SEBARAN DAN PERAMALAN MAHASISWA BARU PENDIDIKAN MATEMATIKA UNIVERSITAS MUHAMMADIYAH PURWOKERTO DENGAN METODE TIME INVARIANT FUZZY TIME SERIES
|
|
- Ida Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SEBRN DN PERMLN MHSISW BRU PENDIDIKN MTEMTIK UNIVERSITS MUHMMDIYH PURWOKERTO DENGN METODE TIME INVRINT FUZZY TIME SERIES Malm Muhammad Unverstas Muhammadyah Purwokerto, Jl. Raya Dukuhwaluh PO BOX 202, Kembaran, Banyumas, Jawa Tengah 53182, E-mal: bstrak: Peneltan n bertujuan untuk mengetahu sebaran jumlah mahasswa Penddkan Matematka dar tahun 2005 sampa 2015 berdasarkan asal kabupaten dan meramalkan jumlah mahasswa Penddkan Matematka. Langkah pertama yang dapat dlakukan yatu dengan sebaran mahasswa berdasarkan Kabupaten se-jawa dan Kabupaten d luar pulau Jawa menggunakan metode Herarchcal Clusterng nalyss. Melalu hasl sebaran tersebut akan memberkan gambaran kepada program stud Penddkan Matematka serta phak Unverstas untuk mengambl kebjakan dan melakukan penajaman pada kabupatenkabupaten tersebut serta melakukan ekspans maupun promos guna menngkatkan jumlah calon mahasswa baru. Langkah kedua yatu predks jumlah calon mahasswa baru menggunakan metode Tme Invarant Fuzzy Tme Seres. Dalam hal n bak program stud Penddkan Matematka dan Penddkan Guru SD dan phak Unverstas dapat mengambl kebjakan yang tepat terkat penermaan mahasswa baru berdasarkan sebaran dan predks tersebut d atas. Pada peramalan pendaftaran dengan 6 hmpunan fuzzy, pada tahun dramalkan jumlah mahasswa penddkan matematka dan PGSD Unverstas Muhammadyah Purwokerto sebesar 389, 59, 27, 97, dan 65 mahasswa, dengan error ramalan 7,5 %. Kata-kata kunc: Peramalan, Sebaran, Tme Invarant Fuzzy Tme Seres. PENDHULUN Unverstas Muhammadyah Purwokerto (UMP) merupakan alh bentuk dar IKIP Muhammadyah Purwokerto yang ddrkan tanggal 5 prl 1965 bertepatan dengan har Senn Pahng 3 Dulhjah 1896 Be atau 3 Dzulhjah 138 H yang merupakan cabang IKIP Muhammadyah Surakarta cabang Purwokerto terdr dar dua fakultas yatu Fakultas Ilmu Penddkan (FIP) dan Penddkan Umum. Pada tahun 1968 IKIP Muhammadyah Surakarta Cabang Purwokerto memsahkan dr dar nduknya dan berubah menjad IKIP Muhammadyah Purwokerto. Tahun 1995 dengan Surat Keputusan Drektur Jenderal Penddkan Tngg Departemen Penddkan dan Kebudayaan No.35/DIKTI/Kep/1995 tertanggal 26 Jul 1995 tentang Perubahan Bentuk Insttut Keguruan dan Ilmu Penddkan Muhammadyah Purwokerto d Purwokerto menjad Unverstas Muhammadyah Purwokerto d Purwokerto. Jad setelah 30 tahun lebh berbentuk Insttut Keguruan Ilmu Penddkan sejak tanggal 26 Jul 1995 menjad Unverstas Muhammadyah Purwokerto. Perubahan n membawa konsekuens, yatu penutupan IKIP Muhammadyah Purwokerto, penyesuaan dan penyempurnaan antara nama Unverstas, Fakultas, dan Program Stud. Penddkan Matematka dan Penddkan Guru SD (PGSD) merupakan program stud favort d Fakultas Keguruan dan Ilmu Penddkan (FKIP) Unverstas Muhammadyah Purwokerto. Terjad kenakan dan penurunan jumlah mahasswa Sebaran dan Peramalan Mahasswa Baru 8
