SNT KT III ~--~~ ~~ ~

Ukuran: px
Mulai penontonan dengan halaman:

Download "SNT KT III ----------------------~--~~--------------~~------------~.-.-----------"

Transkripsi

1 SNT KT III ~--~~ ~~ ~ Seminar :'\asiollai Tek u ologi KomputeT dan Telekonnmik a s! PENERAPAN DATA MINING UNTUK MENEMUKAN POLA ANTARA NILAIUJIAN SARINGAN MASUK TERHADAPINDEKS PRESTASI Yugi Trianto Purba\ Sunjana l ABSTRAK Makalah ini membahas pemanfaatan dala mining dalam menggali dan menemu hubungan antara nilai ujian saringan masuk calon mahasiswa dengan indek prestasi yan diperoleh mahasiswa le7"sebut. Melode yang digunakan dalam menggali pola tersebul adala model regresi linier. Kala kunci : Data Mining, Regresi Linier I. PENDAHULUAN Pesatnya perkembangan teknologi informasi dewasa ini khususnya dalam aplikasi-aplikas database yang diiringi dengan meningkatnya kapabilitas media penyimpanan yang semakin besa telah memungkinkan terjadinya akumulasi data dalam jumlah besar. Komputerisasi diberbaga bidang dan penggunaan ij1ternet sebagai sarana sistem informasi global secara signifikan jug turut berperan dalam terjadinya akumulas i data dan informasi tersebut. Pertumbuhan yang begit pesat dari akumulasi data yang tersimpan dalam suatu database akan menciptakan suatu kondis "rich of data bui poor of informalion " dan data yang tersimpan akan menjadi kuburan dat apabila tumpukan data tersebut dibiarkan begitu saja sehingga tidak dapat digunakan untu aplikasi yang berguna. Didalam tumpukan data tersebut mungkin terdapat informasi-infomlasi tersembunyi yan sangat penting atau menjadi penting pada saat dibutuhkan yang dapat duadikan dasar ata pedoman dalam pengambilan keputusan. Keputusan sering sekali dibuat tidak berdasarkan pad data-data yang ada yang tersimpan dalam tumpukan data tersebut melainkan hanya didasarka intuisi sang pembuat keputusan. Hal ini dikarenakan tidak adanya sistem atau perangkat luna yang dapat membantu dalam pencarian informasi yang tepat, cepat dan akurat, dilain piha penggalian data untuk mendapatkan informasi yang dilakukan secara manual sangatlah tida efektif dan memakan banyak waktu. Universitas X merupakan salah satu organisasi yang bergerak dalam bidang pendidikan yan memanfaatkan teknologi informasi dalam menjalankan proses bisnisnya. Dengan adany pemanfaatan teknologi infonnasi di Universitas X maka akan terjadi akumulasi data dalam jumlah besar tiap tahunnya. Salah satu data yang mengalami peningkatan tiap tahunnya yaitu dat nilai Ujian Saringan Masuk (USM) mahasiswa baru. Semakin lama data nilai USM ini akan menjadi kuburan data yang tidak memiliki suatu nila maupun infonnasi yang dihasilkan dari data tersebut. Oleh karena itu diperlukan suatu teknik da pe-rangkat yang dapat membantu kita dalam mentransformasikan data dalam jumlah besa tersebut menjadi suatu informasi yang berguna yaitu dengan penerapan Dala Mining yan diaplikasikan dengan pembuatan perangkat lunak data mining atau data mining engine. 'Universitas Widyata ma 13alldung sulli.. n \l.~ a lamaac. td 276

2 Berdasarkan latar belakang masalah terscbut penults tertarik untuk meneltti bldang ini dengan rnengambil judul "Penerapan Data l~finillg Untuk lvlenemukan PoIa Antara NiIai Ujian Sal'jngan Masuk (USM) Terbadap Indeks Prestasi (IP)". II. LANDASAl'\f TEOR! 11.1 Pcnge.-tian Data Mkining Data Mining rnerupakan salah satu cabang ilmu kornputer yang relatif baruyang memilikl keterkaitan dengan machine learning, kecerdasan buatan (artificial intelligence), statistic dan da/abase. Data Mining mengacu kepada ekstraksi atau penggalian pengetahuan dari suatu data dalarn jumlah besar. Ada banyak pengertian data mining itu senditi, diantaranya seperti penggalian pengetahuan dari database, ekstraksi pengetahuan (knowledge extraction), analisis data atau pola (pattern analysis), penggaltan data dan lain sebagainya. Definisi umum dari data mining itu sendiri adalah proses pencatian polapola yang menarik (hidden patenl) berupa pengetahuan (knowledge) yang tldak diketahui sebelumnya dari suatu kumpulan data dimana data tersebut dapat berada dalarn database, data warehouse, atau media penyimpanan informasl yang lain. Data mining seringkali diartikan dengan "menulis banyak laporan dan query", namun pada faktanya kegiatan data mining tidak rnelakukan pembuatan iaporan dan query sarna sekah. Data mining dilakukan dengan tool khusus, yang mengeksekusl operasi data mining yang telah didefinisikan berdasarkan model analisis. Data mining merupakan proses 311alisls terhadap data dengan penekanan menernukan informasi yang tersembllnyi pada se.1umlah besar data yang dlsimpan ketika menjalankan bisnis perusahaan. Dalam aplikasinya, data mining sebenarnya merllpakan bagian dari proses Knowledge Discovery in Database atau KDD, bukan sebagai teknologl yang utuh dan berdiri sendiri Data mining mempakan suatu bagian langkah yang pent1l1g dalam proses KDD terutama berkaitan dengan ekstraksi dan penghitungan polapola dari data yang ditelaah, seperti ditunjukkan oleh gambar 2. 1, langkah langkah atau proses KDD itu sendlri terdiri dari : 1. Pembersihan data (Data cleaning), rnembuang noise dan data yang tidak konsisten 2 lntegrasi data (Data integration), menggabungan data yang berasal dari beberapa sumber 3. Pemilihan data (Dara selection), memilih data yang relevan atau sesuai dengan proses anilisls yang akan dilakukan. 4 Transformasi data (Data tran,~ronj1ation), mengubah data menjadi bentuk yang sesuai untuk proses data mining. s. Penggailan data (Data mining), merupakan proses terpenting dimana teknik data mining dlaplikasikan untuk mengekstraksi pola-pola dari suatu data 6 E valuasi pola (Pattern evaluation), evaluasi pota yang dltemukan untuk menemukan pola yang bernilai atau menarik. 7. Presentasi pengetahuan (Knowledge presel1latition), visual isasi dan teknlk representasi pengetahuan digunakan untuk diperlihatkan kepada pengguna atau user. Tahap-tahap tersebut bersifat interaktif dlmana pengguna atau user terlibat langsung atau dengan perantaraan basis pengetahuan (h71011ledge base) yang terintegrasi didalam Sistelll. Polapola yang rnenarik disaj ikan kepada pengguna dan dis impan sebagai pengetahuan baru didalam basis pengetahuan. Dari tahapan diatas dapat diketahui bahvva data mining hanya merupakan satl! bagain langkah dan keseluruhan proses KDD 277

3 SNT TT III - Seminar.\"a<;iollaI Te-k1l01ogi Kompu!eT dan T~lekomun i ';:;-I si Gambar 2.1 Langkah-langkah Proses KDD 11.2 Teknik Data Mining Dari definisi data mining yang luas, terdapat ban yak jenis teknik analisa yang dapat digolongkan dalam data mining. Dalam penelitian ini teknik analisa yang digunakan yaitu teknik regresi linier Regresi Linier. Analisis regresi adalah teknik statistik untuk pemodelan dan investigasi hubungan dua atau lebih variabel. Yang sering dipakai dan paling sederhana adalah regresi linier sederhana. Dalam analisis regresi ada satu atau lebih variabel independentlprediktor yang biasa diwakili dengan notasi x dan satu variabel respon yang diwakili dengan notasi y. Sesuai namanya, hubungan antara duavariabel yang bersifat linier. Gambar 2.4 dan gambar 2.5 memberi ilustrasi bagaimana hubungan dua variabel iill bersifat linier dan tidak linier. Gambar 2.4 menunjukkan hubungan linier dua variabel. Garis regresi linier akan sangat sesuai untuk mewakili hubungan dua variabel seperti ini. Gambar 2.5 menunjukkan hubungan tidak linier antara dua variabel. Pendekatan regresi linier kurang sesuai untuk mewaki I i hubungan dua variabel seperti gambar 2.4 ini. Dalam regresi linier sederhana hanya ada satu variabel independentlprediktor dan satu variabel respon. Jika variabel independen-nya x dan variabel re!>pon adalah y maka model regresi linier sederhana untuk populasi adalah : r ~====~----~ y N<I'li n.n~"m"i'ln y [A30+P1 X i-{ I Untuk, 1 ~~:1 j "f< ~ ~ Nlla; p e6ks y I+- ~/"" an do:'" Euor Un.ukx, /~ uriu k n~, xini Gambar 2.2 Geometri garis regresi linier x 278

4 Prediksi nilai dengan pendekatan regresi linter s ederhana, dldapatkan dan rumus dibawah ini \, "= b!! +bl,t Koefis ien-koefisien regresi bo dan bl untuk regresi linier, dihitung dengan rumus II.2.2 Bel'bagai Val'ians Sehubungan Deugan Regrcsi Liniel' Sederhana Untuk analtsis selanjutnya tentang regresi linier sederhana beberapa asumsi harus diambil. Peliama, mengingat hasil pengamatan vanabel tak bebas y belum tentu sama besamya dengan harga diharapkan, yakni y yang didapat dari regresi hasil pengamatan, maka terjadi perbedaan e -~ y - Y, biasa disebut kekeliruan prediksi awu galat prediksi (Error). Dalam populasi, galat predlksi iol dimisalkan berbentuk variabel acak yang mengiklltl dlstribusi normal dengan rata rata nol dan varians v.~. Tenlu saja sudal) Jelas balnva kita Juga memisalkan tidak terj3di kekellrua n atas pe ngamatan vanabel bebas x. Asumsi kedua yang dia mbil adalah bahwa untuk setiap harga x yang diberikan, variabe l tak bebas y independen dan berdistribusi normal dengan rata rata ( x) dan varians CT:. x. Varians a;2:.: ditnisalkan sama untuk setiap x dan karenanya dapat dinyatakan oleb a,2yang biasa pula dinatnakan varians kekeliruan taksiran s edang kan a~\ dikenal dengan kekeliruan baku taksiran Berpegang kepada asumsi-a'3 umsi diatas, maka varians a; ditaksir oleh rata-rata kuadrat penyimpangan sekita r regresi atau di sebut JUga rata-rata kuadrat residu, dinyatakan oleb varians JYfean,Square Error (MSE) dengan rumlls." 1S1~ SSE.SSL := 1' f - \l ;,s,. '" ss- s ~' = s\. - b, S ~ Dengan SSE yaitu Jumlah kuadrat resldu atau ""'lil1j oj'sqllare.lor Error (SSE), SSy yaitu Jutnlah kuadrat regresi y, SSxy yaitu jumlah kuadrat XJ) dan n yaitu ukuran sampej n.2.3 lntetval KepeJ'cayaan Sehubullgan Dengan Regl'csi Linier 279

5 SNTf(T III Semillal' :'\asiollal T ~ kuo!ogi. Komputer dan Telekomunik asi Kita lihat bahwa regresi linier populas! telah ditaksir oleh regresi linier sampel y == b o + b1x dengan koefisien-koefisien bo dan bl. jadi nampak bahwa bo dan bl masing-masing merupakan titik taksiran untuk ~o dan ~ l. maka berbagai interval taksiran sehubungan dengan regresi linier, termasuk untuk BO dan 0[ dapat ditentukan. A ( I-u) I nl)(;;, inlt "'"l I:epcrc"ya<lll lir,ruk (.), Yilitll : ~~ '-::t t(a... ~, r. _2 )s (bl) s(b ) '" -,. ', "iss. ri.2.4 Uji Signifikan Dan Tabel Analysis of Variance (ANOVA) Pada sub-bab ini akan dibahas tentang melakukan kriteria uji signifikan dengan menghitung Fhitung dan membandingkan hasilnya dengan hasil perhitungan Ftabel. Berikut rumus mencari Fhitung: F = MSR " (1.,,,2. _,MSE Mean Square Regression (MSR) atau rata:-rata kuadrat regresi, dengan rumus : Mi~R=SiR dall SSR =- b.s.sxj-' Setelah ditemukan hasil dari Fhitung maka selanjutnya kita melaukan uji signifikan dengan membandingkan Fhitung dengan Ftabel, berikut kaidah pengujian signifikan : ', Jika Fhitung? Ftabel, maka tolak HO (Signifikan) Jika Fhitung:'S FtabeJ, maka tolak Ha (Tidak Signifikan) Setelah kita menghitung seluruh perhitungan yang ada di proses regresi, maka kita tinggal menyusunnya dalam tabel analysis ofvariance (ANOYA). Berikut skema dari tabel ANOYA, Di!grcssof Source-o" ",SUm ofsquarcs Me-dn Freedom Variation, is.~) Sqllare~'IS), OW) II.2.S Korelasi Pearson SSR = L', S'S. :lish = SSR I SSE= <;'S. -1>,5).. Jl - : MSL = SSE 1:-.2 SST = 55,' 11,1 Tabel 2.[ Tabel ANOYA pada Regresi 280

6 Korelasl merupakan suatu hubungan antara satu variabel dengan variabel lall1n ya. Hubungan antara variabel tersebut bisa seeara kolelas LOnal dan bisa juga seeara kama! Jika hubungan tersebut tidak menunjukkan sifat sebab akibat, ' maka korelasi tersebut dikatakan korelasional, artinya sifat hubungan variabel satu dengan varia bel la1t1l1ya tidak jelas mana variabel sebab dan mana variabel akibat Sebaliknya, JIb hubungan tersebut menunjukkan slfat sebab akibat, maka korelasinya dikatakan kausal, artinya jlka variabel yang satu merupakan sebab, maka variabel lainnya merupakan akibat Korelasi Pearson adalah korelasi yang sering digunakan oleh peneiiti, terutama peneliti yang mempunyai data-data interval. Sebeillm kita mempergunakan korelasi ini terleblh dahulu kita harus memperhatikan data yang terkumpul, apakah memenuhi persyaratan yang diminta oleh rumus korelasi ini Adapun beberapa persyaratan yang harus dipenuhi apabila kita menggunakan rumus ini adalah L Pengambilan sampel dari populasi hams random Caeak) 2. Data yang dieari korelasinya harus berskala interval atall ratio. 3 Variasi skor kedua variabel yang akan dieari korelasinya harus sarna. 4. Distribusi skor variabel yang dleari korelasinya hendaknya merupakan distribusl unimodal 5. Hubungan antara variabel x dany hendaknya tinier. Korelasi Pearson dapat dihltung dengan rumus dibawah ini Atau. ;l ~.\ ; -> \ '~'". r.::;:. ~====-======. ~~=="===-~ \,'i!,,".\ ~ -;- 1"\ \ ): J I! ~ \: -:f;;': 'I-.t = ~ S$xs s \ ' 1[,2.6 Pengujian Signifilwnsi KOl'elasi Langkah awal dalam pengujian disini Juga menyusun hipotesis nol dan hlpotesis alternatif Baru kemlldian hasil r hitung kita bandingkan dengan hasil r tabel dari tabel r Pearson Apabila kita menggunakan tabel r Pearson, rnaka hlpotesls nol yang rnengatakan tidak ada korelasi (r =:: 0) ditolak jika hasil perhitungan r > dari pada r tabel, demikian pula sebaliknya apabda r hitung ternyata lebih keeil < dari pada r tabel, maka kita akan menerima Ho yang menyatakan bahwa dua variabel yang dieari hitungannya ll yata-nyata tldak berkorelasi. Untuk lebih jelasnya blsa kita lihat kriteria signifikan sebagai beflkut Jika rhitung 2: rtabel maka Ho ada didaerah penolakan, berarti Ha diteflma artinya antara variabel x dan y ada hubungannya Jika rhltung :S liabel maka Ho ada didaerah penerimaan, berarti Ha dltolak artl11ya antara variabel x dan y tldak hubungannya II.2.7 Analisis Koefisien Determinasi Analisis koefislen determinasl adalah menunjukkan seberapa besar pengaruh antar kedua variabel yang diteliti, maka dihitung Koefislen Determmasl(KD) dengan asumsi dasar f(1ktorfaktor la in diluar variabel dianggap tetap atau konstan, koefisien diantara laill -l :s. r 2: +-,, 281

7 SNTKT III Semluar.\" asional T e-knologi Kompuf~r dan T ~lekomullikasi tanda (-) bedawanan arah, sedangkan tanda (+) menunjukkan searah. Selanjutnya untuk mengetahui seberapa besar faktor yang berperan antara variabel x terhadap variabe! y, maka hubungan atau pengaruh dihitung koefisien determinasinya dengan rumus :. ',", ~.. :" KEJ ~ r' ~ >.!\'loo% III. HASIL PENELITIAN Pada penelitian ini data yang diuji adalah sebanyak 1637 record. Penelitian dilakukan dua tahap, pertama pengujian terhadap data sampel. Data sampel merupakan tabel yang terdiri dan beberapa recordltupel hasil sampling dari tabel populasi, metode sampiing yang digunakan adalah systematic sampling. Systematic sampling kadang disebut juga dengan interval sampling yang berarti terdapat gap atau celah diantara data yang diambil Metode ini biasanya digunakan dalam industri. Kelebihan dari metode ini adalah sangat sederhana dalam memilih sampel yang dipilih secara acak dan sebaran datanya sangatlah bagus karena menyebar secara menyeluruh dari awai sampai akhir data Tahap kedua adalah pengujian terhadap data populasi sebanyak 1637 record. Hasil yang diperoleh baik terhadap data sampel maupun data populasi adalah sebagai berikut: Il(i '. ', b;. ' '. rhilut;. KI> ' 1-'.\ (>6 16,61 ~> 1)( s.. (~,i,"!{hl I i.l.Q 7.02] ~ "7 1 I ahel.\.,0\.. \ $V.' SS ' Fntrlo ' ---. Error ' ~~7{)R,11 41 Tabe1 3.l Tabel HasiI Perhitungan Data Sampel S or 's, s(l)o) S7J2 7.87S{ "' sv. ' SS ' MS 'Frafio ' Error -' 16,707261,14. Towi 56206',61 16.'1) Tabel 3.2 Tabel Hasil Perhitungan Data Populasi 282

8 i'i' : _'iii_;o;;;;;;;;;;;_iiiiiiii"~ ~ '" ;;0, ~~iiiiii"ip5 ".= "'_;:;;n~"",;;:,,_~,",-'.:;;o;,;;;:a;:.,,;;:;,.-;;;;;;;oiiiii&miiiiiiiiiiiiiiiii,...,..._~_~1iiii,..."';:;;-;;;2"'"~.' S i? n 'Ill.U.'\- "( '; in, _~j [(:...:1 0 lc.;!.t ~. t' 'I. tj/..i '" d K( ; i.j Il~,. tjl- ::t 'l t-= hilu".~ ":: r l ~! "l' 11I J J..::'-l 1 (~L;7k.~H.,.'- \-:-,I--- :,l l ( -,. '. I. :. '.~ i... i~ninj,; 'n_ ~..: ~H(l.~;.: :-) l1 irkl l('~. j ~. :. \ \\.' ~d.; Hd ~ CbJl'l.'n,f: :...- C, _.C_: I_ I1Lfk. l I n! ~ IL H... ~i \ ~.t1j... i!.lldnk.::.tli. St.'~ i)lil.~ _:":- : 1 11ipPI.:':-<:'.I.f. H \v ~ d I H ~ j.1 t'j~"'; 1,II( :;-'( "j n );- I. dritullt!'. K V lls'kn, t.~ ( I<TI11 i ti n,,; d~n l \ ", l-ld):.'1, t nfldl trs f\ f ~ r, ' i'11:t.. I:q' ~. :':l(l,hl:t.. f flll':'ll If-'\!<~tt\l ':--0 t 'I,.';..: r 2S.2l «. Tabel 33 Tabel Keslmpulan Dari Data Sampel K(-siJlJ pub n.'-,. r ~+_------~----- Kl. Til li l nhuhun~an ' L'UiUUi-J i. ----r-:-r,- l,- r-ll-.u-,l-l-l-,-r,'l' ) kfl l,r.< (:;\lill'. l i. I:\,tI,,,, l 'l l ;:~. l -.1 1l,. 0.' 1 \ -:,Ill I. h::).j"; :;o n h",,- Ir~H1 \,,' )J',llll \ "In"., 1 '.'-',!'[, Ji '.('1, I L I..li U S lvl i krll:...t:c r '::'(1 :1h( 1 Tabe l 34 Tabel Kesimpulan Dari Data PopuJ as i 28 3

9 SNTKT III Semill-ar ~ asiollal T ekuologi Komputer dan T elen:oltwuikasi IV.KESIMPULAN Dari hasil yang diperoleh terlihat bahwa : 1. Untuk data sampel diperoleh korelasi sebesar 0,40766, menurut tafsiran kriteria Guilford, maka nilai USM terhadap IP memiliki hubungan yang cukup. 2. Sedangkan untuk data populasi diperoleh korelasi sebesar 0,280, menurut tafsiran kriteria Guilford, maka nil?i USM terhadap IP memiliki hubungan yang sangat kecil (tidak erat). DAFTAR PUSTAKA [l] Aczel, Amir dan Jayavel Sounderpandian. Complete Business Statistics, Sixlh Edition. Singapore: Me Graw Hill, [2] Fajar, Abdullah, dan Guntari Sekarwangi. Modul PrakJikum Stalistika Dasar. Jurusan Teknik lnformatika Universiitas Widyatama, [3] Irianto, Agus. Slatistik Konsep Dasar dan Aplikasinya. Jakarta: Pranada Media, [4] Jaenudin. Belajar Sendiri.Net dengan Visual C# Yogyakarta:ANDI, [5] Martina, lnge. 36 Jam Belajar Komputer Microsoft SQL Server Jakarta: Elex Media Komputindo, [6] Riduwan. Dasar-dasar StatisliM. Bandung: Alfabeta, 2003 [7] Santosa, Budi. Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis Teori dan Aplikasi. Yogyakarta: Graha Hmu, [8] Santosa, Budi. Data Mining Terapan dengan MATLAB. Yogyakarta:Graha limu, [9] Walpole, Ronald. Pengantar Statistika Edisi ke-3. Jakarta: GramediaPustaka Utama,

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam BAB 2 TINJAUAN TEORITIS 21 Pengertian Regresi Linier Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih

Lebih terperinci

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan

Lebih terperinci

MODUL REGRESI LINIER SEDERHANA

MODUL REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Tujuan Praktikum: Membantu mahasiswa memahami materi Pegambilan keputusan dari suatu kasus dengan menggunakan kaidah dan persamaan I. Pendahuluan Di dalam analisa ekonomi

Lebih terperinci

PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni

PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni Pendahuluan Dalam seluruh langkah penelitian, seorang peneliti perlu menjaga sebaik-baiknya agar hubungan yang

Lebih terperinci

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel BAB III METODOLOGI PENELITIAN A. Definisi konseptual, Operasional dan Pengukuran Variabel 1. Definisi Konseptual Menurut teori teori yang di uraikan tersebut diatas dapat disimpulkan bahwa yang dimaksud

Lebih terperinci

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA

Lebih terperinci

KORELASI DAN REGRESI LINIER SEDERHANA

KORELASI DAN REGRESI LINIER SEDERHANA KORELASI DAN REGRESI LINIER SEDERHANA 1. Pendahuluan Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki

Lebih terperinci

Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137)

Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137) 10th Meeting Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137) by Ledhyane I.H Tujuan Instruksional Khusus Mahasiswa akan dapat menggunakan rangkaian prosedur percobaan dengan menggunakan analisis

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1. Uji Instrumen Data Validitas menunjukkan sejauh mana alat pengukur yang dipergunakan untuk mengukur apa yang diukur. Adapun caranya adalah dengan mengkorelasikan antara

Lebih terperinci

BAB III METODE TRIMMING PADA ANALISIS JALUR

BAB III METODE TRIMMING PADA ANALISIS JALUR 36 BAB III METODE TRIMMING PADA ANALISIS JALUR 3.1 Analisis Jalur Analisis jalur yang dikenal sebagai path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright (Riduwan

Lebih terperinci

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR Data Sampel I Data Sampel II Data Sampel III 5 4 7 9 8 5 9 4 6 CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR Kategori Data Sampel I Data Sampel

Lebih terperinci

PERBANDINGAN 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 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 terperinci

BAB IV ANALISIS DATA. dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui

BAB IV ANALISIS DATA. dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui BAB IV ANALISIS DATA A. Pengujian Hipotesis Sebelum menjabarkan tentang analisis data dalam bentuk perhitungan dengan menggunakan bantuan program SPSS, sebagaimana telah diketahui hipotesapenelitian sebagai

Lebih terperinci

Analysis Of Variance(Anova) week 12. I Ketut Resika Arthana, S.T., M.Kom resika.arthana@gmail.com http://www.rey1024.com

Analysis Of Variance(Anova) week 12. I Ketut Resika Arthana, S.T., M.Kom resika.arthana@gmail.com http://www.rey1024.com Analysis Of Variance(Anova) week 12 Universitas Pendidikan Ganesha I Ketut Resika Arthana, S.T., M.Kom resika.arthana@gmail.com http://www.rey1024.com 1 Pendahuluan Uji perbedaan dua rata-rata menggunakan

Lebih terperinci

B A B I V H A S I L P E N E L I T I A N D A N P E M B A H A S A N

B A B I V H A S I L P E N E L I T I A N D A N P E M B A H A S A N B A B I V H A S I L P E N E L I T I A N D A N P E M B A H A S A N 4. 1 D e s k r i p s i H a s i l P e n e l i t i a n P r e T e s t d a n P o s t T e s t D a r i h a s i l p e n g u j i a n d i p e r

Lebih terperinci

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)

Lebih terperinci

BAB III METODOLOGI PENELITIAN. 3.1 Definisi Operasional dan Pengukuran Variabel

BAB III METODOLOGI PENELITIAN. 3.1 Definisi Operasional dan Pengukuran Variabel BAB III METODOLOGI PENELITIAN 3.1 Definisi Operasional dan Pengukuran Variabel 3.1.1 Definisi Konseptual Kepemimpinan merupakan salah satu faktor penting dalam menentukan keberhasilan kinerja organisasi

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Lokasi Penelitian Yang menjadi obyek dalam peneitian ini adalah Bait Maal Wa Tamwil (BMT Ikhlasul Amal Indramayu). Penelitian ini dilakukan di BMT Ikhlasul Amal Indramayu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Metode memiliki arti suatu jalan yang dilalui untuk mencapai tujuan.1 Sedangkan penelitian diartikan sebagai suatu proses pengumpulan dan analisis data yang dilakukan secara sistematis

Lebih terperinci

Wahyu Setyawan. Pendahuluan. Lisensi Dokumen: Abstrak. Wahyu.gtx21@gmail.com http://wahyu-setyawan.blogspot.com

Wahyu Setyawan. Pendahuluan. Lisensi Dokumen: Abstrak. Wahyu.gtx21@gmail.com http://wahyu-setyawan.blogspot.com Uji Korelasi Wahyu Setyawan Wahyu.gtx1@gmail.com http://wahyu-setyawan.blogspot.com Lisensi Dokumen: m Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Penelitian Menurut Arikunto (2010:162), objek merupakan variabel penelitian. Objek penelitian terdiri dari objek variabel dan objek lokasi. Objek variabel dalam penelitian

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 1. Persiapan dan Pelaksanaan Penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 1. Persiapan dan Pelaksanaan Penelitian 49 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Persiapan dan Pelaksanaan Penelitian a. Persiapan Awal Persiapan awal yang dilakukan peneliti dalam penelitian ini adalah mematangkan konsep

Lebih terperinci

Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit (Studi kasus BPR Arthaguna Sejahtera)

Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit (Studi kasus BPR Arthaguna Sejahtera) Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit (Studi kasus BPR Arthaguna Sejahtera) 1 Ferry Yudhy I., SE 2 DR. E. Susy Suhendra 1 Pasca Sarjana Manajemen Perbankan Universitas Gunadarma

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BB 3 METODE PENELITIN 3.1 Desain/Kerangka Penelitian Berdasarkan dari uraian latar belakang, perumusan masalah, dan teori-teori yang telah dijelaskan sebelumnya, maka kerangka pemikiran dari penelitian

Lebih terperinci

LAMPIRAN A STANDARISASI SIMPLISIA HASIL PERHITUNGAN SUSUT PENGERINGAN SERBUK Hasil susut pengeringan daun alpukat

LAMPIRAN A STANDARISASI SIMPLISIA HASIL PERHITUNGAN SUSUT PENGERINGAN SERBUK Hasil susut pengeringan daun alpukat LAMPIRAN A STANDARISASI SIMPLISIA HASIL PERHITUNGAN SUSUT PENGERINGAN SERBUK Replikasi Hasil susut pengeringan daun alpukat Hasil susut pengeringan daun belimbing manis 1 5,30 % 6,60% 2 5,20 % 6,80% 3

