Matematika dan Statistika
|
|
- Surya Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER
2 Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN FAKTORIAL (Response Surface Models at Factorial Experiment) Nurul Isnaini, Alfian Futuhul Hadi, Bagus Juliyanto Jurusan Matematika FMIPA Universitas Jember Abstact: In the experimental research, there are two kinds of experiments based on its design of treatment They are a single experiment and factorial experiment By factorial experiment, we want to get level factor that cause the optimal response That is studied at Response Surface Methodology (RSM) The aims of this research is how to implement RSM analysis to get response surface equation from the factorial experiment, level factor that cause the optimal response and the optimal response from the response surface equation The data came from factorial experiment about the effect of microwave cooking on ATP (Adenosine Tri Phosphate) conc of meat (Douglass, without years) There are two kind of variable; response (y), and independent variable (x is cook time and x is thaw time) The analysis result s are response surface equation, y =, ,43596 x 0,07346 x 0,3063 x + 0, x + 0, x x ; response optimal rearch at x =,379 and x =47,663 with response at this point is,75 Keywords: Factor, factorial experiment, RSM, response surface I PENDAHULUAN Pada metode percobaan, seorang peneliti memiliki keleluasaan untuk melakukan pengawasan terhadap sumber-sumber keragaman Peneliti dapat menciptakan perlakuan yang diinginkan dan mengamati perubahan-perubahan yang terjadi pada responnya Perlakuan dapat disusun dari beberapa faktor atau peubah bebas, baik bersifat kualitatif maupun kuantitatif Berdasarkan pada jumlah faktor penyusun perlakuan yang dicobakan, ada dua macam percobaan, yaitu percobaan satu faktor dan percobaan faktorial Untuk faktor yang bersifat kuantitatif, biasa digunakan kontras polynomial untuk menguji nilai tengah perlakuan yang signifikan Selain itu, telah dikembangkan sebuah metode yang digunakan untuk memperoleh level-level faktor yang membuat percobaan optimal, yaitu RSM Tetapi metode ini jarang digunakan oleh peneliti Padahal, RSM mempunyai beberapa kelebihan, yaitu meminimalkan pengamatan dengan menggunakan rancangan percobaan dan optimasi menggunakan pendugaan persamaan respon yang dihasilkan Tujuan dari penelitian ini adalah mendapatkan persamaan permukaan respon dari percobaan faktorial, level faktor yang menyebabkan respon percobaan optimum serta nilai 4
3 Majalah Ilmiah Matematika dan Statistika Volume, Juni 0 optimum respon dari persamaan permukaan respon yang telah didapat dengan menggunakan analisa RSM Manfaat yang bisa diambil dari penulisan skripsi ini adalah menjelaskan keterkaitan antara pendekatan polynomial dan Response Surface Methodology (RSM) secara geometris, berguna bagi peneliti dalam hal pengambilan keputusan dan desain/rancangan percobaan untuk meminimalkan pengamatan II METODE PENELITIAN Data Penelitian Data yang akan dianalisa dalam penelitian ini adalah data percobaan faktorial tentang pengaruh penggunaan microwave terhadap konsentrasi ATP daging [] Data tersebut mempunyai dua variabel, yaitu variabel bebas dan variabel terikat (respon) Variabel bebas mempunyai dua faktor, yaitu cooktime (x ) dan thawtime (x ) Cooktime (x ) mempunyai tiga level faktor, yaitu 0,, dan ; thawtime juga mempunyai tiga level faktor, yaitu 0, 30, 60; dan dilakukan empat kali ulangan Sedangkan variabel terikat (respon) yaitu ATP daging Metode Analisa dan Pengolahan Data Pengolahan data dilakukan dengan menggunakan program Minitab Untuk analisa RSM digunakan toolbox DOE Langkah-langkah untuk analisa RSM adalah : membuat desain (rancangan) percobaan; membuat model regresi dari data yang ada; 3 mengestimasi parameter menggunakan metode least square; 4 menguji hipotesis; 5 menginterpretasi hasil model; 6 memprediksi respon optimum berdasarkan permukaan respon dan contour yang didapat dari persamaan respon; 7 mencari level yang menyebabkan respon optimum 5
4 Model Permukaan Respon pada(4 3) III HASIL DAN PEMBAHASAN 3 Tinjauan Pustaka Percobaan Faktorial Percobaan faktorial adalah sebuah percobaan yang melibatkan dua faktor atau lebih Percobaan faktorial lebih efisien daripada percobaan satu faktor, baik dari segi waktu maupun jumlah percobaan yang dilakukan Hal ini disebabkan banyak masalah dalam dunia nyata atau percobaan yang responnya dipengaruhi oleh beberapa faktor secara simultan Percobaan faktorial juga mengurangi kesimpulan yang salah akibat adanya interaksi antar faktor Metode Kuadrat Terkecil (Least Square Method) Salah satu metode untuk mengestimasi koefisien persamaan dari sebuah model adalah metode kuadrat terkecil (least square method) Metode ini bertujuan untuk meminimalkan jumlah kuadrat kesalahan dengan estimator tak bias dari β dan ditulis dalam bentuk : b = (X X) X Y Hipotesis yang diujikan : H H 0 Kesimpulan : : β j = 0, j = 0,, n : β 0 j Jika t0 > tα /, n k atau p-value < α maka H 0 ditolak, artinya nilai estimasi mempengaruhi model Polinomial Ortogonal Analisa yang digunakan untuk menerangkan fungsi hubungan antara respon dan perlakuan adalah uji trend (metode polinomial ortogonal) Metode ini bertujuan untuk mencari pangkat polinomial terendah yang dapat menerangkan hubungan antara variabel tak bebas Y dan variabel bebas X Fungsi paling sederhana dan paling umum yang digunakan adalah fungsi polinomial yang ditulis dalam bentuk : Y = α + β X + β X + + β n n X dengan : α = intercept (perpotongan fungsi Y dengan sumbu Y); β = koefisien regresi parsial, i,,n i = 6
5 Majalah Ilmiah Matematika dan Statistika Volume, Juni 0 Persamaan polinomial terbaik dalam menerangkan hubungan perlakuan dan respon adalah polinom pangkat tertinggi yang berbeda nyata Model Permukaan Respon Suatu hasil percobaan faktorial dengan faktor kuantitas yang bersifat kontinyu dapat dianalisa dengan pendekatan regresi untuk mendapatkan pendugaan respon Teknik statistika dan matematika yang mempelajari masalah ini adalah Response Surface Methodology (RSM) RSM juga terdiri dari rancangan percobaan untuk meminimalkan variansi dan optimasi dengan menggunakan pendugaan respon yang dihasilkan Uji Hipotesis Analisa ragam digunakan untuk menentukan apakah model yang didapat sesuai dengan data dan dapat ditabelkan sebagai berikut : Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Tengah Regresi db R = p JK R KT R = JK R / db R F R Linier db L JK L KT L = JK L / db L F L Kuadratik db K JK K KT K = JK K / db K F K Interaksi db I =n c - JK I KT I = JK I / db I F I Sisaan db RES = n-p- JK RES KT RES = JK RES / db RES Lack-of-fit db LOF =n-m JK LOF KT LOF =JK LOF / db LOF Galat murni db E JK E KT E = JK E / db E Total db T = n- JK T Pemecahan pada analisa ragam ini bisa berubah-ubah, sesuai dengan kebutuhan penelitian Tetapi, inti dari pemecahan ini adalah memperkecil sisaan (residual) dari sebuah regresi Sehingga diharapkan penduga y hanya dipengaruhi oleh x Center Point dan Central Composite Design Umumnya percobaan dua faktor akan menerima model orde satu Tetapi kita harus mengantisipasi diterimanya second-order model (model orde dua) dalam percobaan tersebut Satu metode yang bisa dilakukan adalah penambahan pengamatan pada titik pusat percobaan dengan n c ulangan Hal ini dilakukan karena titik pusat tidak mempengaruhi pendugaan desain di k [3] Desain yang paling terkenal untuk mencocokkan model orde dua yaitu dengan Central Composite Design (CCD) Berdasarkan jarak star (axial) pointnya, ada tiga macam CCD, yaitu CCC (Circumscribed), CCI (inscribed) dan CCF (Face-Center) F hit 7
6 Model Permukaan Respon pada(4 3) Jenis CCD Optimalisasi Misal dicari titik level x, x,, x k yang menyebabkan respon optimal Hal ini dapat diselesaikan dengan mencari titik stasioner dari persamaan permukaan respon yang didapat Berhubung variabel bebas lebih dari satu, maka titik stasioner dicari dengan menggunakan turunan parsial, yaitu : y x y = x y = = x k = 0 Titik ini akan menghasilkan tiga macam kemungkinan titik, yaitu titik maksimum, titik minimum atau titik pelana (saddle point) Aunudin [] menyatakan permukaan respon yang terbentuk dicirikan dengan nilai akar dari matrik B (yang dilambangkan dengan λ ) Apabila semua nilai akar cirinya positif, maka permukaan respon memiliki nilai minimum dan sebaliknya Tetapi, jika sebagian bernilai positif dan lainnya negatif maka titik stasioner berbentuk pelana Untuk mempermudah perhitungan, bentuk persamaan model orde dua dibuat dalam bentuk matriks menjadi : y ˆ = β 0 + x b + x Bx dengan : x x x = x k ; ˆ β ˆ β b = ; ˆ β k ˆ β B = sym ˆ β ˆ β ˆ k β ˆ β kk 3 Pembahasan Analisa Polinomial Ortogonal Douglass telah melakukan analisa polinomial terhadap data pada penelitian ini Untuk melakukan analisa tersebut, Douglass [] menggunakan seluruh data percobaan 8