2 setap tahunnya, hal n dapat dlhat pada tabel 1 berkut Tabel 1. Jumlah Mahasswa Penddkan Matematka UMP 5 Tahun Terakhr Tahun Jumlah Mahasswa Sumber: BPMB UMP Berbaga macam strateg dan cara sudah dlakukan oleh program stud dan phak Unverstas untuk menngkatkan jumlah mahasswa. Namun, beberapa strateg tersebut tdak tepat sasaran, sehngga mnat calon mahasswa pada daerah tertentu tdak sesua harapan. Untuk tu perlu dlakukan suatu terobosan untuk menngkatkan jumlah mahasswa baru program stud Penddkan Matematka. Langkah yang dlakukan adalah Peramalan jumlah calon mahasswa baru yang regstras tahun 2017 menggunakan metode Tme Invarant Fuzzy Tme Seres. Melalu hasl peramalan tersebut akan memberkan gambaran kepada program stud Penddkan Matematka serta phak Unverstas untuk mengambl kebjakan dan melakukan penajaman pada kabupaten-kabupaten tersebut serta melakukan ekspans maupun promos guna menngkatkan jumlah calon mahasswa baru. Langkah kedua yatu Berdasarkan latar belakang yang telah durakan, maka dapat drumuskan masalah sebaga berkut: a) Bagamana peramalan jumlah mahasswa Penddkan Matematka tahun 2016?. b) pakah rekomendas untuk menngkatkan jumlah mahasswa Penddkan Matematka? dapun tujuan dar peneltan n adalah: a) Meramalkan jumlah calon mahasswa Penddkan Matematka tahun b) Memberkan rekomendas untuk menngkatkan jumlah mahasswa Penddkan Matematka. dapun Manfaat dar peneltan n adalah: a) Bag dosen/penelt Memperoleh tambahan wawasan serta keteramplan mengena sebaran dan predks jumlah mahasswa Penddkan Matematka Dan Penddkan Guru SD b) Bag program stud Mengetahu peramalan jumlah calon mahasswa Penddkan Matematka tahun c) Bag Unverstas Memperoleh rekomendas untuk menngkatkan jumlah mahasswa Penddkan Matematka. Sebaga bahan pertmbangan dalam mengambl kebjakan guna menngkatkan jumlah calon mahasswa baru. METODE Peramalan Dalam Kamus Besar Bahasa Indonesa (KBBI) pengertan peramalan adalah kegatan untuk menduga hal yang akan terjad. Beberapa defns lannya tentang peramalan, yatu : a) Peramalan dartkan sebaga penggunaan teknk-teknk statstk dalam bentuk gambaran masa depan berdasarkan Sebaran dan Peramalan Mahasswa Baru 9
3 pengolahan angka-angka hstors (Buffa dkk., 1996). b) Peramalan merupakan bagan nternal dar kegatan pengamblan keputusan manajemen (Makrdaks dkk., 1999). c) Peramalan adalah predks, rencana atau estmas kejadan masa depan yang tdak past. Metode peramalan merupakan cara memperkrakan apa yang akan terjad pada masa depan secara sstemats dan pragmats atas dasar data yang relevan pada masa yang lalu, sehngga dengan demkan metode peramalan dharapkan dapat memberkan objektvtas yang lebh besar. Selan tu metode peramalan dapat memberkan cara pengerjaan yang teratur dan terarah, dengan demkan dapat dmungknkannya penggunaan teknk penganalsaan yang lebh maju. Dengan penggunaan teknk-teknk tersebut maka dharapkan dapat memberkan tngkat kepercayaan dan keyaknan yang lebh besar karena dapat duj penympangan atau devas yang terjad secara lmah. Jens-Jens Peramalan Berdasarkan sfatnya, peramalan dbedakan atas dua macam yatu : a) Peramalan Kualtatf Peramalan kualtatf adalah peramalan yang ddasarkan atas pendapat suatu phak dan datanya tdak dapat drepresentaskan secara tegas menjad suatu angka atau nla. Hasl peramalan yang dbuat sangat bergantung pada orang yang menyusunnya. Hal n pentng karena hasl peramalan tersebut dtentukan berdasarkan pemkran yang ntus, pendapat dan pengetahuan serta pengalaman penyusunnya. b) Peramalan Kuanttatf Peramalan kuanttaf adalah peramalan yang ddasarkan atas data kuanttatf masa lalu dan dapat dbuat dalam bentuk angka yang basa dsebut sebaga data tme seres (Jumngan, 2009). Hasl peramalan yang dbuat sangat bergantung pada metode yang dpergunakan dalam peramalan tersebut. Bak