HASIL DAN PEMBAHASAN. gangan guru per ma a. Lebih lanjut akan dilakukan eksplorasi terhadap kelompok-kelompok yang terbentuk.

Ukuran: px
Mulai penontonan dengan halaman:

Download "HASIL DAN PEMBAHASAN. gangan guru per ma a. Lebih lanjut akan dilakukan eksplorasi terhadap kelompok-kelompok yang terbentuk."

Transkripsi

1 gangan guru per ma a Metode Penelitian Sebelum dilakukan pengerombolan, data awal terlebih dahulu ditransformasi ke dalam bentuk baku karena perbedaan satuan pengukuran antar peubah. Pembakuan data awal dilakukan untuk menyamakan skala pengukuran dan mengelirninasi pembobot awal yang dibawa oleh masing-masing peubah karena perbedaan skala pengukuran tersebut. Penggerombolan SMU Negeri dilakukan berdasarkan metode non-hirarki dengan jumlah geromhol yang diinginkan dissuaikan dengan cara pengelompokan skor terboboti sehingga dapat dibandingkan antar cara pengelompokan. Selanjutnya unit-unit pengamatan dikelompokkan dengan menggunakan pembobotan peubah berdasarkan nilai tengah, simpangan baku dan skor. Skor untuk setiap unit pengamatan ditentukan dengan menggunakan jumlah terboboti dari nilai-nilai peubah-peubah yang diamati, yaitu : Besarnya bobot untuk setiap peubah dan jumlah kelompok ini tergantung dari tujuan pengelompokan itu sendiri. Apabila satuan pengamatan tidak sama maka dilakukan transformasi data awal ke dalam bentuk baku (Z) sebelum jarak antar unit dihitung. Kelompok yang dihasilkan akan bersifat ordinavmemiliki tingkatan. Pengelompokan dilakukan dengan cara sebagai berikut :. Setiap variabel ditentukan bobot masingmasing. Penenhlan bobot ini dilakukan dengan dua cara, yaitu : 4 Berdasarkan keragaman dari setiap peubah dan secara subjektif ditentukan dari tingkat kepentingan peubah dalam penentuan mutu SMUN secara kepakaran. 4 Sebagai pembanding,. pembobot ditentukan berdasarkan nilai mutlak skor komponen utama pertama (PCI) dari analisis komponen utama terhadap selu~h gugus data. Kedua cara pembobotan sebenamya memiliki kelemahan masing-masing. Penggunaan pakar memiliki kesulitan dalam penentuan "pakar" yang dianggap bisa memberikan pemhohotan yang sesuai. Penggunaan pembobotan berdasarkan skor komponen utama pertama dari gugus data awal lebih banyak menggambarkan keragaman data tanpa memperhatikan faktafakta yang ada di lapangan mengenai perilaku dari peubah-peubah yang diamati. 2. Penentuan skor masing-masing SMU dengan menggunakan masing-masing pembobot yang telah ditentukan sebelumnya. 3. Pengelompokan SMU berdasarkan skor SMU dari butk 3, dengan ketentuan sebagai berikut : Buruk(D) :S<p-3 Sedang (C) :p-crss<p Baik(B) :p<s<p+o Saugat Baik (A) : S 2 p + 0 Lebih lanjut akan dilakukan eksplorasi terhadap kelompok-kelompok yang terbentuk. HASIL DAN PEMBAHASAN Data yang diperoleh dari Dwen Dikmenum memiliki beberapa kelemahan. Kelemahan yang utama adalah banyaknya data hilang pada sejumlah variabel yang diinginkan. Dengan menggunakan Microsoft Access 2000 diperoleh tabel dengan data yang lengkap untuk setiap variabel sebanyak 57 unit pengamatan yang tersebar pada 26 propinsi. Sejumlah unit pengamatan (SMUN) yang memiliki data hilang tidak diikutsertakan dalam analisis, demikian juga dengan data dari bekas Propinsi Timor Timur. Dari propinsi Maluku tidak diperoleh data yang lengkap, sehingga tidak bisa diikutsertakan dalam pengolahan data dan analisis lebih lanjut. Lampiran menyajikan diagram kotak garis dari peubah-peubah asal. Dapat dilihat bahwa

2 sebagian besar data pada masing-masing peubah mengumpul di sekitar nilai tengah dengan sejumlah kecil data berada cukup jauh dari nilai tengah dan ada yang menjadi pencilan. Hasil Analisis Gerombol Non-Hirarki Pengelompokan berdasarkan analisis gerombol non-hirarki dilakukan dengan bantuan perangkat lunak Minitab.2 dan menghasilkan 4 gerombol sesuai ketentuan awal dengan anggota masing-masing gerombol 25, 468, 449 dan 575 SMUN. Tabel 2 menyajikan nilai rata-rata masingmasing peubah asal untuk tiap gerombol. Diagram batang pada Lampiran 3 memperlihatkan perbandingan rata-rata masingmasing gerombol dengan lebih jelas. Secara umum kelompok, 2, 3 dan 4 memiliki pola yang mirip namun nilai yang berbeda. Tahel2. Nilai rataan gerombol untuk tiap peubah Peubah Gerombol X X X X X X X X X XI XI XI X Gerombol beranggotakan 25 SMUN. Nilai rata-rata untuk peubah X9 paling tinggi paling rendah pada peubab X8. Nilai rata-rata pada peubah X2, X3, X4, X6, X7, X0, X2 dan X3 menduduki posisi ke-2 dibandingkan gerombol-gerombol lainnya, dan peubah XI, X5, dan XI berada pada urutan ke-3.. Berdasarkan hasil di atas, terlihat bahwa gerombol menunjukkan SMUN yang memiliki kualitas meuengah dan bukan yaug terbaik. Gerombol 2 beranggotakan 468 SMUN. Nilai rata-rata untuk peubah X7 paling tinggi paling rendah pada peubah X, X5, X6, X9, XI dan X3. Nilai rata-rata pada peubah X8 menduduki posisi ke-2 dibandingkan gerombolgerombol lainnya, dan peubah X2, X3, X4, XI0 dan XI2 berada pada urutan ke-3.. Melibat hasil yang dimiliki.gerombol 2, terlihat bahwa gerombol 2 menunjukkan SMUN yang memiliki kualitas buxuk karena banyaknya peubah yang berada pada urutan bawah.. Gerombol3 beranggotakan 449 SMUN. Nilai rata-rata untuk peubab XI dan X8 paling tinggi paling rendah pada peubah X2, X3, X4, X0 dan X2. Nilai rata-rata pada peubah X5, dau X menduduki posisi ke-2 dibandingkan gerombolgerombol lainnya, dan peubah X6, X7, X9 dan XI3 berada pada urutan ke-3. Berdasarkan hasil di atas, maka dapat dilihat bahwa gerombol 3 heranggotakan SMUN yang memiliki kualitas tidak terlalu baik kareua kebanyakan nilai rata-rata.peubahnya berada di hagian bawah. Gerombol4 beranggotakan 575 SMUN. Nilai rata-rata untuk peubah X2, X3, X4, X5, X6, X0, X, X2, XI3 paling tinggi dibandingkan geromhol-gerombol lainnya, dan paling rendah pada peubah X7. Nilai rata-rata pada peubah XI, dan X9 menduduki posisi ke-2 dibandingkan geromhol-gerombol lainnya, dan peubah X8 berada pada urutan ke-3. Oleh karena itu dapat diatakan bahwa gerombol 4 adalah kelompok SMUN yang memiliki kualitas terbaik dengan sebagian besar rata-rata peubahnya paling tinggi dibandingkan gerombol lainnya. Berdasarkan hasil analisis deshiptif ini terlihat hahwa masing-masing gerombol sebenamya memiliki karakteristik yang tidak terlalu berbeda, kecuali pada gerombol 4 yang terlihat lebih baik dari gerombol lainnya. Jika yang diinginkan adalah kelompok dengan umtan kualitas yang jelas atau diketabui secara pasti suatu kelompok lebih baik atau lebih buxuk dari kelompok lain, analisis gerombol tidak dapat digunakan. Hasil Pengelompokan berdasarkan skor terboboti Sehelum dihitung skor masing-masing unit pengamatan, hams terlebib dahulu ditentukan pembobot yang akan digunakan. Berdasarkan penentuan pembobot secara subjektif dari keragaman (selanjutnya disebut sbagai pembobot cara I), ditentukan tiga kelompok peubah yang memiliki pembobot yang berbeda, yaitu, 2 dan

3 3. Tabel 3 menyajikan hasil penentuan pembobot Tabel 5. Nilai rataan kelompok (indeks) dengan tersebut. Berdasarkan skor komponen utama pertama dari analisis komponen utama (selanjutnya disebut sebagai pembobot cara 2) diperoleb pembobot seperti pada Tabel 4. Pembobot tersebut adalab nilai mutlak dari PC untuk menghindari perbedaan tanda antar pembobot. Pengelompokan berdasarkan skor terboboti dengan pembobot cara 2 menghasilkan 4 kelompok beranggotakan masing-masing 248, 557, 474 dan 238 SMUN, berturut-turut adalah kelonlpok beranggotakan A, B, C dand. Tabel 6 menyajikan nilai rata-rata masingmasing peubab asal untuk tiap kelompok dengan pembobot cara 2. Diagram batang pada Lampiran 5 memperlibatkan perbandingan rata-rata masing-masing kelompok dengan lehib jelas Pengelompokan berdasarkan skor terboboti dengan pembobot cara mengbasilkan 4 kelompok beranggotakan masing-masing 247, 545, 476 dan 249 SMUN, berturut-turut adalah kelompok berindeks A, B, C dan D. Tabel 5 menyajikan nilai rata-rata masingmasing peubah asal untuk tiap kelompok. Diagram batang pada Lampiran 4 memperlibatkan perbandingan rata-rata masingmasing kelompok dengan lebih jelas. Secara umum kelompok,2,3 dan 4 telah menunjukkan nilai-nilai yang berbeda. Tabel 6. Nilai rataan kelompok (indeks) dengan pembobot cara 2 untuk tiap peubah Peubah Kelompok A B C D X X X X X X X X xg XO XI X

4 Penggunaan pembobot cara dan cara 2 menghasilkan kelompok-kelompok yang hampir sama. Tidak terjadi perpindahan yang berarti dari anggota-anggota kelompok yang tercipta. Nilainilai rataan peubah -peubah dari setiap kelompok juga tidak jauh berbeda. Kelompok A mempakan kelompok terbaik dari kelompok-kelompok lainnya. Seluruh nilai rata-rata peubah yang dimilikinya lebih besar dari kelompok-kelompok lainnya. BwtuNt-tumt kelompok B, C dan D memiliki nilai rata-rata peubah yang berjenjang, yang menunjukkan tingkatan kualitas setiap kelompok. Jelas terlihat bahwa kelompok A lebih baik dari kelompok B, C dan D. Kelompok B lebih baik dari kelompok C dan D. Kelompok C lebih baik dari kelompok D, dan kelompok D adalah kelompok dengan kualitas terendah. pembobot cara 2) dari seluruh SMUN dari kelompok B, dengan total SMUN sebanyak 45.09%. Untuk propinsi di luar Pulau Jawa dan Bali diikuti oleh Sumatera Barat, tapi masih jauh dengan 3,24% (dengan pembobot cara ) atau 4,84% (dengan pembobot cara 2) pada kelompok A dan 6,3% (dengan pembobot cara ) atau 6,75% (dengan pembobot cara 2) pada kelompok B. Selain itu propinsi-propinsi lain yang berada di bawahnya memiliki nilai-nilai yang tidak terlalu jauh berbeda. Hasil pengelompokan analisis gerombol dan skor terboboti dengan pembobot cara dibandingkan lebih lanjut dengan tabulasi silang pada Tabel 7. Hasil pengelompokan analisis gerombol dan skor terboboti dengan pembobot cara 2 dibandingkan lebih lanjut dengan tabulasi silang pada Tabel. 8. Analisis Tabulasi Silang Tabel 7. Tabulasi silang kelompok hasil skor. Lebih lanjut tabulasi silang antara kelompok terboboti dengan pembobot cara vs. hasil analisis gerombol dan skor terboboti terhadap propinsi asal SMUN disajikan pada Lampiran 6, 7 dan 8. Tabulasi silang ini berisikan jumlah setiap kelompok pada setiap propinsi, persentase kelompok dalam propinsi terhadap total unit pengamatan dalam propinsi, dan persentase kelompok dalam propinsi terhadap total setiap kelompok. Gerombol 4 (gerombol terbaik) tersehar cukup merata, di mana propinsi-propinsi di pulau Jawa dan Bali mencakup 45.09% dari selu~uh anggota gerombol4. Tapi hampir semua anggota gerombol (terbaik ke-2) berada di Pulau Jawa dan Bali, yaitu 92%. Di luar Pulau Jawa dan Bali kembali diikuti Sumatera Barat, tetapi masih Tabel 8. Tabulasi silang kelompok hasil skor rendah dengan 5.57% pada gerombol - 4 dan 4% terboboti denean nembobot cara 2 vs. pada gerombol. Tabulasi silang pada kelompok hasil skor Kelompok berdasarkan terboboti memberikan hasil yang agak berbeda Gerombol skor terboboti 2 Dari tabulasi silang kelompok hasil skor terboboti, dapat dilihat babwa sekolah-sekolah dengan kualitas terbaik terdapat paling banyak di Pulau Jawa dan Bali. Untuk kelompok A, posisi -.. terbanvak dari Pro~insi Jawa Ten~ah (35.63% dengan pembobot cara dan 33,87% deugan pembobot cara 2) disusul Jawa Timur (25,5% dengan pembobot cara dan 28,23% dengan pembobot cara 2). Secara keselumhan propinsipropinsi di Pulau Jawa dan Bali saja sudah mencakup 75,3% (dengan pembobot cara ) atau 78,64% (dengan penlbobot cars 2) dari seluruh SMUN dari kelompok A, dan 54,2% (dengan pembobot cara ) atau 5,9% (dengan Unmk kelompok yang terbaik tidak terdapat banyak perbedaan, dengan 94.74% dari anggota

5 kelompok ber-indeks A dengan pembobot cara dan 94.35% dengan pembobot cara 2 juga adalab anggota gerombol4. Tapi anggota kelompok berindeks B dan dari gerombol2 banya.68% pada pembobot cara dan.48% dengan pembobot cara % anggota kelompok ber-indeks C dengan pembobot cara dan 45.42% dengan pembobot cara 2 adalab anggota gerombol % anggota kelompok ber-indeks D dengan pembobot cara dan 37.39% dengan pembobot cara 2 berasal dari gerombol2. Untuk membandingkan basil pengelompokan skor terboboti yang menggunakan pembobot cara dengan cara 2, dibuat tabulasi silang antar kelompok-kelompok yang dihasilkan oleh masing-masing cara. Hasilnya dapat dilit pada Tabel 9. Tabel 9. Tabulasi silang kelompok hasil skor terboboti dengan pembobot cara vs. pembobot cara 2. I Kelompok Kelompok berdasarkan I berdasarkan skoi terboboti 2 skor A I B I C I D Tidak terlihat perbedaan yang mencolok pada kedua cara pembobotan. Penggunaan pembobot subjektif dari keragaman peubah dan pembobot dari skor komponen utama pertama menghasilkan kelompok-kelompok yang tidak banyak berbeda satu sama lain. KESIMPULAN DAN SARAN Kesirnpulan Analisis gerombol terhadap SMUN di Indonesia dilakukan secara non-hirarki dikarenakan sifat-sifat data yang dimiliki dan diketahuinya jumlah gerombol yang diinginkan. Diperoleh 4 gerombol yang masing-masing beranggotakan 25, 468, 449 dan 575 SMUN. Secara umum gerombol yang terjadi belum bisa menunjukkan tingkat kualitas antar kelompok. Analisis dengan skor terboboti menggunakan dua cara pembobotan, yaitu secara subjektif dari sistem kepakaran dan dari skor komponen utama pertama. Dari cara pembobotan pertama menghasilkan 4 kelompok yang masing-masing beranggotakan 247, 545, 476 dan 249 SMUN. Dengan cara pembobotan kedua diperoleh 4 kelompok dengan masing-masing anggota 248, 557,474,238 SMUN. Kelompok-kelompok yang dihasilkan telah menunjukkan perbedaan nilai pada setiap peubab dan bisa menunjukkan tingkat kualitas antar kelompok. Pengelompokan ini dapat membantu pengambilan keputusan yang berhnbungan dengan SMUN di Indonesia. Pengelompokan dengan skor terboboti, baik yang menggunakan pembobot subjektif dari keragaman peubah dan pembobot dari skor komponen utama pertama, dibandingkan dengan analisis gerombol tidak banyak berbeda pada kelompok yang terbaik, tetapi cukup berbeda pada kelompok-kelompok di bawahnya. Dapat dilihat bahwa analisis gerombol menghasilkan pengelompokan yang cukup berbeda dengan skor terboboti. Penggunaan skor komponen utama pertama sebagai pembobot menghasilkan pengelompokan yang tidak banyak berbeda dari pembobot hasil dari kepakaran subjektif. Saran Dalam penentuan kelompok yang memiliki kejelasan tingkatan kualitas akan lebib baik jika menggunakan skor terboboti. Kelemahan dari masing-masing cara pembobotan yang dipakai dapat diatasi dengan cara mengkombinasikao kedua cara pembobotan. Hasil dari pembobotan dengan menggunakan skor komponen utama pertama dari gugus data awal dapat diserahkan kepada pakar sebagai dasar penentuan pembobot yang final dengan merubah seperlunya sesuai kepakaran yang dimiliki. SMUN-SMUN yang terbaik sebagian besar masih terdapat di Pulau Jawa dan Bali. Pemerintah perlu mengambil kebijakan untuk meningkatkan mutu pendidikan tingkat menengah di daerah agar lebih merata dan tidak terlalu texpusat. DAFTAR PUSTAKA Adenberg, M.R Cluster A~ralysis for Applications. Academy Press, New York.

KLASIFIKASI SMU NEGERI DI INIIONESIA BERDASARKAN INDIKATOR MUTU SEKOLAH

KLASIFIKASI SMU NEGERI DI INIIONESIA BERDASARKAN INDIKATOR MUTU SEKOLAH I$ /517> loo{ b~?iip KLASIFIKASI SMU NEGERI DI INIIONESIA BERDASARKAN INDIKATOR MUTU SEKOLAH JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 1 RINGKASAN

Lebih terperinci

HASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian.

HASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian. 6 6. Catat persentase salah klasifikasi dari hasil penggerombolan. 7. Ulangi langkah 2-6 sebanyak tiga puluh kali. HASIL DAN PEMBAHASAN Penentuan Lebar Jendela Fungsi Kernel Penentuan lebar jendela fungsi

Lebih terperinci

Tabel 6 Daftar peubah karakteristik

Tabel 6 Daftar peubah karakteristik 6 Tabel 6 Daftar peubah karakteristik Kode. Keterangan X1 Hasil gabah (kg/ha) X2 Umur saat akar tembus lilin (HST) X3 Jumlah akar tembus X4 Panjang akar tembus (cm) X5 Berat akar (gr) X6 Laju asimilasi

Lebih terperinci

x j dan HASIL DAN PEMBAHASAN

x j dan HASIL DAN PEMBAHASAN Kategori sedang (S) ika nilai rata-rata peubah ke- pada gerombol berada diantara nilai ( x - s ) dan ( x + s ). Kategori rendah (R) ika nilai rata-rata peubah ke- pada gerombol berada dibawah nilai ( x

Lebih terperinci

Analisis Pengelompokan dengan Metode K-Rataan

Analisis Pengelompokan dengan Metode K-Rataan 511 Analisis Pengelompokan dengan Metode K-Rataan Titin Agustin Nengsih Fakultas Syariah IAIN Sulthan Thaha Saifuddin Jambi Abstrak Analisis pengelompokkan adalah salah satu metode eksplorasi data untuk

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,

Lebih terperinci

Semakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).

Semakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995). 3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Eksplorasi Data Diagram kotak garis (boxplot) merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran.

Lebih terperinci

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel DISTRIBUSI SAMPLING Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung

Lebih terperinci

BAHAN DAN METODE HASIL DAN PEMBAHASAN

BAHAN DAN METODE HASIL DAN PEMBAHASAN BAHAN DAN METODE Bahan Data yang digunakan dalam penelitian ini adalah data sekunder makroekonomi 13 negara yaitu 1 negara ASEAN ditambah 3 negara seperti yang tercantum pada Tabel 1. Tabel 1. Daftar Objek

Lebih terperinci

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata Probabilitas dan Analisis Lanjut Adam Hendra Brata Tunggal Populasi adalah sebagai sekumpulan data yang mengidentifikasi suatu fenomena. Sampel adalah sekumpulan data yang diambil atau diseleksi dari suatu

Lebih terperinci

PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN

PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN Indah Ratih Anggriyani 1), Dariani Matualage 2), Esther Ria Matulessy 3) 1)2)3) Jurusan Matematika

Lebih terperinci

By Syarifah Hikmah JS. MK Statistika (MAM 4137)

By Syarifah Hikmah JS. MK Statistika (MAM 4137) By Syarifah Hikmah JS MK Statistika (MAM 4137) Daftar Isi Wilayah/Rentang Deviasi rata-rata terhadap nilai tengah Ragam Simpangan baku Ukuran Statistik Untuk menjelaskan ciri-ciri data yang penting maka

Lebih terperinci

IV HASIL DAN PEMBAHASAN

IV HASIL DAN PEMBAHASAN 6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.

Lebih terperinci

PENGGEROMBOLAN DAERAH TERTINGGAL DI INDONESIA DENGAN FUZZY K-RATAAN (Clustering Backward Region in Indonesia Using Fuzzy C-Means Cluster)

PENGGEROMBOLAN DAERAH TERTINGGAL DI INDONESIA DENGAN FUZZY K-RATAAN (Clustering Backward Region in Indonesia Using Fuzzy C-Means Cluster) , April 2010 p : 22-27 ISSN : 0853-8115 Vol 15 No.1 PENGGEROMBOLAN DAERAH TERTINGGAL DI INDONESIA DENGAN FUZZY K-RATAAN (Clustering Backward Region in Indonesia Using Fuzzy C-Means Cluster) Titin Agustin

Lebih terperinci

Analisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008

Analisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008 Analisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008 Oleh : Asep Sjafrudin, M.Si 1. Pendahuluan 1.1. Latar Belakang Sebagai jenjang terakhir dalam program Wajib Belajar 9 Tahun Pendidikan Dasar

Lebih terperinci

PERHITUNGAN KUALITAS WEBSITE PETUNJUK PRAKTIKUM KIMIA BERDASARKAN SKOR KRITERIA PENILAIAN IDEAL OLEH REVIEWER

PERHITUNGAN KUALITAS WEBSITE PETUNJUK PRAKTIKUM KIMIA BERDASARKAN SKOR KRITERIA PENILAIAN IDEAL OLEH REVIEWER PERHITUNGAN KUALITAS WEBSITE PETUNJUK PRAKTIKUM KIMIA BERDASARKAN SKOR KRITERIA PENILAIAN IDEAL OLEH REVIEWER A. Kriteria Kualitas Data penilaian website petunjuk praktikum kimia oleh reviewer diperoleh

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Hasil Eksplorasi Data Diagram kotak garis merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran. Gambaran

Lebih terperinci

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER Artanti Indrasetianingsih Dosen Program Studi Statistika, FMIPA

Lebih terperinci

dimana n HASIL DAN PEMBAHASAN

dimana n HASIL DAN PEMBAHASAN 5. Proses penghilangan data dilakukan secara acak untuk memenuhi asumsi mekanisme kehilangan data yang acak (MAR). 6. Ulangan yang digunakan sebanyak 1 kali pada setiap simulasi untuk memberikan peluang

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN (RPP) Nama Sekolah : Mata Pelajaran : Matematika Kelas / Program : XI (Sebelas) Semester : Ganjil

RENCANA PELAKSANAAN PEMBELAJARAN (RPP) Nama Sekolah : Mata Pelajaran : Matematika Kelas / Program : XI (Sebelas) Semester : Ganjil RENCANA PELAKSANAAN PEMBELAJARAN (RPP) Nama Sekolah : Mata Pelajaran : Matematika Kelas / Program : XI (Sebelas) Semester : Ganjil Standar Kompetensi : 1. Menggunakan aturan statistika, kaidah pencacahan,

Lebih terperinci

Λ = DATA DAN METODE. Persamaan Indeks XB dinyatakan sebagai berikut. XB(c) = ( ) ( )

Λ = DATA DAN METODE. Persamaan Indeks XB dinyatakan sebagai berikut. XB(c) = ( ) ( ) Indeks XB (Xie Beni) Penggerombolan Fuzzy C-means memerlukan indeks validitas untuk mengetahui banyak gerombol optimum yang terbentuk. Indeks validitas yang digunakan dalam penelitian ini adalah Indeks

Lebih terperinci

BAB III PEMBAHASAN. survei yang dilakukan BPS pada 31 Oktober Langkah selanjutnya yang

BAB III PEMBAHASAN. survei yang dilakukan BPS pada 31 Oktober Langkah selanjutnya yang BAB III PEMBAHASAN Data yang digunakan dalam skripsi ini merupakan data sekunder yang diperoleh dari buku saku Ikhtisar Data Pendidikan Tahun 2016/2017. Data tersebut dapat dilihat pada Lampiran 1. Data

Lebih terperinci

Analisis Peubah Ganda

Analisis Peubah Ganda Analisis Peubah Ganda Analisis Komponen Utama Dr. Ir. I Made Sumertajaya, M.Si Pengamatan Peubah Ganda - memerlukan sumberdaya lebih, dalam analisis - informasi tumpang tindih pada beberapa peubah Apa

Lebih terperinci

MODUL MATEMATIKA SMA IPA Kelas 11

MODUL MATEMATIKA SMA IPA Kelas 11 SMA IPA Kelas A. Data Tunggal No. Jenis Rumus Rumus. Rata-rata (rataan) hitung _ x x x x n Median Me x, untuk n ganjil _ x : rata-rata x n : data ke-n n : banyaknya data. Modus Modus (Mo) merupakan data

Lebih terperinci

HASIL DAN PEMBAHASAN Simulasi Kinerja Metode Kondisi Shift Outlier

HASIL DAN PEMBAHASAN Simulasi Kinerja Metode Kondisi Shift Outlier 17 HASIL DAN PEMBAHASAN Simulasi Perbandingan kinerja metode BICOV dan MCD dalam AKK melalui data simulasi dimaksudkan untuk mencari metode kekar yang memberikan nilai MSE paling minimum. Kinerja kedua

Lebih terperinci

Antiremed Kelas 11 Matematika

Antiremed Kelas 11 Matematika ntiremed Kelas 11 Matematika Statistika - Data Tunggal - Set 1 Uraian Doc. Name: R11MT0106 Version : 2012-08 halaman 1 01. Hitunglah mean, median, dan modus dari () 4, 4, 7, 5, 9, 8, 3, 2, 5, 4 () 25,

Lebih terperinci

Resume Regresi Linear dan Korelasi

Resume Regresi Linear dan Korelasi Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan

Lebih terperinci

BAB 6 KATEGORISASI BERDASARKAN INTERVAL NILAI

BAB 6 KATEGORISASI BERDASARKAN INTERVAL NILAI BAB 6 KATEGORISASI BERDASARKAN INTERVAL NILAI KATEGORISASI BERDASARKAN INTERVAL NILAI Pengantar Untuk membuat kategorisasi atau pengelompokan data di samping dapat menggunakan kuartil (K), desil (D), persentil

Lebih terperinci

: Purnomo Satria NIM : PENDISKRIPSIAN DATA

: Purnomo Satria NIM : PENDISKRIPSIAN DATA Nama : Purnomo Satria PENDISKRIPSIAN DATA NIM : 1133467162 1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk

Lebih terperinci

Tabel 1: Perkembangan AMK pada Tingkat Kabupaten. AMK Tahun ke Contoh : Angka Mengulang Kelas Menurut Jenis Pendidikan

Tabel 1: Perkembangan AMK pada Tingkat Kabupaten. AMK Tahun ke Contoh : Angka Mengulang Kelas Menurut Jenis Pendidikan ANALISIS MUTU PENDIDIKAN Suplemen Mata Kuliah Pengelolaan Pendidikan Oleh : Suryadi, M.Pd MUTU PROSES Mutu proses, berkaitan dengan efisiensi mutu pengelolaan pendidikan dengan indikator angka mengulang

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 1 Perolehan suara PN, PA, dan PC menurut nasional pada pemilu 2004 dan 2009

HASIL DAN PEMBAHASAN. Gambar 1 Perolehan suara PN, PA, dan PC menurut nasional pada pemilu 2004 dan 2009 11 HASIL DAN PEMBAHASAN Deskripsi data Berdasarkan bagian Latar Belakang di atas, pengelompokan parpol menurut asas dapat dikelompokan kedalam tiga kelompok parpol. Ketiga kelompok parpol tersebut adalah

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Deskripsi Data Simulasi Plot pencaran titik data antara peubah respon dengan peubah penjelas dapat dilihat pada Gambar 5. Gambar tersebut mengungkapkan bahwa secara keseluruhan pola

Lebih terperinci

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

STK 211 Metode statistika. Materi 2 Statistika Deskriptif STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan

Lebih terperinci

Antiremed Kelas 11 Matematika

Antiremed Kelas 11 Matematika Antiremed Kelas 11 Matematika Statistika - Data Tunggal - Set 2 Uraian Doc. Name: AR11MAT0108 Version : 2012-08 halaman 1 01. Hitunglah mean, median, dan modus dari data berikut ini! (A) 43, 52, 54, 47,

Lebih terperinci

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KRITERIA LANJUT USIA TELANTAR DENGAN MENGGUNAKAN ANALISIS GEROMBOL

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KRITERIA LANJUT USIA TELANTAR DENGAN MENGGUNAKAN ANALISIS GEROMBOL PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KRITERIA LANJUT USIA TELANTAR DENGAN MENGGUNAKAN ANALISIS GEROMBOL GROUPING OF PROVINCES IN INDONESIA BASED ON THE CRITERIA OF THE NEGLECTED ELDERLY BY USING

Lebih terperinci

DAFTAR ISI. UCAPAN TERIMAKASIH... iv. ABSTRAK... vi. KATA PENGANTAR... vii. DAFTAR ISI... ix. DAFTAR TABEL... xii. DAFTAR GRAFIK...

DAFTAR ISI. UCAPAN TERIMAKASIH... iv. ABSTRAK... vi. KATA PENGANTAR... vii. DAFTAR ISI... ix. DAFTAR TABEL... xii. DAFTAR GRAFIK... DAFTAR ISI UCAPAN TERIMAKASIH... iv ABSTRAK... vi KATA PENGANTAR... vii DAFTAR ISI... ix DAFTAR TABEL... xii DAFTAR GRAFIK... xiii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 12,skor terendah 9, rata-rata 10,7, varians 1,06, standar deviasi 1,02. Angka

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 12,skor terendah 9, rata-rata 10,7, varians 1,06, standar deviasi 1,02. Angka 1 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Hasil Penelitian 4.1.1.Skor Kepercayaan Diri kelas Eksperimen Hasil analisis data kepercayaan diri menunjukkan bahwa skor tertinggi 12,skor terendah

Lebih terperinci

Bab 5 Distribusi Sampling

Bab 5 Distribusi Sampling Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN (RPP)

RENCANA PELAKSANAAN PEMBELAJARAN (RPP) RENCANA PELAKSANAAN PEMBELAJARAN (RPP) Nama Sekolah : SMA NEGERI 1 SEBANGKI Mata Pelajaran : Matematika Kelas / Program : XI (Sebelas) / IPS Semester : Ganjil Standar Kompetensi : 1. Menggunakan aturan

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data

METODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Solok Provinsi Sumatera Barat. Penelitian dilaksanakan selama 4 bulan dimulai dari bulan Juni hingga September 2011.

Lebih terperinci

Macam ukuran penyimpangan. Range/Rentang/Jangkauan Standar Deviasi/simpangan baku Varians Ukuran penyimpangan lain

Macam ukuran penyimpangan. Range/Rentang/Jangkauan Standar Deviasi/simpangan baku Varians Ukuran penyimpangan lain UKURAN PENYIMPANGAN Ukuran penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilainilai data dari nilai-nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang

Lebih terperinci

ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND LOGO

ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND LOGO ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND Kompetensi menghitung jarak antar individu Membentuk gerombol dengan menggunakan metode gerombol berhierarkhi Membentuk gerombol

Lebih terperinci

Lampiran 1. Kerangka Logis Metode Fuzzy AHP. Mulai. Membuat struktur hirarki

Lampiran 1. Kerangka Logis Metode Fuzzy AHP. Mulai. Membuat struktur hirarki LAMPIRAN Lampiran 1. Kerangka Logis Metode Fuzzy AHP Mulai - Studi Literatur - Pendapat Pakar Membuat struktur hirarki Pendapat Pakar Menentukan penilaian perbandingan berpasangan untuk setiap elemen pada

Lebih terperinci

Modul Pelatihan Teknik Analisis Kuantitatif Data *

Modul Pelatihan Teknik Analisis Kuantitatif Data * Modul Pelatihan Teknik Analisis Kuantitatif Data * Hawis H. Madduppa, S.Pi., M.Si. Bagian Hidrobiologi Departemen Ilmu dan Teknologi Kelautan Fakultas Perikanan dan Ilmu Kelautan Institut Pertanian Bogor

Lebih terperinci

DAFTAR ISI. KATA PENGANTAR... iv. DAFTAR LAMPIRAN... xiii. 1.3 Maksud dan Tujuan Penelitian Pengertian dan Batasan Usia Remaja...

DAFTAR ISI. KATA PENGANTAR... iv. DAFTAR LAMPIRAN... xiii. 1.3 Maksud dan Tujuan Penelitian Pengertian dan Batasan Usia Remaja... DAFTAR ISI UCAPAN TERIMAKASIH... i ABSTRAK... iii KATA PENGANTAR... iv DAFTAR ISI... v DAFTAR TABEL... ix DAFTAR SKEMA... xi DAFTAR DIAGRAM...xii DAFTAR LAMPIRAN... xiii BAB I PENDAHULUAN 1.1 Latar Belakang

Lebih terperinci

DAFTAR ISI. ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR BAGAN... xi DAFTAR GRAFIK...

DAFTAR ISI. ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR BAGAN... xi DAFTAR GRAFIK... DAFTAR ISI ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR BAGAN... xi DAFTAR GRAFIK... xii BAB I PENDAHULUAN A. Latar Belakang Penelitian... 1 B.

Lebih terperinci

Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot

Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com

Lebih terperinci

MATERI DAN METODE. Tabel 3. Jumlah Kuda Delman yang Diamati pada Masing-masing Lokasi

MATERI DAN METODE. Tabel 3. Jumlah Kuda Delman yang Diamati pada Masing-masing Lokasi MATERI DAN METODE Lokasi dan Waktu Penelitian ini menggunakan data sekunder pengamatan yang dilakukan oleh Dr. Ir. Ben Juvarda Takaendengan, M.Si. Pengolahan data dilakukan di Laboratorium Pemuliaan dan

Lebih terperinci

PERKEMBANGAN NILAI TUKAR PETANI *)

PERKEMBANGAN NILAI TUKAR PETANI *) No. 40 / VI / 1 Agustus 2003 PERKEMBANGAN NILAI TUKAR PETANI *)! Pada bulan 2003, Nilai Tukar Petani (NTP) secara nasional naik 0,05 persen dibanding bulan April 2003, yaitu dari 119,12 menjadi 119,18.

Lebih terperinci

BAHAN DAN METODE. Bahan

BAHAN DAN METODE. Bahan 15 BAHAN DAN METODE Bahan Model Populasi Hipotetik Pada penelitian ini akan digunakan pendekatan simulasi untuk mengevaluasi efektivitas algoritma TwoStep Cluster, sebagai mana dinyatakan pada tujuan penelitian.

Lebih terperinci

METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE

METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN

Lebih terperinci

BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian 3.2 Bahan dan Alat Penelitian 3.3 Metode Penelitian Pengumpulan Data

BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian 3.2 Bahan dan Alat Penelitian 3.3 Metode Penelitian Pengumpulan Data 12 BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di KPH Bojonegoro Perum Perhutani Unit II Jawa Timur pada Bagian Kesatuan Pemangkuan Hutan (BKPH) Bubulan, Dander, Clebung,

Lebih terperinci

ANALISIS TERHADAP INDIKATOR INDIKATOR YANG MENCIRIKAN STANDAR NASIONAL PENDIDIKAN SEKOLAH MENENGAH PERTAMA DI INDONESIA WENNY INDRIYARTI PUTRI

ANALISIS TERHADAP INDIKATOR INDIKATOR YANG MENCIRIKAN STANDAR NASIONAL PENDIDIKAN SEKOLAH MENENGAH PERTAMA DI INDONESIA WENNY INDRIYARTI PUTRI ANALISIS TERHADAP INDIKATOR INDIKATOR YANG MENCIRIKAN STANDAR NASIONAL PENDIDIKAN SEKOLAH MENENGAH PERTAMA DI INDONESIA WENNY INDRIYARTI PUTRI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

STATISTIKA. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah

STATISTIKA. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah 1 SMA SANTA ANGELA STATISTIKA Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah Kompetensi Dasar : Membaca data dalam bentuk tabel dan

Lebih terperinci

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif 1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian

METODE PENELITIAN. Lokasi dan Waktu Penelitian METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian dilakukan di dalam areal Hak Pengusahaan Hutan (HPH) PT. Sari Bumi Kusuma, Unit S. Seruyan, Kalimantan Tengah. Areal hutan yang dipilih untuk penelitian

Lebih terperinci

SEGMENTASI PELANGGAN RITEL PERUSAHAAN ALAT BERAT BERDASARKAN CATATAN TRANSAKSI DENGAN PEMBOBOTAN KOMPONEN UTAMA BINAPRI VINDY TURNINGTIAS

SEGMENTASI PELANGGAN RITEL PERUSAHAAN ALAT BERAT BERDASARKAN CATATAN TRANSAKSI DENGAN PEMBOBOTAN KOMPONEN UTAMA BINAPRI VINDY TURNINGTIAS SEGMENTASI PELANGGAN RITEL PERUSAHAAN ALAT BERAT BERDASARKAN CATATAN TRANSAKSI DENGAN PEMBOBOTAN KOMPONEN UTAMA BINAPRI VINDY TURNINGTIAS DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

Training. Level Transformasi Wavelet. Banyak Fitur. Ukuran Dimensi. 0 40x x30 600

Training. Level Transformasi Wavelet. Banyak Fitur. Ukuran Dimensi. 0 40x x30 600 Citra asli Citra ya Inisialisasi: Topologi jaringan, Bobot awal, Lebar tetangga, Nilai laju awal pembelajaran Kriteria pemberhentian Training Error> -6 Epoch< 4 Alpha> HASIL DAN PEMBAHASAN Pada penelitian

Lebih terperinci

PENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO STEP CLUSTER

PENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO STEP CLUSTER Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 121 129 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA UKURAN PENYEBARAN DATA STKIP SILIWANGI BANDUNG Sumber : 1.Sudjana. Budino dan Koster 3. Berbagai sumber LUVY S. ZANTHY 1 Ukuran Penyebaran Data (Ukuran Dispersi) Ukuran penyebaran data atau ukuran dispersi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN Konsentrasi lemak ikan (%) Kandungan zat aktif (absorban) HASIL DAN PEMBAHASAN Deskripsi Data Berdasarkan data yang digunakan dalam penelitian ini, akan dilakukan pengidentifikasian multikolinieritas.

Lebih terperinci

III. METODE PENELITIAN. Desain penelitian yang digunakan dalam penelitian ini ialah desain penelitian

III. METODE PENELITIAN. Desain penelitian yang digunakan dalam penelitian ini ialah desain penelitian 36 III. METODE PENELITIAN A. Desain Penelitian Desain penelitian yang digunakan dalam penelitian ini ialah desain penelitian pengembangan (research development). Penelitian pengembangan pendidikan adalah

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan yang dilaksanakan selama tiga dekade belakangan ternyata belum mampu untuk meningkatkan kesejahteraan masyarakat terutama yang berdiam di daerah pedesaan.

Lebih terperinci

PERHITUNGAN KUALITAS WEBSITE PETUNJUK PRAKTIKUM KIMIA BERDASARKAN SKOR KRITERIA PENILAIAN IDEAL OLEH PESERTA DIDIK

PERHITUNGAN KUALITAS WEBSITE PETUNJUK PRAKTIKUM KIMIA BERDASARKAN SKOR KRITERIA PENILAIAN IDEAL OLEH PESERTA DIDIK PERHITUNGAN KUALITAS WEBSITE PETUNJUK PRAKTIKUM KIMIA BERDASARKAN SKOR KRITERIA PENILAIAN IDEAL OLEH PESERTA DIDIK A. Kriteria Kualitas Data penilaian website petunjuk praktikum kimia oleh peserta didik

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN 2 5. Pemilihan Pohon Contoh BAB V HASIL DAN PEMBAHASAN Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh

Lebih terperinci

DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA

DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA Drs. Razali Ritonga, MA (Direktur Statistik Kependudukan dan Ketenagakerjaan BPS RI) Disampaikan di Lokakarya Perkawinan Anak, Moralitas Seksual, dan Politik

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan

Lebih terperinci

BAB 3 RANCANGAN PROGRAM APLIKASI. untuk mengoptimalkan pengolahan data cluster sampling : Gambar 3.1 Rancangan Struktur Menu Utama

BAB 3 RANCANGAN PROGRAM APLIKASI. untuk mengoptimalkan pengolahan data cluster sampling : Gambar 3.1 Rancangan Struktur Menu Utama 46 BAB 3 RANCANGAN PROGRAM APLIKASI 3.1 Perancangan Struktur Menu Berikut ini rancangan struktur menu yang terdapat di dalam program aplikasi untuk mengoptimalkan pengolahan data cluster sampling : Rancangan

Lebih terperinci

DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA

DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA DATA STATISTIK TENTANG PERKAWINAN DI INDONESIA Drs. Razali Ritonga, MA (Direktur Statistik Kependudukan dan Ketenagakerjaan BPS RI) Disampaikan di Lokakarya

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1 Metodologi Penelitian 3.1.1 Definisi Metodologi Penelitian Metodologi penelitian merupakan cara penelitian yang digunakan untuk menyelesaikan masalah dalam penelitian yang

Lebih terperinci

Peubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas.

Peubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. 5 diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. Metode Analisis Tahapan-tahapan dilakukan dalam penelitian ini

Lebih terperinci

Analisis Hasil Ujian Nasional Madrasah Aliyah Negeri Tahun 2008

Analisis Hasil Ujian Nasional Madrasah Aliyah Negeri Tahun 2008 Analisis Hasil Ujian Nasional Madrasah Aliyah Negeri Tahun 2008 Oleh : Asep Sjafrudin, M.Si 1. Pendahuluan 1.1. Latar Belakang Undang-Undang No. 20 tahun 2003 tentang Sistem Pendidikan Nasional (Sisdiknas)

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Areal Kerja perusahaan pemegang Izin Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Alam (IUPHHK-HA) PT. Mamberamo

Lebih terperinci

PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT

PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT No. 42 / IX / 14 Agustus 2006 PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT Hasil Survei Sosial Ekonomi Nasional (Susenas) 2005 Dari hasil Susenas 2005, sebanyak 7,7 juta dari 58,8 juta rumahtangga

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA Pertemuan keempat UKURAN PENYEBARAN DATA Ukuran penyebaran data digunakan untuk melengkapi deskripsi dari sifat-sifat sekelompok data, terutama dalam membandingkan sifat-sifat yang dimiliki oleh masing-masing

Lebih terperinci

STK 211 Metode statistika. Agus Mohamad Soleh

STK 211 Metode statistika. Agus Mohamad Soleh STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate

Lebih terperinci

C UN MURNI Tahun

C UN MURNI Tahun C UN MURNI Tahun 2014 1 Nilai UN Murni SMP/MTs Tahun 2014 Nasional 0,23 Prov. Sulbar 1,07 0,84 PETA SEBARAN SEKOLAH HASIL UN MURNI, MENURUT KWADRAN Kwadran 2 Kwadran 3 Kwadran 1 Kwadran 4 PETA SEBARAN

Lebih terperinci

KLASIFIKASI DAN PEMERINGKATAN PERGURUAN TINGGI

KLASIFIKASI DAN PEMERINGKATAN PERGURUAN TINGGI KLASIFIKASI DAN PEMERINGKATAN PERGURUAN TINGGI - 2015 Direktorat Jenderal Kelembagaan IPTEK - DIKTI Kementerian Riset, Teknologi, dan Pendidikan Tinggi Landasan dan Prinsip Metode o Data dan Analisis Hasil

Lebih terperinci

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh Metode Statistika (STK11) Pertanyaan Jika punya data mengenai daya Pertemuan III Statistika ti tik Dasar (Basic Statistics) ti ti hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran

Lebih terperinci

RILIS HASIL AWAL PSPK2011

RILIS HASIL AWAL PSPK2011 RILIS HASIL AWAL PSPK2011 Kementerian Pertanian Badan Pusat Statistik Berdasarkan hasil Pendataan Sapi Potong, Sapi Perah, dan Kerbau (PSPK) 2011 yang dilaksanakan serentak di seluruh Indonesia mulai 1-30

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian ini merupakan penelitian deskriptif. Menurut Sukmadinata

BAB III METODE PENELITIAN. Metode penelitian ini merupakan penelitian deskriptif. Menurut Sukmadinata BAB III METODE PENELITIAN A. Metode dan Desain Penelitian Metode penelitian ini merupakan penelitian deskriptif. Menurut Sukmadinata (Permana, 2008) penelitian deskriptif dalam bidang pendidikan dan kurikulum