7 Majalah Ilmiah Matematika dan Statistika Volume, Juni 0 yaitu sebanyak 36 data Dari analisa yang telah dilakukan, diperoleh persamaan regresi yang mungkin adalah : (Douglass, tanpa tahun) y =,0 + 0,369 x 0,38 x 0,044x + 0,00479 x x Analisa Response Surface Methodology (RSM) RSM mempunyai dua model yang dapat menggambarkan hubungan X dan Y, yaitu model orde satu dan model orde dua Kedua model mempunyai sedikit perbedaan pada desain percobaan yang akan dianalisa Kedua model ini harus dianalisa dan model orde satu dianalisa terlebih dahulu Apabila model orde satu sudah baik untuk menggambarkan data, maka tidak perlu dilakukan analisa model orde dua Data dan Analisa Model Orde Satu Data untuk analisa model orde satu RSM, adalah sebagai berikut : Kode Variabel ξ ξ x x y , , , , ,8-0,7 60,6 Dari rangkaian analisa yang dilakukan, dihasilkan model regresi adalah y =,0743 0,0750 x 0,00750 x Sedangkan berdasarkan uji ANOVA dapat disimpulkan model tidak layak untuk menggambarkan data Data dan Analisa Model Orde Dua Data pada model orde dua, agak berbeda dengan model orde satu Pada model orde dua, data model orde satu ditambah dengan data pada titik axialnya Model permukaan respon yang dihasilkan adalah : y =, ,43596 x 0,07346 x 0,3063 x + 0, x + 0, x x Berdasarkan uji ANOVA yang dihasilkan dari data orde dua, disimpulkan bahwa model orde dua memang layak diterima Setelah mendapatkan persamaan permukaan (regresi) yang tepat menggambarkan data respon, maka dapat digambarkan plot 3D dan konturnya, sebagai berikut : 9
8 Model Permukaan Respon pada(4 3) (a) (b) (a) Plot 3D; (b) Kontur Optimalisasi Setelah mendapatkan persamaan regresi, selanjutnya akan dicari level yang menyebabkan respon optimal, yaitu dengan cara mencari titik stasioner yang diperoleh dengan menggunakan rumus dan B sebagai berikut : = B b Berdasarkan hasil regresi diperoleh nilai b X s 0, ,3063 0, b = dan B = 0, , ,
9 Majalah Ilmiah Matematika dan Statistika Volume, Juni 0 Sehingga titik stasionernya adalah x =,379 dan x = 47,663 Dari perhitungan akar-akar ciri matriks B diperoleh bahwa akar cirinya berlainan tanda, yaitu λ = 0, 00047dan λ = 0, Sehingga disimpulkan bahwa permukaan respon berupa pelana Dengan kata lain, respon di titik stasioner bukan merupakan nilai maksimum ataupun minimum Apabila nilai di titik stasionernya dimasukkan ke dalam persamaan regresi model dua yang didapat, diperoleh responnya mendekati,75 Polinomial Ortogonal dan RSM Persamaan permukaan respon dapat diperoleh menggunakan analisa polinomial ortogonal maupun Response Surface Methodology (RSM) Sebagai metode untuk mendapatkan persamaan permukaan respon, kedua metode mempunyai persamaan dalam hal metode estimasi parameter Hal ini dapat dibuktikan dengan persamaan analisa dan hasil yang hampir sama Persamaan yang lain adalah keduanya diterapkan untuk percobaan faktorial, walaupun ada perbedaan pada sifat level faktornya Pada RSM, level faktor harus bersifat kontinu Salah satu kelebihan analisa polinomial ortogonal adalah langsung dipisahnya atau dikeluarkannya faktor yang tidak mempengaruhi model, sehingga model yang dihasilkan akan tepat menggambarkan respon data Apabila menggunakan analisa RSM maka jumlah percobaan yang dilakukan jauh lebih sedikit daripada menggunakan polinomial ortogonal Tetapi, analisa RSM ini sangat bergantung pada desain percobaan yang diambil Kekurangtepatan pemilihan CCD juga akan menyebabkan perbedaan kesimpulan yang akan diambil Selain itu, RSM kurang tepat untuk digunakan pada analisa awal Artinya, harus diketahui terlebih dahulu faktor yang signifikan terhadap model IV KESIMPULAN Dari data yang dianalisa, didapat persamaan regresi yang sesuai untuk respon percobaan tersebut yaitu : y =, ,43596 x 0,07346x 0,3063x + 0, x + 0, x x Berdasarkan model permukaan respon di atas, diperoleh level yang menyebabkan respon optimal terjadi pada saat x =,379 dan x = 47,663 dan didapat respon (ATP) sebesar,75 3
