BAB VI PERAMALAN TRAFIK UNTUK PERENCANAAN JARINGAN (TRAFFIC FORECASTING FOR NETWORK PLANNING)

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB VI PERAMALAN TRAFIK UNTUK PERENCANAAN JARINGAN (TRAFFIC FORECASTING FOR NETWORK PLANNING)"

Transkripsi

1 55 Dktat Rekayasa Trafk BB V PERMLN TRFK UNTUK PERENCNN JRNGN (TRFFC FORECSTNG FOR NETWORK PLNNNG) Peramalan sangat dperlukan untuk membuat keputusan. Dalam perencanaan arngan peramalan dgunakan sebaga dasar perencanaan yang akan menad gude lne mplementas. da dua peramalan yang dgunakan untuk tuuan perencanaan arngan, yatu peramalan demand dan peramalan trafk 6.1 Peramalan Demand Pertumbuhan demand dpengaruh beberapa factor eksternal dan factor nternal. Factor eksternal antara lan factor ekonom, factor socal sedangkan factor nternal sepert factor pentarfan dan strateg marketng. Pertumbuhan demand basanya pola pertumbuhan sbb: Phase of startng Phase of startng atau Phase awal pada phase n pertumbuhan demand bersat lner dan lambat. Phase of rapd growth Pada fase n pertumbuhan demand sangat cepat Phase of saturaton Pada fase n pertumbuhan demand cenderung menurun metode peramalan demand a. metode makro a.1.metode tme seres trend lner y a + bx [6.1] dmana : y varable tak bebas hasl ramalan x varable bebas berupa perode waktu a,b konstanta trend kuadrats/ parabolk y a + bx + cx [6.] dmana : y varable tak bebas hasl ramalan x varable bebas berupa perode waktu a,b,c konstanta Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

2 56 Dktat Rekayasa Trafk trend eksponensal bx y a. e [6.3] dmana: y varable tak bebas hasl ramalan x varable bebas berupa perode waktu a,b konstanta e blangan natural a.. metode regres metode n untuk mengetahu factor-faktor yang menyebabkan teradnya fluktuas trafk. regres lner y a + bx [6.4] regres non lner y a + bx + cx [6.5] dmana: y varable tak bebas hasl ramalan x varable bebas berupa PDRB a,b,c konstanta untuk mengetahu korelas antara parameter, maka dcar koefsen korelasnya, yatu : ( x x)( y y) r [6.6] ( x x) ( y y) harga r dar -1<r<1 lrl 1, korelas penuh r0, tdak ada korelas r<50%<r, terad korelas b. metode mkro suatu metode peramalan dengan memproyekskan kebutuhan telepon d masa yang akan datang berdasrkan umlah pelanggan, calon pelanggan dan bangunan pada saat dlakukan survey. Langkah-langkah : tentukan kategor demand - demand resdensal - demand bsns - demand ndustr - demand fasltas umum Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

3 57 Dktat Rekayasa Trafk bag area peramalan menad blok/ grd grd yatu bagan yang sama luasnya yang dgunakan untuk mempredks demand. Contoh : DK 6,01 Ha (510 x 510 ) m Luar DK 5,00 Ha (500 x 500 ) m tentukan factor penetras (FP) Faktor penetras adalah perbandngan umlah telepon dengan bangunan d daerah tersebut untuk setap bangunan. ( ) ST + DT + SD FP 0 [6.7] Bangunan dmana : ST : sambungan nduk tersambung DT : daftar tunggu SD : supessed demand 5 % (ST+DT) Untuk daerah yng belum ada sambungan telepon : Q + DT FP [6.8] Bangunan dmana : ΣQ hasl survey predks FP untuk tahun yang dramalkan FP t FP 0 1+ r [6.9] () ( )( ) t dmana : r lau pertumbuhan demand FP(t) factor penetras tahun yang dramalkan FP(0) factor penetras tahun ke 0 ( tahun referens) predks umlah bangunan y t y 1+ r [6.10] 0 () ( ) umlah demand per grd umlah demand per grd FP t y t [6.11] ( ) ( ) total demand total demand FP t y t [6.1] () ( ) Grd Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