Lebih terperinci

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA Oleh: Nugraha Setiawan FAKULTAS PETERNAKAN UNIVERSITAS PADJADJARAN November 007 Penentuan Ukuran Sampel

Lebih terperinci

BAB V ANALISIS DAN PEMBAHASAN. 5.1.1. Analisis Validitas dan Reliabilitas Instrumen. a. Analisis Uji Validitas Instrumen

BAB V ANALISIS DAN PEMBAHASAN. 5.1.1. Analisis Validitas dan Reliabilitas Instrumen. a. Analisis Uji Validitas Instrumen kategori cukup yaitu pada interval 50-57 dengan nilai rata-rata 55. BAB V ANALISIS DAN PEMBAHASAN Berdasarkan data yang penulis peroleh selama mengadakan penelitian, maka pada bab ini akan dianalisa dengan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. A. Hasil Uji Asumsi. Sebelum melakukan analisis dengan menggunakan analisis regresi,

BAB IV HASIL DAN PEMBAHASAN. A. Hasil Uji Asumsi. Sebelum melakukan analisis dengan menggunakan analisis regresi, BAB IV HASIL DAN PEMBAHASAN A. Hasil Uji Asumsi Sebelum melakukan analisis dengan menggunakan analisis regresi, terlebih dahulu perlu dilakukan uji asumsi terhadap data penelitian. Uji asumsi yang dilakukan

Lebih terperinci

REGRESI LINIER OLEH: JONATHAN SARWONO

REGRESI LINIER OLEH: JONATHAN SARWONO REGRESI LINIER OLEH: JONATHAN SARWONO 1.1 Pengertian Apa yang dimaksud dengan regresi linier? Istilah regresi pertama kali dalam konsep statistik digunakan oleh Sir Francis Galton dimana yang bersangkutan

Lebih terperinci

ESENSI Volume 13 No.2 Desember 2010

ESENSI Volume 13 No.2 Desember 2010 PERSEPSI MAHASISWA S1 AKUNTANSI TENTANGPENDIDIKAN PROFESI AKUNTANSI (PPAk) (Studi Kasus Mahasiswa Program S1 Akuntansi IBN) Albertus Karjono Institut Bisnis Nusantara Jl. D.I.Panjaitan Kav. 24 Jakarta

Lebih terperinci

Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung

Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung 139 LAMPIRAN 2 Hubungan Linier Jumlah Penduduk Yang Bekerja dengan Belanja Langsung Dependent Variable: Belanja Langsung Linear.274 19.584 1 52.000 57.441.239 The independent variable is Jumlah penduduk

Lebih terperinci

ANALISIS PENGARUH PENERAPAN PELAYANAN PELANGGAN DENGAN SISTEM E-COMMERCE TERHADAP TINGKAT KEPUASAN PELANGGAN DAN KUALITAS JASA LAYANAN PELANGGAN

ANALISIS PENGARUH PENERAPAN PELAYANAN PELANGGAN DENGAN SISTEM E-COMMERCE TERHADAP TINGKAT KEPUASAN PELANGGAN DAN KUALITAS JASA LAYANAN PELANGGAN ANALISIS PENGARUH PENERAPAN PELAYANAN PELANGGAN DENGAN SISTEM E-COMMERCE TERHADAP TINGKAT KEPUASAN PELANGGAN DAN KUALITAS JASA LAYANAN PELANGGAN Erna Mulyati, Liane Oktariani Politeknik Pos Indonesia,

Lebih terperinci

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier JURNAL TEKNIK ITS Vol. 1, (Sept, 01) ISSN: 301-971 A-46 Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier Ahmad Yusuf, Hari Ginardi

Lebih terperinci

SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING

SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,

Lebih terperinci

BAB 6 PEMBAHASAN. 6.1 Pengembangan Model Penilaian Kinerja berdasarkan DP3 ditinjau dari

BAB 6 PEMBAHASAN. 6.1 Pengembangan Model Penilaian Kinerja berdasarkan DP3 ditinjau dari 69 BAB 6 PEMBAHASAN 6.1 Pengembangan Model Penilaian Kinerja berdasarkan DP3 ditinjau dari Sudut Metode Penjumlahan Variabel dengan Pendekatan Linier Berganda Berdasarkan tabel.4 di atas, diketahui bahwa

Lebih terperinci

Universitas Negeri Malang E-mail: livia.mat09@gmail.com

Universitas Negeri Malang E-mail: livia.mat09@gmail.com 1 APLIKASI ANALISIS REGRESI KOMPONEN UTAMA TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT DIABETES MELLITUS (Studi Kasus di Puskesmas Tempeh Kab. Lumajang) Universitas Negeri Malang E-mail: livia.mat09@gmail.com

Lebih terperinci

METODE PENELITIAN. bulan, sejak bulan Oktober 2007 sampai dengan bulan April 2008. Tabel 1 Jadwal Penelitian Tahapan

METODE PENELITIAN. bulan, sejak bulan Oktober 2007 sampai dengan bulan April 2008. Tabel 1 Jadwal Penelitian Tahapan 14 BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian 1. Tempat Penelitian Tempat pelaksanaan penelitian ini adalah di SMK Negeri 1 Ngawen Kabupaten Gunungkidul.. Waktu Penelitian Aktivitas penelitian

Lebih terperinci

! "#$"# "%& '(&) *)+ )"$*& ***,-. / 0 + ' / 01. 1 + 2 / 3-, + / 33 3 + ' / 4- - / 13 4 $ */ 1, 5 ( / 01. % / 00 6 $ + ' / 4

! #$# %& '(&) *)+ )$*& ***,-. / 0 + ' / 01. 1 + 2 / 3-, + / 33 3 + ' / 4- - / 13 4 $ */ 1, 5 ( / 01. % / 00 6 $ + ' / 4 BAB 4 METODE PENELITIAN 4.1. Rancangan Penelitian Penelitian ini termasuk jenis penelitian eksplanatori, yang bertujuan untuk menjelaskan pengaruh tingkat kecerdasan emosi dan sikap pada budaya organisasi

Lebih terperinci

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 94. Metode statistik nonparametrik merupakan metode statistik yang dapat

Lebih terperinci

BAB III METODE PENELITIAN. Dr H Abdul Moeloek Propinsi Lampung. Obyek penelitian ini adalah pasien peserta

BAB III METODE PENELITIAN. Dr H Abdul Moeloek Propinsi Lampung. Obyek penelitian ini adalah pasien peserta BAB III METODE PENELITIAN 3.1 Ruang Lingkup Penelitian Lingkup penelitian ini mempelajari analisis mutu dan pengaruhnya terhadap keputusan pasien BPJS ASKES memilih layanan kesehatan di Rumah Sakit Dr

Lebih terperinci

BAB III METODOLOGI PENELITIAN. penelitian ini adalah metode deskriptif dengan pendekatan kuantitatif. Masyhuri

BAB III METODOLOGI PENELITIAN. penelitian ini adalah metode deskriptif dengan pendekatan kuantitatif. Masyhuri BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Berdasarkan pada permasalahan yang diteliti, metode yang digunakan dalam penelitian ini adalah metode deskriptif dengan pendekatan kuantitatif. Masyhuri

Lebih terperinci

BAB III METODOLOGI PENELITIAN. mengambil lokasi di Matahari Department Store Mall Ratu Indah. Waktu yang

BAB III METODOLOGI PENELITIAN. mengambil lokasi di Matahari Department Store Mall Ratu Indah. Waktu yang 57 BAB III METODOLOGI PENELITIAN 3.1 LOKASI DAN WAKTU PENELITIAN Lokasi penelitian merupakan suatu tempat atau wilayah dimana penelitian tersebut akan dilakukan. Adapun penelitian yang dilakukan oleh penulis

Lebih terperinci

BAB II. REGRESI LINIER SEDERHANA

BAB II. REGRESI LINIER SEDERHANA .1 Pendahuluan BAB II. REGRESI LINIER SEDERHANA Gejala-gejala alam dan akibat atau faktor yang ditimbulkannya dapat diukur atau dinyatakan dengan dua kategori yaitu fakta atau data yang bersifat kuantitatif

Lebih terperinci

BAB V HASIL PENELITIAN

BAB V HASIL PENELITIAN 1 BAB V HASIL PENELITIAN 5.1 Statistik Deskriptif Penelitian ini menggunakan perusahaan yang terdaftar di Bursa Efek Indonesia, baik perusahaan dibidang keuangan maupun bidang non-keuangan sebagai sampel

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN. Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara 42 BAB IV HASIL DAN PEMBAHASAN Penelitian ini menganalisis pengaruh DAU dan PAD tahun lalu terhadap Belanja Daerah tahun sekarang pada kabupaten/kota di propinsi Sumatera Utara tahun 2006 2008. Alat analisis

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Tabel 3.1 Desain Penelitian Tujuan Desain Penelitian Penelitian Jenis dan Metode Unit Analisis Time Horizon Penelitian T-1 Asosiatif/survey Organisasi-Departemen

Lebih terperinci

PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan

PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan PENGARUH JAM PELAJARAN KOSONG TERHADAP KENAKALAN PESERTA DIDIK DI SMAN 1 REJOTANGAN TAHUN 2013 Oleh : Supriadi Guru SMAN 1 Rejotangan ABSTRAK. Penelitian ini bertujuan untuk menjelaskan besarnya pengaruh

Lebih terperinci

PENGARUH ACCOUNT REPRESENTATIVE (AR) TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (KPP PRATAMA SIDOARJO UTARA)

PENGARUH ACCOUNT REPRESENTATIVE (AR) TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (KPP PRATAMA SIDOARJO UTARA) PENGARUH ACCOUNT REPRESENTATIVE (AR) TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (KPP PRATAMA SIDOARJO UTARA) Febri Alfiansyah Universitas Negeri Surabaya E-mail: febri_alfiansyah@rocketmail.com Abstract

Lebih terperinci

BAB VI. ANALISIS JEJAK ATAU SIDIK LINTAS (PATH ANALYSIS)

BAB VI. ANALISIS JEJAK ATAU SIDIK LINTAS (PATH ANALYSIS) BAB VI. ANALII JEJAK ATAU IDIK LINTA (PATH ANALYI) 6.1 Pendahuluan Telaah statistika mengatakan bahwa dalam analisis hubungan yang bertujuan untuk peramalan atau pendugaan nilai Y atas dasar nilai-nilai

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data 3.1.1. Jenis Penelitian Dalam penelitian ini penulis menggunakan penelitian kuantitatif, karena data yang diperoleh nantinya berupa angka. Dari angka

Lebih terperinci

Ifa Atiyah Nur Alimah

Ifa Atiyah Nur Alimah ANALISIS KUALITAS PELAYANAN PROGRAM RASKIN TERHADAP PENCAPAIAN INDIKATOR 6T ( TEPAT SASARAN,TEPAT JUMLAH,TEPAT HARGA,TEPAT WAKTU,TEPAT KUALITAS,TEPAT ADMINISTRASI) PADA PERUM BULOG SUB DIVISI REGIONAL

Lebih terperinci

APLIKASI DATA MINING UNTUK MENAMPILKAN TINGKAT KELULUSAN MAHASISWA DENGAN ALGORITMA APRIORI

APLIKASI DATA MINING UNTUK MENAMPILKAN TINGKAT KELULUSAN MAHASISWA DENGAN ALGORITMA APRIORI PLIKSI DT MINING UNTUK MENMPILKN TINGKT KELULUSN MHSISW DENGN LGORITM PRIORI Benni R Siburian (0911536) Mahasiswa Jurusan Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang

Lebih terperinci

TKS 4209 PENDAHULUAN 4/1/2015

TKS 4209 PENDAHULUAN 4/1/2015 TKS 4209 Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya PENDAHULUAN Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians antar kelompok atau disebut

Lebih terperinci

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009

Lebih terperinci

Menguji mean tiga variabel atau lebih

Menguji mean tiga variabel atau lebih Menguji mean tiga variabel atau lebih Perhatikan kasus berikut: Ingin diketahui apakah ada perbedaan sikap mahasiswa reguler, mahasiswa tugas belajar, dan mahasiswa yang melanjutkan terhadap statistika

Lebih terperinci

POPULASI, SAMPLING DAN BESAR SAMPEL

POPULASI, SAMPLING DAN BESAR SAMPEL POPULASI, SAMPLING DAN BESAR SAMPEL Didik Budijanto Pusdatin Kemkes RI Alur Berpikir dalam Metodologi Research: Masalah Identifikasi Mslh [ Batasan ] Rumusan Masalah - Tujuan Penelitian/ Manfaat Tinjauan

Lebih terperinci

PENYUSUNAN ANALISIS STANDAR BELANJA MELALUI PENDEKATAN REGRESI SEDERHANA DALAM MENYUSUN ANGGARAN

PENYUSUNAN ANALISIS STANDAR BELANJA MELALUI PENDEKATAN REGRESI SEDERHANA DALAM MENYUSUN ANGGARAN PENYUSUNAN ANALISIS STANDAR BELANJA MELALUI PENDEKATAN REGRESI SEDERHANA DALAM MENYUSUN ANGGARAN Memen Suwandi Jurusan Akuntansi, UIN Alauddin, Jl. ST. Alauddin No. 36, Samata-Gowa msuwandi19@yahoo.com

Lebih terperinci

BAB III METODELOGI PENELITIAN. penulis akan mengemukakan metode penelitian induktif. Metode penelitian

BAB III METODELOGI PENELITIAN. penulis akan mengemukakan metode penelitian induktif. Metode penelitian 76 BAB III METODELOGI PENELITIAN Agar suatu masalah dapat dipaparkan dengan jelas, maka perlu adanya suatu metode khusus sesuai dengan permasalahan yang akan di bahas. Disini penulis akan mengemukakan

Lebih terperinci

BAB III METODE PENELITIAN. Sebuah penelitian agar dapat berhasil dengan baik, maka perlu

BAB III METODE PENELITIAN. Sebuah penelitian agar dapat berhasil dengan baik, maka perlu 5 BAB III METODE PENELITIAN Sebuah penelitian agar dapat berhasil dengan baik, maka perlu diadakannya perencanaan yang baik, fasilitas yang memadai, pengelolaan dan pengolahan yang trampil dan penggunaan

Lebih terperinci

Teknik Analisis Kuantitatif 1

Teknik Analisis Kuantitatif 1 Teknik Analisis Kuantitatif 1 TEKNIK ANALISIS KUANTITATIF Oleh: Ali Muhson A. Pendahuluan Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan

Lebih terperinci

STATISTIK NON PARAMTERIK

STATISTIK NON PARAMTERIK STATISTIK NON PARAMTERIK PROSEDUR PENGOLAHAN DATA : PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameterparameter

Lebih terperinci

GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics

GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics GET FILE='D:\albert\data47 OK.sav'. DESCRIPTIVES VARIABLES=TOperAC seperac /STATISTICS=MEAN STDDEV MIN MAX. Descriptive Statistics N Minimum Maximum Mean Std. Deviation TOperAC 47 988.47 2376.52 1802.6366

Lebih terperinci

PENGARUH KUALITAS PRODUK DAN KUALITAS PELAYANAN JASA FOTO COPY TERHADAP TINGKAT KEPUASAN KONSUMEN FE UPI Y.A.I

PENGARUH KUALITAS PRODUK DAN KUALITAS PELAYANAN JASA FOTO COPY TERHADAP TINGKAT KEPUASAN KONSUMEN FE UPI Y.A.I PENGARUH KUALITAS PRODUK DAN KUALITAS PELAYANAN JASA FOTO COPY TERHADAP TINGKAT KEPUASAN KONSUMEN FE UPI Y.A.I Siti Aisyah Manajemen, Fakultas Ekonomi Universitas Persada Indonesia Y.A.I, Jakarta email:

Lebih terperinci

BAB 1 PENDAHULUAN. pada organisasi-organisasi yang umumnya membutuhkan suatu media

BAB 1 PENDAHULUAN. pada organisasi-organisasi yang umumnya membutuhkan suatu media BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi merupakan salah satu hal utama yang menunjang terciptanya proses komunikasi yang sinkron. Kebutuhan akan informasi selalu mengalami peningkatan sejalan dengan

Lebih terperinci

BAB III METODE PENELITIAN. A. Identifikasi Variabel Penelitian. Dalara suatu penelitian ilmiah salah satu unsur yang cukup penting adalah

BAB III METODE PENELITIAN. A. Identifikasi Variabel Penelitian. Dalara suatu penelitian ilmiah salah satu unsur yang cukup penting adalah BAB III METODE PENELITIAN A. Identifikasi Variabel Penelitian Dalara suatu penelitian ilmiah salah satu unsur yang cukup penting adalah metodologi karena ketepatan metodologi yang digunakan untuk memecahkan

Lebih terperinci

DATA PREPROCESSING. Budi Susanto (versi 1.2)

DATA PREPROCESSING. Budi Susanto (versi 1.2) DATA PREPROCESSING Budi Susanto (versi 1.2) Kenali Data Anda Atribut Data Memahami tipe atribut Membantu membetulkan data saat integrasi data Deskripsi Statistik Data Memudahkan untuk mengisi nilai yang

Lebih terperinci

SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP

SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP Aighner Ahsarif Ario (aighner@gmail.com), Novita (novieliem@ymail.com) Mardiani

Lebih terperinci

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 34 43 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK

Lebih terperinci

Rancang Bangun Data Warehouse

Rancang Bangun Data Warehouse Rancang Bangun Data Warehouse i ii Rancang Bangun Data Warehouse Rancang Bangun Data Warehouse iii iv Rancang Bangun Data Warehouse RANCANG BANGUN DATA WAREHOUSE Oleh : Muhammad Yazdi Pusadan, S.Kom.,

Lebih terperinci

APLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK

APLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK APLIKASIANALISIS RANCANGAN ACAK LENGKAP DALAM PENGOLAHAN DATAHASILPENELITIAN PERCOBAAN PAKAN TERNAK PADAKAMBINGINDUK M.E. Yusnandar Balai Penelitian Ternak, PO Box 221, Bogor 16002 RINGKASAN Kambing BKC

Lebih terperinci

ANALISIS PERPUTARAN AKTIVA TETAP DAN PERPUTARAN PIUTANG KAITANNYA TERHADAP RETURN ON ASSETS PADA PT. POS INDONESIA (PERSERO) BANDUNG

ANALISIS PERPUTARAN AKTIVA TETAP DAN PERPUTARAN PIUTANG KAITANNYA TERHADAP RETURN ON ASSETS PADA PT. POS INDONESIA (PERSERO) BANDUNG bidang EKONOMI ANALISIS PERPUTARAN AKTIVA TETAP DAN PERPUTARAN PIUTANG KAITANNYA TERHADAP RETURN ON ASSETS PADA PT. POS INDONESIA (PERSERO) BANDUNG ARI BRAMASTO Universitas Langlangbuana This study aims

Lebih terperinci

BAB 1 PENDAHULUAN. Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan

BAB 1 PENDAHULUAN. Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan BAB 1 PENDAHULUAN 1.1 Latar Belakang Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan sangat berperan dalam proses pembangunan. Oleh sebab itu peningkatan serta

Lebih terperinci

DAFTAR ISI. BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Rumusan Masalah. 8 1.3 Tujuan Penelitian.. 8 1.4 Mamfaat Penelitian...

DAFTAR ISI. BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Rumusan Masalah. 8 1.3 Tujuan Penelitian.. 8 1.4 Mamfaat Penelitian... DAFTAR ISI Halaman SAMPUL DALAM... i PRASYARAT GELAR... ii LEMBAR PERSETUJUAN... iii PENETAPAN PANITIA PENGUJI... iv PERNYATAN ORISINALITAS... v UCAPAN TERIMAKASIH... vi ABSTRAK... ix ABSTRACT... x DAFTAR

Lebih terperinci

PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH

PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model

Lebih terperinci

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe

Lebih terperinci

ANALISIS HUBUNGAN KARAKTERISTIK SOSIAL EKONOM TERHADAP KEWIRAUSAHAAN PENGUSAHA INDUSTRI KECIL DI KECAMATAN KUOK KABUPATEN KAMPAR

ANALISIS HUBUNGAN KARAKTERISTIK SOSIAL EKONOM TERHADAP KEWIRAUSAHAAN PENGUSAHA INDUSTRI KECIL DI KECAMATAN KUOK KABUPATEN KAMPAR ANALISIS HUBUNGAN KARAKTERISTIK SOSIAL EKONOM TERHADAP KEWIRAUSAHAAN PENGUSAHA INDUSTRI KECIL DI KECAMATAN KUOK KABUPATEN KAMPAR ANALYSIS RELATIONSHIP OF SOCIOECONOMIC CHARACTERISTICS ON CHARACTERISTICS

Lebih terperinci

VARIABEL BEBAS DAN VARIABEL TERIKAT. Oleh : Amin Budiamin

VARIABEL BEBAS DAN VARIABEL TERIKAT. Oleh : Amin Budiamin VARIABEL BEBAS DAN VARIABEL TERIKAT Oleh : Amin Budiamin Capter 12 Mendesain dan Mengevaluasi Variabel Bebas Cepter 13 Mendesain atau Memilih Variabel Terikat Mendesain dan Mengevaluasi Variabel Bebas

Lebih terperinci

10/10/2009 ARIERAHAYU@GMAIL.COM MODEL JONES 1991. Paper Deskriptif arierahayu

10/10/2009 ARIERAHAYU@GMAIL.COM MODEL JONES 1991. Paper Deskriptif arierahayu 10/10/2009 ARIERAHAYU@GMAIL.COM MODEL JONES 1991 Paper Deskriptif arierahayu MODEL JONES 1991 Jones mengembangkan model pengestimasi akrual diskresioner untuk mendeteksi manipulasi laba Jones 1991 1 yang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam perkembangan zaman yang semakin modern ini data adalah sesuatu yang sangat dibutuhkan baik individu, instansi, organisasi dan perusahaan. Sebuah perusahaan sangat

Lebih terperinci

Sumber: Husein Umar (2004), Metode Riset Ilmu Administrasi, Pt Gramedia Pustaka Utama, Jakarta. Ali Rokhman

Sumber: Husein Umar (2004), Metode Riset Ilmu Administrasi, Pt Gramedia Pustaka Utama, Jakarta. Ali Rokhman Sumber: Husein Umar (2004), Metode Riset Ilmu Administrasi, Pt Gramedia Pustaka Utama, Jakarta Ali Rokhman Konsep analisa data Prinsip umum analisa data Langkah umum analisa data Pedoman pemakaian metode

Lebih terperinci

PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak

PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL Annisa Hayatunnufus [1], Andrizal,MT [2], Dodon Yendri,M.Kom [3] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas

Lebih terperinci

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono Cara Penghitungan MSI Apa yang dimaksud dengan metode suksesif interval (Method of Successive Interval

Lebih terperinci

UJI COBA MODEL (VALIDASI)

UJI COBA MODEL (VALIDASI) UJI COBA MODEL (VALIDASI) Yaya Jakaria PUSAT PENELITIAN KEBIJAKAN DAN INOVASI PENDIDIKAN BADAN PENELITIAN DAN PENGEMBANGAN DEPARTEMEN PENDIDIKAN NASIONAL JAKARTA 2009 Uji Coba Model atau Produk Uji coba

Lebih terperinci

Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment)

Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Metoda Kuadrat Terkecil adalah salah satu metoda yang paling populer dalam menyelesaikan masalah hitung perataan. Aplikasi pertama perataan kuadrat

Lebih terperinci

Robot Cerdas Pemadam Api Dan Robot Cerdas Pemain Bola

Robot Cerdas Pemadam Api Dan Robot Cerdas Pemain Bola Uivt Mdiy Ml Lt Bl ci200..c.id Id tl d bb li Kt Rbt Id (KRI), di y bi wil Id t iti t bt tit itl y dil di bb A ti J, Tild, K Slt, Ci, Mly, Vit d li-li. B l t t y wili Id d t 200 yit ti B-C di PENS (Pliti

Lebih terperinci

PENGARUH FAKTOR SYARIAH, TINGKAT KEUNTUNGAN BAGI HASIL, DAN MOTIVASI TERHADAP KEPUTUSAN NASABAH MENGGUNAKAN PERBANKAN SYARIAH

PENGARUH FAKTOR SYARIAH, TINGKAT KEUNTUNGAN BAGI HASIL, DAN MOTIVASI TERHADAP KEPUTUSAN NASABAH MENGGUNAKAN PERBANKAN SYARIAH Endang Tri Wahyuni A.: Pengaruh Faktor Syariah, Tingkat Keuntungan Bagi 269 PENGARUH FAKTOR SYARIAH, TINGKAT KEUNTUNGAN BAGI HASIL, DAN MOTIVASI TERHADAP KEPUTUSAN NASABAH MENGGUNAKAN PERBANKAN SYARIAH

Lebih terperinci

Nama Penulis pungkyrahmatika@gmail.com http:/statistikapendidikan.com. Abstrak/Ringkasan. Pendahuluan. Lisensi Dokumen:

Nama Penulis pungkyrahmatika@gmail.com http:/statistikapendidikan.com. Abstrak/Ringkasan. Pendahuluan. Lisensi Dokumen: UKURAN NILAI PUSAT DAN UKURAN DISPERSI Nama Penulis pungkyrahmatika@gmail.com http:/statistikapendidikan.com Lisensi Dokumen: Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan

Lebih terperinci

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS & STRUCTURAL EQUATION MODEL Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS (Path Analysis) : merupakan suatu metode analisis untuk melihat hubungan antara

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH BAGI ANAK USIA WAJIB BELAJAR DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED POISSON REGRESSION

PEMODELAN ANGKA PUTUS SEKOLAH BAGI ANAK USIA WAJIB BELAJAR DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED POISSON REGRESSION PEMODELAN ANGKA PUTUS SEKOLAH BAGI ANAK USIA WAJIB BELAJAR DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED POISSON REGRESSION 1 Tanty Citrasari Wijayanti (1307100024) 2 Setiawan (19601030 198701 1 001) 1 Mahasiswa

Lebih terperinci

ANALISIS PENGARUH BIAYA PRODUKSI DAN PENJUALAN TERHADAP LABA PERUSAHAAN

ANALISIS PENGARUH BIAYA PRODUKSI DAN PENJUALAN TERHADAP LABA PERUSAHAAN ANALISIS PENGARUH BIAYA PRODUKSI DAN PENJUALAN TERHADAP LABA PERUSAHAAN (Studi pada Usaha Mikro Kecil dan Menengah di Kecamatan Jaten Kabupaten Karanganyar) ARTIKEL PUBLIKASI ILMIAH Diajukan Untuk Memenuhi

Lebih terperinci

BAB III METODE PENELITIAN. Karangnongko Kabupaten Klaten, seluruh siswa berasal dari pedesaan,

BAB III METODE PENELITIAN. Karangnongko Kabupaten Klaten, seluruh siswa berasal dari pedesaan, 19 BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian 1. Tempat Penelitian Tempat pelaksanaan penelitian ini adalah di SMA Negeri 1 Karangnongko Kabupaten Klaten, seluruh siswa berasal dari pedesaan,

Lebih terperinci

l. Latar belakang masalah \

l. Latar belakang masalah \ DEPARTEMEN PENDIDIKAhI NASIONAL UNIYERSITAS BENGKULU FKIP - PROGRAM PASCASARJANA PROGRAM STUDI MAGISTER MANAJEMEN PENDIDIKAN Il. Raya Kandang Limun Telp/Fax (0736) 341022 Benglolu 38371A 810 Nomor Lampiran

Lebih terperinci

MENGHITUNG NILAI RATA-RATA SUATU DISTRIBUSI DATA

MENGHITUNG NILAI RATA-RATA SUATU DISTRIBUSI DATA MENGHITUNG NILAI RATA-RATA SUATU DISTRIBUSI DATA AMIYELLA ENDISTA SKG.MKM Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Perhitungan Nilai Gejala Pusat Mean Median Modus Range

Lebih terperinci

BAB III METODE PENELITIAN. 3.1. Definisi Operasional dan Pengukuran variabel. variabel atau konstrak dengan cara memberikan arti atau menspesifikasi

BAB III METODE PENELITIAN. 3.1. Definisi Operasional dan Pengukuran variabel. variabel atau konstrak dengan cara memberikan arti atau menspesifikasi BAB III METODE PENELITIAN 3.1. Definisi Operasional dan Pengukuran variabel Definisi operasional adalah definisi yang diberikan kepada suatu variabel atau konstrak dengan cara memberikan arti atau menspesifikasi

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP)

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) Ahmad Khaidir (0911023) Mahasiswa Program Studi Teknik Informatika, STMIK

Lebih terperinci

PENGEMBANGAN ALAT EVALUASI PEMBELAJARAN BERBASIS KOMPUTER DENGAN WONDESHARE QUIZ CREATOR PADA MATERI PAJAK PENGHASILAN PASAL 21

PENGEMBANGAN ALAT EVALUASI PEMBELAJARAN BERBASIS KOMPUTER DENGAN WONDESHARE QUIZ CREATOR PADA MATERI PAJAK PENGHASILAN PASAL 21 PENGEMBANGAN ALAT EVALUASI PEMBELAJARAN BERBASIS KOMPUTER DENGAN WONDESHARE QUIZ CREATOR PADA MATERI PAJAK PENGHASILAN PASAL 21 Elyn Rachmawati Agung Listiyadi Prodi Pendidikan Akuntansi, Jurusan Pendidikan

Lebih terperinci