10 Model Permukaan Respon pada(4 3) DAFTAR PUSTAKA [] Aunuddin 005 Statistika : Rancangan dan Analisa Data Bogor : IPBPress [] Douglass, L Tanpa tahun BIOM60 [serial on line] wwwwamumdedu/~bmomen/ BIOM60/Lab/LabManuals/04%0Faxorial%0SO6pdf [3] Montgomery, Douglas C 00 Design and Analisis of Experiments 5th Edition New York : John Wiley & Sons, Inc 3
PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI
E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciDESAIN EKSPERIMEN & SIMULASI 5
DESAIN EKSPERIMEN & SIMULASI 5 (DS.1) OPTIMISASI RESPON EKSPERIMEN MENGGUNAKAN DESAIN BOX-BEHNKEN Budhi Handoko Staf Pengajar Jurusan Statistika FMIPA Unpad Email: budhihandoko@unpad.ac.id Abstrak Salah
Lebih terperinciBAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada
BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan
Lebih terperinciAnalisis Model Regresi Linear Berganda dengan Metode Response Surface
Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmiah Widya Teknik Volume 6 Nomor 07 ISSN 4-750 OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Maria Agnes Octaviani, Dian Retno Sari Dewi*, Luh Juni
Lebih terperinciJurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciOPTIMASI DENGAN METODE DAKIAN TERCURAM
OPTIMASI DENGAN METODE DAKIAN TERCURAM Marwan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala, Jln. Syekh Abdur Rauf No. 3 Darussalam, Banda Aceh 23111 email:
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
17 BAB TINJAUAN PUSTAKA Pada bab ini akan diuraikan teori dan metode yang digunakan untuk mendukung analisis data. Teori dan metode itu diantaranya adalah rancangan faktorial, analisis regresi dan metode
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Metode Permukaan Respon (Response Surface Methodology/RSM), pertama kali diperkenalkan oleh Box dan Wilson (1951), metode ini sering digunakan untuk mencari
Lebih terperinciOPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE
JURNAL TEKNIK INDUSTRI VOL., NO., DESEEMBER 999: 8-29 OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas Kristen
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciMateri Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari ranc
Kuswanto, 2012 Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari rancangan acak kelompok Apabila ulangan/blok
Lebih terperinciPercobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciOptimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk
JURNAL TEKNIK MESIN Vol. 1, No. 2, Oktober 1999 : 170-175 Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas
Lebih terperinciBAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan
7 BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel
Lebih terperinciPenentuan Parameter Setting Mesin Pada Proses Corrugating
MediaTeknika Jurnal Teknologi Vol.11, No.1, Juni 2016 22 Sylvia Ongkowijoyo 1, Ig. Jaka Mulyana 2, Julius Mulyono 3 1,2,3 Jurusan Teknik Industri, Fakultas Teknik, Universitas Katolik Widya Mandala Surabaya,
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda
Analisis Regresi Pokok Bahasan Pengujian pada Regresi Ganda Model Regresi Linier Berganda Model Regresi Linier Berganda, dengan k peubah penjelas : Y β β X β X β X k k Parameter regresi sebanyak k+ diduga
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciOptimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk
Jurnal Rekayasa Mesin Vol.4, No.3 Tahun 3: 77-8 ISSN 6-468X Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Franscisca Gayuh Utami Dewi, Femiana Gapsari Jurusan Teknik Mesin Fakultas
Lebih terperinciANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN DISTRIBUTED LAG MODEL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 221-227 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN
Lebih terperinciPENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Pendekatan regresi polinomial orthogonal dapat
Lebih terperinciPertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciBAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN
30 BAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN 3.1 Perancangan Aplikasi 3.1.1 Gambaran Umum Perancangan Model program aplikasi yang dirancang akan digambarkan dengan menggunakan
Lebih terperinciPertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression
Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
Lebih terperinciMETODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA. Nuryanti *, Djati H Salimy **
Risalah Lokakarya Komputasi dalam Sains dan Teknologi Nuklir: 6-7 Agustus 8(373-39) METODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA Nuryanti *, Djati H Salimy ** ABSTRAK METODE PERMUKAAN
Lebih terperinciPENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS
e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciDATA DAN METODE. Data
DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil percobaan padi varietas IR 64 yang dilaksanakan tahun 2002 pada dua musim (kemarau dan hujan). Lokasi penelitian
Lebih terperinciMENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL
MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciBAB VI ANALISIS REGRESI LINEAR GANDA
BAB VI ANALISIS REGRESI LINEAR GANDA 1. Pendahuluan Analisis regresi merupakan suatu analisis antara dua variabel yaitu variabel independen (Prediktor) yaitu variabel X dan variabel dependent (Respon)
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciPertemuan keenam ANALISIS REGRESI
Pertemuan keenam ANALISIS REGRESI Secara umum ada dua macam hubungan antara dua variable atau lebih, yaitu bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan analisis regresi.
Lebih terperinciBAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi.
BAB I Pendahuluan 1.1. Latar belakang Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinciBAB 2 LANDASAN TEORI
9 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
Lebih terperinciBAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
Lebih terperinciBujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak
Lebih terperinciOPTIMASI KUALITAS HASIL PENGELASAN GAS METAL ARC WELDING (GMAW) BAJA ASTM 283 Grade A DENGAN RSM (RESPONSE SUFRACE METHODOLOGY)
OPTIMASI KUALITAS HASIL PENGELASAN GAS METAL ARC WELDING (GMAW) BAJA ASTM 283 Grade A DENGAN RSM (RESPONSE SUFRACE METHODOLOGY) Femiana Gapsari 1), Dwi Hadi Sulistyorini 2) Jurusan Teknik Mesin, Fakultas
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI
ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI Oleh : IPA ROMIKA J2E004230 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH
ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH SKRIPSI Oleh : GIAN KUSUMA DIAH TANTRI NIM : 24010210130075 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
Lebih terperinciOPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY
OPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY Disusun Oleh : George Kevin Wijaya 5303012009 FAKULTAS TEKNIK JURUSAN TEKNIK INDUSTRI
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciAcak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc. Latar belakang Rancangan Acak kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciPEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL
PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL Alan Prahutama, Suparti, Departemen Statistika, Fakultas Sains dan Matematika,Universitas
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 39-46 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL LOKAL UNTUK REGRESI POLINOMIAL ORDE 3 DENGAN HETEROSKEDASTISITAS
Lebih terperinciPENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA BARAT
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 122 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciPERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE KOYCK DAN ALMON
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 91-97 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE
Lebih terperinciAPLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS. Abstrak
APLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS Andriani Lubis 1*) 1) Fakultas Pertanian, Universitas Syiah Kuala, Banda Aceh, 23111 *) andriani_loebis@yahoo.com Abstrak
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciPERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG
PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciPADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN
PERBANDINGAN ANALISIS INTERBLOK DAN INTERGRADIEN PADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN Fadhlul Mubarak Nasution, Anisa, Raupong Program Studi Statistika, FMIPA,