4 58 Dktat Rekayasa Trafk 6. Peramalan trafk Peramalan Trafk dlakukan untuk mengestmas umlah trafk pada waktu dlakukan forecast demand. Peramalan trafk dgunakan sebaga dasar untuk : Manaemen plannng Theoretcal study dar optmum network Menentukan umlah equpment Peramalan dbedakan dalam tga perode, yatu : a. perode angka pendek b. perode angka menengah c. perode angka panang Peramalan trafk ada dua yatu : a. peramalan trafk untuk umlah satuan sambungan b. peramalan trafk untuk perencanaan arngan 6..1 peramalan trafk umlah satuan sambungan a. trend method suatu kuanttas yang dambl dar hasl pengamatan dalam suatu waktu ser (tme sers) dapat mengkut suatu pola tertentu dan dcar perkembangannya untuk waktu yang akan datang yatu memperkrakan kecenderungan perkembangan untuk yang akan datang. Contoh : Trend gars lurus b. statstcal demand analyss dapat danggap bahwa perkembangan suatu besaran tertentu (msalnya umlah pelangga) mengkut suatu pola tertentu msalnya tergantung atas umlah penduduk, standard kehdupan, perkembangan ekonom dan lan-lan. Bla beberapa varable mempunya relas yang nalar pada perkembangan telepon, maka varable tersebut dapat dgunakan untuk menelaskan perkembangannya. c. analycal comparson membandngkan tahap-tahap perkembangan telekomunkas. Danggap bahwa perkembangan dar suatu Negara (wlayah) akan mengkut (sama dengan) perkembangan Negara (wlayah) yang sudah lebh berkembang. d. ndvdual udgement n dtentukan secara prbad. Peramalan ddasarkan pada pengalaman dan nformas yang telah dkumpulkan. Tdak ada analss secara sstemats yang dbuat. Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

5 59 Dktat Rekayasa Trafk 6.. peramalan trafk untuk perencanaan arngan Matrks trafk sekarang Jumlah sst tap sentral sekarang Jumlah sst tap sentral y a d Peramalan trafk Matrks trafk y a d gambar 6.1 peramalan trafk untuk perencanaan arngan 6.3 Metode Peramalan Trafk Bla data trafk terseda, maka peramalan trafk bsa menggunakan metode : a. Tme Seres Metode n menentukan trend tme seres berdasarkan data sebelumnya. Metode n antara lan: Trend lner Trend quadratc Eksponensal logstk b. Metode Regres c. Global Forecastng dengan pertmbangan local d. Smple forecastng untuk pertumbuhan lau trafk pon to pont Bla data trafk tdak terseda, maka peramalan trafk bas menggunakan metode: a. Forecastng total orgnatng trafk b. Forecastng long dstance outgong trafk c. Forecastng trafk flow antar sentral Untuk keperluan peramalan trafk, dperlukan : a. konds trafk saat n (0) b. umlah sambungan telepon per exchange saat n N (0) c. umlah sambungan telepon per exchange masa yang akan datang N (0) Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

6 60 Dktat Rekayasa Trafk 1. Marks Trafk Untuk mengdentfkas kebutuhan trafk tap-tap sentral, dbuat suatu matrk yang menggambarkan konss trafk dar beberapa tempat yang berbeda. Ke dar 1 n Σ O 1 (11) (1n) O (1) () () O () () () O () n (n1) (nn) O (n) Σ T T (1) T () T( ) T (n) Gambar 6. matrk trafk Dmana : () adalah trafk dar ke () adalah trafk dar ke () adalah trafk local sentral O () adalah umlah seluruh trafk orgnatng sentral T () adalah seluruh trafk termnatng sentral O ) T ( ) ( [6.13]. Pont to Pont Forecast Estmas total trafk Untuk mengestmas total trafk dar berbaga katagor subscrber dhtung dengan rumus : t) N ( t). α + N ( t). α... N n ( t). α [6.14] ( n dmana : N n (t) peramalan umlah subscrber untuk kategor n α n trafk pada subscrber dengan kategor n ka tdak mungkn membag subscrber dalam kategor-kategor maka total trafk yang akan datng dhtung dengan rumus : N( t) ( t) (0) [6.15] N(0) Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

