PENYUSUNAN RANCANGAN NEAR-ORTHOGONAL FRACTIONAL FACTORIAL SPLIT-PLOT

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENYUSUNAN RANCANGAN NEAR-ORTHOGONAL FRACTIONAL FACTORIAL SPLIT-PLOT"

Transkripsi

1 PENYUSUNAN RANCANGAN NEAR-ORTHOGONAL FRACTIONAL FACTORIAL SPLIT-PLOT Idahati, Yei Agraii, Bagus Sartoo Departeme Statista FMIPA Istitut Pertaia Bogor Astrak Salah satu etuk racaga fractioal factorial split-plot yag ortogoal adalah racaga yag pegaruh utama dari seluruh faktor ersifat salig ortogoal, a faktor petak utama maupu aak petak. Racaga semacam ii memera pedugaa model pegaruh utama yag palig a secara statist. Namu demia, ja dalam model liear dimasukka pegaruh iteraksi maka ada kemugkia pemaura (cofoudig) atara pegaruh utama da pegaruh iteraksi masih cukup esar sehigga dugaa yag diperoleh uka yag tera. Peelitia ii dimaksudka utuk memgemagka metode peyusua racaga yag ersifat ear-orthogoal, terutama pada pemaura atara pegaruh utama dari faktor petak utama da faktor aak petak, dega harapa aha pemaura atara pegaruh utama da pegaruh iteraksi pada racaga yag dihasia dapat leih redah kadarya. Hasil racaga yag diperoleh peulis ilai ersifat kompetitif dega racaga ortogoal yag sudah ada di literature. Kata Kuci: Split-Plot, Pemrograma Liear, Near-Orthogoal 1. Pedahulua Keta suatu percoaa meliatka ayak faktor, maka melakuka percoaa secara faktorial legkap tidak ayak mejadi piliha para peeliti, terutama peeliti idustri. Hal ii tidak lai karea teratasya iaya yag dapat disediaka utuk percoaa terseut yag aka memesar dega ayakya komiasi perlakua yag mugki teretuk. Racaga faktorial pecaha adalah piliha yag tersedia utuk megatasi masalah terseut. Haya saja keta memilih racaga faktorial pecaha, pertayaa yag timul adalah agaimaa memilih komiasi perlakua dari gugus seluruh kemugkia komiasi. Setidakya ada dua kelompok racaga yag isa dipilih. Kelompok pertama adalah racaga yag meliatka komiasi perlakua sedemia rupa sehigga atar faktorya ersifat ortogoal. Pada kelompok ii terdapat racaga faktorial pecaha yag ersifat reguler da yag ersifat tak-reguler. Kelompok kedua adalah racaga yag tidak mesyaratka keortogoala atar faktor. Pada kelompok ii atara lai kita dapat temuka racaga yag dihasia dega tek racaga optimum (optimum 327

2 desig) da racaga yag ersifat roust terhadap model yag diguaka (Cook & Nachtsheim 1982; Li & Nachtsheim 2000). Schoe (2010) memera diskusi tetag apakah seaya megguaka racaga ortogoal ataukah racaga optimum. Racaga ortogoal memili ciri keseimaga atau proporsioalitas dari masig-masig taraf faktor yag terliat. Dega jeis racaga ii, pada model liear erderajat tuggal, setiap dugaa pegaruh utama faktor ersifat salig eas sehigga pemuata kesimpula mejadi leih mudah. Semetara itu, racaga optimum memili keleiha dalam kemampua memera leih ayak kemugkia model liear yag dapat diduga, hal yag serupa yag mejadi tujua dari model-roust desig. Perhata aha racaga optimum diagu dega pedekata aha racaga yag dihasia merupaka racaga yag ersifat optimum dega kriteria tertetu utuk model liear yag telah ditetuka. Racaga ortogoal merupaka racaga optimum keta model liear yag diduga adalah model liear dega derjat tuggal karea pada saat itu ilai optimality-ya adalah 100%. Dalam percoaa idustrial, racaga yag ayak diterapka adalah racaga split-plot karea sulitya melakuka pegacaka legkap (lihat Joes ad Nachtseim 2009). Karea itu, diskusi megeai racaga split-plot ayak mejadi perhatia para peulis dalam idag peracaga percoaa idustri. Saat ii tersedia eerapa tek peyusua racaga split-plot erfaktor ayak yag ersifat ortogoal, misalya Huag et al. (1998); Bigham & Sitter (1999); Bigham et al., (2004), Sartoo et al. (i press). Juga tersedia tek racaga optimum utuk meghasia racaga split-plot, misalya Goos & Vaderoek (2003) da Joes & Goos (2007). Peelitia ii ermaksud utuk memera alteratif lai dalam meyusu racaga split-plot. Ide dari peelitia ii adalah memuat racaga yag medekati ortogoal sehigga karakterist racaga ortogoal tidak sepeuhya hilag, tetapi mampu memera model liear yg dapat diduga dega leih ayak diadigka racaga yag ersifat ortogoal. Kami aka megguaka pedekata stratum-ystratum megguaka tek liear programmig yag diusua oleh Sartoo et al. (i press) utuk memperoleh racaga FFSP ortogoal dega melakuka modifasi pada model pemrograma liearya. Modifasi yag dimaksud adalah meloggarka 328