Lebih terperinciANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 5, Nomor, Tahun 206, Halaman 53-62 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG Nariswari
Lebih terperinciMETODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k
METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k SKRIPSI Oleh: RUTH SONANDA MARTASPICA J2E 006 034 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciPENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi kasus: Cara Mengajar Dosen Jurusan Statistika UNDIP)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi
Lebih terperinciIMPLEMENTASI METODE RESPONSE SURFACE SEBAGAI UPAYA OPTIMALISASI JUMLAH BINTIL AKAR PADA TANAMAN KEDELAI
IMPLEMENTASI METODE RESPONSE SURFACE SEBAGAI UPAYA OPTIMALISASI JUMLAH BINTIL AKAR PADA TANAMAN KEDELAI SKRIPSI Disusun Oleh : MUCHAMMAD AZIZ CHUSEN 24010210141041 DEPARTEMEN STATISTIKA FAKULTAS SAINS
Lebih terperinciIdentifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan
Vol. 10, No. 2, 92-101, Januari 2014 Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan Fachrun Arifianto S., M. Saleh AF., Anisa Abstrak Rancangan faktorial dengan jumlah faktor yang
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciPEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN
SIDANG LAPORAN TUGAS AKHIR PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN Oleh : Servianie Purnamasari (1310 030
Lebih terperinciPERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS
E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani 1, I Gusti
Lebih terperinciBAB 2 LANDASAN TEORI. pengetahuan, terutama para peneliti yang dalam penelitiannya banyak
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
Lebih terperinciSIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA
Agusrawati //Paradigma, Vol. 16 No.1, April 2012, hlm. 31-38 SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA Agusrawati 1) 1) Jurusan Matematika FMIPA Unhalu, Kendari, Sulawesi Tenggara
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
Lebih terperinciX 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min)
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658--3 Pemilihan Model Regresi Linier Multivariat Terbaik Dengan Kriteria Mean Square Error Dan Akaike s Information Criterion Edriani Lestari, Rito
Lebih terperinciKetakbiasan Dalam Model Analisis Faktor Konfirmatori Pada Metode Pendugaan Kuadrat Terkecil Tak Terboboti (Unweighted Least Square) Untuk Data Ordinal
Prosiding Semirata FMIPA Universitas Lampung, 2013 Ketakbiasan Dalam Model Analisis Faktor Konfirmatori Pada Metode Pendugaan Kuadrat Terkecil Tak Terboboti (Unweighted Least Square) Untuk Data Ordinal
Lebih terperinciJMHT Vol. XV, (1): 17-23, April 2009 Artikel Ilmiah ISSN: X
Penggunaan Analisis Regresi Terboboti dalam Penyusunan Model Pertumbuhan Peninggi Acacia mangium Willd. The Use of Weighted Regression Analysis for Constructing Top-height Growth Model of Acacia mangium
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel
49 BAB III OBJEK DAN METODE PENELITIAN 1.1 Objek Penelitian Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel independen (X) yaitu dividen dan variabel dependen (Y) yaitu harga
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan statistik sebagai alat bantu untuk mengambil keputusan yang lebih baik telah mempengaruhi hampir seluruh aspek kehidupan. Setiap orang, baik sadar maupun
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciAPLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR
APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR Oleh : Isnia Dwimayanti (0 09 06) Pembimbing : DR Drs I Nyoman Budiantara, MS ABSTRAK Tingginya tingkat fertilitas
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciPENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE
PENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE Muhammad Lukman, Ahmad Zubaid Firdaus, Rahadian Galih Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Malang
Lebih terperinciANALISIS REGRESI LINEAR
BAB V ANALISIS REGRESI LINEAR Pendahuluan Analisis regresi merupakan suatu analisis antara dua variabel yaitu variabel independen (Prediktor) yaitu variabel X dan variabel dependent (Respon) yaitu variabel
Lebih terperinci