Optimasi Multi Respon pada Proses Gurdi dengan Menggunakan Metode Taguchi Grey

Ukuran: px
Mulai penontonan dengan halaman:

Download "Optimasi Multi Respon pada Proses Gurdi dengan Menggunakan Metode Taguchi Grey"

Transkripsi

1 Jural Tekk Mes, Vol. 5, o., Aprl 204, 8-4 ISS DOI: /jtm Optmas Mult Respo pada Proses Gurd dega Megguaka Metode Taguch Grey Yop Y. Taoto,2,a,*, Bobby O. Soepagkat,b, Aref Wahjud,c Jurusa Tekk Mes, Fakultas Tekolog Idustr, Isttut Tekolog Sepuluh opember, Surabaya Kampus ITS, Keputh, Sukollo Surabaya 60, Idoesa 2 Program Stud Tekk Mes, Fakultas Tekolog Idustr, Uverstas Krste Petra, Jala Swalakerto 2-3, Surabaya 60236, Idoesa -mal: yop.taoto@petra.ac.d a, *, bops_994@me.ts.ac.d b, arf_w@me.ts.ac.d c ABSTRAK Proses gurd bayak dguaka dalam dua dustr utuk proses pembuata lubag pada suatu kompoe. Parameter proses gurd yag dguaka pada peelta adalah kecepata potog, gerak maka da sudut ujug pahat yag masg-masg memlk tga level. Peelta dlakuka utuk meetuka setg faktor gurd yag tepat utuk memmumka varabel respo gaya teka, tors, kekasara permukaa da keausa tep pahatselama proses gurd berlagsug. Peelta aka dlakuka dega megguaka materal baja S50C da pahat hgh speed steel (HSS). Racaga percobaa yag dguaka adalah matrks ortogoal L9 (3 3 ). Selajutya, metode grey relatoal aalyss (GRA) yag dkombaska dega Taguch dguaka utuk megoptmalka karakterstk mult respo dar hasl percobaa. Hasl peelta meujukka kotrbus dar faktor-faktor dalam megurag varas dar respo yag damat secara seretak, secara beruruta adalah gerak maka sebesar 6,44%, sudut ujug pahat sebesar 36,62% da kecepata potog sebesar,22%. Dar hasl optmas yag telah dvaldas dalam eksperme kofrmas ddapatka kombas faktor yag meghaslka la respo optmal, yatu kecepata potog pada 29,94 m/met, gerak maka pada 0,07 mm/putara da sudut ujug pahat pada 34º. Kata kuc: Grey relatoal aalyss (GRA), proses gurd, Taguch. ABSTRACT Holes makg s amog the most mportat operatos maufacturg, ad drllg s a major ad commo hole-makg process. I ths study, drllg parameters amely cuttg speed, feed ad pot agle as drllg parameters. ach parameter has three levels. Ths paper s coducted for gettg the best parameter settg for mmzg thrust force, torque, surface roughess ad flak wear durg drllg process. Drllg tests are carred out usg hgh speed steel (HSS). Taguch s L9 (3 3 ) orthogoal array s used to perform drllg of S50C steel plates. The, combato betwee grey relatoal aalyss (GRA) ad Taguch s method s used for optmzg expermet result (mult respose).xpermet result show the cotrbuto of factors mmzg varato of multple respose,.e., feed (6.44%), pot agle (36.62%) ad cuttg speed (.22%). From a optmzato result that has valdated cofrmato expermet, optmal respose s set at 29,94 m/m for cuttg speed, 0,07 mm/rev for feed ad 34º for pot agle. Keywords: Grey relatoal aalyss (GRA), drllg, Taguch. PDAHULUA Membuat lubag merupaka salah satu proses palg petg pada proses pemesa, da proses gurd merupaka proses yag palg utama da umum dpaka dalam pembuata lubag []. Respo atau performas yag petg dar proses gurd pada umumya dyataka oleh kekasara permukaa dalaju pegerjaa baha. Kerja tersebut tergatug dar parameter proses atau faktor-faktor yag dguaka, yag dataraya adalah putara spdel, gerak maka da sudut ujug pahat. Peetua kombas faktor yag tepat utuk mecapa respo yag optmum telah mejad fokus peelta pada proses gurd. Dalam hal pemlha metode aka berkata lagsug dega kualtas 8

2 Taoto, Optmas Mult Respo pada Proses Gurd produk yag dhaslka. Metode Taguch adalah salah satu metode yag efektf utuk megedalka kualtas produk secara off-le, yatu usaha pegedala atau perbaka kualtas yag dmula dar peracaga hgga pemrosesa produk [2]. Metode Taguch haya dapat megoptmas proses pada satu respo. Adaya metode sepert grey relatoal aalyss, fuzzy logc da respo surface membuat metode Taguch dapat dguaka utuk melakuka optmas terhadap beberapa respo secara seretak. Peelta yag megagkat masalah tetag optmas proses gurd terhadap respo kekasara permukaa, gaya teka da tors juga telah dlakuka. Faktor yag dtelt adalah kecepata potog, gerak maka, da sudut ujug pahat. Masgmasg faktor yag dtelt memlk tga level [3]. Beda kerja da pahat yag dpaka adalah Al/SC (HCHCr) da HSS twst drll yag dlaps dega T berdameter 0 mm. Racaga percobaa yag dguaka adalah orthogoal array L9, da gray relatoal aalyss sebaga metode lajuta utuk optmas multrespo. Utuk meetuka perse kotrbus dar setap faktor yag dtelt dguaka aalss varas (AAVA). Hasl peelta meujukka bahwa faktor sudut ujug pahat memlk kotrbus sebesar 43,2%, kecepata potog memlk kotrbus sebesar 28,64%, da gerak maka memlk kotrbus sebesar 26,2% terhadap total varas dar respo yag damat secara seretak. Stud tetag pegoptmasa gaya teka, tors, etry delamato, ext delamato da kesldrsa lubag telah dlakuka pada proses gurd dega megguaka metode Taguch grey fuzzy. Faktor yag dvaraska adalah kecepata spdel, sudut ujug pahat da laju pemakaa [4]. Beda kerja da pahat yag dguaka adalah carbo fber reforce plastc (CFRP) da hgh speed stell (HSS) berdameter 6 mm. Racaga percobaa yag dguaka adalah orthogoal array L27. AAVA dguaka dalam perhtuga perse kotrbus. Hasl peelta meympulka bahwa faktor yag memlk prosetase kotrbus terbesar terhadap total varas dar respo yag damat secara seretak berturut-turut adalah laju pemakaa, kecepata spdel, da sudut ujug pahat. Laju pemakaa memlk kotrbus sebesar 42,9%, kecepata spdelmemlk kotrbus sebesar 9,05% da sudut ujug pahat memlk kotrbus sebesar 4,8% terhadap total varas dar respo. Berdasarka evaluas dar peelta-peelta yag ada, peelta tetag optmas peetua setg faktor pada proses gurd utuk megoptmalka beberapa respoyag dapat damat secara seretak mash perlu dlakuka. Pada peelta dlakuka suatu optmas mult respo pada proses gurd, Varabel tdak bebas atau respo pada peelta adalah gaya teka, tors, kekasara permukaa da keausa tep pahat. Varabel bebas atau parameter-parameter proses pada peelta adalah kecepata potog, gerak maka da sudut ujug pahat. Racaga percobaa megguaka orthogoal array L9. Metode optmas mult respo yag aka dguaka adalah Taguch yag dkombaska dega grey relatoal aalyss. MTOD PLITIA Pada peelta, materal yag dguaka adalah baja S50C (C 0,49; M 0,7; S 0,23) yag memlk kekerasa 24 HRC da pahat yag dguaka adalah pahat HSS twst drll dega dameter 4 mm. Mes gurd yag dguaka adalah mes gurd radal KMR-70. Proses peggurda dlakuka sampa tembus pada beda kerja dega tebal 25 mm. Parameter proses beserta level yag dguaka selama proses gurd dapat dlhat pada Tabel. Tabel. Parameter Proses Gurd Beserta Levelya Parameter Ut Level 2 3 Kecepata potog (V) m/m 5,98 6,8 29,94 Gerak maka (f) mm/put 0,07 0,3 0,22 Sudut ujug pahat (PA) derajat Respo yag damat pada peelta adalah gaya teka (F, ), tors (T, m), kekasara permukaa (Ra, µm) da keausa tep pahat (VB, µm). Selama proses gurd berlagsug, gaya teka da tors yag dhaslka dukur dega damometer KISTLR type 9272, data acqusto system KISTLR type 5697A da Charge amplfer KISTLR type 5070A. Kekasara permukaa dukur dega megguaka Mtutoyo surftest 30 sedagka keausa pahat dukur dega megguaka ko Measurescope. Gambar. Skema ksperme Proses Gurd 9