tdaknya metode yang dpergunakan dtentukan oleh perbedaan atau penympangan antara hasl ramalan dengan kenyataan yang terjad. Jka penympangan semakn kecl antara hasl ramalan dengan kenyataan maka semakn bak pula metode yang dgunakan. Jangka Waktu Peramalan Jangka waktu peramalan dapat dkelompokkan menjad tga kategor, yatu (Hezer dan Render, 2005): a) Peramalan jangka pendek, peramalan untuk jangka waktu kurang dar tga bulan. b) Peramalan jangka menengah, peramalan untuk jangka waktu antara tga bulan sampa tga tahun. c) Peramalan jangka panjang, peramalan untuk jangka waktu lebh dar tga tahun. Jens-jens Pola Data Langkah pentng dalam memlh suatu metode deret berkala (tme seres) yang tepat adalah dengan mempertmbangkan jens pola data, sehngga metode yang palng tepat dengan pola tersebut dapat duj. Pola data Sebaran dan Peramalan Mahasswa Baru 50
4 dapat dbedakan menjad empat jens, yatu (Makrdaks dkk., 1999): a. Pola Horzontal atau Horzontal Data Pattern Pola data n terjad blamana data berfluktuas d sektar nla rata-rata yang konstan. Suatu produk yang penjualannya tdak menngkat atau menurun selama waktu tertentu termasuk jens n. Bentuk pola horzontal dtunjukkan sepert Gambar 1. Gambar 1. Pola data horzontal b. Pola Trend (T) atau Trend Data Pattern Pola data n terjad blamana terdapat kenakan atau penurunan sekuler jangka panjang dalam data. Contohnya penjualan perusahaan, Produk Bruto Nasonal (GNP) dan berbaga ndkator bsns atau ekonom lannya, selama perubahan sepanjang waktu. Bentuk pola trend dtunjukkan sepert Gambar 2. Gambar 2. Pola data trend c. Pola Musman (S) atau Seasonal Data Pattern Pola data n terjad blamana suatu deret dpengaruh oleh faktor musman (msalnya, kuartal tahun tertentu, bulan atau har-har pada mnggu tertentu). Penjualan dar produk sepert mnuman rngan, es krm dan bahan bakar pemanas ruangan. Semuanya menunjukkan jens pola n. Bentuk pola musman sepert Gambar 3. Gambar 3. Pola data musman d. Pola Skls atau Cycled Data Pattern Pola data n terjad blamana datanya dpengaruh oleh fluktuas ekonom jangka panjang sepert berhubungan dengan sklus bsns. Contohnya penjualan produk sepert mobl, baja. Bentuk pola skls dtunjukkan sepert Gambar. Sebaran dan Peramalan Mahasswa Baru 51
5 Gambar. Pola data skls. Logka fuzzy Logka fuzzy merupakan salah satu pembentuk soft computng. Logka fuzzy pertama kal dperkenalkan oleh Prof. Loft. Zadeh pada tahun 1965 (Kusumadew dan Purnomo, 2010). da beberapa defns tentang logka fuzzy, dantaranya : a) Logka fuzzy adalah logka yang dgunakan untuk menjelaskan keambguan, dmana logka fuzzy adalah cabang teor dar hmpunan fuzzy, hmpunan yang menyelesakan keambguan (Vrusas, 2005). b) Logka fuzzy menyedakan suatu cara untuk merubah pernyataan lngustc menjad suatu numerk (Synaptc, 2006). Fuzzy Tme Seres Banyak metode peramalan yang dgunakan untuk mengetahu bagamana pergerakan data. Salah satunya dengan fuzzy tme seres, sstem peramalan dengan fuzzy tme seres dapat menangkap pola dar data yang telah lalu untuk memproyekskan data yang akan datang. Prosesnya juga tdak membutuhkan suatu sstem pembelajaran dar sstem yang rumt. Dasumskan Yt () anggota R (gars real), t =..., 0, 1, 2,... menjad semesta pembcaraan yang dnyatakan oleh hmpunan fuzzy f(t). F(t) terdr dar f(t), t =..., 0, 1, 2,... ddefnskan sebaga fuzzy tme seres pada Yt. () Pada saat tu F(t) dapat dmengert sebaga varabel lngustk, untuk f(t), = 1, 2,... adalah nla lngustk dar F(t) (Handoko, 2010). Varabel lngustk dapat dartkan sebaga varabel yang nlanya dalam bentuk kata atau kalmat, dalam bahasa sebenarnya atau dalam bahasa yang dbuatbuat. Varabel lngustk dartkan sebaga varabel yang nlanya dalam bentuk kata atau kalmat, dalam bahasa sebenarnya atau dalam bahasa yang dbuat-buat, sebaga contoh: ge adalah varabel lngustk jka nlanya adalah lngustk darpada numerk, msalnya: young, not young, very young, qute young, old, not very old, and not very young darpada 20,21,...,yang merupakan nla umur sebenarnya. Teor hmpunan fuzzy Zadeh dgunakan untuk mengembangkan model tme varant dan tme nvarant peramalan fuzzy tme seres dengan menerapkan pada masalah peramalan pendaftaran mahasswa baru dengan data berkala pada Unverstas labama (Song dan Chssom, 1993). Beberapa peneltan dan pengembangan metode n yatu peramalan dengan metode fuzzy tme seres pada pendaftaran mahasswa baru Unverstas labama menggunakan operas artmetka sederhana (Chen, 1996), Model second order fuzzy tme seres untuk meramal pendaftaran Sebaran dan Peramalan Mahasswa Baru 52
6 mahasswa d Unverstas labama (Tsa dan Wu, 1999), Menggunakan model hgh order fuzzy tme seres untuk mengatas kelemahan model frst order fuzzy tme seres dengan mengmplementaskan pada peramalan pendaftaran mahasswa pada Unverstas labama (Chen, 2002), Model 2 faktor hghorder fuzzy logcal relatonshp untuk menngkatkan akuras peramalan (Lee dkk, 2006) selanjutnya metode hgh order fuzzy tme seres untuk memperamalan temperatur dan peramalan TIFEX (Lee dkk, 2008). Tme Invarant Fuzzy Tme Seres Jka Ft () dsebabkan oleh Ft ( 1) dnotaskan dengan F( t 1) F( t), maka relasnya dnyatakan dengan F( t) F( t 1) R( t, t 1). Smbol merupakan max-mn operator komposs, R( t, t 1) dsebut sebaga model orde pertama dar Ft (). Tme Invarant Fuzzy Tme Seres merupakan suatu metode peramalan yang relasnya tdak bergantung pada waktu t, dengan memanfaatkan hmpunan data fuzzy yang berbentuk dskrt sebaga data hstorsnya. nggap Ft () merupakan suatu fuzzy tme seres dan anggap R( t, t 1) menjad model pertama dar Ft (). Jka R( t, t 1) R( t 1, t 2) untuk sebarang waktu t, maka Ft () dnyatakan sebaga Tme Invarant Fuzzy Tme Seres. Metode Tme Invarant Fuzzy Tme Seres merupakan suatu metode yang memlk 2 aspek pentng, yatu: a) Menggunakan varas data hstorsnya darpada karakterstk pendaftaran sebenarnya. b) Menghtung relas R( t, t 1) yang akan dgunakan untuk memperamalan peramalan masa depan. Defuzzfkas Defuzzfkas adalah cara untuk memperoleh nla tegas (crsp) dar hmpunan fuzzy, adapun prosesnya yatu: a) Jka nla keanggotaan outputnya adalah 0, maka z = 0. b) Jka nla keanggotaan outputnya memlk 1 maxmum, maka ttk tengah nterval dmana nla n dcapa adalah z. c) Jka nla keanggotaan dar outputnya memlk lebh dar 2 maxmum yang berurutan, maka ttk tengah nterval dmana nla n dcapa adalah z. d) Jka outputnya selan dar hal datas maka dgunakan Metode Centrod, yatu: z ˆx dengan = suatu luasan yang memlk ttk berat ˆx. Dar uraan d atas akan dbuat kerangka berfkr peneltan, dberkan langkah-langkah proses peramalan pada metode tme nvarant fuzzy tme seres, yatu: 1. Mendefnskan semesta pembcaraan (hmpunan semesta U ) dar varas data hstorsnya. 2. Memparts U menjad panjang nterval yang sama. 3. Mendefnskan hmpunan fuzzy (1) Sebaran dan Peramalan Mahasswa Baru 53