7 61 Dktat Rekayasa Trafk dmana : N (t) umlah subscrber pada tahun ke t N (0) umlah subscrber pada tahun sekarang (t) umlah trafk pada tahun ke t (0) umlah trafk pada tahun sekarang Estmas pont to pont trafk Untuk mengestmas trafk dar suatu sentral ke sentral lan, dhtung dengan rumus : WG + W G ( t) (0) [6.16] W + W dmana : G w pertumbuhan subscrber pada suatu sentral N ( t) N ( t) G dan G N (0) N (0) Bobot. da beberapa metode mendapatkan bobot W Metode RPP S 1 Metode RPP S Metode USTRLN TELECOM Formula RPP S 1 W N (t) W N (t) Dasumskan bahwa trafk per subscrber dar sentral ke sentral sebandng dengan umlah subscrber pada sentral Formula RPP S W N (t) W N (t) dasumskan bahwa trafk orgnatng dan trafk termnatng per subscrber sangat kecl Formula ustralan Telecom W N ( 0) + N ( t) N ( 0) + N ( t) W Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

8 6 Dktat Rekayasa Trafk persamaan n dperoleh dar penurunan RPP S 1. dar substtus persamaan tersebut dperoleh: ( t) (0) N ( t). N ( t) N (0). N (0) ( t) (0). G. G 3. KRUTHOF S DOUBLE FCTOR METHOD Metode n dgunakan untuk menentukan trafk yang akan datang dar suatu tempat ke tempat lan atau dalam matrk trafk. Dengan asums : Beban trafk dketahu Rencana umlah trafk orgnatng (umlah bars) dan trafk termnatng (umlah kolom) uga telah dtentukan. Tuuan metode n adalah mencar konfguras beban trafk terbak antara sentral. s dubah menad ( ) s Penyesuaan terhadap bars o ( n) O O () t [6.17] Penyesuaan terhadap kolom ( n) T T () t [6.18] dmana : n O (t) T (t) teras ke n trafk orgnatng sentral pada tahun ke t ( nla yang dharapkan) trafk termnatng sentral pada tahun ke t ( nla yang dharapkan) Note : Untuk memperoleh konfguras yang optmal perlu dlakukan beberapa teras. Jka hasl dar dua teras yang berurutan haslnya sama atau mendekat maka perhtungan bsa dhentkan dan konfguras optmum telah ddapat. Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

9 63 Dktat Rekayasa Trafk 6.4 contoh soal Perhtungan TRFK SENTRL dar WLYH TRFK Trafk dar sentral 1 ke sentral lannya (ms: dalam ME) Dketahu: a. wlayah local dbag dalam beberapa wlayah trafk (no.1,,3,dan 4). Trafk yad antara wlayah trafk tsb dramalkan. b. Wlayah local dbag dalam beberapa wlayah sentral ( wlayah sentral tdak sama dengan wlayah trafk) c. Dcoba dhtung trafk yad antara sentral dan sentral, B d. Beberapa nformas Sentral : 5000 sst dar wlayah trafk yang seluruhnya sst : 8000 sst dar wlayah trafk yang seluruhnya sst Sentral B : 9000 sst dar wlayah trafk 3 yang seluruhnya d sentral B 000 sst dar wlayah trafk 4 yang seluruhnya 6000 sst e. Dar ramalan trafk ddapat: f. Dar wl trafk Ke wl trafk Total trafk (erl) Penyelesaan: sums: trafk dar 1 sst d wlayah trafk tertentu ke 1 sst d wlayah trafk tertentu yang lan konstan (tetap). Dr wl trafk Ke wl trafk Trafk antara sst (erl) /( ) 0, /( ) 0, /( ) 0, /( ) 0, Sehngga trafk yang dharapkan (yg akan ada) antara sentral dan sentral B dapat dhtung: Trafk B : 5000 x 9000 x 0, x 000 x 0, x 9000 x 0, x 000 x 0, ,98 + 1,1 156,08 erl Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