3 Jural Tekk Mes Vol. 5, o., Aprl 204: 8 4 Skema dar eksperme dapat dlhat pada Gambar. Racaga eksperme yag dguaka adalah matrks otogoal L9. Matrks orthogoal L9 beserta respo hasl dar eksperme dtujuka pada Tabel 2. Replkas dlakuka sebayak satu kal utuk masg-masg kombas. Setelah semua data respo dperoleh, barulah dlakuka proses optmas. Berkut adalah lagkah-lagkah optmas dega megguaka metode Taguchgrey: ormalsas la Rata-Rata dar Masg- Masg Respo la rata-rata dormalka mejad la yag besarya atara 0 da. ormalsas dlakuka sesua dega karakterstk respo masg-masg, yag melput semak besar semak bak, semak kecl semak bak da tertuju pada la tertetu. Persamaa yag dguaka dalam proses ormalsas utuk respo dega karakterstk semak besar semak bak [5] adalah: () Tabel 2. Matrks Orthogoal L9 Beserta la Masg- Masg Respo Percobaa ke- V f PA Fz T Ra VB ,29 7,8 7,6 7,25 0, ,02,24 4,2 3,9 0, ,06 7,8 3,28 2,96 0, ,05 7,25 6,85 6,55 0, ,93 0,53 5,90 5,7 0, ,03 7,8 6,4 5,77 0, ,2 6,45 6,9 5,97 0, ,87,24 8,90 7,445 0, ,4 7,26 5,83 6,57 0,065 Proses ormalsas utuk respo dega karakterstk semak kecl semak bak megguaka persamaa sebaga berkut [5]: (2) Persamaa yag dguaka dalam proses ormalsas utuk respo dega karakterstk tertuju pada la tertetu adalah [6]: = la terbesar dar = la terkecl dar = la target dar (3) Devato Sequece, Grey Relatoal Cocet da GRG Devato sequece adalah selsh absolut atara la maksmum hasl ormalsas yag besarya dega data yag telah dormalsas. Peetua devato sequece dlakuka dega megguaka Persamaa 4 berkut [5]: (4) Grey relatoal cocet (GRC) meujukka hubuga atara kods yag deal (terbak) dega kods aktual dar respo yag dormalsas.grc aka berla satu apabla respo yag dormalsaska tersebut cocok dega kods yag deal. Persamaa yag dguaka utuk medapatka la tersebut adalah [5]: = dstgushg cocet. (5) la dstgushg cocet yag dguaka pada umumya adalah 0,5 [7]. la grey reasog grade (GRG) yag tgg meujukka bahwa hasl eksperme memlk hubuga yag dekat dega la ormalsas yag terbak pada respo tersebut. la GRG dperoleh dega meghtug la ratarata dar keempat GRC yag ada. Pemlha Setg Faktor yag Meghaslka Respo yag Optmal Semak besar la GRG, semak bak pula respo dar proses pada kombas faktor tersebut. Peetua kombas faktor terbak dawal dega membuat tabel respo dar GRG sepert yag dtujukka pada Tabel 3. Tabel 3. Respo Grey Fuzzy Reasog Grade Level Level 2 Level j Faktor Y - Yj Faktor 2 Y2 - Y2j - Faktor Y - Yj Max-M Q Qj Yj adalah rata-rata la GRG yag dkelompokka berdasarka faktor da level j. Grafk respo dbuat berdasarka tabel respo utuk memudahka pemlha level dar faktor yag meghaslka respo yag optmal. 0

4 Taoto, Optmas Mult Respo pada Proses Gurd AAVA utuk Melhat la Sgfkas Faktor da Meghtug Perse Kotrbus Aalss dlakuka dega meguraka seluruh varas atas baga-baga yag dtelt. Pada tahap, aka dlakuka pegklasfkasa hasl eksperme secara statstk sesua dega sumber varas sehgga dapat megdetfkas kotrbus faktor. Dega demka akuras perkraa model dapat dtetuka. Aalss varas pada matrks ortogoal dlakuka berdasarka perhtuga jumlah kuadrat utuk masg-masg kolom. Aalss varas dguaka utuk megaalss data percobaa yag terdr dar dua faktor atau lebh dega dua level atau lebh. Tabel AAVA terdr dar perhtuga derajat kebebasa (db), jumlah kuadrat (sum of square, SS), kuadrat tegah (mea of square, MS) da Fhtug sepert dtujukka pada Tabel 4. Tabel 4. Aalss Varas Sumber varas Db SS MS Fhtug Faktor A υa SSA MSA FA Faktor B υb SSB MSB FB rror υerror SSerror MSerror Total υt SST υt = Derajat bebas total = - (6) υa = Derajat bebas faktor A = ka (7) υb = Derajat bebas faktor B = kb (8) υerror = Derajat bebas error = υt υa υb υab (9) T = Jumlah keseluruha CF SST SSA SSB = y (0) = Faktor koreks T 2 = () = Jumlah kuadrat total = Y CF 2 = ( Y T) (2) = Jumlah kuadrat faktor A ka 2 A = CF A = Jumlah kuadrat faktor B (3) SS kb 2 B = CF B (4) = Jumlah kuadrat error = SST SSA SSB SSAB (5) MSA = Kuadrat tegah faktor A = (6) MSB = Kuadrat tegah faktor B = (7) MS = Kuadrat tegah error = (8) ka kb A Bj = Jumlah level faktor A = Jumlah level faktor B = Jumlah total percobaa = Jumlah total pegamata faktor A = Jumlah total pegamata faktor B Perse kotrbus dguaka utuk megdkaska kekuata relatf sebuah faktor utuk megurag varas yag terjad.perse kotrbus suatu faktor dhtug dega megguaka persamaa berkut [8]: (9) (20) = jumlah kuadrat dar faktor yag dhtug perse kotrbusya = jumlah kuadrat total = derajat kebebasa dar faktor yag dhtug perse kotrbusya = rata-rata kuadrat dar faktor error Predks dar Kods Optmum la GRG berdasarka kombas level faktor utuk meghaslka respo yag optmal dapat dhtug megguaka Persamaa 2 [9]: ( ) (2) = la rata-rata dar keseluruha GRG = rata-rata GRGpada level optmal = jumlah faktor yag mempegaruh respo secara sgfka Iterval keyaka (-) 00% utuk kods optmum [8] CI F ;; (22). MS CI CI (23)

5 Grey Reasog Grade Jural Tekk Mes Vol. 5, o., Aprl 204: 8 4 = dugaa rata-rata GFRG pada kombas optmal = bayakya pegamata efektf (24) = Percobaa Kofrmas Percobaa kofrmas bertujua utuk melakuka valdas terhadap kesmpula yag dambl pada tahap aalss, serta utuk mecocokka hasl dega hasl secara aktual [8]. Percobaa dlaksaaka dega megguaka kombas level faktor-faktor hasl optmas. Jumlah sampel utuk eksperme kofrmas harus lebh besar dar jumlah sampel pada saat eksperme. ksperme kofrmas dyataka berhasl apabla rata-rata hasl eksperme kofrmas medekat rata-rata hasl da terval keyaka dar rata-rata respo eksperme kofrmas berhmpt atau berrsa dega terval keyaka (-) 00% dar rata-rata respo hasl optmum. Iterval keyaka eksperme kofrmas dapat dhtug dega megguaka Persamaa 25 da 26 [8]: CI μ F 2 α;;υ kofrmas CI.MS 2 μ r kofrmas μ kofrmas CI 2 (25) (26) r = jumlah pegulaga dalam eksperme kofrmas HASIL DA PMBAHASA ormalsas la Rata-Rata dar Masg- Masg Respo Proses ormalsas semua dhtug dega megguaka persamaa 2, yatu dega karakterstk mak kecl mak bak. la rata-rata masgmasg respo dam hasl ormalsasya dapat dlhat pada Tabel 5. Tabel 5. la Raso S/ da ormalsas Raso S/ tap Respo Setg faktor, kombas ke- Fz T RA VB x_fz x_t x_ra x_vb 966,5 7,55 6,425 0,7 0,200 0,74 0,670, ,5,3 4,335 0,49 0,547 0,558 0,324 0, ,5 7,2 3,0025 0,086,000 0,983 0,000 0, ,5 7,5 4,975 0,07 0,30 0,20 0,446 0, ,5 0,23 6,7975 0,082 0,43 0,474 0,72 0, ,5 7,45 6,75 0,02 0,782,000 0,70 0, ,33 7,4325 0,02 0,000 0,000 0,800 0, ,5,055 9,325 0,05 0,462 0,55,000 0, ,2 7,63 0,065 0,745 0,988 0,823 0,000 Devato Sequece, Grey Relatoal Cocet da GRG Dega megguaka Persamaa 4 da 5, maka dperoleh la devato sequece, GRC da GRG sepert yag dtamplka pada Tabel 6. Tabel 6. Devato Sequece, GRC da GRG Setg faktor, kombas ke- Δ_Fz Δ_T Δ_Ra Δ_VB GRC_ Fz GRC_ T GRC_ Ra GRC_ GRG VB 0,8 0,0 0,539,000 0,809 0,820 0,48 0,333 0,6 2 0,403 0,433 0,2 0,800 0,554 0,536 0,703 0,385 0,544 3,000 0,973 0,000 0,200 0,333 0,339,000 0,74 0, ,96 0,074 0,32 0,400 0,78 0,87 0,66 0,556 0, ,295 0,352 0,600 0,62 0,629 0,587 0,454 0,755 0, ,674,000 0,587 0,352 0,426 0,333 0,460 0,587 0,45 7 0,000 0,000 0,70 0,352,000,000 0,46 0,587 0,75 8 0,323 0,426,000 0,38 0,608 0,540 0,333 0,568 0,52 9 0,626 0,98 0,732 0,000 0,444 0,338 0,406,000 0,547 Pemlha Setg Faktor yag Meghaslka Respo yag Optmal Utuk meetuka faktor yag meghaslka respo yag optmal dperoleh megguaka software Mtab. Tabel respo dapat dlhat pada Tabel 7 da grafk respo pada Gambar 2. Tabel 7. Respo GRG Level V f PA 0,5839 0,6838 0, ,5827 0,5543 0, ,6033 0,537 0,653 Delta 0,064 0,87 0,0927 Rak V V2 V3 f f2 f3 PA PA2 PA3 Level Faktor Gambar 2. Grafk Respo GRG Kecepata potog Gerak maka Sudut ujug pahat AAVA utuk Melhat la Sgfkas Faktor da Meghtug Perse Kotrbus Masg-Masg Factor Tabel aalss varas utuk GRG dsusu megguaka Persamaa 6 sampa 8 yag haslya dapat dlhat pada Tabel 8. Dar Tabel tersebut jelas bahwa gerak maka (f) memlk kotrbus palg besar dalam meetuka varas 2