3 persyarata keortogoala yag ada pada agia kedala pada model da memidahkaya ke agia fugsi tujua optimasi yag aka dimiimumka. Pejelasa rici megeai pedekata yag diguaka aka dipaparka pada agia erutya, diuti dega eerapa ilustrasi peerapa dari pedekata terseut. Beerapa settig racaga aka diguaka utuk memera gamara megeai proses peerapa dari pedekata ii. Seuah diskusi sigkat aka mejadi peutup tulisa ii. 2. Deskripsi Pedekata Pemetuka Racaga FFSP Near-Orthogoal Gua memera pejelasa legkap megeai pedekata yag diusua, kami aka memaparka otasi-otasi matrs yag diguaka sepajag tulisa ii. Seelumya, aka diera eerapa otasi parameter racaga yag igi diperoleh. Adaa igi disusu suatu racaga split-plot dega parameter racaga seagai erut. Yag pertama, terdapat seayak petak utama, yag masig-masig memili / aak petak sehigga secara total terdapat uah rus atau satua percoaa. Selajutya, adaa saja terdapat seayak s faktor aak petak serta faktor petak utama, yag semuaya memili dua level. Karea ada uah petak utama, maka diperluka uah perlakua dega satu perlakua petak utama utuk masig-masig petak utama. Adaa saja aha uah perlakua terseut dumpua dalam suatu matrs M erukura. Selajutya masig-masig petak utama memili / aak petak sehigga secara total terdapat aak petak. Dega demia diperluka uah perlakua aak petak da, misaa, matrs S yag erukura s adalah matrs yag memuat seluruh perlakua aak petak terseut. Racaga akhir diperoleh dega memasagka satu uah perlakua petak utama kepada / perlakua aak petak. Adaa B adalah matrs yag memasagka dega atura terseut, maka W = BM adalah susua perlakua petak utama dega uruta aris sesuai dega posisi perlakua aak petak pasagaya. Ja ii isa dilakuka maka matrs racaga akhir yag diotasa R adalah peggauga (augmetig) saja atara matrs W da S, atau R = [W S]. Utuk matrs M da S yag telah ditetuka, satu-satuya matrs yag harus ditemuka utuk memperoleh racaga akhir adalah matrs B. 329