10 64 Dktat Rekayasa Trafk Car matrk trafk antar sentral dar matrk trafk antar wl sbb: Wlayah trafk : Jumlah sst : Orgnatng trafk/sst : 0,06 erl Dstrbus trafk : 60% ke wl, 5 % ke wl, 15 % ke wl Wlayah trafk : Jumlah sst : Orgnatng trafk/sst : 0,05 erl Dstrbus trafk : 50% ke wl, 30 % ke wl, 0 % ke wl Wlayah trafk : Jumlah sst : Orgnatng trafk/sst : 0,04 erl Dstrbus trafk : 50% ke wl, 5 % ke wl, 5 % ke wl Dlayan oleh beberapa semtral : sentrl 1,, n. htung trafk dar sentral 1 ke sentral bla : sentral 1 melayan 5000 sst dar wl dan 3000 sst dar wl, sentral melayan 4000 sst dar wl dan 000 sst dar wl. Jawab: Dr wl trafk Ke wl trafk Total trafk 5% x x 0, Erl 15% x x 0,06 90Erl 50% x 5000 x 0,05 15Erl 0% x 5000 x 0,05 50Erl 50% x 5000 x 0,04 100Erl 5% x 5000 x 0,04 50Erl 60% x x 0,06 360Erl Trafk dar sentral 1 ke senral : Dr wl trafk Ke wl trafk Total trafk (5000/10000) (4000/10000) x 360 Erl 7 Erl (5000/10000) (000/5000) x 90 Erl 18 Erl (3000/5000) (4000/10000) x 15 Erl 30 Erl (3000/5000) (000/5000) x 50 Erl 1Erl Trafk dar sentral 1 ke senral : Erl Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

11 65 Dktat Rekayasa Trafk Pada suatu ME dengan buah sentral, dketahu trafk exstng sebaga berkut: - trafk nternal sentral 0 erlang - trafk nternal sentral B 80 erlang - trafk dar sentral ke sentral B 40 erlang - trafk dar sentral B ke sentral 40 Erlang Dengan menggunakan kruthoff double factor, htunglah harga trafk d atas pada tahun yang akan datang, ka saat yang dramalkan : - trafk nternal sentral + trafk dar sentral ke B 10 erlang - trafk nternal sentral B + trafk dar sentral B ke 180 erlang - trafk nternal sentral + trafk dar sentral B ke 80 erlang - trafk nternal sentral B + trafk dar sentral ke B 0 erlang awab : Trafk tahun ke nol (0) Dr B ΣO ke B ΣT Trafk tahun yang dramalkan (t) Dr B ΣO ke?? 10 B?? 180 ΣT Langkah pertama :Penyesuaan terhadap bars ( n) O O () t (1) 0 x 10 / B (1) 40 x 10 / B (1) 40 x 180 / BB (1) 80 x 180 / Dar hasl perhtungan, ddapatkan matrk (1) sbb: Dr / ke B ΣO B ΣT Matrk trafk yang dhaslkan belum sesua dengan matrk trafk yang dharapkan, maka dlanutkan dengan langkah berkutnya yatu penyesuaan terhadap kolom. Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