6 Taoto, Optmas Mult Respo pada Proses Gurd yatu sebesar 6,44% yag kemuda dkut oleh sudut ujug pahat (PA) da kecepata potog (V). Tabel 8. AAVA pada GRG Sumber Varas DF SS MS F ρ % value Kotrbus V 2 0,0008 0,0004,69 0,372,22% f 2 0, , ,4 0,02 6,44% PA 2 0, , ,9 0,09 36,62% rror 2 0, , ,72% Total 8 0, ,00% Predks dar Kods Optmum Peetua la GRG yag optmal dlakuka berdasarka la rata-rata GRG masgmasg level faktor yag dtujukka pada Tabel 7. Kombas dar faktor-faktor yag berpegaruh secara sgfka terhadap multrespo yag optmal adalah faktor V pada level 3, faktor f pada level da faktor PA pada level 3.la GRG tersebut dhtug dega megguaka Persamaa 9 yag djabarka sebaga berkut: ( ) 0, (0,6033-0,5899) + (0,6838-0,5899) + (0,653-0,5899) 0,7586 Peetua terval keyaka rata-rata GRG dlakuka dega terlebh dahulu meghtug bayakya pegamata efektf. Dar Persamaa 22, la pegamata efektf () adalah 2,57. Dega la F(0.05;;2) = 8,5 da MS = 0,000237, maka perhtuga terval keyaka rata-rata GRG hasl optmas dega megguaka Persamaa 25 da 26 adalah sebaga berkut: CI CI = 0,04 F. MS ;; Dega demka, terval keyaka 95% rata-rata GRG adalah 0,7586 ± 0,04 atau 0,776 GFRG 0,7996. Percobaa Kofrmas ksperme atau percobaa kofrmas dlakuka sebayak tga replkas, da hasl dar masgmasg respo pada eksperme kofrmas dapat dlhat pada Tabel 9. Dega la = 2,57, F(0.05;;2) = 8,5, MS = 0, da r = 3, megguaka Persamaa 25 da 26, maka la tervalya keyakaya dapat dhtug. CI 2 CI 2 0,056 F α;;υ.ms r Tabel 9. Hasl Respo ksperme Kofrmas dega Megguaka Kombas Optmum Setg faktor Gaya teka () Tors (m) Kekasara permukaa (µm) Keausa tep pahat (µm) 630 6,59 5,7 0,02 Kombas 688 6,62 5,39 0,0 optmum 65 6,58 5,62 0,099 rata-rata 644,3 6,6 5,6 0,0 Dega demka, terval keyakaya 95% rata-rata GRG eksperme kofrmas adalah 0,74 ± 0,056 atau 0,685 GFRGkofrmas 0,797. Dar la GRG hasl optmas yag berada dalam terval GRG eksperme kofrmas, dapat dsmpulka bahwa setg kombas level faktor pada kods optmum yag telah ddapat adalah vald. KSIMPULA Berdasarka hasl eksperme, proses optmas, eksperme kofrmas da aalss yag telah dlakuka, maka dar peelta dapat dambl kesmpula bahwa kotrbus dar faktor-faktor yag sgfka utuk memmumka gaya teka, tors, kekasara permukaa da keausa tep pahatsecara seretak adalah kecepata potog sebesar,22%, gerak maka sebesar 6,44% da sudut ujug pahat sebesar 36,62%. Setg kombas faktor-faktor yag sgfka utuk memmumka gaya teka, tors, kekasara permukaada keausa tep pahat secara seretak adalah kecepata potog pada 29,94 m/met gerak maka pada 0,07 mm/putara da sudut ujug pahat pada 34º. DAFTAR PUSTAKA [] Kalpakja, S. ad Schmd, S.R., Maufacturg geerg ad Techology, Sxth dto, Pearso, ew York, [2] Soejato, I., Desa ksperme dega Metode Taguch, Graha Ilmu, Yogyakarta, [3] Haq, A.., Marmuthu, P., da Jeyapaul, R., Mult Respo Optmzato of Machg Parameters of Drllg Al/SC Metal Matrx Composte usg Grey Relatoal Aalyss the Taguch Method, Iteratoal Joural Advace Maufacture Techology, 37, 2009, pp [4] Khrsamoorthy, A., Boopathy, S., Palakumar, K., ad Davm, J., Aplcato of Grey Fuzzy Logc for the Optmzato of Drllg Parameters for 3

7 Jural Tekk Mes Vol. 5, o., Aprl 204: 8 4 CRP Compostes wth Multple Performace Characterstc, Measuremet, 45, 202, pp [5] Datta, S. ad Mahapatra, S.S., Modelg, Smulato ad Parametrc Optmzato of Wre DM Process usg Respose Surface Methodology Coupled wth Grey-Taguch Techque, Iteratoal Joural of geerg, Scece ad Techology, 2(5), 200, pp [6] Huag, J.T. ad Lao, Y.S., Optmzato of Machg Parameters of Wre-DM based o Grey Relatoal ad Statstcal Aalyses, Iteratoal Joural of Producto Research, 4, 2003, pp [7] Tosu,., Cogu, C., ad Tosu, G., A Study o Kerf ad Materal Removal Rate Wre lectrcal Dscharge Machg based o Taguch Method, Joural of Materals Processg Techology, 52, 2004, pp [8] Ross, P.J., Taguch Techques for Qualty geerg, McGraw Hll Compaes, Ic., Tawa, [9] L, J.L. ad L, C.L., The Use of Orthogoal Array wth Grey Relatoal Aalyss to Optmze the lectrcal Dscharge Machg Process wth Multple Performace Characterstcs, Iteratoal Joural of Mache Tools ad Maufacture, 42, 2002, pp

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi Koferes Nasoal Sstem & Iformatka 017 STMIK STIKOM Bal, 10 Agustus 017 Peerapa Metode TOPSIS utuk Peetua Varabel Settg Pada Optmsas Multrespo Taguch I Ketut Putu Suatara 1), I Gede Eka Watara Putra ) STMIK

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

Optimasi Parameter Proses Jar Test Menggunakan Metode Taguchi dengan Pendekatan PCR-TOPSIS (Studi Kasus: PDAM Surya Sembada Kota Surabaya)