4 Tulisa ii ermaksud utuk memaparka suatu metodologi memperoleh matrs B secara simulta sehigga racaga akhir yag diperoleh memperoleh karakterist yag a. Karakterist terseut diyataka dalam etuk pemaura yag semiimal mugki atara faktor-faktor yag ada dalam racaga. Megguaka prisip hirarki dalam aalisis data racaga faktorial pecaha, kami megusua utuk memera perhatia haya pada pegaruh utama da pegaruh iteraksi dua faktor. Dega memi am istilah ord da letter pada diskusi megeai pemaura da aliasig, kami memfokuska diri dega memperhata pemaura yag direpresetasa dega ord yag erisi maksimal empat letter. Berut ii diera rigkasa megeai otasi yag aka diguaka dalam tulisa ii sesuai dega uraia yag diera seelumya. Notasi Deskripsi S matrs perlakua aak petak, yag juga merupaka matrs pegaruh utama aak petak, erukura s Z matrs merupaka matrs pegaruh iteraksi dua faktor aak petak, erukura s 2 dega s 2 = s(s 1)/2 M matrs perlakua petak utama, yag juga merupaka matrs pegaruh utama faktor petak utama, erukura Q matrs pegaruh iteraksi dua faktor petak utama, erukura 2 B matrs assigmet/mejodohka yag meujukka perlakua petak utama tertetu dipasagka dega perlakua aak petak yag maa (atau sealya), erukura = 1 ja perlakua petak utama ke - j dipasagka dega perlakua aak petak k 0 j 1 utuk semua i =,, utuk semua j =,, j W = matrs perlakua (pegaruh utama) dari faktor petak utama, erukura BM V = BQ matrs pegaruh iteraksi dua faktor petak utama, erukura 2 R matrs racaga akhir erukura ( + s) R = [ W S ] Megguaka otasi matrs di atas, selajutya dapat diperoleh matrsmatrs yag merepresetasa eerapa pola pemaura dua, tiga, da empat huruf da disaja rigkasaya pada Tael

5 Tael 1. Rigkasa Jeis Pola Pemaura da Matrs yag Merepresetasaya Pola Pemaura WS pemaura pegaruh utama faktor petak utama (W) da pegaruh utama faktor aak petak (S) WWS - pemaura pegaruh utama faktor petak utama (W) dega pegaruh iteraksi atara faktor petak utama da faktor aak petak (WS) - pemaura pegaruh utama faktor aak petak S dega pegaruh iteraksi atar dua faktor petak utama (WW) WSS - pemaura pegaruh utama faktor petak utama (W) dega pegaruh iteraksi atar dua faktor aak petak (SS) - pemaura pegaruh utama faktor aak petak S dega pegaruh iteraksi atara faktor petak utama da faktor aak petak (WS) WWSS - pemaura atara WW da SS - pemaura atar WS dega WS yag lai WSSS - pemaura atara WS da SS Matrs S T W = S T BM S T V = S T BQ Z T W = Z T BM Z T V = Z T BQ Z T T = Z T [(1 T s W) (S 1 T )] Z T T = Z T [(1 T s BM) (S 1 T )] Catata: : Kroecker Product : Hadamard Product Perhata aha pada racaga FFSP yag ortogoal diiga B ersifat orthogoal terhadap S, atau B T S = S T B = 0 sehigga pemaura WS da WWS juga erilai 0, da model liear programmig diguaka utuk mecari matrs B yag memiimumka pemaura WSS, WWSS, da WSSS. Pada racaga yag ersifat ear ortogoal, kami tidak megharuska sifat orthogoal B terhadap S sehigga model optimasi diguaka utuk mecari B yag memiimumka kelima jeis pemaura. Berdasarka deskripsi di atas, selajutya dapat dituliska model optimasi pemrograma liear yag diutuhka adalah seagai erut: Fugsi Tujua : Miimumka a 1 g + a 2 s2 2 i1 k1 s i1 k1 g( ) + a 3 h + a 4 s h + a ( ) 5 d + a s2 6 i1 k1 d ( ) + a 7 e + a 8 i1 k1 s2 s e ( ) + a 9 f + a 10 f i1 k1 Dega Kedala: 331

6 Pemaura WS: utuk ( i, k) i =,, s da k =,,, j1 s g 0 s j1 l1 m g 0 j1 s 0 g g g 0 s j1 l1 m g 0 Pemaura WWS: utuk ( i, k) i =,, s da k =,,, 2 j1 s v h 0 s j1 l1 q h 0 j1 s v h 0 h h 0 s j1 l1 q h 0 Pemaura WSS: utuk ( i, k) i =,, s 2 da k =,,, j1 z d 0 z j1 l1 m d 0 j1 z 0 d d d 0 z j1 l1 m d 0 Pemaura WWSS: utuk ( i, k) i =,, s 2 da k =,,, 2 j1 z v e 0 z j1 l1 q e 0 j1 z v e 0 e e 0 z j1 l1 q e 0 Pemaura WSSS: utuk ( i, k) i =,, s 2 da k =,,, s dega u = k/, l = k (u 1) j1 j1 z z t t f f 0 f f 0 zs j1 0 zs j1 ju ju f f 0 zs ju 332 j1 g1 0 zs ju j1 g1 jg jg m m gl gl f f 0 0