12 66 Dktat Rekayasa Trafk Langkah kedua : Penyesuaan terhadap kolom ( n) T T () t () 40 x 80 / B () 80 x 0/ B () 60 x 80 / BB () 10 x 0 / Dar hasl perhtungan, ddapatkan matrk () sbb: Dr B ΣO ke B ΣT Dar hasl perhtungan teras ke, matrk trafk yang dhaslkan sudah sama dengan yang dharapkan, maka teras berhent. () (t). 6.5 Soal : 1. pada suatu kota mempunya pelanggan sebanyak sst. Yang terbag dalam 4 area pelayanan (area,, dan V). Pada area pelanggan sebanyak sst Pada area pelanggan sebanyak sst Pada area pelanggan sebanyak sst Pada area V pelanggan sebanyak sst Sentral melayan 5000 sst pada area dan 8000 pada area Sentral B melayan 9000 sst pada area dan 000 pada area V Pada suatu saat perkraan trafk antar area adalah sbb: Dr ke V Htung perkraan ntenstas trafk dar sentral ke sentral B Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

13 67 Dktat Rekayasa Trafk. Dketahu data pelanggan sbb: Tahun/bulan Maret Jun gustus Desember Bla trend lner mempunya persamaan y a + bx, Htung umlah pelanggan pada tahun 1988 untuk bulan maret, un, agustus dan desember. 3. forecasrng umlah pangglan SLJJ umlah pangglan SLJJ bertambah dengan bertambahnya umlah telepon dan deraat otomas. Jka : y umlah panggla SLJJ x 1 umlah telepon x deraat otomas dan terdapat data sbb: Tahun Pangglan SLJJ Telepon (X 1 ) (uta) Deraat otomas (x ) persamaan regres y a + bx 1 + cx a. tentukan persamaan regres d atas b. htung pangglan SLJJ untuk tahun Dketahu matrk trafk pada tahun ke 0 sbb : Ke dar 1 3 Σ Σ Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

14 68 Dktat Rekayasa Trafk Dan umlah subscrber per sentral untuk tahun ke t, dperkrakan sbb : sentral N (0) N (t) Tentukan matrk trafk pada tahun ke t, dengan menggunakan metode : RPP S 1 RPP S USTRLN TELECOM 5. dketahu, keadaan trafk pada saat n : J 1 Σ Σ Dan telah drencanakan bahwa total trafk pada tahun ke t adalah sbb : Trafk orgnatng sentral 1 : 45 Trafk orgnatng sentral : 105 Trafk termnatng sentral 1 : 50 Trafk termnatng sentral : 100 Dengan menggunakan metode kruthoff double factor Htung : Trafk nternal sentral 1 dan Trafk dar sentral 1 ke sentral Trafk dar sentral ke sentral 1 Sofa Nanng Hertana Sekolah Tngg Teknolog Telkom

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3)

PERANCANGAN JARINGAN AKSES KABEL (DTG3E3) PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan

Lebih terperinci

Peramalan (Forecasting) dalam Perencanaan Sentral

Peramalan (Forecasting) dalam Perencanaan Sentral Peramalan (Forecastng) dalam Perencanaan Sentral Pendahuluan Perencanaan arngan telepon ddasarkan pada estmas kebutuhan trafk masa depan Long-term forecast dbutuhkan dalam rencana pengembangan untuk menamn

Lebih terperinci

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK Dktat Rekayasa Trafk BB II PDKT PROBBILITS D MODL TRFIK 2. Pendahuluan Trafk merupakan perstwa-perstwa kebetulan yang pada dasarnya tdak dketahu kapan datangnya dan berapa lama akan berlangsung. Maka untuk

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB IV TRIP GENERATION

BAB IV TRIP GENERATION BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012 Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar

Lebih terperinci

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah

Model Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton

Lebih terperinci

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut : BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat

Lebih terperinci

ANALISIS KOVARIANSI part 2

ANALISIS KOVARIANSI part 2 ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom.