Optimasi Parameter Proses Jar Test Menggunakan Metode Taguchi dengan Pendekatan PCR-TOPSIS (Studi Kasus: PDAM Surya Sembada Kota Surabaya) D-37 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Optmas Parameter Proses Jar Test Megguaka Metode Taguch dega Pedekata PCR-TOPSIS (Stud Kasus: PDAM Surya Sembada Kota Surabaya) Sakura

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

USULAN ACCEPTANCE SAMPLING PLAN UNTUK TAPE YARN PRODUK GEOTEX 250 Studi kasus: PT. Unggul Karya Semesta - Bogor

USULAN ACCEPTANCE SAMPLING PLAN UNTUK TAPE YARN PRODUK GEOTEX 250 Studi kasus: PT. Unggul Karya Semesta - Bogor USULAN ACCEPTANCE SAMPLING PLAN UNTUK TAPE YARN PRODUK GEOTE 50 Stud kasus: PT. Uggul Karya Semesta - Bogor Prudesy F. Opt, Jaquele N. Mokogta Program Stud Tekk Idustr Fakultas Tekk Uka De La Salle Maado

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Muniya Alteza

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

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

BAB III METODOLOGI III-1

BAB III METODOLOGI III-1 BAB III METODOLOGI III.1. Data terumbu karag da Pegolaha Data terumbu karag beserta wlayah kaja berasal dar Setash dkk., 006 (WWF-Idoesa). Data kerusaka terumbu karag yag dguaka adalah data tahu 1997-1998,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Berdasarkan permasalahan yang akan diteliti oleh penulis, maka metode

BAB III METODOLOGI PENELITIAN. Berdasarkan permasalahan yang akan diteliti oleh penulis, maka metode 4 BAB III METODOLOGI PENELITIAN A. Metode da Desa Peelta Berdasarka permasalaha yag aka dtelt oleh peuls, maka metode peelta yag dguaka yatu metode deskrptf komparatf (descrptvecomparatve). Sebagamaa yag

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18 ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk BAB III METODOLOGI PENELITIAN A. Metode Peelta Metode peelta sagat dperluka dalam sebuah peelta utuk memaham suatu objek peelta da utuk medapatka sejumlah formas tetag masalah pokok yag aka dpecahka. Ada

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

ek SIPIL MESIN ARSITEKTUR ELEKTRO

ek SIPIL MESIN ARSITEKTUR ELEKTRO ek SIPIL MESIN ARSITEKTUR ELEKTRO STUDI PENGARUH DAN HUBUNGAN VARIABEL BENTUK DAS TERHADAP PARAMETER HIDROGRAF SATUAN SINTETIK (Stud Kasus: Suga Saluga, Taopa da Batu d Sulawes Tegah) I Waya Sutapa * Abstract

Lebih terperinci

9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques

9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques Mater Outle Graphcal Techques Peyaja Data Numercal Techques Tekk Grafk (Graphcal Techques) Secara vsual, grafs merupaka gambar-gambar yag meujukka data berupa agka yag basaya dbuat berdasarka tabel yag

Lebih terperinci

BAB V ANALISIS HIDROLOGI

BAB V ANALISIS HIDROLOGI ANALISIS HIDROLOGI 64 BAB V ANALISIS HIDROLOGI 5.. Tjaua Umum Utuk meetuka debt recaa, dapat dguaka beberapa metode atau cara. Metode yag dguaka sagat tergatug dar data yag terseda, data data tersebut

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

FAKULTAS TEKNIK JURUSAN SIPIL UNIVERSITAS BRAWIJAYA MALANG

FAKULTAS TEKNIK JURUSAN SIPIL UNIVERSITAS BRAWIJAYA MALANG FAKULTAS TEKNIK JURUSAN SIPIL UNIVERSITAS BRAWIJAYA MALANG 1. Perecaaa Batag Tark 1. Tegaga Recaa 2. Kosep LRFD 3. Cotoh 1 4. Cotoh 2 5. Luas Peampag Efektf 6. Faktor Reduks U 7. Cotoh 3 8. Pegaruh Lubag

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

Bab I Pendahuluan & Statistika Deskriptif

Bab I Pendahuluan & Statistika Deskriptif Bab I Pedahulua & Statstka Deskrptf Pegerta Statstka Dstrbus Frekues Cetral Tedecy Measure of Dsperso Pegerta Statstka Statstk (statstc) vs statstka (statstcs) Statstk: agka-agka Statstka: pegguaa data

Lebih terperinci

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi 3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj

Lebih terperinci