7 Karakterist Matrs B st s1 st t1 utuk t 1,2,..., 1 utuk s 1,2,..., st {0, 1} utuk ( s, t) s 1,2,..., ad t 1,2,..., 3. Ilustrasi Pada agia ii kami meampia dua uah ilustrasi utuk memperjelas pedekata yag kami usua dalam peyusua racaga FFSP. Peulis memafaatka PROC OPTMODEL pada SAS/OR utuk meghasia racaga yag diiga. Ilustrasi 1: Racaga 24 ru. Adaa diiga seuah racaga split-plot dega karakterist seagai erut. Tersedia seayak 4 petak utama yag masig-masig memili 6 aak petak sehigga secara total terdapat 24 satua percoaa. Bayakya faktor yag terliat adalah dua faktor petak utama, W1 da W2, serta empat faktor aak petak yaitu S1, S2, S3, S4. Utuk mejalaka metodologi yag kami usua, diperluka dua suracaga yaitu su-racaga petak utama yag merupaka matrs erukura 4 2 da su-racaga aak petak yag erukura Kami megguaka racaga faktorial peuh 2 2 utuk racaga petak utama da dua racaga erukura 24 4 yag tersedia pada Sartoo et al. (i press). Selajutya su-racaga terseut kami jada iput agi model optimasi pemrograma liear yag kami susu. Karea ada dua su-racaga aak petak, kami memperoleh dua uah racaga split-plot, masig-masig kami otasa NO24-1 da NO24-2. Utuk melihat kualitas racaga yag diperoleh kami memadigka hasil yag kami peroleh dega racaga yag ersifat ortogoal yag terdapat pada Sartoo et al. (i press) yag diotasa S24-1 da S24-2. Racaga yag diperoleh dega metode usula ii disaja pada Tael 2, sedagka pada Tael 3 disaja peradiga karakterist kualitas dari racaga terseut dega S24-1 da S24-2. Ada dua hal yag diguaka utuk meilai kualitas dari racaga. Yag pertama adalah ayakya pegaruh yag dapat diduga pada 333

8 eragai model dega jeis iteraksi yag ereda-eda di dalamya. Parameter kualitas ii diiga memili ilai esar yag erarti aha semaki ayak pegaruh yag dapat diduga. Namu ja dua racaga memili ayakya pegaruh yag dapat diduga sama esar, maka parameter kualitas yag kedua yag diperadigka yaitu D-efficiecy model. semaki esar utuk meilai racaga yag semaki a Parameter kedua ii pu diiga Dari Tael 3 tampak aha pedekata ear-orthogoal tidak mampu memera racaga yag leih a ja meliatka su-racaga aak petak omor satu, amu jelas tampak aha ja su-racaga yag kedua hasilya jauh leih a dari racaga orthogoal. Tael 2. Racaga FFSP yag Bersifat Near-Orthogoal megguaka Pedekata yag diusua Petak Utama W1 W2 Aak Petak NO24-1 NO24-2 S1 S2 S3 S4 S1 S2 S3 S

9 Tael 3. Peradiga Karakterist Racaga yag dihasia dega Metode Usula dega Racaga pada Sartoo et al. (i press) Iteraksi dalam S24-1 NO24-1 S24-2 NO24-2 model liear #estimale #estimale #estimal #estimale effects D-Eff effects D-Eff e effects D-Eff effects D-Eff Tidak ada WW SS WS WW SS WW WS SS WS WW SS WS Ilustrasi 2: Racaga 32 rus Pada ilustrasi ii racaga yag igi diagu memili tiga faktor petak utama da lima faktor aak petak. Percoaa yag aka dilakuka dapat meyediaka seayak 8 petak utama yag masig-masig erukura empat sehigga secara total ada 32 satua percoaa. Dega settig seperti itu, maka diperluka su-racaga petak utama erukura 8 3 da su-racaga aak petak erukura Su-racaga petak utama yag kami guaka adalah racaga factorial peuh 2 3, sedagka suracaga aak petak kami guaka racaga faktorial peuh 2 5. Su-racaga yag sama diguaka oleh Sartoo et al. (i press). Hasil racaga yag diperoleh megguaka pedekata yag peulis usua, diotasa NO32, ditampia pada Tael 4. Sedagka karakterist kualitas racaga ditampia pada Tael 5. Pada tael terseut juga ditampia karakterist kualitas dari eerapa racaga ortogoal yag ada diliteratur yaitu ILP32 (dari Sartoo et al. (i press)), H32 (dari Huag et al. (1998)) da C32 (dari Capehart et al. (2011)). Tampak jelas aha racaga ear-orthogoal yag dihasia pada Tael 4 memili leih ayak pegaruh yag dapat diduga, terutama pada model yag meliatka iteraksi atara dua faktor aak petak da iteraksi atara faktor aak petak da faktor petak utama 335

10 Tael 4. Racaga FFSP 32 rus yag Bersifat Near-Orthogoal NO 32 Petak Utama W1 W2 W3 Aak Petak S1 S2 S3 S4 S

11 Tael 5. Peradiga Karakterist Racaga yag dihasia dega Metode Usula dega Beerapa Racaga di Literatur ILP32 H32 C32 Near-Orthogoal Iteraksi #estimale #estimale #estimale #estimal effects D-Eff effects D-Eff effects D-Eff e effects D-Eff Tidak Ada WW SS WS WW SS WW WS SS WS WW SS WS Ucapa Terima Kasih Peelitia ii dilaksaaka atas iaya program Peelitia Uggula Pergurua Tiggi BOPTN Istitut Pertaia Bogor Tahu Peulis meyampaa terima kasih kepada Ditje Dti Kemedud da LPPM IPB atas dukuga pedaaa terseut. DAFTAR PUSTAKA Bigham, D. R. ad Sitter, R. R. (1999). Miimum-aerratio to-level fractioal factorial split-plot desigs. Techometrics, 41: Bigham, D. R., Schoe, E. D., ad Sitter, R. R. (2004). Desigig fractioal factorial splitplot experimets ith fe hole-plot factors. Joural of the Royal Statistical Society, Ser. C (Applied Statistics), 53: Corrigedum, 54: Cook, R.D. & Nachtsheim, C.J. (1982). Model Roust, Liear-Optimal Desigs. Techometrics 24: Goos, P. ad Vaderoek, M. (2003). D-optimal split-plot desigs ith give umers ad sizes of hole plots. Techometrics 45: Huag, P., Che, D., ad Voeel, J. O. (1998). Miimum-aerratio to-level splitplot desigs. Techometrics, 40: Joes, B. & Nachtsheim, C. J. (2009). Split-plot desigs: What, hy, ad ho. Joural of Quality Techology, 41: Joes, B. ad Goos, P. (2007). A cadidate-set-free algorithm for geeratig D-optimal splitplot desigs. Joural of the Royal Statistical Society, Ser. C (Applied Statistics), 56: Li, W. & Nachtsheim, C.J. (2000). Model-Roust Factorial Desigs. Techometrics Volume 42, Issue 4:

12 Sartoo, B., Goos, P., ad Schoe, E. (i press). Costructig Geeral Orthogoal Fractioal Factorial Split-Plot Desigs. (tetatively accepted y Techometrics) Schoe, E.D. (2010). Optimum Desigs Versus Orthogoal Arrays for Mai Effects ad To-Factor Iteractios. Joural of Quality Techology 42:

ALTERNATIF BARU PENYUSUNAN RANCANGAN FRACTIONAL FACTORIAL SPLIT-PLOT

ALTERNATIF BARU PENYUSUNAN RANCANGAN FRACTIONAL FACTORIAL SPLIT-PLOT ALTERNATIF BARU PENYUSUNAN RANCANGAN FRACTIONAL FACTORIAL SPLIT-PLOT Bagus Sartoo, Yei Agraii, Idahwati Dearteme Statista FMIPA Istitut Pertaia Bogor aguso@gmail.om yagraii11@gmail.om idahwati_43@yahoo.o.id

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEBAHASAN 4.. Algoritme utuk etode Kaczmarz etode Kaczmarz merupaka salah satu metode iteratif utuk meyelesaika SPL eretuk Ax = () dega matriks koefisie A erorde N, vektor peyelesaia x erorde

Lebih terperinci

SISTEM PERSAMAAN LINEAR ...

SISTEM PERSAMAAN LINEAR ... SISTEM PERSAMAAN LINEAR Pertemua : 5&6 TUJUAN INSTRUKSIONAL KHUSUS :. Mejelaska pegertia sistem persamaa liear serta solusi dari SPL. Mejelaska cara merepesetasika sistem persamaa liear ke dalam etuk perkalia

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

Rancangan Pengamatan Berulang. Repeated Measurement Design

Rancangan Pengamatan Berulang. Repeated Measurement Design Racaga Pegamata Berulag Repeated Measuremet Desig Pedahulua Repeated measuremet (pegamata berulag) megacu kepada (Clewer & Scarisbrick, 006):. Suatu percobaa dimaa masig-masig uit percobaa meerima perbedaa

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat. L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar

METODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

1 Departemen Statistika FMIPA IPB

1 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan

Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan Semiar Nasioal Statistika IX Istitut Tekologi Sepuluh Nopemer, 7 Novemer 009 Peradiga Metode Pedugaa Kemugkia Maksimum (MLE) da Pedugaa Kuadrat Terkecil (LSE) Dalam Distriusi Keadala I Nyoma Latra, da

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

4/19/2016. Regresi Linier Berganda. Regresi Berganda. Model Regresi Berganda. Model Regresi Berganda. Asumsi Regresi Berganda. Model Regresi Berganda

4/19/2016. Regresi Linier Berganda. Regresi Berganda. Model Regresi Berganda. Model Regresi Berganda. Asumsi Regresi Berganda. Model Regresi Berganda 4/9/06 Regresi Liier Bergada Program Studi Tekik Idustri Uiversitas Brawijaa Ihwa Hamdala, ST., MT SI - Regresi & Korelasi Bergada Regresi Bergada Cotoh SI - Regresi & Korelasi Bergada Meguji huuga liier

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam

Lebih terperinci

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Eksplorasi Algoritma Mass, Profit,, Profit / Mass, atau Profit / utuk Persoala Iteger Kapsack yag Bedaya Berupa Zat Kimia dega Jeisya Terdefiisi Abstrak Riyai Mardikaigrum 1, Nurshati 2, Vaia Karimah 3

Lebih terperinci

Aturan Pencacahan. Contoh: Berapa banyak kemungkinan jalur yang dapat dilalui dari Kota A ke Kota D?

Aturan Pencacahan. Contoh: Berapa banyak kemungkinan jalur yang dapat dilalui dari Kota A ke Kota D? Atura Pecacaha A. Atura Perkalia Jika terdapat k usur yag tersedia, dega: = bayak cara utuk meyusu usur pertama 2 = bayak cara utuk meyusu usur kedua setelah usur pertama tersusu 3 = bayak cara utuk meyusu

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

III. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan April 2014 di BBPTU-HPT Baturraden,

III. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan April 2014 di BBPTU-HPT Baturraden, III. BAHAN DAN METODE A. Waktu da Tempat Peelitia Peelitia ii dilaksaaka pada bula April 014 di BBPTU-HPT Baturrade, Purwokerto. B. Baha da Alat Peelitia Baha peelitia ii yaitu rekordig produksi susu laktasi

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas

BAB III METOE PENELITIAN. penelitian ini, hanya menggunakan kelas eksperimen tanpa adanya kelas BAB III METOE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia eksperime. Karea pada peelitia ii, haya megguaka kelas eksperime tapa adaya kelas cotrol. Peelitia ii megguaka pedekata kuatitatif.

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan 47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research) BAB 2 LANDASAN TEORI 2.1. Operasi Riset (Operatio Research) Meurut Operatio Research Society of Great Britai, operatio research adalah peerapa metode-metode ilmiah dalam masalah yag kompleks da suatu pegelolaa

Lebih terperinci

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas. BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

Entity Relationship Diagram

Entity Relationship Diagram Tahap pembuata ER-Diagram Etity Relatioship Diagram Tahap pembuata ER-Diagram Awal (Prelimiary Desig) Meracag diagram basis data yag dapat megakomodasi kebutuha peyimpaa data terhadap sistem. Tahap Optimasi

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

MATHunesa (Volume 3 No 3) 2014

MATHunesa (Volume 3 No 3) 2014 MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah

Lebih terperinci