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom. BAB 4 HASIL DAN PEMBAHASAN 4.1 Penghtungan 4.1.1 Penghtungan Peramalan 4.1.1.1 Peramalan Me Atom Contoh perhtungan peramalan permntaan dengan metode regres lner, regres kuadrats, double movng average,

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

Analitik Data Tingkat Lanjut (Regresi)

Analitik Data Tingkat Lanjut (Regresi) 0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres

Lebih terperinci

A. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA

A. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA 009 T u g a s a p l k a s S t a t s t k P a g e 1 A. Soal 1 yg dkerjakan seharan tad ttg regres tunggal MENGHITUNG REGRESI LINEAR SEDERHANA Persamaan umum regres lnear sederhana adalah : Ŷ = a + bx Contoh

Lebih terperinci

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode 8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB LANDASAN TEORI Unverstas Sumatera Utara . Pengertan Regres Istlah regres pertama kal dperkenalkan oleh Francs Galtom. Menurut Galtom, analss regres erkenaan dengan stud ketergantungan dar satu varael

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil .1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag BAB IV APLIKASI Pada bagan n akan dbahas bagamana contoh mengestmas parameter model yang dasumskan memlk karaterstk spasal lag sekalgus spasal error. Estmas dlakukan dengan menggunakan software Evews 3

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB V TEOREMA RANGKAIAN

BAB V TEOREMA RANGKAIAN 9 angkaan strk TEOEM NGKIN Pada bab n akan dbahas penyelesaan persoalan yang muncul pada angkaan strk dengan menggunakan suatu teorema tertentu. Dengan pengertan bahwa suatu persoalan angkaan strk bukan

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

CAKUPAN PEMBAHASAN. APT (Arbritage Pricing Theory) Overview. Pengujian CAPM. CAPM (Capital Asset Pricing Model) Portofolio pasar.

CAKUPAN PEMBAHASAN. APT (Arbritage Pricing Theory) Overview. Pengujian CAPM. CAPM (Capital Asset Pricing Model) Portofolio pasar. http://www.deden08m.wordpress.com CAKUPAN PEBAHASAN Overvew CAP (Captal Asset Prcng odel) Portofolo pasar Gars pasar modal Gars pasar sekurtas Estmas Beta Pengujan CAP APT (Arbrtage Prcng Theory) 1/40

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

PowerPoint Slides by Yana Rohmana Education University of Indonesian

PowerPoint Slides by Yana Rohmana Education University of Indonesian SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud

Lebih terperinci

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 7 II TINJUN PUSTK 2.1 Manaemen Proyek 2.1.1 Pengertan Manaemen Proyek Sebelum mengemukakan apa art dar Manaemen Proyek, terlebh dahulu akan mengetahu art dar Manaemen dan Proyek tu. Menurut Hamng dan Nurnaamuddn

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data.

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data. BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode peneltan harus dsesuakan dengan masalah dan tujuan peneltan, hal n dlakukan untuk kepentngan perolehan dan analss data. Mengena pengertan metode peneltan,

Lebih terperinci

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline. METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga

Lebih terperinci

Dua cara melakukan proyeksi risiko : 1. Probabilitas di mana risiko adalah nyata 2. Konsekuensi masalah yang berhubungan dengan risiko

Dua cara melakukan proyeksi risiko : 1. Probabilitas di mana risiko adalah nyata 2. Konsekuensi masalah yang berhubungan dengan risiko PROYEKSI RISIKO / PERKIRAAN RISIKO Dua cara melakukan proyeks rsko : 1. Probabltas d mana rsko adalah nyata 2. Konsekuens masalah yang berhubungan dengan rsko Perencanaan proyek bersama dengan manajer

Lebih terperinci

3 METODE HEURISTIK UNTUK VRPTW

3 METODE HEURISTIK UNTUK VRPTW 12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada

Lebih terperinci

PENDUGAAN RASIO, BEDA DAN REGRESI

PENDUGAAN RASIO, BEDA DAN REGRESI TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka

Lebih terperinci

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang

Lebih terperinci

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah

Lebih terperinci