7 . Memfuzzykan varas dar data hstors peramalan. 5. Menyatakan relas fuzzy logc j 6. Menjadkan relas fuzzy orde pertama, menjad suatu grup relas fuzzy logc jka memlk ss kanan yang sama, menghtung relas ke-. R untuk setap fuzzy 7. Meramalkan output peramalannya dan mendeffuzfkaskannya. 8. Menghtung ramalan pendaftarannya. HSIL DN PEMBHSN Berdasarkan tujuan peneltan d atas, maka penelt akan meramalkan jumlah mahasswa Penddkan Matematka tahun Dharapkan hasl dar peneltan n dapat memberkan rekomendas atau kontrbus untuk menngkatkan jumlah mahasswa Penddkan Matematka Unverstas Muhammadyah Purwokerto. Metode Tme Invarant Fuzzy Tme Seres merupakan suatu metode yang memlk 2 aspek pentng, yatu: 1) Menggunakan varas data hstorsnya darpada karakterstk pendaftaran sebenarnya. 2) Menghtung relas R(t, t 1) yang akan dgunakan untuk mempredks peramalan masa depan. Langkah-langkah proses peramalan pada metode n, yatu: 1. Mendefnskan semesta pembcaraan (hmpunan semesta U ) dar varas data hstorsnya. 2. Memparts U menjad panjang nterval yang sama. 3. Mendefnskan hmpunan fuzzy. Memfuzzykan varas dar data hstors peramalan. 5. Menyatakan relas fuzzy logc j 6. Menjadkan relas fuzzy orde pertama, menjad suatu grup relas fuzzy logc jka memlk ss kanan yang sama, menghtung relas untuk setap fuzzy ke-. R 7. Meramalkan output peramalannya dan mendeffuzfkaskannya. 8. Menghtung ramalan pendaftarannya. Pada peneltan n penuls menggunakan 6 hmpunan fuzzy\ untuk menguj kesalahan peramalan. Pemlhan 6 hmpunan fuzzy merupakan pemlhan secara sebarang. Peramalan Pendaftaran Dengan Menggunakan 6 Hmpunan Fuzzy Hmpunan semesta U dnyatakan dar varas pendaftaran tahun-tahun sebelumnya. Data pendaftaran dan varasnya dnyatakan pada tabel dbawah n: Sebaran dan Peramalan Mahasswa Baru 5
8 Tabel 2. Data Pendaftaran dan Varas dar Data Hstors Tahun Jumlah Varas Mahasswa Dar tabel 2 dketahu bahwa : 1. Nla varas data hstors terkecl yatu e mn = e 1 = -62, dan nla varas data hstors terbesar yatu e max = e 2 = 63. Dengan d 1 dan d 2 blangan postf sebarang, maka penuls mengambl d 1 = -18 dan d 2 = 17, sehngga dperoleh U [ 50,100]. 2. Dengan menggunakan 6 Hmpunan Fuzzy, maka U dparts menjad 6 nterval yang sama panjang, 1,6, yatu: 1 =[-50, -25], 2 =[-25, 0], 3 = [0, 25], =[25, 50], 5 = [50, 75], 6 = [75, 100]. 3. Mendefnskan hmpunan fuzzy. Dasumskan nla fuzzy berasal dar varabel lngustk varas data jumlah mahasswa, yatu: 1 (semakn menngkat), 6 (sangat menngkat). Untuk 6 nterval yang ada, setap, 1,6, j 1,6 dnyatakan j dengan nla real pada range [0,1] : ,,,,, ,,,,, ,,,,, ,,,,, ,,,,, ,,,,, dengan U adalah elemen dar hmpunan semesta dan blangan yang dber smbol "/ " menyatakan derajat keanggotaan terhadap ( ) terhadap j, j 1,6.. Jka varas pada tahun t adalah p, dan p dan jka nla yang dnyatakan oleh hmpunan fuzzy j dengan nla keanggotaan maxmum jatuh pada, maka p dnyatakan fuzzfed pada j. Hasl varas dar data jumlah mahasswa yang dfuzzfed dnyatakan menurun), 2 (menurun), 3 (tetap), (menngkat), 5 (semakn Sebaran dan Peramalan Mahasswa Baru 55
9 Tabel 3. Fuzzfed Data Hstors Pendaftaran Berdasarkan Varas Yang Dketahu Tahun Jumlah Mahasswa Varas Fuzzfed Varas Pada tabel d bawah n: 5. Menyatakan relas orde-pertama dar varas fuzzy. Tabel. Relas Varas Fuzzy Logc Mengkombnaskan relas fuzzy menjad grup relas fuzzy, jka memlk ss kanan yang sama Tabel 5. Grup Relas Fuzzy Logc 1 3, ,, Menghtung R, 1,6 sebaga gabungan relas logc sehngga : R T R T T R T R T T T 1 6 R T dengan merupakan operator gabungan. 7. Menyatakan grup relas fuzzy logc berdasarkan varas yang dketahu dar tahun sebelumnya, yatu : Jka 1 j dan R Rj, untuk j 1,6 Sehngga dar defns komposs: j Rj dengan adalah varas peramalan pada tahun, sehngga output peramalannya yatu: Sebaran dan Peramalan Mahasswa Baru 56
