIAL DENGAN VARIABEL DEPENDEN ERSENSOR KANAN PADA KASUS EANUS NEONAORUM DI INDONESIA Rza Yul Rusdana NRP 35 0 03 DOSEN PEMBIMBING Dr. Dra. Isman Zan, M.

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

PERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR

PERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR Prodng Smnar Naonal Manajmn Tknolog XVIII Program Stud MMT-ITS, Surabaya 7 Jul 13 PERANCANGAN AN SIMULASI FEEFORWAR AUTOTUNING PI ECOUPLING TITO SYSTEM OLOM ISTILASI METANOL-AIR Ral Harudan 1), atjuk Atrowulan

Lebih terperinci

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS

PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS 30 ISSN 06-38 Yoyok Dw Styo Pambud PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS Yoyok Dw Styo Pambud Pusat Tknolog Raktor dan Kslamatan Nuklr, BATAN Gd. 80 Kawasan

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhus, Dva Wdyananto,dan Brnadta Dsnova Kr Cntr of Ald Mathmatcs (CAM), Program tud Matmatka

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

ADAPTIF NEUROFUZZY INFERENCE SYSTEM UNTUK PENGUKURAN ph

ADAPTIF NEUROFUZZY INFERENCE SYSTEM UNTUK PENGUKURAN ph ADAPTIF EUROFUZZ IFERECE SSTEM UTUK PEGUKURA ph Totok R. Byanto Tknk Fska FTI, ITS Surabaya Kampus ITS Surabaya, Sukollo Surabaya Tlp: 597 Fax: 590 Emal: trb@p.ts.ac.d ABSTRAK: Srng dngan mnngkatnya kbutuhan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN

MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN Artikl Skripsi MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN SKRIPSI Diajukan Untuk Mmnuhi Sbagian Syarat Guna Mmprolh Glar Sarjana Pndidikan (S.Pd.) Pada Jurusan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam

Lebih terperinci

Diktat TERMODINAMIKA DASAR

Diktat TERMODINAMIKA DASAR Dktat TERMODINAMIKA DASAR Olh : Ir. Sudjto, PhD., Ir. Safuddn Badow, Agung Sugng W., ST.,MT BabIV HUKUM TERMODINAMIKA I : SISTEM TERBUKA ( VOLUME ATUR ) 4.1 ANALISA TERMODINAMIKA VOLUME ATUR Pada sbagan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat

Lebih terperinci

Analisis Rangkaian Listrik

Analisis Rangkaian Listrik Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan

Lebih terperinci

ANALISIS PENGARUH GAYA KEPEMIMPINAN DAN MOTIVASI TERHADAP KINERJA KARYAWAN

ANALISIS PENGARUH GAYA KEPEMIMPINAN DAN MOTIVASI TERHADAP KINERJA KARYAWAN ANALISIS PENGARUH GAYA KEPEMIMPINAN DAN MOTIVASI TERHADAP KINERJA KARYAWAN STUDI KASUS PADA PT. DOK & PERKAPALAN KODJA BAHARI (PERSERO) CABANG SEMARANG SKRIPSI Dajukan sebaga salah satu syarat Untuk menyelesakan

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS)

ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS) ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P0 JURUSAN SENEN LEBAK BULUS) Nincy Ayu Lstari 1 Nahdalina Fakultas Tknik Sipil Univrsitas

Lebih terperinci

BAB I PENDAHULUAN 1.1.Latar Belakang

BAB I PENDAHULUAN 1.1.Latar Belakang BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan

Lebih terperinci

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan

Lebih terperinci

Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network

Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type) TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci