4, digunakan. metode P sedangkan jika δ maks
|
|
- Lanny Darmali
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6 Untuk nilai 1< к <2 maka dapat dilakukan pendekatan menggunakan F = F ( к ) dengan pendekatan sebaran F yang sama. Sedangkan jika nilai к yang didapat kurang dari 1 maka dilakukan perhitungan dengan menggunakan pendekatan uji rasio likelihood seperti yang telah dijelaskan sebelumnya. METODOLOGI Bahan Data yang digunakan dalam penelitian ini adalah data sekunder yang didapat dari 4 rumah sakit di kota Bogor pada bulan Maret Rumah sakit tersebut adalah: 1. Rumah Sakit Azra 2. Rumah Sakit Palang Merah Indonesia 3. Rumah Sakit Karya Bakti 4. Rumah Sakit Salak Data yang didapat berupa waktu kedatangan pasien Instalasi Gawat Darurat, dan asal tempat tinggal (kecamatan). Metode Perangkat lunak yang digunakan untuk data sirkular ini adalah Oriana trial version. Langkah - langkah yang dilakukan dalam penelitian ini adalah : 1. Mentransformasi data waktu kedatangan pasien dalam satuan jam ke dalam satuan sudut atau derajat dengan persamaan θ = 360o x t T Untuk mengubah jam (t dalam jam) dalam siklus 1 hari maka T=24 jam. Begitu pula sebaliknya untuk mentransfromasi satuan sudut menjadi waktu dengan mengkonversi balik persamaan; 2. Membuat analisis deskripsi statistik sirkular masing-masing rumah sakit; 3. Melihat hubungan antara rumah sakit dengan frekuensi kedatangan pasien dengan menggunakan table kontingensi; 4. Menghitung ANOVA dengan prosedur statistika sirkular yang meliputi Pengujian kecocokan sebaran Von Misses, jika data mengikuti sebaran Von Misses, analisis dapat dilanjutkan. Pengujian kesamaan parameter konsentrasi keempat rumah sakit; Menghitung tabel ANOVA; Jika nilai konsentrasi yang dihasilkan kecil akan dilakukan konversi nilai F untuk nilai 1< к <2. Sedangkan jika nilai к <1 pengujian dilakukan dengan uji rasio likelihood. 5. Menghitung perbandingan arah rata-rata waktu kedatangan dengan metode nonparametrik jika δ maks 4, digunakan δ min metode P sedangkan jika δ maks > 4, δ min digunakan metode M; dan 6. Pengujian parsial arah rata-rata waktu kedatangan pasien di rumah sakit berdasarkan arah rata-rata rumah sakit yang berdekatan. HASIL DAN PEMBAHASAN Statistika Deskripsi Sirkular Hasil transformasi data waktu kedatangan ke dalam bentuk sudut menghasilkan 1 o yang mewakili 4 menit. Penggambaran data sirkular dilakukan dengan diagram pencar dan histogram sirkular. Hasil ini dapat dilihat pada Lampiran 1 dan 2. Selain itu deskripsi statistik untuk waktu kedatangan pasien IGD di rumah sakit dapat dilihat pada Tabel 3. Pada Tabel 3, waktu kedatangan pasien IGD empat rumah sakit kota Bogor memiliki rata-rata sirkular dan selang kepercayaan yang berbeda-beda. Rata-rata sirkular menunjukkan arah rata-rata dari data yang ada atau arah tempat berkumpulnya data. Rata-rata sirkular waktu kedatangan untuk rumah sakit AZRA pada pukul 19:33 atau berada pada 293 o, sedangkan untuk Karya Bakti, PMI dan Salak berturut-turut pada pukul 15:20, 16:49, dan 15:47 atau arah ratarata berada pada 230 o, 252 o dan 237 o. Selain itu dapat dilihat median yang dihasilkan masing-masing rumah sakit tidak berbeda jauh dengan arah rata-ratanya. Nilai panjang dari vektor rata-rata (R) dapat dilihat pada Tabel 3. Seperti yang telah dijelaskan sebelumnya nilai R ini menjelaskan ukuran pemusatan dari data sirkular. Nilai R yang kecil dan mendekati nol mengindikasikan nilai pemusatan data yang kecil. Nilai R pada data waktu kedatangan pasien di 4 rumah sakit kurang dari 1. Hal ini menjelaskan nilai pemusatan data yang kecil. Panjang vektor rata-rata yang bernilai positif dapat diartikan arah rata-ratanya merupakan arah rata-rata sirkularnya. Pada Tabel 3 nilai ragam sirkular masingmasing rumah sakit beragam. Nilai ragam berkisar antara Nilai ragam
2 7 untuk rumah sakit AZRA adalah dan untuk rumah sakit Karya bakti, PMI dan Salak berturut-turut adalah 0.748, dan Besarnya nilai keragaman menunjukkan terjadinya penyebaran yang cukup besar untuk data waktu kedatangan pasien IGD. Nilai konsentrasi yang dihasilkan kecil padahal semakin besar konsentrasi data akan semakin terkonsentrasi di sekitar arah rataratanya. Pada Tabel 3 nilai konsentrasi berkisar antara Rumah sakit AZRA, Karya Bakti, PMI dan Salak memiliki konsentrasi berturut-turut sebesar 0.643, 0.52, dan Nilai konsentrasi data keempat rumah sakit kurang dari satu padahal untuk melakukan uji F pada uji pendekatan ANOVA diperlukan konsentrasi lebih dari 2. Hal ini berarti hanya terdapat sedikit data yang berada di sekitar arah rata-rata. Selang kepercayaan untuk arah rata-rata digunakan selang kepercayaan 95 %. Selang kepercayaan terlebar adalah pada rumah sakit AZRA yaitu berada pada pukul 16:53 sampai dengan pukul 22:13 atau 253 o sampai dengan 333 o. Selang kepercayaan seharusnya menunjukkan selang waktu sibuk untuk masing-masing rumah sakit. Namun karena nilai konsentrasi yang dihasilkan kecil, selang kepercayaan ini menjadi kurang kuat untuk menentukan waktu sibuk kedatangan pasien. Pada Tabel 3 juga dapat dilihat nilai median, standar deviasi dan standar eror. Arti dari nilai-nilai ini tidak berbeda dengan statistika linear pada umumnya. Rose diagram atau diagram mawar setiap rumah sakit dapat dilihat pada Gambar 4, 5, 6, dan 7. Skala yang digunakan pada diagram ini adalah frekuensi relatif terhadap frekuensi maksimum. Frekuensi terbesar akan memiliki nilai 1 pada diagram mawar. Berdasarkan diagram mawar terlihat bahwa banyaknya pasien datang terjadi sore hari menjelang malam hari. Hal ini mungkin disebabkan oleh pelayanan poliklinik yang tutup sore hari. Diagram mawar pada Gambar 4, 5, 6, dan 7 menunjukkan frekuensi dan arah rata-rata dengan selang kepercayaan dalam statistika sirkular. Garis penuh menunjukkan arah ratarata dan selang kepercayaan data berdasarkan konsep statistika sirkular, sedangkan garis panah putus-putus adalah arah rata-rata dengan prosedur statistika linear. Berdasarkan gambar dapat dilihat bahwa terdapat perbedaan arah rata-rata antara prosedur statistika sirkular dengan statistika linear. Tabel 3 Statistika Deskriptif Waktu Kedatangan Pasien Rumah Sakit Azra Karya Bakti PMI Salak Jumlah pengamatan Arah rata-rata (θ 0 ) 19:33 (293 o ) 15:20 (230 o ) 16:49 (252 o ) 15:47 (237 o ) Panjang vektor rata-rata (R) Median 20:15(303 o ) 15:20 (230 o ) 17:00 (255 o ) 15:50 (237 o ) Konsentrasi Ragam Sirkular Standar Deviasi Sirkular 05:52 (88 o ) 06:20 (95 o ) 06:59 (105 o ) 06:18 (95 o ) Standard Error arah rata-rata 01:21(20 o ) 00:17 (4 o ) 00:21 (5 o ) 00:19 (5 o ) 95% Selang Kepercayaan (-/+) 16:53 (253 o ) 14:45 (221 o ) 16:08 (242 o ) 15:09 (227 o ) Untuk (θ 0 ) 22:13 (333 o ) 15:55 (239 o ) 17:31 (263 o ) 16:25 (246 o )
3 8 Gambar 4 Diagram Mawar Waktu Kedatangan Pasien AZRA Gambar 6 Diagram Mawar Waktu Kedatangan Pasien PMI Gambar 5 Diagram Mawar Waktu Kedatangan Pasien Karya Bakti Gambar 7 Diagram Mawar Waktu Kedatangan Pasien Salak
4 9 Pie Chart of kecamatan 23,1% AZRA Karya Bakti 10,3% 12,8% 16,4% 46,4% 43,6% 21,7% 1,6% 2,7% 6,1% Kategori Bogor Barat Bogor Selatan Bogor Tengah Bogor Timur Bogor Utara Kab Bogor Tanah Sareal 10,7% PMI 7,1% 6,7% 8,4% 23,9% Salak 8,2% 8,0% 40,4% 9,5% 12,2% 4,9% 17,4% 30,4% 12,5% Gambar 8. Diagram Lingkaran Asal Pasien IGD Deskripsi asal tempat tinggal pasienpasien IGD dapat dilihat pada Gambar 8. Asal tempat tinggal pasien dikelompokkan berdasarkan kecamatan-kecamatan di kota Bogor dan untuk kecamatan di kabupaten Bogor digolongkan ke dalam kabupaten Bogor. Berdasarkan Gambar 8 dapat dilihat mayoritas pasien IGD berasal dari kabupaten Bogor untuk rumah sakit Salak, PMI dan Karya Bakti. Sedangkan untuk rumah sakit AZRA mayoritas berasal dari kecamatan Bogor Utara. Banyaknya pasien yang berasal dari Kabupaten Bogor dapat disebabkan oleh pengelompokkan asal pasien kabupaten Bogor yang tidak dibagi ke dalam beberapa kecamatan. Terlepas dari pasien asal kabupaten Bogor, terlihat bahwa mayoritas pasien IGD berasal dari daerah di sekitar rumah sakit. Misalnya untuk rumah sakit Karya Bakti yang berada di Bogor Barat, sebanyak 21.7% pasien berasal dari kecamatan Bogor Barat. Uji Khi-Kuadrat Pengelompokkan yang dilakukan adalah dengan selang 20 o sehingga didapatkan 18 kelompok. Tetapi ketika diuji didapatkan 25% sel dengan nilai harapan kurang dari 5. Untuk mengatasi hal ini maka dilakukan pengelompokkan ulang dengan selang masing-masing kategori 40 o dan didapatkan 9 kategori. Selanjutnya uji khi-kuadrat sudah memenuhi syarat dengan 13.9% sel yang nilai harapannya kurang dari 5. Pada pengujian dihasilkan nilai statistik uji Karena nilai statistik uji lebih besar dari χ ,24 = maka hipotesis nol dapat ditolak. Hal ini berarti terdapat hubungan antara jenis rumah sakit dengan frekuensi waktu kedatangan pasien. Uji Kecocokan Sebaran von Mises Hasil uji kecocokan sebaran von Mises dilakukan dengan von Mises Q-Q plot dan uji Rayleigh. Hasil uji kecocokan sebaran von Mises dengan Q-Q plot masing-masing rumah sakit dapat dilihat pada Lampiran 3. Pada Q-Q plot untuk ke-4 rumah sakit menunjukkan sebaran data mengikuti garis lurus (0,0) dengan kemiringan 45 o maka dapat dikatakan waktu kedatangan pasien di 4 rumah sakit mengikuti sebaran normal sirkular atau von Mises. Pengujian formal sebaran von Mises menggunakan uji Rayleigh. Hasil uji Rayleigh dapat dilihat pada Tabel 4. Untuk ke-4 rumah sakit uji Rayleigh menghasilkan nilai-p yang kurang dari alpha 5% artinya hipotesis nol dapat ditolak dan menerima hipotesis alternatif yaitu data mengikuti sebaran von Mises. Tabel 4 Uji Kecocokan Rayleigh. Rumah Sakit Statistik Uji Nilai-P Azra Karya Bakti < PMI <0.000 Salak <0.000
5 10 Uji Kesamaan Parameter Konsentrasi Uji kesamaan konsentrasi menghasilkan nilai F hitung = , karena nilai F hitung ini lebih kecil dari F(3, 3954, 0.05) = maka tidak tolak H0, artinya tidak ada perbedaan parameter konsentrasi untuk rumah sakit AZRA, Karya Bakti, PMI dan salak. Berdasarkan hasil ini maka analisis perbandingan arah rata-rata waktu kedatangan pasien dengan menggunakan pendekatan ANOVA dapat dilakukan. Perbandingan Arah Rata-Rata Data Sirkular ANOVA Sirkular Hasil perhitungan pendekatan ANOVA sirkular untuk waktu kedatangan pasien dapat dilihat pada Tabel 5. Tabel 5 Tabel Pendekatan ANOVA Sirkular. Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Tengah Rumah Sakit Galat Total Berdasarkan Tabel 5 F hitung yang dihasilkan adalah Karena nilai к yang dihasilkan kecil tidak dapat dilakukan keputusan berdasarkan nilai F. Oleh karena itu dilakukan pendekatan keputusan untuk к<1 dengan uji rasio likelihood. Berdasarkan uji rasio likelihood didapatkan nilai cu sebesar Nilai ini lebih besar dari X 2 3,0.05 = maka hipotesis nol dapat ditolak. Dapat disimpulkan bahwa minimal terdapat 1 rumah sakit yang memiliki arah rata-rata waktu kedatangan yang berbeda. Metode Nonparametrik Metode ini tetap dilakukan sebagai perbandingan walaupun berdasarkan Q-Q plot diketahui data menyebar von Mises,. Berdasarkan hasil δ maks /δ min diperoleh nilai sebesar sehingga digunakan metode P. Hasil perhitungan dengan metode P menghasilkan nilai Y p sebesar Nilai Y p lebih besar dari χ 2 3, = maka hipotesis nol dapat ditolak yang artinya minimal terdapat satu rumah sakit yang memiliki arah rata-rata waktu kedatangan yang berbeda. Keputusan uji nonparametrik ini sebanding dengan keputusan yang diperoleh pada uji rasio likelihood sebelumnya. Uji Arah Rata-Rata Berpasangan Uji berpasangan arah rata-rata dilakukan untuk mengetahui perbedaan arah rata-rata setiap rumah sakit. Tabel 6 dihasilkan berdasarkan uji rasio likelihood karena к<1. Pada Tabel 6 didapatkan hasil bahwa rumah sakit Karya Bakti dan rumah sakit Salak memiliki arah rata-rata yang sama serta rumah sakit PMI memiliki arah rata-rata yang sama dengan rumah sakit AZRA. Tabel 6 Hasil Uji Parsial. Rumah Sakit Karya Bakti Salak PMI AZRA Arah Rata-rata 15:20 ( 230) A 15:47 ( 237) A 16:49 ( 252) B 19:33 ( 293) B KESIMPULAN DAN SARAN Kesimpulan Arah rata-rata yang menunjukkan pusat waktu sibuk kedatangan pasien untuk rumah sakit AZRA, Karya Bakti, PMI dan Salak berturut-turut terjadi pada pukul 19:33, 15:20, 16:49 dan pukul 15:47. Sedangkan berdasarkan diagram mawar dapat dilihat secara umum waktu kedatangan pasien IGD banyak terjadi pada sore hari menjelang malam. Nilai ragam dan konsentrasi masingmasing rumah sakit berturut-turut adalah sebagai berikut: rumah sakit AZRA (0.694; 0.643), rumah sakit Karya Bakti (0.748; 0.52), rumah sakit PMI (0.812; 0.382) dan rumah sakit Salak (0.745; 0.528). Hasil arah rata-rata dengan prosedur linear berbeda dengan prosedur sirkular. Rata-rata linear berada diantara nilai maksimum dengan minimum sedangkan dalam konsep sirkular tidak ada titik maksimum dan titik minimum. Terdapat hubungan yang signifikan antara frekuensi waktu kedatangan pasien dengan jenis rumah sakit. Rumah sakit AZRA dan PMI memiliki kesamaan arah rata-rata waktu kedatangan. Demikian juga rumah sakit Karya Bakti dan Salak memiliki kesamaan arah rata-rata waktu kedatangan.
KAJIAN PERBANDINGAN ARAH RATA-RATA DATA SIRKULAR (STUDI KASUS: DATA WAKTU KEDATANGAN PASIEN IGD)
KAJIAN PERBANDINGAN ARAH RATA-RATA DATA SIRKULAR (STUDI KASUS: DATA WAKTU KEDATANGAN PASIEN IGD) EKA PUTRI NUR UTAMI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciTINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan
TINJAUAN PUSTAKA Penduga Titik dan Selang Kepercayaan Penduga bagi parameter populasi ada dua jenis, yaitu penduga titik dan penduga selang atau disebut sebagai selang kepercayaan. Penduga titik dari suatu
Lebih terperinciBAB II TINJAUAN PUSTAKA. pembahasan pada bab selanjutnya. Pembahasan teori meliputi pengertian data
BAB II TINJAUAN PUSTAKA Bab ini membahas teori-teori dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pembahasan teori meliputi pengertian data secara umum dan data sirkular, ukuran
Lebih terperinciMETODOLOGI. (a). (b) (c) Gambar 3. Pola sebaran data dengan = 0.05, 5, dan 50
METODOLOGI Data Data yang digunakan dalam penelitian ini ada dua jenis, yaitu data simulasi dan data riil Data simulasi digunakan untuk melihat pengaruh perubahan parameter konsentrasi ( ) terhadap karakteristik
Lebih terperinciHASIL DAN PEMBAHASAN. Selang Kepercayaan Bootstrap bagi Arah Rata-rata dan Arah Median
HASIL DAN PEMBAHASAN Sebelum dilakukan pendugaan selang kepercayaan, terlebih dahulu dilihat ketakbiasan dari penduga titik. Caranya adalah dengan menghitung nilai harapan dari arah rata-rata dan arah
Lebih terperinciBAB III REGRESI PADA DATA SIRKULAR
BAB III REGRESI PADA DATA SIRKULAR Variabel dalam suatu regresi secara umum terdiri atas variabel bebas (independent variable dan variabel terikat (dependent variable. Jenis data pada variabel-variabel
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperinciKing s Learning Be Smart Without Limits NAMA : KELAS :
NAMA : KELAS : A. PENGERTIAN STATISTIKA Statistika adalah ilmu yang mempelajari cara mengumpulkan dan menyusun data, mengolah dan menganalisis data, serta menyajikan data. Statistik adalah hasil dari pengolahan
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciSTK 211 Metode statistika. Materi 2 Statistika Deskriptif
STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciANALISIS MODEL REGRESI NONPARAMETRIK SIRKULAR-LINEAR BERGANDA
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 52-58 ISSN: 233-1751 ANALISIS MODEL REGRESI NONPARAMETRIK SIRKULAR-LINEAR BERGANDA Komang Candra Ivan 1, I Wayan Sumarjaya 2, Made Susilawati 3 1 Jurusan Matematika,
Lebih terperinciSTK 211 Metode statistika. Agus Mohamad Soleh
STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciPERTEMUAN 2 STATISTIKA DASAR MAT 130
PERTEMUAN 2 STATISTIKA DASAR MAT 130 Data 1. Besaran Statistika berbicara tentang data dalam bentuk besaran (dimensi) Besaran adalah sesuatu yang dapat dipaparkan secara jelas dan pada prinsipnya dapat
Lebih terperinciBAB 4 HASIL PENELITIAN
87 BAB 4 HASIL PENELITIAN 4.1 Karakteristik Responden Sebelum disajikan data dari hasil penelitian, terlebih dahulu secara ringkas akan dideskripsikan karakteristik responden. Karakteristik responden meliputi
Lebih terperinciTabel 1 Sudut terjadinya jarak terdekat dan terjauh pada berbagai kombinasi pemilihan arah acuan 0 o dan arah rotasi HASIL DAN PEMBAHASAN
sudut pada langkah sehingga diperoleh (α i, x i ).. Mentransformasi x i ke jarak sebenarnya melalui informasi jarak pada peta.. Melakukan analisis korelasi linier sirkular antara x dan α untuk masingmasing
Lebih terperinciSTATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si
STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Statistika Deskripsi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Teknik Penyajian Data Tabel Gambar
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. analisis, (c) hasil pengujian hipotesis penelitian, (2) pembahasan, dan (3) keterbatasan penelitian.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan disajikan berturut-turut (1) hasil penelitian yang meliputi (a) hasil pengujian analisis deskriptif data penelitian untuk memperoleh gambaran tentang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Data Hasil Penelitian Sebagaimana telah dikemukakan pada bab-bab sebelumnya bahwa penelitian ini terdiri dari dua perangkat data, yakni 1) Data Pola
Lebih terperinciSTATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.
STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil
Lebih terperinciANALISIS STATISTIKA. Pertemuan 2 Statistika Dasar (Basic Statistics)
ANALISIS STATISTIKA Pertemuan Statistika Dasar (Basic Statistics) Statistika Deskripsi dan Eksplorasi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Tehnik
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciHanif Fakhrurroja, MT
Metodologi Penelitian Analisis Penelitian: Statistik Deskriftif dan Inferensial Hanif Fakhrurroja, MT PIKSI GANESHA, 2012 Hanif Fakhrurroja @hanifoza hanifoza@gmail.com Pendahuluan Kegiatan dalam analisis
Lebih terperinciHASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian.
6 6. Catat persentase salah klasifikasi dari hasil penggerombolan. 7. Ulangi langkah 2-6 sebanyak tiga puluh kali. HASIL DAN PEMBAHASAN Penentuan Lebar Jendela Fungsi Kernel Penentuan lebar jendela fungsi
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinci( ) 1 IV CONTOH KASUS. β τ. Jika panjang vektor koefisien regresinya. (26) dan juga 2. maka: (29) Tetapi apabila Ew [
0 ( ) = Ew X ( q Y X V ) β arg min [ ( ) ( ) β ], β (6) dan juga β ( ) = arg min Ew [ ( X) ( Q ( Y X) V ) ], β β (7) yang dapat menyatakan bahwa ( ) β merupakan koefisien regresi kuantil parsial dari regresi
Lebih terperinciANALISIS STATISTIKA UNTUK SOSIAL EKONOMI PERTANIAN
ANALISIS STATISTIKA UNTUK SOSIAL EKONOMI PERTANIAN (DRAFT PERTAMA) OLEH DIDI RUKMANA PROGRAM STUDI AGRIBISNIS DEPARTEMEN SOSIAL EKONOMI PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS HASANUDDIN 2017 i KATA PENGANTAR
Lebih terperinciSTATISTIK DESKRIPTIF. Penyajian Data, ukuran Pemusatan Data, Ukuran Penyebaran Data
STATISTIK DESKRIPTIF Penyajian Data, ukuran Pemusatan Data, Ukuran Penyebaran Data 1. Statisitik Deskriptif 2. Penyajian Data 3. Ukuran Pemusatan Data 4. Ukuran Penyebaran Data Materi Pokok Indikator Setelah
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciBAB IV HASIL PENELITIAN. meliputi jenis kelamin, usia, pendidikan, lama bekerja. Tabel 4.1. Karakteristik Responden Berdasarkan Jenis Kelamin
BAB IV HASIL PENELITIAN 4.1 Karakteristik Responden Sebelum hasil penelitian disajikan, terlebih dahulu dengan sederhana dijelaskan karakteristik responden. Karakteristik responden meliputi jenis kelamin,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperincidari tahun pada stasiun pengamat yang berada di daerah Darmaga, Bogor.
Jika plot peluang dan plot kuantil-kuantil membentuk garis lurus atau linier maka dapat disimpulkan bahwa model telah memenuhi asumsi (Mallor et al. 2009). Tingkat Pengembalian Dalam praktik, besaran atau
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI A. Pembangkitan Gelombang Angin yang berhembus di atas permukaan air akan memindahkan energinya ke air. Kecepatan angin tersebut akan menimbulkan tegangan pada permukaan laut, sehingga
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciMetode Penelitian Kuantitatif Aswad Analisis Deskriptif
Analisis Deskriptif Tanpa mengurangi keterumuman, pembahasan analisis deskriptif kali ini difokuskan kepada pembahasan tentang Ukuran Pemusatan Data, dan Ukuran Penyebaran Data Terlebih dahulu penting
Lebih terperinciSTATISTIKA TERAPAN Disertai Contoh Aplikasi dengan SPSS
STATISTIKA TERAPAN Disertai Contoh Aplikasi dengan SPSS Penulis: Dr. Bambang Suharjo, M.Si. Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang
Lebih terperinciBAB 2 LANDASAN TEORI
19 BAB 2 LANDASAN TEORI 2.1. Metode Analisis Data 2.1.1. Uji Validitas Validitas adalah suatu ukuran yang membuktikan bahwa apa yang diamati peneliti sesuai dengan apa yang sesungguhnya ada dalam dunia
Lebih terperinci3. METODE PENELITIAN
14 3. METODE PENELITIAN 3.1. Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di perairan dangkal Karang Congkak, Kepulauan Seribu, Jakarta. Pengambilan contoh ikan dilakukan terbatas pada daerah
Lebih terperinciVII ANALISIS FUNGSI PRODUKSI DAN EFISIENSI
VII ANALISIS FUNGSI PRODUKSI DAN EFISIENSI 7.1. Analisis Fungsi Produksi Stochastic Frontier 7.1.1. Pendugaan Model Fungsi Produksi Stochastic Frontier Model yang digunakan untuk mengestimasi fungsi produksi
Lebih terperinciKorelasi Pearson. Pendahuluan
Korelasi Pearson Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua veriabel. Dua variabel dikatakan berkorelasi apabila perubahan
Lebih terperinciUKURAN PENYEBARAN DATA
UKURAN PENYEBARAN DATA HERDIAN S.Pd., M.Pd. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) PRINGSEWU UKURAN PENYEBARAN DATA Selain ukuran pemusatan data dan ukuran letak data, ada juga yang
Lebih terperinciBAB I PENDAHULUAN. pengukuran terhadap data yang bersatuan waktu atau derajat arah yang nilainilainya
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam beberapa kasus penelitian, peneliti terkadang harus melakukan pengukuran terhadap data yang bersatuan waktu atau derajat arah yang nilainilainya berulang secara
Lebih terperinciLANGKAH-LANGKAH PENGOLAHAN DATA PENELITIAN. Oleh: Bambang Avip Priatna Martadiputra
LANGKAH-LANGKAH PENGOLAHAN DATA PENELITIAN Oleh: Bambang Avip Priatna Martadiputra PERSIAPAN PENELITIAN 1) Menyusun instrumen penelitian berdasarkan dimensi dan indikator yang dirujuk. 2) Uji validitas
Lebih terperinciStatistika Deskriptif
Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan
Lebih terperinciBAB 4 HASIL PENELITIAN Deskripsi Data Terdistribusi Kualitas Sistem Informasi Business
BAB 4 HASIL PENELITIAN 4.1 Deskripsi Data Hasil Penelitian 4.1.1 Deskripsi Data Terdistribusi Kualitas Sistem Informasi Business Trip Berdasarkan instrumen penelitian yang menggunakan skala 1 (satu) sampai
Lebih terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
TNR 12 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL I TNR 12 Space 2.0 STATISTIK
Lebih terperinciRANCANGAN ACAK KELOMPOK (RAK)
RANCANGAN ACAK KELOMPOK (RAK) Oleh: Ir. Sri Nurhatika M.P Jurusan Biologi Fakultas MAtematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2010 TUJUAN RAK DAN FAKTOR YANG PERLU
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Pembangkitan Gelombang Angin yang berhembus di atas permukaan air akan memindahkan energinya ke air. Kecepatan angin tersebut akan menimbulkan tegangan pada permukaan laut,
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.
Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciBAB 4 HASIL PENELITIAN
BAB 4 HASIL PENELITIAN 4.1 Karekteristik Responden Sebelum disajikan data hasil penelitian setiap variabel yang dikaji dalam penelitian ini, terlebih dahulu secara ringkas akan dideskripsikan karakteristik
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB 4 HASIL PENELITIAN. Sebelum hasil penelitian disajikan, maka terlebih dahulu akan dijelaskan mengenai
BAB 4 HASIL PENELITIAN 4.1 Karateristik Responden Sebelum hasil penelitian disajikan, maka terlebih dahulu akan dijelaskan mengenai karateristik responden yang meliputi jenis kelamin, usia, pendidikan
Lebih terperinciBAB IV PENGUMPULAN DATA
BAB IV PENGUMPULAN DATA Pengumpulan data yang dilakukan dibatasi hanya di dalam wilayah Jabodetabek. Data yang dikumpulkan terdiri atas data primer maupun data sekunder. Data primer meliputi kriteria drainase
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga Kabupaten Bogor, Propinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan
Lebih terperinciRANCANGAN AKTIVITAS TUTORIAL (RAT)
RANCANGAN AKTIVITAS TUTORIAL (RAT) Nama Mata Kuliah/ sks/ Kode : Statistika Dasar/ 3/ PAMA 3226 Nama Tutor/ NPP : Adi Nur Cahyono, S.Pd., M.Pd./088201206 Deskripsi Singkat Mata Kuliah : Mata kuliah ini
Lebih terperinci4 HASIL DAN PEMBAHASAN
16 4 HASIL DAN PEMBAHASAN Pada bab ini dibahas mengenai kajian simulasi dan kajian terapan. Simulasi dilakukan untuk mengevaluasi penduga yang diperoleh dengan menggunakan metode pendugaan klasik dan metode
Lebih terperinciBAB II PEMBAHASAN. Gambar 2.1 Lenturan Gelombang yang Melalui Celah Sempit
BAB II PEMBAHASAN A. Difraksi Sesuai dengan teori Huygens, difraksi dapat dipandang sebagai interferensi gelombang cahaya yang berasal dari bagian-bagian suatu medan gelombang. Medan gelombang boleh jadi
Lebih terperinci5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b
. STATISTIKA A. Membaca Sajian Data dalam Bentuk Diagram. UN 00 IPS PAKET A Diagram lingkaran berikut menunjukan persentase jenis pekerjaan penduduk di kota X. Jumlah penduduk seluruhnya adalah 3.600.000
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciII. TINJAUAN PUSTAKA. Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan
II. TINJAUAN PUSTAKA 2.1 Analisis Ragam Klasifikasi Satu Arah Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan sebuah teknik yang disebut analisis ragam. Analisis ragam adalah
Lebih terperinciPROBLEM SOLVING STATISTIKA LANJUT
PROBLEM SOLVING STATISTIKA LANJUT 1. Ujilah validitas dan reliabilitas hasil koesioner gaya kepemimpinan yang terdiri dari 12 item dan diisi oleh 44 responden dalam data pada file Excel. 2. Berikan gambaran
Lebih terperinciBAB IV HASIL PENELITIAN. Data yang dikumpulkan dalam penelitian ini terdiri dari tiga variabel yaitu
BAB IV HASIL PENELITIAN A. Deskripsi Data Data yang dikumpulkan dalam penelitian ini terdiri dari tiga variabel yaitu data tentang kepemimpinan kepala sekolah (X 1 ), sikap guru terhadap pekerjaan (X 2
Lebih terperinciMetode Statistika (STK211)
Ilustrasi Quiz: Apa Jenis Data Kita? (coret yang salah) Survei Kemampuan Bayar Pelanggan Listrik (studi kasus Kelurahan Sukamakmur). Mengetahui gambaran kemampuan bayar pelanggan listrik masyarakat. Menentukan
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciBAB 7 STATISTIK NON-PARAMETRIK
BAB 7 STATISTIK NON-PARAMETRIK Salah satu bagian penting dalam ilmu statistika adalah persoalan inferensi yaitu penarikan lesimpulan secara statistik. Dua hal pokok yang menjadi pembicaraan dalam statistik
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinciMateri-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data. Nurratri Kurnia Sari, M. Pd
Materi-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data Nurratri Kurnia Sari, M. Pd DEFINISI Statistika Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data
Lebih terperinciMETODOLOGI HASIL DAN PEMBAHASAN
3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal
Lebih terperinciSTAND N AR R K OMP M E P T E EN E S N I:
Silabus Matematika Kelas XI IPS Smester 1 STANDAR KOMPETENSI: Menggunakan aturan statistika, kaidah pencacahan, dan sifat- sifat peluang dalam pemecahan masalah. u Kompetensi Dasar 1.1 Membaca data dalam
Lebih terperinciPENGOLAHAN DAN ANALISIS DATA
DEPARTEMEN PENDIDIKAN NASIONAL INSPEKTORAT JENDERAL DIKLAT METODOLOGI PENELITIAN SOSIAL PARUNG BOGOR, 25 27 MEI 2005 PENGOLAHAN DAN ANALISIS DATA Oleh: NUGRAHA SETIAWAN UNIVERSITAS PADJADJARAN PENGOLAHAN
Lebih terperinciPENGANTAR STATISTIKA PROF. DR. KRISHNA PURNAWAN CANDRA, M.S. JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS MULAWARMAN
3/13/15 PENGANTAR STATISTIKA PROF. DR. KRISHNA PURNAWAN CANDRA, M.S. JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS MULAWARMAN KULIAH KE-3: PENDESKRIPSIAN DATA PUSTAKA: Walpole RE (198)
Lebih terperinciRMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X
pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang
Lebih terperinciPENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB
PENYAJIAN DATA Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB Proses Pengumpulan Data???? Pencatatan Data Numerik Variable Record ID Nama Spesies Hasil Uji HI 1 Ahmad Ayam broiler
Lebih terperinciHASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan
HASIL DAN PEMBAHASAN Model Regresi Logistik Biner untuk data Hasil Pembangkitan Model regresi logistik digunakan untuk menggambarkan hubungan antara peubah respon dan peubah penjelas pada data hasil pembangkitan.
Lebih terperinciBAB 4 HASIL PENELITIAN
BAB 4 HASIL PENELITIAN 4.1 Karakteristik Responden Sebelum disajikan data hasil penelitian setiap variabel yang dikaji dalam penelitian ini, terlebih dahulu secara ringkas akan dideskripsikan karakteristik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciMODEL MODEL LEBIH RUMIT
08/0/06 MODEL MODEL LEBIH RUMIT Di susun oleh Nurul Hani Ulvatunnisa Kanthi Wulandari Sri Siska Wirdaniyati Kamal Adyasa Unib Sedya Pramuji 08/0/06 Model Polinom Berbagai Ordo Model Yang Melibatkan Transformasi
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. 4.1 Deskripsi data hasil pengamatan. data yang diperoleh melalui kuesioner.
BAB 4 HASIL DAN PEMBAHASAN 4.1 Deskripsi data hasil pengamatan Berikut adalah deskripsi data hasil pengamatan yang sudah diolah dari data yang diperoleh melalui kuesioner. Pada Tabel 4.1 menunjukkan komposisi
Lebih terperinciPercobaan 1 Percobaan 2
direpresentasikan dengan histogram. Perlakuan pertama terhadap data-data penelitian ini adalah menghitung histogramnya. Kemudian dari interval antara 0-255 akan dibagi menjadi interval-interval bagian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN
BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1 Volume Parkir Volume parkir adalah jumlah kendaraan yang masuk dalam beban parkir (yaitu jumlah kendaraan per periode waktu tertentu, biasanya per hari). Volume
Lebih terperinciIV. METODE PENELITIAN. Penelitian dilakukan di Desa Tugu Utara dan Kelurahan Cisarua,
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Desa Tugu Utara dan Kelurahan Cisarua, Kecamatan Cisarua, Kabupaten Bogor, Provinsi Jawa Barat. Pemilihan lokasi dilakukan
Lebih terperinciDATA DAN METODE Sumber Data
14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciMATERI DAN METODE. Tabel 3. Jumlah Kuda Delman yang Diamati pada Masing-masing Lokasi
MATERI DAN METODE Lokasi dan Waktu Penelitian ini menggunakan data sekunder pengamatan yang dilakukan oleh Dr. Ir. Ben Juvarda Takaendengan, M.Si. Pengolahan data dilakukan di Laboratorium Pemuliaan dan
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB I PENDAHULUAN. TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS ITALIC 1.2 Rumusan Masalah
BAB I PENDAHULUAN TNR 14 BOLD 1.1 Latar Belakang (1 halaman. min 4 paragraf.) TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS 1.2 Rumusan Masalah Rumusan masalah yang digunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciStatistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah
Statistika I Pertemuan & 3 Statistika Dasar (Basic( Statistic) Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Konsep Peubah Definisi Peubah merupakan karakteristik dari objek yang sedang diamati,
Lebih terperinci