ANALISIS TINGKAT EFISIENSI PELAYANAN KESEHATAN DI TIAP KABUPATEN/KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA)

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS TINGKAT EFISIENSI PELAYANAN KESEHATAN DI TIAP KABUPATEN/KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA)"

Transkripsi

1 ANALISIS TINGKAT EFISIENSI PELAYANAN KESEHATAN DI TIAP KABUPATEN/KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) Rzqyant Ramadany (1), Dest Suslanngum (2) (1) Mahasswa Juusan Statsta FMIPA ITS, (2) Dosen Juusan Statsta FMIPA ITS emal : (1) z.zq@gmal.com, (2) dest_s@statsta.ts.ac.d Absta Dalam upaya memasmalan pelayanan esehatan, pementah abupaten/ota haus mencapa taget pelayanan. Kemampuan dasa dan pengelolaan sumbe daya dapat mencemnan tngat efsens pelayanan esehatan d abupaten/ota tesebut. Metode yang basa dgunaan dalam penguuan efsens suatu unt, salah satunya adalah metode Data Envelopment Analyss (DEA). Pada tugas ah n dlauan analss tngat efsens pelayanan esehatan d tap abupaten/ota se- Jawa Tmu menggunaan metode DEA- CCR yang beoentas nput. Data yang dgunaan adalah data jumlah unjungan pasen awat jalan dan awat nap sebaga output seta data sumbe daya esehatan sebaga nput. Data tesebut bedasaan Pofl Kesehatan Jawa Tmu Tahun Hasl analss menunjuan bahwa da 38 abupaten/ota, ada 18 abupaten/ota yang sudah efsen dalam pelayanan esehatan, aan tetap ssanya belum efsen. Bedasaan nla efsens tesebut dpetaan secaa vsual daeah yang sudah dan tda efsen aga pembuat ebjaan lebh mudah dalam melauan tdaan tehadap abupaten/ota d Jawa Tmu yang tda efsen dalam pelayanan esehatan. Selan tu dpoyesan daeah yang tda efsen aga menjad efsen. Hasl poyes menunjuan bahwa sumbe daya yang pelu doptmalan d tap abupaten/ota bebeda-beda. Kata unc: Data Envelopment Analyss (DEA), efsens, pelayanan esehatan, Jawa Tmu, DEA-CCR oentas nput 1. PENDAHULUAN Seja dbelauannya UU No. 22 Tahun 1999 tentang penyelenggaaan otonom daeah, tap daeah meml wewenang yang luas untu mengatu daeah masng-masng. Pementah daeah haus beupaya untu menngatan pelayanannya d segala bdang. Tda teecual pada bdang esehatan. Sumbe daya yang memenuh sangat dpeluan supaya dapat membean pelayanan yang masmal. Dalam upaya memasmalan pelayanan tesebut, pementah abupaten/ota haus mencapa taget pelayanan. Kemampuan dasa dan pengelolaan sumbe daya dapat mencemnan tngat efsens pelayanan esehatan d abupaten/ota tesebut. Metode Data Envelopment Analyss (DEA) dgunaan dalam penguuan efsens suatu unt. Kelebhan DEA adalah mampu mengaomodas banya nput maupun output dalam banya dmens. Penguuan efsens yang ddapatan pun lebh auat. DEA telah daplasan secaa luas dalam evaluas pefomance pada bdang esehatan, penddan, peanan, pebanan, poducton plan dan lan-lan. Bebeapa peneltan tentang DEA dalam bdang esehatan sudah banya dlauan. Aan tetap, pada umumnya peneltan tesebut dpusatan pada neja anta umah sat, unt gawat dauat, maupun pusesmas. Bud (2010) melauan stud asus yang mengambl 29 pusesmas d Kabupaten Pat. Ose (2005) melauan stud asus d 17 Pusat Kesehatan Ghana. Selanjutnya peneltan Saputa (2004) mengambl stud asus d Unt Gawat Dauat RSUD D. Soetomo, RS. Ad Husana Undaan, RKZ, RS Ad Husada Kapasa, RS Haj, dan RS Al Isyad. Pada peneltan n muncul pemasalahan ngn mengetahu unt-unt abupaten/ota d Jawa Tmu yang efsen dan tda efsen dalam pelayanan esehatan. Tngat efsens n dcoba danalss dengan metode DEA. Melalu metode DEA, dengan mengetahu nput da unt yang tda efsen, maa dhaapan dapat menngatan efsens secaa beesnambungan. Kabupaten/ota yang sudah meml pelayanan esehatan efsen tda efsen aan dvsualsasan dalam sebuah peta. Selan tu, untu abupaten/ota yang tda efsen, aan dlauan poyes pebaan tehadap vaabel nput dan outputnya sehngga bsa menjad efsen. 1

2 Manfaat yang ngn dcapa adalah untu membean nfomas epada masyaaat dan membean masuan untu pengambl ebjaan tentang abupaten/ota d Jawa Tmu yang sudah dan belum efsen dalam hal pelayanan esehatan. Hal tesebut dapat dgunaan sebaga petmbangan dalam penyusunan encana stategs untu bebeapa tahun selanjutnya. 2. TINJAUAN PUSTAKA 2.1 Pofl Pelayanan Kesehatan Jawa Tmu Pada Pofl Kesehatan Povns Jawa Tmu 2009 dtulsan bahwa pelayanan esehatan tda telepas da sumbe daya esehatan dan pasen yang mengunjung saana esehatan. Sumbe daya esehatan melput halhal sebaga beut. 1. Saana esehatan Yang temasu dalam saana esehatan adalah Rumah Sat, Pusesmas, Pusesmas Pembantu, Pusesmas Kellng, Pos Kesehatan Desa (Posendes), Desa Saga, Pos Pelayanan Tepadu (Posyandu), Pos Besaln Desa (Polndes), Rumah Besaln, dan Bala Pengobatan Kln. 2. Tenaga esehatan Tenaga esehatan melput tenaga meds, peawat, bdan, famas, esehatan masyaaat, gz, eteapan fs, seta tens meds. 3. Pembayaan esehatan Anggaan pementah untu bdang esehatan. 2.2 Konsep Efsens Efsens pada dasanya adalah aso antaa output dan nput. Fael (1957) menyataan bahwa efsens meupaan salah satu paamete neja yang secaa teots mendasa seluuh neja suatu ogansas. Efsens juga ddefnsan sebaga esusesan dalam mengaomodas output semasmal mungn da sejumlah nput yang ada. Menuut Ozcan (2008) efsens dapat dtngatan dengan mempehatan hal-hal yang tecantum sebaga beut. a. Menngatan output b. Menguang nput c. Ja edua output dan nput dtngatan, maa tngat enaan untu output haus lebh besa dapada tngat enaan untu nput d. Ja edua output dan nput dtuunan, maa tngat penuunan untu output haus lebh endah dapada tngat penuunan untu nput 2.3 Data Envelopment Analyss (DEA) DEA meupaan pengembangan lne pogammng yang ddasaan pada penguuan neja elatf da suatu unt podus bedasaan bebeapa aso bobot da output tehadap nput untu suatu DMU. Yang dmasud DMU adalah sesuatu hal yang meml esamaan aatest opeasonal, msalnya saja sepet unt pelayanan esehatan, umah sat, ban, unvestas, seolah, dan lan-lan. DEA petama al dembangan secaa teot oleh Chanes, Coope dan Rhodes pada tahun DEA dembangan sebaga peluasan da metode aso ten las untu efsens. DEA menentuan aso masmal da jumlah output yang dbe bobot tehadap jumlah nput yang dbe bobot, dengan bobot yang dtentuan oleh model. Efsens elatf (θ ) da sebuah DMU dfomulasan sebaga beut. u y 1 m v x t 1 (2.1) Keteangan: u = bobot output, = 1,2,3,...,t v = bobot nput, = 1,2,3,...,m y = nla da output suatu unt e- x = nla da nput suatu unt e- = jens DMU, = 1, 2, 3,...,n 2.4 Model DEA-CCR (Chanes Coope Rhodes) Model DEA-CCR meupaan bentu ognal da metode Data Envelopment Analyss yang dembangan petama al oleh Chane, Coope, Rhodes (1978). Pada model DEA-CCR n juga denal sebaga model CRS (Constant Retun to Scale), yatu suatu model yang beasums bahwa tap DMU telah beopeas secaa optmal. Nla efsens da model DEA-CCR nput-oented ddefnan sebaga beut: mn dengan endala n y j j j y S 0 m S t S, = 1, 2,..., m 2

3 n x S x, = 1, 2,...,t j j j, S, S 0, j = 1, 2,..., n; j :obje yang dtelt (2.2) Pada dua model datas, S adalah vaabel slac untu nput e- dan S adalah vaabel slac untu output e-. adalah blangan eal dengan nla postf yang sangat ecl. Nla dalam DEA meupaan blangan postf teecl. Kehadan dalam fungs objetf tesebut, secaa efetf mengjnan untu mengoptmas θ telebh dahulu sebelum vaabel-vaabel slacnya. Dengan deman optmas vaabel-vaabel slac tda mempengauh hasl optmas θ. DMU dataan efsen pada model (2.2) ja dan hanya ja θ =1, dan semua slacnya nol ( S = 0, S = 0). 2.5 Penngatan Efsens Model DEA-CCR Bedasaan nla efsens dan slac metode untu menngatan nla efsens DMU yang tda efsen dapat dlauan. Besa pebaan nput x dan pebaan output y dapat dhtung da: x x x S ( 1 ) x S y S Rumus untu pebaan nla nput dan nla output yang dsebut dengan CCR poyecton yatu: xˆ x x x S x (2.3) yˆ y y y S y (2.4) (Coope, Sefod, Tone, 2007) 3. METODOLOGI PENELITIAN 3.1 Sumbe Data Data yang dgunaan pada peneltan n adalah data seunde tentang jumlah saana esehatan dan tenaga esehatan yang dpeoleh da Pofl Kesehatan Popns Jawa Tmu 2009 seta data jumlah pasen awat nap, awat jalan, dan jumlah anggaan esehatan bedasaan APBD tap abupaten/ota tahun 2009 d Jawa Tmu da Dnas Kesehatan Popns Jawa Tmu.Unt peneltan adalah 38 abupaten/ota d Jawa Tmu. 3.2 Vaabel Peneltan Vaabel yang dgunaan dalam peneltan n ted atas vaabel output dan vaabel nput. Vaabel output beupa data jumlah pasen awat nap dan pasen awat jalan yang dlayan. Sedangan vaabel nput beupa data saana pelayanan esehatan (umah sat, pusesmas, saana esehatan desa, saana pesalnan, bala pengobatan), tenaga esehatan (dote, assten meds, dan tenaga esehatan lan), dan anggaan pementah untu esehatan Pengelompoan vaabel tenaga esehatan yang dgunaan dalam peneltan n ddasaan pada peneltan Bud (2010). Tabel 1 Vaabel Peneltan No Nama Vaabel Keteangan 1 X 1 Rumah Sat (nput) % jumlah RS 2 X 2 Pusesmas (nput) 3 X 3 4 X 4 5 X 5 Saana Kesehatan Desa (nput) Saana Pesalnan (nput) Bala Pengobatan (nput) 6 X 6 Dote(nput) 7 X 7 Assten Meds (nput) 8 X 8 Tenaga Kesehatan Lannya(nput) 9 X 9 Baya(nput) 10 Y 1 11 Y 2 Pasen Rawat Jalan (output) Pasen Rawat Inap (output) % jumlah pusesmas, pusesmas pembantu, dan pusesmas ellng % jumlah desa saga, posesdes, dan posyandu % jumlah polndes dan umah sat % jumlah bala pengobatan/ln % jumlah dote (dote umum,gg,spesals) % jumlah bdan dan peawat % jumlah tenaga bdang efamasan, esmas, ahl gz, teap meds, dan tens fs % anggaan esehatan tehadap total APBD % pasen awat jalan d saana esehatan % pasen awat nap d saana esehatan 3.3 Langah Peneltan Secaa gas besa, langah-langah yang aan dlauan dalam peneltan n adalah sebaga beut. 1. Menentuan DMU, vaabel nput, dan output 2. Mengumpulan data 3. Melauan penguuan efsens tehadap pelayanan esehatan d abupaten/ota se- Jawa Tmu dengan DEA-CCR. 4. Membuat pemetaan abupaten/ota d Jawa Tmu bedasaan status efsens pelayanan esehatannya (efsen atau tda efsen). 5. Melauan poyes pebaan abupaten/ ota d Jawa Tmu yang tda efsen. 6. Mena esmpulan 3

4 4. ANALISIS DAN PEMBAHASAN 4.1 Kaatest Indato Pelayanan Kesehatan Indato pelayanan esehatan melput saana pelayanan esehatan (umah sat, pusesmas, saana esehatan desa, saana pesalnan, bala pengobatan), tenaga esehatan (dote, assten meds, tenaga esehatan lan), dan anggaan pementah untu esehatan. Povns Jawa Tmu ted da 29 Kabupaten dan 9 Kota. Pada tahun 2009, bedasaan hasl poyes BPS Povns Jawa Tmu, total jumlah pendudu Jawa Tmu sebanya jwa. Tap abupaten/ ota d Jawa Tmu meml jumlah pendudu yang beagam, oleh aena tu, pada penghtungan vaabel nput dan output dgunaan data pesentase vaabel nput dan output tesebut tehadap jumlah pendudu d tap abupaten/ota. Saana pelayanan esehatan dpesapan untu membean pelayanan esehatan bag masyaaat. Sebagan besa saana pelayanan esehatan dpesapan untu menangan masyaaat yang aan beobat jalan. Aan tetap ada bebeapa saana esehatan yang dlengap bebaga fasltas untu dapat menangan unjungan pasen awat nap. D Povns Jawa Tmu, unjungan awat jalan mencapa 93% sedangan unjungan awat nap hanya 7%. Hal tesebut dsebaban aena tda semua saana esehatan menema unjungan pasen awat nap. Hanya Rumah Sat, Pusesmas, saana pesalnan, dan ln tetentu yang mempunya fasltas tesebut. Rumah Sat (RS) meupaan saana pelayanan esehatan masyaaat yang dapat menangan unjungan pasen awat jalan maupun awat n. Pada tahun 2009, ada sebanya 287 RS d Jawa Tmu. Melput 205 RS Umum, 3 RS Jwa, 56 RS Besaln, dan 23 RS husus lannya. Jumlah palng banya adalah Kota Suabaya yatu mencapa 48 RS. Pusesmas meupaan unt pelasana tens pelayanan esehatan yang beada d wlayah ecamatan. Untu melasanaan tugasnya, ada yang dnamaan Pusesmas (ted da Pusesmas Peawatan dan non Peawatan), Pusesmas Pembantu, dan Pusesmas Kellng. Kota Suabaya meml jumlah Pusesmas tebanya. Sedangan Kabupaten Jembe mempunya Jumlah Pusesmas Pembantu tebanya. Untu Kabupaten dengan jumlah Pusesmas Kellng tebanya adalah Kabupaten Ponoogo. Saana Pesalnan ada dua yatu Polndes dan Rumah Besaln. Polndes dbuat dalam anga mendeatan pelayanan ebdanan melalu penyedaan tempat petolongan melahan. Polndes hanya ada d abupaten. Sementaa Rumah besaln banya tedapat d Kota. Pada Tahun 2009, jumlah Polndes d Jawa Tmu sebanya 5775 buah. Hal tesebut mash jauh d bawah jumlah bdan yang mencapa 6439 buah. Atnya belum semua bdan mempunya Polndes. Sedangan jumlah Rumah Besaln hanya sebanya 242 buah. Kln atau bala pengobatan meupaan saana esehatan yang meupaan ml swasta. Pada tahun 2009, jumlah Kln d Jawa Tmu mencapa 843 buah. ada dua abupaten/ota yang tda meml ln, yatu Kabupaten Sampang dan Kota Mojoeto. Sedangan daeah dengan jumlah ln tebanya adalah Kota Suabaya. Sumbedaya manusa meupaan penggea utama dalam pelayanan esehatan. Khususnya adalah tenaga esehatan. Tenaga esehatan ted da tenaga meds, peawat, bdan, tenaga famas, tenaga esehatan masyaaat, ahl gz, tenaga teaps fs, dan tens meds. Jumlah total tenaga esehatan d Jawa Tmu tahun 2009 mencapa tenaga esehatan. Rncan jumlah dan pesentase tenaga esehatan d Jawa Tmu tahun 2009 dapat dlhat pada Tabel 2. Tabel 2 Jumlah dan Popos Tenaga Kesehatan d Jawa Tmu Tahun 2009 No Katego Jumlah % 1 Meds % 2 Peawat % 3 Bdan % 4 Famas % 5 Kesehatan Masyaaat % 6 Gz % 7 Keteapan Fs % 8 Tens Meds % Jumlah % Pembayaan pogam dan egatan esehatan tap abupaten/ota Jawa Tmu dpeoleh da bebaga sumbe. Dantaanya da dana APBD tap abupaten/ota. pesentase anggaan esehatan tehadap APBD d tap abupaten/ota bebeda-beda. Kabupaten Banyuwang meml pesentase anggaan esehatan teendah yatu sebesa 2.54% da total APBD abupaten tesebut. Sedangan Kota Blta meml pesentase tebesa, anggaan esehatan d Kota Blta 16.18% da total APBD Kota Blta. Pesentase tesebut 4

5 bebeda-beda aena tegantung da banyanya pendudu, banyanya saana esehatan seta tenaga esehatan. Selan tu memang ada abupaten/ota yang sedang fous dalam pengembangan d bdang lannya, sepet bdang penddan, atau pawsata, 4.2 Pehtungan Efsens Pelayan Kesehatan Menggunaan DEA Analss efsens yang dgunaan adalah metode DEA-CCR dengan pendeatan yang beoentas nput. Masud da oentas nput adalah ngn detahu tngat penggunaan optmal suatu sumbe daya pelayanan esehatan. Model DEA-CCR dgunaan untu menca nla efsens tens CRS (Constant Retun to Scale) yang ddefnsan sebaga θ. Hasl penguuan efsens pelayanan esehatan 38 abupaten/ota d Jawa Tmu dapat dlhat pada Gamba 1. Gamba 1 Nla Efsens Pelayanan Kesehatan 38 Kabupaten/Kota d Jawa Tmu Tahun 2009 Pada Gamba 1 dapat dlhat bahwa da 38 abupaten/ota tedapat 18 abupaten/ota yang efsen secaa tens dan 20 abupaten/ota lannya tda efsen secaa tens. Tedapat 18 abupaten/ota yang meml nla efsens 100%. Kabupaten/ota yang efsen secaa tens antaa lan Kabupaten Malang, Kabupaten Banyuwang, Kabupaten Bondowoso, Kabupaten Stubondo, Kabupaten Pasuuan, Kabupaten Sdoajo, Kabupaten Nganju, Kabupaten Magetan, Kabupaten Ges, Kabupaten Bangalan, Kabupaten Sampang, Kota Blta, Kota Malang, Kota Pobolnggo, Kota Pasuuan, Kota Mojoeto, Kota Madun, dan Kota Batu. Kabupaten/ota yang tda efsen dalam pelayanan esehatan adalah abupaten/ota dengan nla efsens d bawah 100%, yatu Kabupaten Pactan, Kabupaten Ponoogo, Kabupaten Tenggale, Kabupaten Tulungagung, Kabupaten Blta, Kabupaten Ked, Kabupaten Lumajang, Kabupaten Jembe, Kabupaten Pobolnggo, Kabupaten Mojoeto, Kabupaten Jombang, Kabupaten Madun, Kabupaten Ngaw, Kabupaten Bojonegoo, Kabupaten Tuban, Kabupaten Lamongan, Kabupaten Pameasan, Kabupaten Sumenep, Ked Kota, dan Suabaya Kota. Pengat abupaten/ota bedasaan pesentase anggaan esehatan tehadap total APBD tap abupaten/ota d Jawa Tmu da yang meml pesentase anggaan yang teecl hngga tebesa dtunjuan d Tabel 3. Tabel 3 Pengat Kabupaten/Kota d Jawa Tmu Bedasaan Pengat Pesentase Anggaan Kesehatan Tehadap Total APBD Tahun 2009 Pengat DMU Efsens Pasen Rawat Jalan Pasen Rawat Inap 1 Banyuwang 100% Batu 100% Malang 100% Malang 100% Pasuuan 100% Pobolnggo 100% Bojonegoo 88.32% Jembe 51% Ked 23.54% Ked 92% Pameasan 96.83% Blta 59.17% Bangalan 100% Suabaya 74.81% Pobolnggo 87.09% Sampang 100% Jombang 81.56% Mojoeto 72.64% Stubondo 100% Pactan 73.88% Ponoogo 55.03% Ges 100% Tulungagung 47.84% Magetan 100% Madun 91.70% Tenggale 56.90%

6 Tabel 3 Lanjutan Pengat DMU Efsens Pasen Rawat Jalan Pasen Rawat Inap 27 Bondowoso 100% Mojoeto 100% Sumenep 72.69% Madun 100% Ngaw 76.32% Lumajang 68.81% Nganju 100% Pasuuan 100% Sdoajo 100% Lamongan 83.42% Tuban 62.75% Blta 100% Pemengatan pada Tabel 3 bedasaan abupaten/ota d Jawa Tmu bedasaan pesentase anggaan esehatan tehadap total APBD yang teecl hngga tebesa. Pengat petama sampa eenam menunjuan bahwa abupaten/ota efsen dalam pelayanan esehatan dengan meml anggaan esehatan ecl yatu Kabupaten Banyuwang, Kota Batu, Kota Malang, Kabupaten Malang, Kota Pasuuan, dan Kota Pobolnggo. Aan tetap pada pengat etujuh yatu Kabupaten Bojonegoo tda efsen dalam pelayanan esehatan. Dapat dlhat pada Tabel 4.2 bahwa Kabupaten Banyuwang dengan anggaan esehatan hanya 2.54% da APBD mampu melayan pasen awat jalan sebanya 84.29% sedangan Kabupaten Bojonegoo dengan anggaan esehatan sebesa 4.36% da APBD hanya mampu melayan pasen awat jalan sebanya 55.13% saja jumlah pendudu yang ada. 4.3 Pemetaan Kabupaten/Kota d Jawa Tmu Bedasaan Efsens Pelayanan Kesehatan Análss efsens pelayanan esehatan tap abupaten/ota d Jawa Tmu menunjuan bahwa tedapat 18 abupaten/ota yang sudah efsen. Sedangan 20 abupaten/ota lannya tda efsen. Bedasaan status efsens tesebut, maa dlauan pemetaan untu vsualsas abupaten/ota mana sajaah yang sudah efsen dan belum efsen. Maa. dbuatlah pemetaan sepet pada Gamba 2. Pemetaan dtujuan aga pembuat ebjaan lebh mudah dalam melauan tdaan tehadap abupaten/ota d Jawa Tmu yang tda efsen dalam pelayanan esehatan. PA C I TA N NG A W I M AD I UN M AD I UN ( KO T A ) M AG E T A N PO N OR OG O TU B A N B O JON E G O R O NG A N JUK KE D IR I ( KO T A ) TU L U NG A G UN G TR E NG G A LE K B LI T A R LA M O NG A N KE D IR I B LI T A R ( KO T A) Tda efsen GR ES IK B A TU ( KO T A ) M AL A NG ( KO T A ) M AL A NG B A NG K AL A N SU R A B A Y A ( K OT A ) M OJO K E R T O (K OT A ) SID O A R JO JOM B A NG M OJO K E R T O PA SU R U A N (K OT A ) SA M PA N G PA SU R U A NPR O B O L IN G G O ( K OT A ) PR O B O L IN G G O LU M A JA NG PA M E KA SA N JE M B E R Efsen SU M E NE P SIT U B O N D O B O ND O W O SO B A NY U W A N G I Gamba 2 Pemetaan Povns Jawa Tmu Bedasaan Tngat Efsens Pelayanan Kesehatan Tahun Poyes DEA-CCR Oentas Input Efsen secaa tens beasums bahwa semua sumbe daya dalam pelayanan esehatan dgunaan secaa optmal. Pada peneltan n dgunaan metode optmas oentas nput. Suatu DMU dataan efsen secaa tens pada model ja θ =1 dan semua slacnya nol ( S = 0, S = 0). Nla slac dgunaan untu poyes pebaan vaabel nput dan vaabel output penyebab tda efsennya suatu pelayanan esehatan. Penngatan efsens pada abupaten/ ota dlauan dengan caa poyes menggunaan model DEA-CCR oentas nput. Hasl poyes ddapatan dengan melbatan nla nput dan output, nla efsens, slac nput, slac output. Pehtungan poyes menggunaan pesamaan 2.3 dan 2.4. Pesamaan tesebut dgunaan untu menghtung poyes da vaabel nput dan output da abupaten/ota yang tda efsen. Sesua dengan tujuan da model DEA-CCR oentas nput adalah untu mengetahu batas optmal penggunaan sumbe daya yang menjad ndato pelayanan esehatan. Data yang dgunaan untu analss adalah data pesentase. Aan tetap setelah ddapatan poyes vaabel nput dan output, maa dembalan pada data asl da masng-masng vaabel output dan nput. 6

7 Hasl poyes vaabel nput dan output dapat dlhat pada Tabel 4. Tabel 4 Data Asl dan Hasl Poyes Vaabel Indato Pelayanan Kesehatan dengan Metode CCR-I DMU Data X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 Y 1 Y 2 Pactan Asl Poyes Ponoogo Asl Poyes Tenggale Asl Poyes Tulungagung Asl Poyes Blta Asl Poyes Ked Asl Poyes Lumajang Asl Poyes Jembe Asl Poyes Pobolnggo Asl Poyes Mojoeto Asl Poyes Jombang Asl Poyes Madun Asl Poyes Ngaw Asl Poyes Bojonegoo Asl Poyes Tuban Asl Poyes Lamongan Asl Poyes Pameasan Asl Poyes Sumenep Asl Poyes Ked Asl Poyes Suabaya Asl Poyes Tabel 4 meupaan hasl poyes nput dan output e daeah efsen pada abupaten/ ota yang tda efsen dengan menggunaan DEA-CCR oentas nput. Pada Tabel 4 telhat setap nput masng-masng DMU mengalam penguangan tegantung pada nla efsens tens dan nla slac vaabel nput tesebut. Sedangan peubahan outputnya hanya tegantung pada nla slac vaabel output. Msalan saja Kabupaten Pactan dataan efsen apabla bsa melayan pasen awat jalan sejumlah dan pasen awat nap sejumlah dengan satu RS, 40 Pusesmas, 643 Saana Kesehatan Desa, 45 Saana Pesalnan, 3 Kln, 35 Tenaga Meds, 210 Assten Meds, 40 Tenaga Kesehatan Lannya seta pesentase anggaan esehatan sebesa 3.86% da total APBD Kabupaten Pactan. Da semblan sumbe daya esehatan, yang palng pelu doptmalan aena bepengauh besa dalam penyebab etdaefsenan adalah jumlah Pusesmas(X 2 ) dsusul oleh jumlah tenaga esehatan lannya(x 8 ). Begtu juga ntepetas untu abupaten/ota yang lan. Bedasaan Tabel 4 maa dapat danalss untu pesentase penuunan nput dan enaan output yang dtamplan sepet pada Tabel 5. 7

8 Tabel 5 Pesentase Penuunan Input dan Kenaan Output da DMU yang Tda Efsen DMU X1 X2 X3 X4 X5 X6 X7 X8 X9 Y1 Y2 Pactan 26% 66% 42% 58% 26% 57% 58% 65% 26% 0% 11% Ponoogo 64% 48% 45% 62% 75% 45% 53% 45% 45% 0% 0% Tenggale 47% 63% 53% 45% 43% 43% 43% 44% 61% 71% 0% Tulungagung 73% 52% 52% 67% 60% 52% 58% 52% 57% 0% 0% Blta 47% 46% 44% 54% 41% 41% 52% 41% 54% 0% 24% Ked 91% 90% 86% 91% 92% 76% 85% 76% 88% 0% 43% Lumajang 57% 51% 31% 31% 35% 44% 31% 46% 50% 0% 308% Jembe 71% 66% 69% 49% 75% 61% 61% 49% 74% 0% 0% Pobolnggo 50% 64% 26% 57% 73% 13% 33% 41% 23% 0% 29% Mojoeto 52% 33% 33% 59% 31% 46% 48% 27% 52% 0% 0% Jombang 48% 21% 18% 40% 76% 24% 18% 18% 22% 0% 0% Madun 20% 25% 8% 34% 22% 8% 30% 8% 15% 0% 49% Ngaw 24% 24% 28% 32% 40% 40% 48% 69% 28% 0% 0% Bojonegoo 58% 54% 46% 73% 12% 60% 59% 12% 39% 0% 0% Tuban 39% 61% 37% 66% 66% 37% 40% 37% 71% 0% 0% Lamongan 17% 53% 19% 65% 86% 21% 44% 17% 48% 0% 0% Pameasan 3% 43% 39% 76% 3% 53% 55% 63% 32% 0% 0% Sumenep 27% 57% 56% 64% 58% 27% 69% 35% 56% 0% 0% Ked Kota 80% 8% 31% 8% 65% 8% 63% 60% 17% 0% 1664% Suabaya Kota 61% 39% 72% 25% 87% 81% 25% 25% 26% 0% 35% Bedasaan pada Tabel 5 dapat dlhat sumbe daya apa saja yang palng mempengauh etda efsenan masngmasng DMU. Sumbe daya tesebut adalah sumbe daya yang mempunya pesentase penuunan palng besa dbandungan dengan sumbe daya yang lan pada masng-masng DMU. a. Kabupaten Pactan: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah Pusesmas. b. Kabupaten Ponoogo: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln. c. Kabupaten Tenggale: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah Pusesmas. d. Kabupaten Tulungagung: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah RS. e. Kabupaten Blta: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah adalah pesentase anggaan baya esehatan. f. Kabupaten Ked: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln. g. Kabupaten Lumajang: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah RS. h. Kabupaten Jembe: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln.. Kabupaten Pobolnggo: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln. j. Kabupaten Mojoeto: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah saana pesalnan.. Kabupaten Jombang: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln. l. Kabupaten Madun: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah saana pesalnan. m. Kabupaten Ngaw: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah tenaga esehatan. n. Kabupaten Bojonegoo: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah saana pesalnan. o. Kabupaten Tuban: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah pesentase anggaan baya esehatan. p. Kabupaten Lamongan: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln. q. Kabupaten Pameasan: sumbe daya yang palng mempengauh etdaefsenan 8

9 pelayanan esehatan adalah jumlah saana pesalnan.. Kabupaten Sumenep: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah assten meds. s. Kota Ked: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah RS. t. Kota Suabaya: sumbe daya yang palng mempengauh etdaefsenan pelayanan esehatan adalah jumlah ln. 7. KESIMPULAN Bedasaan analss dan pembahasan yang telah dlauan tehadap 38 Kabupaten/Kota, esmpulan yang dapat dambl antaa lan : 1. Ada 18 abupaten/ota yang meml neja efsen untu pelayanan esehatan pada model DEA-CCR yatu Kabupaten Malang, Kabupaten Banyuwang, Kabupaten Bondowoso, Kabupaten Stubondo, Kabupaten Pasuuan, Kabupaten Sdoajo, Kabupaten Nganju, Kabupaten Magetan, Kabupaten Ges, Kabupaten Bangalan, Kabupaten Sampang, Kota Blta, Kota Malang, Kota Pobolnggo, Kota Pasuuan, Kota Mojoeto, Kota Madun, dan Kota Batu. Atnya abupaten/ota tesebut dapat secaa optmal memanfaatan sumbe daya esehatan dan dapat menangan unjungan pasen awat jalan dan awat nap dengan optmal. Sedangan 20 abupaten/ota yang lan tda efsen dalam pelayanan esehatan. Atnya abupaten/ota tesebut belum dapat secaa optmal memanfaatan sumbe daya esehatan dan dapat menangan unjungan pasen awat jalan dan awat nap dengan optmal. 2. Pemetaan abupaten/ota d Jawa Tmu bedasaan tngat efsens pelayanan esehatan menunjuan bahwa ada 18 abupaten/ota yang temasu atego efsen dan 20 abupaten/ota yang tda efsen. 3. Poyes pebaan pada tap abupaten/ ota yang tda efsen menjad efsen dengan model CCR oentas nput umumnya pelu dlauan peubahan pada semua vaabel pelayanan esehatan. Aan tetap yang palng utama untu dpeba da tap abupaten/ota adalah sebaga beut. - Kabupaten Pactan : vaabel Pusesmas. - Kabupaten Ponoogo : vaabel ln - Kabupaten Tenggale : vaabel Pusesmas - Kabupaten Tulungagung: vaabel RS - Kabupaten Blta : vaabel baya - Kabupaten Ked : vaabel ln - Kabupaten Lumajang: vaabel RS - Kabupaten Jembe: vaabel ln - Kabupaten Pobolnggo: vaabel ln - Kabupaten Mojoeto: vaabel saana pesalnan - Kabupaten Jombang: vaabel ln - Kabupaten Madun: vaabel saana pesalnan - Kabupaten Ngaw: vaabel tenaga esehatan lannya - Kabupaten Bojonegoo: vaabel saana pesalnan - Kabupaten Tuban: vaabel baya - Kabupaten Lamongan: vaabel ln - Kabupaten Pameasan: vaabel saana pesalnan - Kabupaten Sumenep: vaabel assten meds - Kota Ked: vaabel RS - Kota Suabaya: vaabel ln 8. DAFTAR PUSTAKA Bud, D.S Efsens Relatf Pusesmas- Pusesmas d Kabupaten Pat Tahun 2009[tess]. Jaata: Faultas Eonom, Unvestas Indonesa. Chanes, A., Coope, W.W., and Rhodes, E Measung the Effcency of Decson Mang Unts. Euopean Jounal of Opeaton Reseach, Vol. 2, pp Coope,W.W., Sefod, L.M., Tone, K A Compehensve Text wth Models, Aplcaton, Refeences, and DEA- Solve-Softwae. London: Kluwe Academc Publshe. Dnas Kesehatan Pofl Kesehatan Popns Jawa Tmu. Suabaya. Fael, M.J The Measuement of Poductve Effcency. Jounal of The Royal Statstcal Socety, Sees A, CXX, Pat 3, Ose, D Techncal Effcency of Publc Dstct Hosptal and Health Centes n Ghana. BoMed Cental Ltd.. Ozcan, Y.A Health Cae Benchmang and Pefomance Evaluaton. New Yo: Spnge. 9

10 Ramanathan, R An Intoducton To Data Envelopment Analyss: A Tool Fo Pefomance Measuement. New Delh: Sage Publcatons. Saputa, D Peneapan Data Envelopment Analyss (DEA) untu Membandngan Efsens Unt Gawat Dauat (UGD) [sps]. Suabaya: Juusan Ten Indust, Insttut Tenolog Sepuluh Nopembe 10

KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA)

KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) ANALISIS TINGKAT EFISIENSI PELAYANAN KESEHATAN DI TIAP KABUPATEN/KOTA SE-JAWA TIMUR DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) Rizqiyanti

Lebih terperinci

Analisis Efisiensi Pelayanan Kesehatan di Kabupaten/Kota se-jawa Timur dengan Metode Data Envelopment Analysis (DEA)

Analisis Efisiensi Pelayanan Kesehatan di Kabupaten/Kota se-jawa Timur dengan Metode Data Envelopment Analysis (DEA) Analisis Efisiensi Pelayanan Kesehatan di Kabupaten/Kota se-jawa Timur dengan Metode Data Envelopment Analysis (DEA) RIZQIYANTI RAMADANY 1308 100 034 Dosen Pembimbing: Dra. DESTRI SUSILANINGRUM, M.Si Seminar

Lebih terperinci

EVALUASI EFISIENSI TERMINAL BUS ANTAR KOTA DI SURABAYA DENGAN MENGGUNAKAN DATA ENVELOPMENT ANALISIS

EVALUASI EFISIENSI TERMINAL BUS ANTAR KOTA DI SURABAYA DENGAN MENGGUNAKAN DATA ENVELOPMENT ANALISIS EVALUASI EFISIENSI TERMINAL BUS ANTAR KOTA DI SURABAYA DENGAN MENGGUNAKAN DATA ENVELOPMENT ANALISIS Nama : Evta Punanngum NRP : 127 1 35 Juusan : Matematka FMIPA-ITS Dosen Pembmbng : Ds. Sulstyo, MT Abstak

Lebih terperinci

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005)

Gambar 1.1 Nilai tukar Rupiah terhadap $US dari tahun 1998 s/ d 2005 (Sumber: Bank of Canada 21 Agustus 2005) JMA, VOL 4, O2, DESEMBER, 25, 3-9 3 PEMODELA ILAI TUKAR RUPIAH TERHADAP $US MEGGUAKA HIDDE MARKOV* BERLIA SETIAWATY dan DEWI OVIYATI SARI Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

ANALISIS TINGKAT EFISIENSI PUSAT KESEHATAN MASYARAKAT (PUSKESMAS) DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (Studi Kasus: Puskesmas Kota Surabaya)

ANALISIS TINGKAT EFISIENSI PUSAT KESEHATAN MASYARAKAT (PUSKESMAS) DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (Studi Kasus: Puskesmas Kota Surabaya) ANALII TINGKAT EFIIENI PUAT KEEHATAN MAYARAKAT (PUKEMA) DENGAN METODE DATA ENVELOPMENT ANALYI (DEA) (tud Kasus: Puskesmas Kota uabaya) EFFICIENCY ANALYI OF PUBLIC HEALTH CENTER (PUKEMA) WITH DATA ENVELOPMENT

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI METODE SIMPLEKS A Bentu Standa Model Pogam Lnea Pelu dngatan embal bahwa pemasalahan model pogam lnea dapat meml pembatas-pembatas lnea yang betanda,,, dan peubah-peubah eputusannya dapat meupaan peubah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV *

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV * PEDUGAA PARAMETER MODEL HIDDE MARKOV * BERLIA SETIAWATY DA LIDA KRISTIA Depatemen Matemata Faultas Matemata dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Jl Meant, Kampus IPB Damaga, Bogo 6680 Indonesa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON

PENENTUAN HARGA OPSI UNTUK MODEL BLACK - SCHOLES MENGGUNAKAN METODE BEDA HINGGA CRANK-NICOLSON PEETUA HARGA OPI UTUK MODEL BLACK - CHOLE MEGGUAKA METODE BEDA HIGGA CRAK-ICOLO Rully Chatas Inda Pahmana dan Ds. umad, M. Absta Ops meupaan suatu onta antaa penual ops dengan pembel ops, dmana penual

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI PACITAN

DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI PACITAN t NOMOR: 49 BERTA DAERAH KABUPATEN PACTAN TAHUN 2007 PERATURAN BUPAT PACTAN NOMOR 64 TAHUN 2007 TENTANG URAAN TUGAS. FUNGS DAN TATA KERJA KANTOR PERPUSTAKAAN. ARSP DAN DOKUMENTAS KABUPATEN PACTAN DENGAN

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G

PEMODELAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN HIDDEN MARKOV. Oleh: DEWI NOVIYANTI SARI G PEMODELA ILAI TUKAR RUPIAH TERHADAP US DOLLAR MEGGUAKA HIDDE MARKOV Oleh: DEWI OVIYATI SARI G5444 DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM ISTITUT PERTAIA BOGOR 6 PEMODELA ILAI TUKAR

Lebih terperinci

Prinsip Dasar Matematika

Prinsip Dasar Matematika Modul Pnsp Dasa Matemata Ds. Gatot Muhsetyo, M.Sc. P PENDAHULUAN nsp dasa matemata meupaan onsep-onsep utama yang dapat dgunaan sebaga model peman dalam menjawab atau menyelesaan masalah yang seupa, yatu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Winarno Surakhmad (1982:131) mengemukakan bahwa metode adalah

BAB III METODOLOGI PENELITIAN. Winarno Surakhmad (1982:131) mengemukakan bahwa metode adalah 3 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode peneltan dpeluan untu mencapa tujuan peneltan. Wnano Suahmad (98:3) mengemuaan bahwa metode adalah meupaan caa utama yang dpegunaan untu mencapa

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

Bab 4 ANALISIS KORELASI

Bab 4 ANALISIS KORELASI Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

BAB IV HASIL ANALISIS

BAB IV HASIL ANALISIS BAB IV HASIL ANALISIS. Standarda Varabel Dalam anal yang dtamplan pada daftar tabel, dar e-39 wadu yang meml fator-fator melput luaan DAS, apata awal wadu, 3 volume tahunan rerata pengendapan edmen, dan

Lebih terperinci

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai 4 METODE PENELITIAN 4.1 Watu dan Loas Peneltan Peneltan n dlasanaan selama 6 bulan dmula dar bulan Jul sampa bulan Desember 005 d Kabupaten Indramayu, Provns Jawa Barat yang terleta pada poss geografs

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

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

P(A S) = P(A S) = P(B A) = dengan P(A) > 0.

P(A S) = P(A S) = P(B A) = dengan P(A) > 0. 0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

ANALISIS PENGARUH PERUBAHAN KECEPATAN, KAPASITANSI DAN BEBAN PADA GENERATOR INDUKSI SATU FASA DENGAN MODEL RANGKAIAN EKIVALEN TIPE

ANALISIS PENGARUH PERUBAHAN KECEPATAN, KAPASITANSI DAN BEBAN PADA GENERATOR INDUKSI SATU FASA DENGAN MODEL RANGKAIAN EKIVALEN TIPE AAISIS PEGARUH PERUBAHA KECEPATA, KAPASITASI DA BEBA PADA GEERATOR IDUKSI SATU FASA DEGA MODE RAGKAIA EKIVAE TIPE Am Hamzah Juusan Ten Eleto, Faultas Ten Unvestas Rau, Peanbau 28293 am_hzh@un.ac. Absta

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

Abstract. Keywords: Data Envelopment Analysis (DEA), Conventional Bank, Sharia Bank, Constant Return to Scale (CRS), Variable Return to Scale (VRS)

Abstract. Keywords: Data Envelopment Analysis (DEA), Conventional Bank, Sharia Bank, Constant Return to Scale (CRS), Variable Return to Scale (VRS) PERBANDINGAN TINGKAT EFISIENSI BANK UMUM KONVENSIONAL (BUK) DENGAN BANK UMUM SYARIAH (BUS) MENGGUNAKAN METODE DATA ENVELOPMENT ANALYSIS (DEA) Zaha Rosa Amala UIN Syaf Hdayatullah Jakata Jl. Wadassa I Rt.006/02

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

EFISIENSI RELATIF DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (STUDI KASUS : Bank BRI Syariah DI JAWA)

EFISIENSI RELATIF DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (STUDI KASUS : Bank BRI Syariah DI JAWA) EFISIENSI RELATIF DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (STUDI KASUS : Bank BRI Syaiah DI JAWA) Enny Aiyani Podi Teknik Industi FTI-UPNV Jawa Timu ABSTRAK Pemasalahan dalam penelitian ini bahwa

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

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

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield Perbandngan Masalah Optmas TSP dengan Menggunaan Algortma Ant Colony dan Jarngan Hopfeld 1 Yulan, Moh.Isa Irawan, dan 3 Mardljah 1,, 3 Jurusan Matemata, Insttut Tenolog Sepuluh Noember Kampus ITS, Surabaya

Lebih terperinci

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD Idam Had Ahmad dan Luca Ratnasa, Juusan Matemata, FMIPA UNDIP Jl. Pof. H. Soedato, S.H., Tembalang, Semaang Abstact. Lnea equaton system,

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

Perancangan, Pembuatan dan Pengujian Omnidirectional Vehicle

Perancangan, Pembuatan dan Pengujian Omnidirectional Vehicle Peancangan, Pembuatan dan Pengujan Omndectonal Vehcle Muljowdodo dan Cahyad Setawan Laboatoum Otomas & Sstem Manufaktu Juusan Teknk Mesn FTI ITB muljo@bdg.centn.net.d, dot@tekpod.ms.tb.ac.d Rngkasan Movng

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

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

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB II PERPINDAHAN PANAS

BAB II PERPINDAHAN PANAS II PEPINDHN PNS.. Umum Pepndahan panas adalah pepndahan eneg yang tejad pada benda atau mateal yang besuhu tngg e benda atau mateal yang besuhu endah, hngga tecapanya esetmbangan panas. Kesetmbangan panas

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ e-jurnal Ten Industr FT USU Vol 3, No., Otober 03 pp. 45-5 PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. YZ Delmar Bnhot Lumbantoruan, Poerwanto,

Lebih terperinci

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang 39 BAB III METODE PENELITIAN 3.1. Desan Peneltan Untuk mencapa tujuan peneltan, maka dpelukan suatu metode yang tepat aga peneltan dapat dlaksanakan dengan bak. Sebagamana yang dkemukakan oleh Mohammad

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Pemodelan Lintasan Komet pada Tata Surya dengan Variasi Massa dan Posisi Ria Ananda a, Joko Sampurno a*, Boni P. Lapanporo a

Pemodelan Lintasan Komet pada Tata Surya dengan Variasi Massa dan Posisi Ria Ananda a, Joko Sampurno a*, Boni P. Lapanporo a Pemodelan Lintasan Komet pada Tata Suya dengan Vaiasi Massa dan Posisi Ria Ananda a, Joo Sampuno a*, Boni P. Lapanpoo a a Podi Fisia, FMIPA Univesitas Tanjungpua Jalan Pof. D. Hadai Nawawi, Pontiana, Indonesia

Lebih terperinci

BAB I PENDAHULUAN. Anemia adalah keadaan saat jumlah sel darah merah atau jumlah

BAB I PENDAHULUAN. Anemia adalah keadaan saat jumlah sel darah merah atau jumlah BAB I PENDAHULUAN 1.1 Latar Belakang Anema adalah keadaan saat jumlah sel darah merah atau jumlah hemoglobn (HB) atau proten pembawa oksgen dalam sel darah merah berada d bawah normal,anema dalam kehamlan

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

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

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 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

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:

Lebih terperinci

DERET BALMER DARI ATOM HIDROGEN

DERET BALMER DARI ATOM HIDROGEN DERET BALMER DARI ATOM HIDROGEN I. Tujuan: Menentukan haga konstanta ydbeg dan spectum atom hydogen II. Teo Dasa Pengamatan menunjukan bahwa gas yang besuhu tngg memancakan cahaya dengan spectum gas yang

Lebih terperinci

Corresponding Author:

Corresponding Author: Perbandngan Fungs Ketahanan Hdup Dengan Metode Non Parametrk Menggunakan Uj Gehan Dan Uj Cox-Mantel (Lvng wth Securty Functon Comparson Method Usng Non Paremetrk Gehan test and Cox-Mantel Tes Ans Sept

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda

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 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

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA KALKULUS VARIASI JURUSAN PENDIDIKAN ISIKA PMIPA UNIVERSITAS PENDIDIKAN INDONESIA Smak Petanaan! Bang A B Bentuk kuva apakah ang menunjukkan jaak tepenek ang menghubung-kan ttk A an ttk B alam bang ata

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d

Lebih terperinci

BUPATI PACITAN I. ' PERATURAN BUPATI PACITAN i NOMOR 9 TAHUN 2006 TENTANG

BUPATI PACITAN I. ' PERATURAN BUPATI PACITAN i NOMOR 9 TAHUN 2006 TENTANG BUPAT PACTAN! ' PERATURAN BUPAT PACTAN NOMOR 9 TAHUN 2006 F TENTANG Menmbang : STANDAR BELANJA PENUNJANG KEGATAN DEWAN PERWAKLAN RAKYAT DAERAH ; KABUPATEN PACTAN! TAHUN ANGGARAN2006 J! BUPAT PACTAN ^,

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

BAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta,

BAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta, BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan Peneltan n dlakukan pada 6 (enam) MTs d Kota Yogyakarta, yang melput: Madrasah Tsanawyah Neger Yogyakarta II, Madrasah Tsanawyah Muhammadyah Gedongtengen,

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan

Lebih terperinci

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea

Lebih terperinci