Lebih terperinci

STATISTIK 1. PENDAHULUAN

STATISTIK 1. PENDAHULUAN STATISTIK. PENDAHULUAN Statistika yaitu ilmu pengetahuan yang mempelajari cara pengumpulan, pengolahan, penyajian, analisa data dan pengambilan kesimpulan dari siat-siat data. Statistik yaitu kumpulan

Lebih terperinci

BAB III METODELOGI PENELITIAN

BAB III METODELOGI PENELITIAN BAB III METODELOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kecamatan Cibinong, Kabupaten Bogor, Jawa Barat. Alasan pemilihan lokasi karena pada wilayah Kecamatan Cibinong

Lebih terperinci

PENGGEROMBOLAN DAERAH DI INDONESIA BERDASARKAN PEUBAH IPM DENGAN FUZZY K-RATAAN DAN K-MEDOID MIA SYAFRINA

PENGGEROMBOLAN DAERAH DI INDONESIA BERDASARKAN PEUBAH IPM DENGAN FUZZY K-RATAAN DAN K-MEDOID MIA SYAFRINA PENGGEROMBOLAN DAERAH DI INDONESIA BERDASARKAN PEUBAH IPM DENGAN FUZZY K-RATAAN DAN K-MEDOID MIA SYAFRINA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis),

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis), BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa konsep yang menjadi dasar dalam penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis), metode penggerombolan hirarki

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada

BAB I PENDAHULUAN. 1.1 Latar Belakang. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis

Lebih terperinci

SILABUS PEMBELAJARAN

SILABUS PEMBELAJARAN SILABUS PEMBELAJARAN Nama Sekolah :... Mata Pelajaran : MATEMATIKA Kelas/Program : XI / IPS Semester : 1 STANDAR KOMPETENSI: 1. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang

Lebih terperinci

6 OPTIMALISASI PANJANG TRANSEK PADA PENGGUNAAN METODE TRANSEK FOTO BAWAH AIR

6 OPTIMALISASI PANJANG TRANSEK PADA PENGGUNAAN METODE TRANSEK FOTO BAWAH AIR 6 OPTIMALISASI PANJANG TRANSEK PADA PENGGUNAAN METODE TRANSEK FOTO BAWAH AIR 6.1 Pendahuluan Tahapan selanjutnya dari penggunaan metode Transek Foto Bawah Air (UPT = Underwater Photo Transect) adalah menemukan

Lebih terperinci

PENINGKATAN KETERLIBATAN DAN MINAT BELAJAR MELALUI PEMBELAJARAN STAD TERMODIFIKASI PERMAINAN ULAR TANGGA

PENINGKATAN KETERLIBATAN DAN MINAT BELAJAR MELALUI PEMBELAJARAN STAD TERMODIFIKASI PERMAINAN ULAR TANGGA PENINGKATAN KETERLIBATAN DAN MINAT BELAJAR MELALUI PEMBELAJARAN STAD TERMODIFIKASI PERMAINAN ULAR TANGGA Oleh: Leli Dwi Nugraheni, Mujiyem Sapti, Riawan Yudi Purwoko. Program Studi Pendidikan Matematika

Lebih terperinci

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. berupa hasil perhitungan statistik yang datanya diperoleh dari responden. Hasil

BAB IV HASIL DAN PEMBAHASAN. berupa hasil perhitungan statistik yang datanya diperoleh dari responden. Hasil 49 BAB IV HASIL DAN PEMBAHASAN A. Deskripsi Hasil Penelitian Dalam bab ini dibahas mengenai hasil penelitian yang dilaksanakan, yaitu berupa hasil perhitungan statistik yang datanya diperoleh dari responden.

Lebih terperinci

2.5. Nilai Tukar Nelayan dan Nilai Tukar Pembudidaya Ikan

2.5. Nilai Tukar Nelayan dan Nilai Tukar Pembudidaya Ikan 2.5. Nilai Tukar Nelayan dan Nilai Tukar Pembudidaya Ikan 2.5.1. Nilai Tukar Nelayan Nilai Tukar Nelayan (NTN) merupakan salah satu proxy indikator untuk melihat tingkat kesejahteraan nelayan di pedesaan

Lebih terperinci

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Pemasok merupakan salah satu mitra bisnis yang memegang peranan sangat penting dalam menjamin ketersediaan barang pasokan yang dibutuhkan oleh perusahaan.

Lebih terperinci

TINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan.

TINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan. TINJAUAN PUSTAKA Pencilan Aunuddin (1989) mendefinisikan pencilan sebagai nilai ektstrim yang menyimpang agak jauh dari kumpulan pengamatan lainnya, yang secara kasar berada pada jarak sejauh tiga atau

Lebih terperinci

INDEK KOMPETENSI SEKOLAH SMA/MA (Daya Serap UN Murni 2014)

INDEK KOMPETENSI SEKOLAH SMA/MA (Daya Serap UN Murni 2014) F INDEK KOMPETENSI SEKOLAH SMA/MA (Daya Serap UN Murni 2014) Kemampuan Siswa dalam Menyerap Mata Pelajaran, dan dapat sebagai pendekatan melihat kompetensi Pendidik dalam menyampaikan mata pelajaran 1

Lebih terperinci

BAB V SIMPULAN DAN SARAN. Berdasarkan analisis rasio ketergantungan keuangan daerah, simpulan yang

BAB V SIMPULAN DAN SARAN. Berdasarkan analisis rasio ketergantungan keuangan daerah, simpulan yang BAB V SIMPULAN DAN SARAN 5.1 Simpulan Berdasarkan analisis rasio ketergantungan keuangan daerah, simpulan yang dapat diambil adalah sebagai berikut. 1. Pemerintah Daerah Provinsi Aceh memiliki tingkat

Lebih terperinci

MATERI DAN METODE. Prosedur

MATERI DAN METODE. Prosedur MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Mitra Tani (MT) Farm Kecamatan Ciampea Kabupaten Bogor, Rumah Pemotongan Hewan (RPH) Pancoran Mas Depok dan Balai Penyuluhan dan Peternakan

Lebih terperinci

LAMPIRAN PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 78 TAHUN 2007 TENTANG TATA CARA PEMBENTUKAN, PENGHAPUSAN, DAN PENGGABUNGAN DAERAH

LAMPIRAN PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 78 TAHUN 2007 TENTANG TATA CARA PEMBENTUKAN, PENGHAPUSAN, DAN PENGGABUNGAN DAERAH LAMPIRAN PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 78 TAHUN 2007 TENTANG TATA CARA PEMBENTUKAN, PENGHAPUSAN, DAN PENGGABUNGAN DAERAH PENILAIAN SYARAT TEKNIS I. FAKTOR DAN INDIKATOR DALAM RANGKA PEMBENTUKAN

Lebih terperinci