10 F(2007) R [ ] F(2008) R [ ] F(2009) R [ ] 6 5 F(2010) R [ ] 3 3 F(2011) R [ ] 2 2 F(2012) R [ ] F(2013) R [ ] F(201) R [ ] F(2015) R [ ] F(2016) R [ ] F(2017) R [ ] 8. Setelah hasl output dketahu, maka dlakukanlah proses defuzfkas, yatu: (a) Jka semua nla outputnya nol maka varas peramalannya adalah 0 (b) Jka nla keanggotaan dar ouputnya memlk satu maxmum, maka ttk tengah nterval dmana nla n dcapa adalah varas peramalan. (c) Jka keanggotaan dar outputnya memlk dua atau lebh maxmum, maka ttk tengah ntervalnya dgunakan sebaga varas peramalan. (d) Selan tu dengan menggunakan metode centrod, yatu : z ˆx dengan = suatu luasan yang memlk ttk berat ˆx Sehngga dsmpulkan ada 5 jens output dengan z, yatu : R [ ]; z R [ ]; z R [ ]; z R [ ]; z 0 R [ ]; z Error peramalan dketahu dengan menggunakan rumus : Jumlah Mahasswa Peramalan Jumlah Mahasswa x 100% Jumlah Mahasswa Tabel 6. Output Peramalan Jumlah Mahasswa Penddkan Matematka Tahun 2017 Tahun Jumlah Jumlah Mahasswa (a) Peramalan Jumlah Mahasswa (b) a-b Error peramalan 100% 5, 25% 5851 x. Berdasarkan output proses defuzzfkas tersebut dapat dperoleh peramalan jumlah mahasswa Penddkan Matematka Unverstas Muhammadyah Purwokerto Sebaran dan Peramalan Mahasswa Baru 57
11 tahun ajaran 2017/2018 adalah = 102 calon dengan error peramalan sebesar 5,35%. SIMPULN Peneltan n menggunakan metode tme nvarant fuzzy tme seres dengan 6 hmpunan fuzzy. Berdasarkan peneltan dperoleh hasl peramalan mahasswa Penddkan Matematka Unverstas Muhammadyah Purwokerto tahun ajaran 2017/2018 adalah = 102 sebesar 571 dengan error peramalan sebesar 5,35%. DFTR RUJUKN Buffa, S., Elwood, R., and Sarn, K. (1996). Modern Producton and Operaton Management, Eght Edton, John Wlley and Sons Inc, London. Chen, S. M. (1996). Forecastng Enrollments Based on Fuzzy Tme Seres. Fuzzy sets and Systems Chen, S. M. (2002). Forecastng Enrollments Based on Hgh-order Fuzzy Tme Seres. Cybernetcs and Systems: n Internatonal Journal Handoko, B. (2010). Peramalan Beban Lstrk Jangka Pendek pada Sstem Kelstrkan Jawa Tmur dan Bal Menggunakan Fuzzy Tme Seres. Journal, 2206, 100,125 Hezer, J. and Render, B. (2005). Operaton Management, 7 th Edton. (Manajemen Operas Eds 7, Buku I) Penerbt Salemba Empat, Jakarta. Jumngan, (2009). Stud Kelayakan Bsns, Teor dan Proposal Kelayakan. Bum ksara, Jakarta. Kusumadew, S. (2002). nalss & Desan Sstem Fuzzy menggunakan Tool Box Matlab. Graha Ilmu, Yogyakarta. Kusumadew, S. dan Purnomo, H. (2010). plkas Logka Fuzzy untuk Pendukung Keputusan. Graha Ilmu, Yogyakarta. Makrdaks, S., dkk. (1999). Metode dan plkas Peramalan, Jld I, Eds Kedua, Jakarta, Bnarupa ksara. Lee, J., Peter, B., Wagner. K. (2008). Bayesan Model for Prelaunch Sales Forecastng of Recorded Musc. Management Scence Vol. 9 No Lee, L. W., dkk. (2006). Handlng Forecastng Problems based on Two Factors Hghorder Fuzzy Tme Seres. IEEE Transactons on Fuzzy Systems 1(3) Song, Q., Chssom, B. (1993). Forecastng Enrollments wth Fuzzy Tme Seres part 1. Fuzzy Sets and System 5: 1-9. Synaptc, Fuzzy Math, Part I, The Theory. y_logc. Jul Tsa C. C., Wu S. J. (1999). Study for Second Order Modelng of Fuzzy Tme Seres. IEEE nternatonal fuzzy systems conference proceedngs II, ugust 22-25, Seoul, Korea Vrusas B. L. (2005). Fuzzy. Jun Sebaran dan Peramalan Mahasswa Baru 58
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciBAB 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 terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciIII. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,
III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum melakukan peneltan, langkah yang dlakukan oleh penuls adalah mengetahu dan menentukan metode yang akan dgunakan dalam peneltan. Sugyono (2006: 1) menyatakan:
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciPENENTUAN 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciPeramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting
Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBab 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 terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBOKS 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciAPLIKASI LOGIKA FUZZY DALAM MENGOPTIMALKAN PRODUKSI MINYAK KELAPA SAWIT DI PT. WARU KALTIM PLANTATION MENGGUNAKAN METODE MAMDANI
94 Vol. 12, No. 2 September 2017 Jurnal Informatka Mulawarman APLIKASI LOGIKA FUZZY DALAM MENGOPTIMALKAN PRODUKSI MINYAK KELAPA SAWIT DI PT. WARU KALTIM PLANTATION MENGGUNAKAN METODE MAMDANI Akbar Rzky
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciIII. 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 terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciApabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk mempekirakan / menaksir Y.
ANALISIS KORELASI (ANALISIS HUBUNGAN) Korelas Hubungan antar kejadan (varabel) yang satu dengan kejadan (varabel) lannya (dua varabel atau lebh), yang dtemukan oleh Karl Pearson pada awal 1900 Apabla dua
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciPROGRAM STUDI S1 PENDIDIKAN GURU SEKOLAH DASAR FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS KRISTEN SATYA WACANA SALATIGA TAHUN
PENINGKATAN HASIL BELAJAR BAHASA INDONESIA TENTANG BERCERITA DENGAN MENGGUNAKAN PENDEKATAN KOMUNIKATIF SISWA KELAS II SDN ANGKATAN LOR 02 KECAMATAN TAMBAKROMO KABUPATEN PATI SEMESTER I TAHUN 2011 / 2012
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciPADA GRAF PRISMA BERCABANG
PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa
Lebih terperinciBEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA
BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End
Lebih terperinciPENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA
PENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA SKRIPSI Dajukan Sebaga Salah Satu Syarat Untuk menyelesakan Program Sarjana ( S1) Pada Sekolah Tngg Ilmu Ekonom Nahdlatul
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciBAB III METODE PENELITIAN. mencari jawaban atau menggambarkan permasalahan yang akan dibahas. Metode
34 BAB III METODE PENELITIAN A Metode yang Dgunakan Metode peneltan merupakan suatu pendekatan yang dgunakan untuk mencar jawaban atau menggambarkan permasalahan yang akan dbahas Metode peneltan juga dapat
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB 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 terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinci