REGRESI LINEAR & KORELASI. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung REGRESI
|
|
- Yuliana Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 9/08/0 REGREI LINEAR & KORELAI Elty arvia, T., MT. Fakultas Tknik Jurusan Tknik Industri Univrsitas Kristn Maranatha Bandung REGREI jauh ini,kita hanya mmbuat statistik dngan satu variabl pada waktu trtntu, baik dari populasi mobil,atau Mahasiswa. Dalam bab ini, kita akan mlihat cara mngaitkan variabl, sprti brat badan Mahasiswa, kita cari hubungannya dngan tinggi badan LT arvia/00
2 9/08/0 Rgrsi mua prtanyaan pnting slalu tntang hubungan Contoh dari sjumlah prtanyaan pnting: Apakah tkanan darah mmbri gambaran tntang harapan hidup? Apakah nilai ujian masuk mnggambarkan prstasi di univrsitas?? Apakah mmbaca buku statistik mnjadikanmu pribadi yang lbih baik?? LT arvia/00
3 9/08/0 Contoh dari sjumlah prtanyaan pnting: Apakah prmintaan suatu produk brhubungan dngan harga produk trsbut atau sbaliknya harga suatu produk ditntukan juga olh banyaknya prmintaan trhadap produk trsbut? Apakah prmintaan trhadap suatu produk dipngaruhi olh mningkattnya pndapatan masyarakat? Apakah prsntas klahiran mnurun disbabkan olh mningkatnya psrta KB dan mmbaiknya kshatan ibu? Apa itu Garis Rgrsi? Garis linar yang mnunjukkan pola hubungan antara dua variabl misalnya variabl X dan Y sbnarnya hanya mrupakan garis taksiran yang dipakai untuk mwakili pola sbaran data trsbut LT arvia/00 3
4 9/08/0 TUJUAN REGREI Mnguji pngaruh antara satu variabl trhadap variabl lain JENI-JENI PERAMAAN REGREI. Rgrsi Linir mmpunyai fungsi linir a. Rgrsi Linir drhana b. Rgrsi Linar Brganda. Rgrsi Non Linir mmpunyai fungsi non-liniar mis : parabola,ksponnsial, logaritma dll LT arvia/00 4
5 9/08/0 Variabl Indpndn (X) Ada Variabl Variabl Dpndn (Y) Kjadian prtama dilambangkan dngan variabl X dan kjadian kdua dilambangkan dngan variabl Y. Apabila yang dilibatkan hanya dua variabl X dan Y, maka analisis hubungan trsbut dinamakan rgrsi sdrhana dan korlasi sdrhana. dangkan bila mlibatkan lbih dari dua variabl, misalnya X, X, dan Y maka analisis hubungan trsbut dinamakan rgrsi brganda dan korlasi ganda. REGREI Pada intinya, kgunaan dari rgrsi adalah untuk masalah pramalan / pndugaan variabl tak bbas brdasarkan variabl bbas yang tlah diktahui nilainya, dimana : Variabl tak bbas / variabl dpndnt: lambang Y variabl yg dipngaruhi Variabl bbas / variabl indpndnt: lambang Xvariabl yg mmpngaruhi Variabl bbas X sring disbut sbagai prdiktor, yaitu variabl yang dipakai untuk mmprdiksi nilai Y, sdangkan variabl nilai Y sring disbut variabl yang diprdiksi atau disbut juga variabl trikat. Rgrsi adalah tknik statistik untuk mnntukan prsamaan garis / kurva. LT arvia/00 5
6 9/08/0 Rgrsi Dalam plajaran matmatika, kita mungkin blajar untuk mlihat hubungan yang ditunjukkan dngan grafik. Jika di dik maka y bisa diprdiksi. Ttapi masalahnya statistik tidak bisa spasti itu!. Kita tahu(atau anggaplah kita tahu) bahwa tinggi badan brpngaruh pada brat ttapi itu bukan satusatunya pngaruh. Masih ada bbrapa faktor lain sprti jnis klamin, umur, bntuk tubuh, variasi acak. Y Data tak prnah sbagus ini! X Gambar. Jika di dik, maka y bisa diprdiksi. Analisa Rgrsi Mnysuaikan garis lurus pada scattrplot yang brantakan ini, = indpndn atau pramal, dan y = variabl dpndn atau tanggapan. LT arvia/00 6
7 9/08/0 Rgrsi drhana Rgrsi sdrhana ada yang bntuknya linar dan ada yang bntuknya tidak linar. Untuk mmahami bntuk linar dan bntuk tidak linar, prhatikanlah diagram pncar dari variabl X dan variabl Y yang mncrminkan dua kjadian brikut. Hubungan X dan Y arah (Positif) Linar Gambar. Hubungan X dan Y arah (Positif) Linar Mnunjukkan bahwa pola atau arah hubungan antara variabl X dngan variabl Y adalah sarah (positif) dan Linar. Dalam hal ini knaikan nilai X diikuti dngan knaikan nilai Y atau sbaliknya pnurunan nilai X juga diikuti dngan pnurunan nilai Y scara linar LT arvia/00 7
8 9/08/0 Hubungan X dan Y Brlawanan Arah (Ngatif) Linar Gambar 3 Hubungan X dan Y Brlawanan Arah (Ngatif) Linar. Mnunjukkan bahwa arah hubungan antara variabl X dngan variabl Y adalah brlawanan arah (ngatif) dan Linar. Dalam hal ini bila nilai X naik, maka nilai Y turun, sbaliknya nilai X turun maka nilai Y naik scara linar Hubungan X dan Y Bntuk Kuadrat Mnunjukkan bahwa arah hubungan antara variabl X dngan variabl Y adalah tidak linar, ttapi mngikuti bntuk kuadrat. Gambar 4. Hubungan X dan Y Bntuk Kuadrat LT arvia/00 8
9 9/08/0 Tidak Ada Hubungan Antara X dan Y Mnunjukkan pola yang tidak tratur, shingga tidak ada hubungan antara variabl X dngan variabl Y. Gambar 5. Tidak Ada Hubungan Antara X dan Y Garis Rgrsi Garis Rgrsi atau Rgrsi adalah garis lurus atau garis linar yang mrupakan garis taksiran atau prkiraan untuk mwakili pola hubungan antara variabl X dngan variabl Y. Garis Linar atau garis lurus yang trdapat pada gambar dan gambar 3 mrupakan garis prkiraan atau taksiran yang dipakai untuk mwakili pola sbaran data trsbut. Garis linar yang mwakili sbaran data trsbut dinamakan dngan garis rgrsi. LT arvia/00 9
10 9/08/0 Rgrsi dibagi : REGREI LINEAR Rgrsi didasarkan pada prinsip Last quars ( kuadrat trkcil ), yang mminimasi jumlah rror kuadrat antara nilai obsrvasi ( y i ) dan hasil stimasi dari prsamaan rgrsi ( ŷ i ). i = y i ŷ i ; i =,, 3,..., n Pramalan Rgrsi adalah prsamaan matmatik yg mmungkinkan kita mramalkan nilai-nilai suatu variabl tak bbas dari satu atau lbih nilai-nilai variabl bbas. Y = a + b. X + b. X + b 3. X b n. X n LT arvia/00 0
11 9/08/0 REGREI LINEAR EDERHANA Rgrsi Linar drhana ( impl Linar Rgrssion ) hanya mlibatkan variabl indpndnt untuk mnntukan nilai variabl dpndnt. Prsamaan rgrsi populasi : m Y X = a + b X dimana : a & b = kofisin rgrsi populasi distimasi dr data sampl REGREI LINEAR EDERHANA Ŷ Prsamaan rgrsi sampl : Ŷ = a + b X dimana : Ŷ = nilai-nilai taksiran untuk variabl tak bbas Y X = nilai-nilai variabl bbas a = intrsp / prpotongan dngan sumbu Y bila X=0 b = kofisin arah atau slop / gradin / kmiringan dari garis rgrsi a & b disbut stimator/kofisin rgrsi trsbut a dan b hanyalah taksiran untuk paramtr sbnarnya α dan β yang didasarkan pada sampl sbsar n pngamatan. LT arvia/00
12 9/08/0 Ŷ REGREI LINEAR EDERHANA Modl umum : Y i = m Y X + Є i = a + b X + Є i Estimator : Y i = Ŷ+ i = a + b X + i a, b paramtr rgrsi yang akan diduga dari data sampl a, b pnduga paramtr rgrsi Bntuk prsamaan kurva rgrsi linar lainnya dapat dilihat di : Lland Blank, Chaptr 7.8, Tabl 7.5, pag 505. REGREI LINEAR EDERHANA (Populasi) y Obsrvd Valu of Y for i Prdictd Valu of Y for i Intrcpt = α ( 0, a ) ε i Yi = a + b X + Є i Random Error for this valu lop = β i Gambar 6. Garis Rgrsi Yi = a + b X + Є i LT arvia/00
13 9/08/0 Pnaksiran Modl RL (sampl) Estimatd (or prdictd) y valu Estimat of th rgrssion intrcpt Estimat of th rgrssion slop ŷ i a b Indpndnt variabl Th individual random rror trms i hav a man of zro Intrsp Y Bila X = 0 maka Y = a Y Bila a = 0 maka garis akan mlalui titik (0,0) a. Gambar 7. Intrsp (0,a) Gambar 8. Intrsp (0,0) X X LT arvia/00 3
14 9/08/0 lop lop = kmiringan Y = a + bx Prubahan satuan pada X mngakibatkan prubahan b satuan pada Y, shingga Y mngukur kmiringan/slop garis trsbut. Y lop a satuan b satuan X LT arvia/00 4
15 9/08/0 lop Bila b positif Brtambahnya nilai X mngakibatkan brtambahnya nilai Y Bila b ngatif Brtambahnya nilai X mngakibatkan brkurangnya nilai Y METODE LEAT QUARE Digunakan untuk mmilih prsamaan garis rgrsi brdasarkan kritria jumlah kuadrat rror trkcil ( pnyimpangan trkcil ) / mminimasi JKG ( Jumlah Kuadrat Galat ). Error : pnyimpangan jarak vrtikal antara titik pngamatan dngan garis rgrsi. Populasi = Y Ŷ ampl Є = Y m Y X JKG = ( y - ŷ ) ( y - a - b ) LT arvia/00 5
16 9/08/0 METODE LEAT QUARE Y X Ŷ= a + b X i Є i m Y X = a + b X Gambar 9. Garis Rgrsi Ŷ= a+bx dngan m Y X = a + b X X METODE LEAT QUARE Asumsi asumsi yang digunakan dalam Mtoda Last quar : Variabl X tidak mmiliki rror, karna X adalah variabl bbas ( nilainya ditntukan ). atu nilai X dapat mmiliki bbrapa nilai Y yang brdistribusi normal. Distribusi normal untuk stiap nilai X trsbut adalah saling bbas satu sama lain. Variansi dari distribusi normal masingmasing nilai X adalah sama. Garis rgrsi linar mnghubungi nilai tngah (nilai rata-rata) dari distribusi normal masingmasing nilai X. LT arvia/00 6
17 9/08/0 METODE LEAT QUARE Untuk mnntukan rumus Variansi ( s populasi sampl ), dalam rumus digunakan pmbagi n ; karna drajat kbbasan hilang ktika mngganti a dan b dngan a dan b. METODE LEAT QUARE a n n - n - JKG ( y - ŷ ) n - n - y - b y n y n - n - n - - b y JKG n - y - b n y - y b y - b n n - Prsamaan Rgrsi : Ŷ = a + b X y LT arvia/00 7
18 9/08/0 METODE LEAT QUARE Estimasi Intrval : v = n lang Kprcayaan bagi a : a - t α / n ( n -) α a t α / n ( n -) lang Kprcayaan bagi b : b - t α / n - β b t α / n - METODE LEAT QUARE Estimasi Intrval : v = n lang Kprcayaan bagi m Y Xo : untuk nilai X trtntu! ŷ - t α / n ( - ) ( n -) μ Y Xo ŷ t α / n ( - ) ( n -) lang Kprcayaan bagi yo : untuk nilai X trtntu! ŷ - t α / n ( - ) ( n -) y o ŷ t α / n ( - ) ( n -) LT arvia/00 8
19 9/08/0 METODE LEAT QUARE y mrupakan kovarians dari X dan Y mrupakan simpangan baku dari X y mrupakan simpangan baku dari Y mrupakan variansi dari X y mrupakan variansi dari Y METODE LEAT QUARE Grafik Estimasi Intrval : Grafik stimasi intrval bagi a : Nila I Estimasi batas atas Y Ŷ = a + b X Estimasi Intrval Nila I Estimasi batas bawah Gambar 0. Grafik stimasi intrval bagi a X LT arvia/00 9
20 9/08/0 METODE LEAT QUARE Grafik Estimasi Intrval : Grafik stimasi intrval bagi b : Y Ŷ = a + b X ( X, Y ) X Gambar. Grafik stimasi intrval bagi b METODE LEAT QUARE Grafik Estimasi Intrval : Grafik stimasi intrval bagi m Y X dan Y : Y Y = a + b X m Y X = a + b X Ŷ = a + b X m Y X = a + b X Y = a + b X Gambar. Grafik stimasi intrval bagi m Y X dan Y X LT arvia/00 0
21 9/08/0 Contoh oal : Tabl brikut mnunjukkan tinggi badan (in) dan brat badan (kg) dari mahasiswa Tinggi Badan (X) Brat badan (Y) Buat Diagram pncar. Tntukanlah prsamaan rgrsi dari data trsbut. 3. Dngan tingkat kprcayaan 95 %, tntukan slang kprcayaan bagi paramtr a 4. Dngan tingkat kprcayaan 95 %, tntukan slang kprcayaan bagi paramtr b 5. Dgn tkt. kprcayaan 95 %, tnt. slang kprcayaan bagi paramtr m Y Xo ; untuk X = Dgn tkt. kprcayaan 95 %, tnt. slang kprcayaan bagi paramtr Y0 ; untuk X = 60 Jawab Contoh oal. Buat dulu diagram pncarnya yaitu sbb : Diagram Pncar LT arvia/00
22 9/08/0 Jawab Contoh oal. Tntukan garis rgrsi bagi data dalam tabl diatas : ( latihan dngan prog. kalkulator ) Brdasarkan data diatas, diktahui bahwa : i i i i.850 y 80 y i i i i i y n = i i 54,67 y 66,833 n b 0,3 n y - y - ( *4.58 ) - (.850*80) ( * ) - (.850 ) b LATIHAN DENGAN KALKULATOR Casio f-4500pa Mod LR =Linar Rgrssion hift AcMcl = buat clar data yang ada dalam kalkulator. Masukkan data 70(X),55(Y) M+, samp n ndf = i i = di kalkulator = Xsn- y = di kalkulator = Ysn- LT arvia/00
23 9/08/0 Jawab Contoh oal a a y - b 3,07 66,833- ( 0,3*54,66 ) Jadi, prsamaan rgrsinya adalah : Ŷ = a + b X Ŷ = 3,07+ 0,3 Jawab Contoh oal 3. Dngan tingkat kprcayaan 95 %, tntukan slang kprcayaan bagi paramtr a : Brdasarkan data diatas, diktahui bahwa : n n - n - 4,787 5,55 ( * ) - (.850 ) ( -) 4,787 y y n y n - n - y 7,44 4,74 ( *53.79 ) - ( 80 ) ( -) 7,44 n - n b 7,44 - ( 0,3 * 4,787 ) 5,097,5 y - 5,097 LT arvia/00 3
24 9/08/0 Jawab Contoh oal a = 0,05 ( arah ) v = n = = 0 t a / =,8 a - t α / n ( n -) α a t α / n ( n -),8*,5* ,8*,5* ,07 - α 3,07 5,55 ( -) 5,55 ( -) 6,567 α 35,646 Jawab Contoh oal 4. Dngan tingkat kprcayaan 95 %, tntukan slang kprcayaan bagi paramtr b : a = 0,05 ( arah ) t v = n = = 0 a / =,8 b - t α / β n - b n -,8*,5,8*,5 0,3- β 0,3 5,55-5,55-0,3 β 0,37 t α / LT arvia/00 4
25 9/08/0 Jawab Contoh oal 5. Dgn tkt. kprcayaan 95 %, tnt. slang kprcayaan bagi paramtr m Y Xo ; untuk X = 70 : a = 0,05 ( arah ) v = n = = 0 t a / =,8 X = 70 Ŷ = 3,07+ 0,3 Ŷ = 3,07+ ( 0,3* 70 ) = 70,07 ŷ - t α / ( - ) n ( n -) ŷ t (70-54,67 ) 70,07 -,8*,5* ( -) * ,759 μ 7,655 μ Y Xo Y Xo α / μ ( - ) n ( n -) Y Xo 70,07,8*,5* (70-54,67 ) ( -) * 4.78 Jawab Contoh oal 6. Dgn tkt. kprcayaan 95 %, tnt. slang kprcayaan bagi paramtr Y0 ; untuk X = 70 a = 0,05 ( arah ) v = n = = 0 X = 70 Ŷ = 3,07+ 0,3 ŷ - t α / ( - ) n ( n -) 70,07 -,8*,5 y o t a / =,8 Ŷ = 3,07+ ( 0,3* 70 ) = 70,07 ŷ (70-54,67 ) ( -) * ,989 y 75,45 o t α / ( - ) n ( n -) y o 64,36... LT arvia/00 5
26 9/08/0 Apa jadinya kalau Bruc L hanya mmbaca buku kungfu? Maka, amalkanlah ilmu mulai saat ini juga INFERENIA / HIPOTEI MENGENAI KOEFIIEN REGREI Disamping mnaksir hubungan linar antara dan y untuk tujuan prdiksi orang yang mlakukan prcobaan (pnliti) mungkin pula ingin mnarik infrnsia mngnai prpotongan rgrsi dngan sumbu y dan tanjakan (kofisin arah) dngan mnggunakan asumsi bahwa i (i=,, n) brdistribusi normal shingga Yi juga brdistribusi normal. Trdiri dari yaitu Infrnsia bagi a intrsp dan Infrnsia bagi b (lop). LT arvia/00 6
27 9/08/0 INFERENIA / HIPOTEI MENGENAI KOEFIIEN REGREI Infrnsia bagi a intrsp : Infrnsia bagi a intrsp : mnyatakan prpotongan garis rgrsi dngan sumbu y Prhatikan bahwa lambang α disini brbda artinya dngan taraf kbrartian/nyata. hingga lambang α disini digunakan untuk mnyatakan dua hal yang sama skali tidak brkaitan, prtama sbagai taraf kbrartian dan kdua sbagai prpotongan garis rgrsi dngan sumbu y. INFERENIA / HIPOTEI MENGENAI KOEFIIEN REGREI Infrnsia bagi a intrsp :. truktur Hipotsis : H0 :a = a 0 H :a a 0 ; a > a 0 ; a < a 0. Taraf nyata : a 3. tatistik Uji : t ( a - α 0 ) n ( n -) 4. Wilayah Kritis : a =... v = n = Kputusan : Trima H 0 atau Tolak H 0 6. Ksimpulan t a =... atau : t a / =... ( arah ) ( arah ) LT arvia/00 7
28 9/08/0 INFERENIA / HIPOTEI MENGENAI KOEFIIEN REGREI Infrnsia bagi b (lop): Infrnsia bagi b (slop) : mnyatakan tanjakan atau kofisin arah INFERENIA / HIPOTEI MENGENAI KOEFIIEN REGREI Infrnsia bagi b (lop):. truktur Hipotsis : H0 :b = b 0 H :b b 0 ; b > b 0 ; b < b 0. Taraf nyata : a 3. tatistik Uji : t ( b - b 0 ) n - 5. Kputusan : Trima Ho atau Tolak Ho 6. Ksimpulan 4. Wilayah Kritis : a =... v = n =... t a =... atau : t a / =... ( arah ) ( arah ) LT arvia/00 8
29 9/08/0 Contoh oal : 7. Dngan mnggunakan taksiran a yang tlah diprolh pada contoh, ujilah hipotsis bahwa α =0 pada taraf nyata 0,05. Diktahui dari contoh bahwa a = - 6,04 a. truktur Hipotsis : Ho :a = 0 H :a 0 b. Taraf nyata : a = 0,05 c. tatistik Uji : t ( a - α t 5,68 d. Wilayah Kritis : Contoh oal : 0 ) n ( n -) ( 3,07-0 ) *5,55*, ( -) a = 0,05 a/ = 0,05 v = n = = 0 5,68 t a / = ±,8 ( arah ). Kputusan : Tolak H 0,8,8 f. Ksimpulan : bahwa a = 0 adalah tidak bnar, pada taraf nyata 0,05 LT arvia/00 9
30 9/08/0 Dari soal no. diprolh bahwa slang kprcayaan bagi α : 6,567 α 35,646 Dan pngujian hipotsis mnyatakan bahwa bahwa a = 0 adalah tidak bnar, pada taraf nyata 0,05 Contoh oal : 8. Dngan mnggunakan taksiran b yang tlah diprolh pada contoh, ujilah hipotsis bahwa sorang pnliti branggapan bahwa pngaruh tinggi badan trhadap brat badan adalah lbih kcil dari 0,3 dngan mnggunakan α = 0,05 Diktahui dari contoh bahwa b = 0,3 a. truktur Hipotsis : H0 :b = 0,3 H :b > 0,3 b. Taraf nyata : a = 0,05 LT arvia/00 30
31 9/08/0 c. tatistik Uji : t Contoh oal : ( b - b0 ) t -,6045 d. Wilayah Kritis : ( n -) ( 0,3-0,3 ) *5,55*,5 ( -) a = 0,05 v = n = = 0 t a = +,8 ( arah ) -,6045,8. Kputusan : Trima H 0 f. Ksimpulan : bahwa anggapan pnliti mngnai pngaruh tinggi badan trhadap brat badan lbih kcil dari 0,3 adalah bnar pada taraf nyata 0,05. Dari soal no. diprolh bahwa slang kprcayaan bagi β : 0,3 β 0,37 Dan pngujian hipotsis mnyatakan bahwa bahwa b < 0,3 adalah bnar pada taraf nyata 0,05 LT arvia/00 3
32 9/08/0 Contoh oal : 9. Idm soal no 3 dngan sorang pnliti branggapan bahwa pngaruh tinggi badan trhadap brat badan adalah lbih kcil dari 0,5 dngan mnggunakan α = 0,05 Diktahui dari contoh bahwa b = 0,3 a. truktur Hipotsis : Ho :b = 0,5 H :b > 0,5 b. Taraf nyata : a = 0,05 c. tatistik Uji : t t Contoh oal : ( b - b0 ) - 6,888 ( n -) ( 0,3-0,5) *5,55*,5 ( -) d. Wilayah Kritis : a = 0,05 a/ = 0,05 v = n = = 0 t a / = +,8 ( arah ) -6,888,8. Kputusan : Trima H 0 f. Ksimpulan : bahwa anggapan pnliti mngnai pngaruh tinggi badan trhadap brat badan lbih kcil dari 0,5 adalah tidak bnar pada taraf nyata 0,05. LT arvia/00 3
33 9/08/0 Dari soal no. diprolh bahwa slang kprcayaan bagi β : 0,3 β 0,37 Dan pngujian hipotsis mnyatakan bahwa bahwa b < 0,5 adalah bnar pada taraf nyata 0,05 DON T BE A BABY Dalam krja sama, Anda juga ttap harus mmiliki kmandirian. Coba dulu smua cara. Baru minta bantuan orang lain. Ktika mminta bantuan, tunjukkan apa saja usaha yang tlah dilakukan LT arvia/00 33
34 9/08/0 oal Rsponsi. Data pada suatu pabrik krtas mnunjukkan bahwa banyaknya krtas rusak ada hubungannya dngan kcpatan broprasi msin ctak. Kcpatan msin prmnit 8, 0, 0,8 0,9 3, 3, 3,8 4,9 5,8 6,4 7,4 Jumlah Krusakan Krtas (Lmbar) 6 7 7,5 5,7 7 9,6 9,4 9,, 9,4.3 a. Tntukan prsamaan rgrsi linar dngan mmakai mtod kuadrat trkcil! b. Brapa prkiraan jumlah krtas yang rusak bil a kcpatan msin pr mnit adalah 8,5? c. Hitunglah intrval kprcayaan intrsp α dan slop β d. Hitunglah intrval kprcayaan intrsp m YІo dan Yo untuk =9,. Dngan mnggunakan taksiran a yang tlah diprolh, ujilah hipotsis bahwa α <-0,8 dan β > 0,5 pada taraf nyata 0,05 oal Rsponsi. Brikut ini disajikan data mngnai laju prtumbuhan sktor konomi dan sktor industri(dalam prsn) dari tahun 99 s/d 00 Tahun Laju prtumbuhan sktor konomi Laju prtumbuhan sktor industri a. Buatlah diagram pncar data trsbut. Bagaimana arahnya? b. Tntukanlah prsamaan rgrsinya! c. Apa artinya kofisin a dan b pada prsamaan rgrsi yang diprolh dari hasil prhitungan trsbut? d. Brapa proyksi prtumbuhan sktor konomi bila laju prtumbuhan sktor industri pada tahun 003 adalah 8,5%?. Hitunglah intrval kprcayaan intrsp α dan slop β f. Hitunglah intrval kprcayaan intrsp m YІo dan Yo untuk =9 g. Dngan mnggunakan taksiran a yang tlah diprolh, ujilah hipotsis bahwa α >0 dan β < 0,5 pada taraf nyata 0,05 LT arvia/00 34
35 9/08/0 OPINI Pran ilmu pngtahuan yang diprolh dari kuliah adalah sangat pnting, trutama pada awal karir ssorang. Pada tahap slanjutnya, baru soft skills yang sangat mnonjol kbutuhannya. makin tinggi posisi ssorang, smakin canggih soft skills yang dibutuhkan. Zulkifli Zaini Dirktur Distribution Ntwork PT Bank Mandiri Alumnus Tknik ipil ITB REGREI LINEAR & KORELAI () Elty arvia, T., MT. Fakultas Tknik Jurusan Tknik Industri Univrsitas Kristn Maranatha Bandung JADIKAN KULIAH EBAGAI INVETAI!. oft skills dapat dilatih sjak sblum lulus kuliah. Untuk mngasah soft skills, simbangkan aktivitas akadmik & non akadmik 3. Jangan hanya lulus dngan glar saja! LT arvia/00 35
36 9/08/0 UJI KELINEARAN REGREI Dalam jnis prcobaan trtntu si pnliti dapat mlakukan pngulangan pngamatan pada rspon untuk stiap nilai X. Kndati pngulangan pngukuran ini tidaklah diprlukan untuk mnaksir α dan β ttapi pngulangan ini mmungkinkan diprolhnya informasi kuantitatif untuk mlihat kcocokan modl. Jadi bila trsdia pngulangan pngukuran, maka pngujian kbrartian dapat dilakukan untuk mnntukan apakah modl ssuai atau tidak. UJI KELINEARAN REGREI I. Uji Infrnsia bagi nilai lop ( b ) : Prosdur Uji Klinaran Rgrsi :. truktur Hipotsis : H 0 :b = 0 ( Garis rgrsinya tidak linar ) H :b 0 ( Garis rgrsinya linar ). Taraf nyata : a 3. tatistik Uji : t ( b - b0 ) n - ( b ) n - LT arvia/00 36
37 9/08/0 UJI KELINEARAN REGREI () I. Uji Infrnsia bagi nilai lop ( b ) : Prosdur Uji Klinaran Rgrsi : 4. Wilayah Kritis : a =... a/ =... v = n =... t a =... ( arah ) t a / =... ( arah ) t a / t a / 5. Kputusan : Trima H 0 atau Tolak H 0 6. Ksimpulan II. UJI KELINEARAN REGREI Uji F. truktur Hipotsis : H 0 :Garis rgrsinya linar H :Garis rgrsinya tidak linar. Taraf nyata : a 3. tatistik Uji : Hitung nilai n i untuk stiap X i ( jumlah sampl untuk tiap data X ) Jumlahkan nilai Y i untuk tiap n i dari X i ( jumlah nilai Yi dari tiap data Xi ) Hitung nilai X dan X χ χ Y i ni Yi j - - Y n Y i ni - b ( n -) LT arvia/00 37
38 9/08/0 II. UJI KELINEARAN REGREI Uji F 3. tatistik Uji : Hitung nilai tatistik Uji F : f χ χ / ( k - ) / ( n - k ) 4. Wilayah Kritis : a =... v = k =... v = n k =... f a =... dimana : k : jumlah nilai X i yang brbda n : jumlah data / sampl II. UJI KELINEARAN REGREI Uji F 4. Wilayah Kritis : Wilayah Kritis : f > f a f a 5. Kputusan : Trima H 0 atau Tolak H 0 6. Ksimpulan LT arvia/00 38
39 Analisis Variansi untuk Pngujian Klinaran rgrsi Analisis Variansi untuk Pngujian Klinaran rgrsi 9/08/0 UJI KELINEARAN REGREI III. Uji ANOVA :. truktur Hipotsis : H 0 :Garis rgrsinya tidak linar H :Garis rgrsinya linar. Taraf nyata : a 3. tatistik Uji : Hitung nilai R dan E : R = b ( n ) E = ( n ) Hitung nilai MR dan ME : MR R ME E n - UJI KELINEARAN REGREI III. Uji ANOVA : 3. tatistik Uji : usun tabl prhitungan ANOVA : umbr Variansi um of quar Drajat Kbbasan Man quar tatistik Uji Rgrsi R MR MR f Error E n - ME ME 4. Wilayah Kritis : a =... v = v = n =... Wilayah Kritis : f > f a f a = Kputusan : Trima H 0 atau Tolak H 0 6. Ksimpulan f a LT arvia/00 39
40 Prosdur Uji Klinaran Rgrsi : Prosdur Uji Klinaran Rgrsi : 9/08/0 UJI KELINEARAN REGREI IV. Uji Hipotsa Kofisin Korlasi ( R ) :. truktur Hipotsis : H 0 :r = 0 ( Garis rgrsinya tidak linar ) H :r 0 ( Garis rgrsinya linar ). Taraf nyata : a 3. tatistik Uji : lihat tabl 8., hlm. 5, Lland Blank Ukuran ampl Nilai r 0 dlm H 0 tat. Uji Rumus Kcil ( n < 30 ) Bsar ( n 30 ) Bsar ( n 30 ) 0 t 0 z Bukan 0 z Z r t r Z n - - r n - - r n - 3 r r 0 ln - r r0 UJI KELINEARAN REGREI () IV. Uji Hipotsa Kofisin Korlasi ( R ) : 4. Wilayah Kritis : a =... a/ =... v = n =... ( untuk t a / ) t a / =... ( arah ) ; atau : z a / =... ( arah ) Kputusan : Trima H 0 atau Tolak H 0 6. Ksimpulan LT arvia/00 40
41 9/08/0 Contoh oal 0. Brdasarkan contoh soal no mngnai tinggi badan (in) dan brat badan (kg) dari mahasiswa. Jika digunakan tingkat kprcayaan sbsar 95 %, lakukan pngujian klinaran rgrsi, dgn : a. Uji lop ( b ) b. Uji F c. Uji ANOVA d. Uji Kofisin Korlasi Jawab : Brdasarkan hasil prhitungan sblumnya, diktahui bahwa : i i i i.850 y 80 y i i b = 0,3 X = 5,55 =,5 a = 3,07 Y = 4,74 i i i y n = i i 54,67 y 66,833 LT arvia/00 4
42 9/08/0 UJI KELINEARAN REGREI I. Uji Infrnsia bagi nilai lop ( b ) :. truktur Hipotsis : H 0 :b = 0 ( Garis rgrsinya tidak linar ) H :b 0 ( Garis rgrsinya linar ). Taraf nyata : a tatistik Uji : t ( b - b0 ) n - ( b ) n - t ( b ) n - ( 0,3) 5,55,5-5,7 UJI KELINEARAN REGREI () I. Uji Infrnsia bagi nilai lop ( b ) : 4. Wilayah Kritis : a = 0.05 a/ = 0.05 v = n = -=0 t a / = ±,8 ( arah ) 5, Kputusan : Tolak Ho 6. Ksimpulan : bahwa garis rgrsinya linar, pada taraf nyata 0,05 LT arvia/00 4
43 9/08/0 II. UJI KELINEARAN REGREI Uji F. truktur Hipotsis : H 0 :Garis rgrsinya linar H :Garis rgrsinya tidak linar. Taraf nyata : a tatistik Uji : Hitung nilai n i untuk stiap X i ( jumlah sampl untuk tiap data X ) Jumlahkan nilai Y i untuk tiap n i dari X i ( jumlah nilai Y i dari tiap data X i ) X Y 3 n = 6 35 n = n 3 = n 4 = n 5 = 63 5 n 6 = n 7 = n 8 = n 9 = n 0 = n = n = 7 N = Y i = 850 k= II. UJI KELINEARAN REGREI Uji F χ χ χ χ χ χ χ Yi n ,09 0 i 3. tatistik Uji : - Hitung nilai X dan X Y n b ( n -) Y i Yi j - ni (0,3 ) ( -) (5,55 ) LT arvia/00 43
44 9/08/0 II. UJI KELINEARAN REGREI Uji F 3. tatistik Uji : Hitung nilai tatistik Uji F : χ χ / ( k - ) / ( n - k ) - 40,09 / ( - ) 0 / ( - ) f 0 4. Wilayah Kritis : a = 0.05 v = k = 0 v = n k = 0 f a =?? dimana : k : jumlah nilai X i yang brbda n : jumlah data / sampl II. KAU LAIN Uji F. truktur Hipotsis : H 0 :Garis rgrsinya linar H :Garis rgrsinya tidak linar. Taraf nyata : a tatistik Uji : Hitung nilai n i untuk stiap X i ( jumlah sampl untuk tiap data X ) Jumlahkan nilai Y i untuk tiap n i dari X i ( jumlah nilai Y i dari tiap data X i ) X = 60 n = Y = 35 = 35 X = 6 n = Y = 3 = 3 X 3 = 63 n 3 = Y 3 = 50 = 50 X 4 = 65 n 4 = Y 4 = = 99 X 5 = 66 n 5 = Y 5 = 56 = 56 X 6 = 67 n 6 = Y 6 = 45 = 45 X 7 = 68 n 7 = Y 7 = 5 = 5 X 8 = 70 n 8 = Y 8 = = 33 X 9 = 7 n 9 = Y 9 = 80 = 80 X 0 = 74 n 0 = Y 0 = 78 = 78 + N = Y i = 850 X Y k=0 LT arvia/00 44
45 9/08/0 II. UJI KELINEARAN REGREI Uji F χ χ χ χ χ χ χ 35 Yi n 367, i 3 Y 3. tatistik Uji : i j Hitung nilai X dan X Y n b ( n -) 99 Yi n i (3, ) ( -) (4,74 ) II. UJI KELINEARAN REGREI Uji F 3. tatistik Uji : Hitung nilai tatistik Uji F : χ χ / ( k - ) / ( n - k ) 367,64 / (0 - ) 305 / ( -0 ) f 0,30 4. Wilayah Kritis : a = 0.05 v = k = 8 v = n k = f a = 9,37 dimana : k : jumlah nilai X i yang brbda n : jumlah data / sampl LT arvia/00 45
46 9/08/0 II. UJI KELINEARAN REGREI Uji F 4. Wilayah Kritis : 0,30 Wilayah Kritis : f > f a Wilayah Kritis : f > 9,37 9,37 5. Kputusan : Trima H 0 6. Ksimpulan : bahwa garis rgrsinya linar, pada taraf nyata 0,05 UJI KELINEARAN REGREI III. Uji ANOVA :. truktur Hipotsis : H 0 :Garis rgrsinya tidak linar H :Garis rgrsinya linar. Taraf nyata : a tatistik Uji : Hitung nilai R dan E : R = b ( n ) = 0,3 ( ) 4.78 = 7.90,49 E = ( n ) = ( ),5 = 50,65 Hitung nilai MR dan ME : R MR E ME n ,49 50, ,065 LT arvia/00 46
47 9/08/0 UJI KELINEARAN REGREI III. Uji ANOVA : 3. tatistik Uji : usun tabl prhitungan ANOVA : umbr Variansi Rgrsi um of quar 7.90, 49 Drajat Kbbasan Man quar 7.90, 49 Error 50,65-5, Wilayah Kritis : a = 0.05 v = f a = 4,96 v = = 0 Wilayah Kritis : f > f a 4,96 tatistik Uji MR 7.90,49 f 5.64,6 ME 5,065 4, ,6 5. Kputusan : Tolak H 0 6. Ksimpulan :bahwa garis rgrsinya linar, pada taraf nyata 0,05 UJI KELINEARAN REGREI IV. Uji Hipotsa Kofisin Korlasi ( R ) :. truktur Hipotsis : H 0 :r = 0 ( Garis rgrsinya tidak linar ) H :r 0 ( Garis rgrsinya linar ). Taraf nyata : a tatistik Uji : Uji t ( n kcil ) r b X Y 5,55 0,3* 4,74 0,85685 hubungan kuat t r n - - r 0, , ,55 LT arvia/00 47
48 9/08/0 UJI KELINEARAN REGREI () IV. Uji Hipotsa Kofisin Korlasi ( R ) : Prosdur Uji Klinaran Rgrsi : 4. Wilayah Kritis : a = 0.05 a/ = 0.05 v = = 0 ( untuk t a / ) t a/ = ±,8 ( arah ) 5, Kputusan : Tolak H 0 6. Ksimpulan : bahwa garis rgrsinya linar, pada taraf nyata 0,05 7 Ara oft kills : Winning Charactristics* * Mnurut Patrick O Brin dalam bukunya Making Collg Count LT arvia/00 48
49 9/08/0 KORELAI LINEAR Kofisin Korlasi ( r ) digunakan untuk mngukur kkuatan hubungan antara variabl, tapi tidak mnggambarkan hubungan sbab-akibat. Rang : - r + Apabila nilai r = + Apabila nilai r = Apabila nilai r = 0 Apabila nilai r makin mndkati + Apabila nilai r makin mndkati : maka hubungan positif smpurna antara variabl : maka hubungan ngatif smpurna antara variabl : maka tidak ada hubungan antara variabl : maka hubungan variabl makin kuat positif : maka hubungan variabl makin kuat ngatif HUBUNGAN KUAT DAN LEMAHNYA UATU KORELAI Korlasi ngatif smpurna Korlasi ngatif sdang Tidak ada Korlasi Korlasi positif sdang Korlasi positif smpurna Korlasi ngatif kuat Korlasi ngatif lmah Korlasi positif lmah Korlasi positif kuat -,0-0,5 0,0 0,5,0 Korlasi ngatif Korlasi positif kala r LT arvia/00 49
50 9/08/0 KOEFIIEN KORELAI Gambar 3. Kofsin Korlasi Positif (mpurna) Gambar 4. Kofsin Korlasi Ngatif (mpurna) Gambar 5. Kofsin Korlasi r=0 Gambar 6. Kofisin Korlasi Positif Gambar 7 Kofisin Korlasi Ngatif KORELAI LINEAR Rumus Kofisin Korlasi ( r ) : r n n y - y b y n y - y - Kofisin Dtrminasi ( r ) : mnunjukkan brapa % kragaman nilai Y dapat dijlaskan olh hubungan linarnya dngan X. LT arvia/00 50
51 9/08/0 Contoh oal no. Kofisin Korlasi ( r ) = 0,85685 maka trdapat hubungan linar yang kuat antara tinggi badan mahasiswa dngan brat badan mahasiswa. Kofisin Dtrminasi ( D ) = r = 0,85685 = 0,734= 73,4% Artinya variasi brat badan (Y) dapat yang dapat dijlaskan olh variasi tinggi badan (X) mahasiswa olh prsamaan rgrsi Ŷ=3,07+0,3 adalah sbsar 73,4%. isanya sbsar 6,58 % dijlaskan faktor lain diluar variabl pada prsamaan rgrsi trsbut. Ada jurang antara matri kuliah dan dunia nyata Dalam bidang apapun Anda brkarir, banyak hal baru yang harus diplajari LT arvia/00 5
52 9/08/0 OAL REPONI () 3. Brdasarkan oal no. diatas (soal Rsponsi), dngan mnggunakan taraf nyata 0 % : a. Ujilah kliniran prsamaan rgrsinya dngan mnggunakan 4 buah cara diatas! b. Hitung nilai kofisin korlasi dan kofisin dtrminasi untuk soal diatas! Jlaskan! 4. Brdasarkan oal no. diatas ( oal Rsponsi), dngan mnggunakan taraf nyata 5 % : (tidak linar) a. Ujilah kliniran prsamaan rgrsinya dngan mnggunakan 4 buah cara diatas! b. Hitung nilai kofisin korlasi dan kofisin dtrminasi untuk soal diatas! Jlaskan! OPINI Apapun yang kita mau, harus disadar rsourc kita trbatas. Jadi, kita harus m-manag; bagaimana mngatur waktu, tnaga, uang dan sgala macam. Tapi, mnntukan tujuan k mana kita prgi, adalah hal prtama yang harus dilakukan. Palgunadi T. tyawan Mantan Dirut PT Astra Intrnational Alumnus Tknik Msin ITB 57 LT arvia/00 5
53 ktor Industri Jumlah Krusakan Krtas (Lmbar) 9/08/0 oal Rsponsi. Data pada suatu pabrik krtas mnunjukkan bahwa banyaknya krtas rusak ada hubungannya dngan kcpatan broprasi msin ctak. Kcpatan msin prmnit 8, 0, 0,8 0,9 3, 3, 3,8 4,9 5,8 6,4 7,4 Jumlah Krusakan Krtas (Lmbar) 6 7 7,5 5,7 7 9,6 9,4 9,, 9,4.3 a. Tntukan prsamaan rgrsi linar dngan mmakai mtod kuadrat trkcil! b. Brapa prkiraan jumlah krtas yang rusak bil a kcpatan msin pr mnit adalah 8,5? c. Hitunglah intrval kprcayaan intrsp α dan slop β d. Hitunglah intrval kprcayaan intrsp m YІo dan Yo untuk =9,. Dngan mnggunakan taksiran a yang tlah diprolh, ujilah hipotsis bahwa α <-0,8 dan β > 0,5 pada taraf nyata 0, Laju prtumbuhan sktor industri 7, 5 0 3, 5, 6, 6, 9 7, 3 7, 0 8, 9 5 4,, ktor Ekonomi 4 Jumlah Krusakan Krtas (Lmbar) , 6 0.8, , 7, 7 0.9, ,. 7.4,.3 6.4,.4 3., 3., , , Kcpatan msin prmnit LT arvia/00 53
54 9/08/0 oal Rsponsi. Brikut ini disajikan data mngnai laju prtumbuhan sktor konomi dan sktor industri(dalam prsn) dari tahun 99 s/d 00 Tahun Laju prtumbuhan sktor konomi Laju prtumbuhan sktor industri a. Buatlah diagram pncar data trsbut. Bagaimana arahnya? b. Tntukanlah prsamaan rgrsinya! c. Apa artinya kofisin a dan b pada prsamaan rgrsi yang diprolh dari hasil prhitungan trsbut? d. Brapa proyksi prtumbuhan sktor konomi bila laju prtumbuhan sktor industri pada tahun 003 adalah 8,5%?. Hitunglah intrval kprcayaan intrsp α dan slop β f. Hitunglah intrval kprcayaan intrsp m YІo dan Yo untuk =9 g. Dngan mnggunakan taksiran a yang tlah diprolh, ujilah hipotsis bahwa α >0 dan β < 0,5 pada taraf nyata 0,05 oal QUIZ 3. Tabl dibawah ini mnunjukkan dua nilai prtama, yang masing-masing ditandai olh X dan Y brturut-turut, dari 0 orang Mahasiswa pada nilai Quiz singkat untuk mata plajaran Akuntansi Biaya. Nilai Quiz oal k Nilai Quiz oal k a. Tnt. prsamaan garis rgrsi-nya b. Ujilah hipotsis nilai intrsp dan slop-nya, dngan hipotsis altrnatif : a 0 & b 0. c. Hitung intrval slang kprcayaan (a) dan (b), srta m YXo dan Y O ( untuk X = 4 ) LT arvia/00 54
55 9/08/0 oal QUIZ? 3. Data pada tabl brikut mnyajikan bsarnya pndapatan dan pngluaran suatu ngara (dalam jutaan dolar) dari tahun 999 sampai dngan 008. Tahun Bsar Pndapatan 4,7 4,5 4,7 4,9 5, 5,4 5,8 6,5 6,7 7 Bsar Pngluaran 4, 4 4,5 4,3 5 5,3 5,7 5,9 6,3 6,8 a. Mana yang tpat mrupakan variabl X dan Variabl Y? Mngapa? b. Buatlah diagram pncar data trsbut. Bagaimana pola pnybarannya? c. Tntukanlah prsamaan rgrsinya! d. Apa artinya kofisin a dan b pada prsamaan rgrsi yang diprolh dari hasil prhitungan trsbut? Apakah b cocok dngan pola pnybaran data? Jlaskan! LT arvia/00 55
Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciBAB I METODE NUMERIK SECARA UMUM
BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciHUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS
18Novmbr 17 Tma 7: Ilmu-Ilmu Murni (Matmatika, Fisika, Kimia dan Biologi) HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS Olh Agung Prabowo
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciPROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX
Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.
Lebih terperinciIV. Konsolidasi. Pertemuan VII
Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh
Lebih terperinciANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA
ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciII. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf
II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan
Lebih terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperincimodel pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag
Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat
Lebih terperinciPERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL
J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik
Lebih terperinciBab 6 Sumber dan Perambatan Galat
Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang
BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.
Lebih terperinciAnalisis Rangkaian Listrik
Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan
Lebih terperinci8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik
8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna
Lebih terperinciUci Sri Sundari STIE Kusuma Negara Indra Isharyanto.
Url : http://aktiva.sti-kusumangara.ac.id - Vol I, No. Dsmbr 27 PENGAUH KEPUTUSAN INVESTASI, KEPUTUSAN PENDANAAN DAN KEBIJAKAN DIVIDEN TEHADAP NILAI PEUSAHAAN PADA PEUSAHAAN OOD AND BEVEAGE YANG TEDATA
Lebih terperinci1. Proses Normalisasi
BAB IV PEMBAHASAN A. Pr-Procssing Pross pngolahan signal PCG sblum dilakukan kstaksi dan klasifikasi adalah pr-procssing. Signal PCG untuk data training dan data tsting trdapat dalam lampiran 5 (halaman
Lebih terperinciIntegral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma
Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk
Lebih terperinciPENENTUAN NILAI e/m ELEKTRON
Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga
Lebih terperinciANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS)
ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P0 JURUSAN SENEN LEBAK BULUS) Nincy Ayu Lstari 1 Nahdalina Fakultas Tknik Sipil Univrsitas
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network
JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi
Lebih terperinciMINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN
Artikl Skripsi MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN SKRIPSI Diajukan Untuk Mmnuhi Sbagian Syarat Guna Mmprolh Glar Sarjana Pndidikan (S.Pd.) Pada Jurusan
Lebih terperinciReduksi data gravitasi
Modul 5 Rduksi data gravitasi Rduksi data gravitasi trdiri dari:. Rduksi g toritis. Rduksi fr air 3. Rduksi Bougur 4. Rduksi mdan/trrain. Rduksi g toritis Pnlaahan tntang konsp rduksi data gravitasi lbih
Lebih terperinciBAB II TINJAUAN PUSTAKA. fungsi dari faktor produksi adalah fungsi dari modal (capital) dan tenaga kerja
BAB II TINJAUAN USTAKA 2.1. Landasan Tori 2.1.1. nawaran Agrgat nawaran Agrgat atau Aggrgat Supply adalah jumlah total dari barang dan jasa yang ditawarkan dalam suatu prkonomian pada tingkat harga. Modl
Lebih terperinciPertemuan XIV, XV VII. Garis Pengaruh
ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui
Lebih terperinciKonsolidasi http://www.pwri.go.jp/ http://www.ashirportr.org Pmbbanan tanah jnuh brprmabilitas rndah akan mnaikkan tkanan air pori Air akan mngalir k lapisan tanah dngan tkanan pori yg lbih rndah Prmabilitas
Lebih terperinciVI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH
VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...
Lebih terperinciMateri ke - 6. Penggunaan Integral Tak Tentu. 30 Maret 2015
Matri k - 6 Pnggunaan Intgral Tak Tntu 30 Mart 015 Industrial Enginring UNS ko@uns.ac.id Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna difrnsial Contoh '
Lebih terperinciGiyarni 1), Maria Magdalena Minarsih 2),Andi Tri Haryono 3) ABSTRACT
PENGARUH KUALITAS PELAYANAN DAN KEPERCAYAAN ON LINE REPRESENTATIF PEMBAYARAN PAJAK BUMI DAN BANGUNAN TERHADAP MOTIVASI WAJIB PAJAK DI WILAYAH IV KOTA SEMARANG Giyarni 1), Maria Magdalna Minarsih 2),Andi
Lebih terperinciMaterike April 2014
Matrik-6 Pnggunaan Intgral Tak Tntu 10 April 014 Prsamaan Difrnsial dan Pnggunaanna Prsamaan difrnsial mngaitkan suatu fungsi dngan turunanna ( difrnsial Contoh ' ' '' ' Prsamaan Difrnsial dan Pnggunaanna
Lebih terperinciMODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL
ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,
Lebih terperinciMuatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu
Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya
Lebih terperinciPENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA
PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 211 PERNYATAAN
Lebih terperinciPENGARUH CAR, NPF, FDR, BOPO, DAN GWM TERHADAP LABA PERUSAHAAN (ROA) PADA BANK UMUM SYARIAH DI INDONESIA PERIODE
PENGARUH CAR, NPF, FDR, BOPO, DAN GWM TERHADAP LABA PERUSAHAAN (ROA) PADA BANK UMUM SYARIAH DI INDONESIA PERIODE 2010-2015 Tri Wahyuningsih 1), Abrar Omar,SE,M.Si 2), Agus Suprijanto,SE, MM 3) 1) Mahasiswa
Lebih terperinciMETODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT
METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus
Lebih terperinciANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM
ISSN : 2355-9365 -Procding of Enginring : Vol.4, No.1 April 2017 Pag 632 Abstrak ANALISIS PERPINDAHAN PANAS KONVEKSI PAKSA NANOFLUIDA AIR-Al2O3 DALAM SUB-BULUH VERTIKAL SEGIENAM FORCED CONVECTION HEAT
Lebih terperinciMETODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT
METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR E. Yuliani, M. Imran, S. Putra Mahasiswa Program Studi S Matmatika Laboratorium Matmatika Trapan, Jurusan
Lebih terperinciPERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON. Putri Anjarsari, S.Si., M.Pd
PERKEMBANGAN TEORI ATOM & PENEMUAN PROTON, NEUTRON, ELEKTRON Putri Anjarsari, S.Si., M.Pd putri_anjarsari@uny.ac.id PERKEMBANGAN TEORI ATOM Dmokritus Dalton Thomson Ruthrford Bohr Mkanika glombang Dmokritus
Lebih terperinciBAB II TEORI DASAR 2.1 Pengertian Pasang Surut
BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,
Lebih terperinciKARAKTERISTIK DAN PELUANG KECELAKAAN PADA MOBIL PRIBADI DI WILAYAH PERKOTAAN (Characteristic and Accident Probability on Private Car in Urban Area)
KARAKTERISTIK DAN PELUANG KECELAKAAN PADA MOBIL PRIBADI DI WILAYAH PERKOTAAN (Charactristic and Accidnt Probability on Privat Car in Urban Ara) Lasmini Ambarwati, Harnn Sulistio, Gama Hndika Ngara, Zanuar
Lebih terperinciPembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh :
Pmbahasan Soal SELEKSI MASUK UNIVERSITAS INDONESIA Disrtai TRIK SUPERKILAT dan LOGIKA PRAKTIS Disusun Olh : Pak Anang Kumpulan SMART SOLUTION dan TRIK SUPERKILAT Pmbahasan Soal SIMAK UI 2011 Matmatika
Lebih terperinciSIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE
SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE Fabio Dwi Bagus Irawan 1,a, Cahyo Budiyantoro 1,b, Thoharudin 1,c 1 Program Studi Tknik Msin, Fakultas Tknik, Univrsitas
Lebih terperinciKAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN
KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN Ad Yudha Iswara, Fahry Husin, Ludfi Djakfar, Hndi Bowoputro Jurusan Tknik Sipil Fakultas Tknik Univrsitas Brawijaya Jalan MT. Haryono 167 Malang 65145,
Lebih terperinciANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER
Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti
Lebih terperinciBAB 2 DISTRIBUSI INDUK DAN DISTRIBUSI SAMPEL
BAB DISTRIBUSI IDUK DA DISTRIBUSI SAMEL.. EDAHULUA Jika suatu bsaran mmiliki nilai ssungguhnya sdangkan hasil ukurnya adalah maka kita mngharapkan hasil pngamatan mndkati, namun knyataannya tidak slalu
Lebih terperinciPada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P.
nurunan Kcpatan Glombang dan Glombang S Glombang sismik mrupakan gtaran yang mrambat pada mdium batuan dan mnmbus lapisan bumi. njalaran mnybabkan dformasi batuan.strss atau tkanan didfinisikan gaya prsatuan
Lebih terperinciBIAStatistics (2016) Vol. 10, No. 1, hal PENDAHULUAN
BIAStatistics (2016) Vol. 10, No. 1, hal. 31-37 ANALISIS KINERJA DOSEN PRODI PENDIDIKAN MATEMATIKA BERDASARKAN EVALUASI MAHASISWA SEBAGAI STAKEHOLDER PEMBELAJARAN DALAM RANGKA REKONTRUKSI PELAYANAN STKIP
Lebih terperinciPELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN
JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,
Lebih terperinciRANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED)
RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) Winny Friska Uli,Ali Hanafiah Ramb Konsntrasi Tknik Tlkomunikasi, Dpartmn Tknik Elktro Fakultas
Lebih terperinciIDE - IDE DASAR MEKANIKA KUANTUM
IDE - IDE DASAR MEKANIKA KUANTUM A. Radiasi Bnda Hitam 1. Hasil-Hasil Empiris Gambar 1. Grafik fungsi radiasi spktral bnda hitam smpurna a. Hukum Stfan Hukum Stfan dapat dituliskan sbagai total = f df
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 7
Mata Kuliah : Matmatika Diskrit Program Studi : Tknik Informatika Minggu k : 7 MATRIK GRAPH Sbuah graph dapat kita sajikan dalam bntuk matrik, yaitu : a. Matrik titik (Adjacnt Matrix) b. Matrik rusuk (Edg
Lebih terperinciPENERAPAN REGRESI LOGISTIK MULTINOMIAL PADA PEMILIHAN ALAT KONTRASEPSI WANITA (Studi Kasus di Desa Tonggara Kecamatan Kedungbanteng Kabupaten Tegal)
Pnrapan Rgrsi Logistik (Erna Sulistio) PENERAPAN REGRESI LOGISTIK MULTINOMIAL PADA PEMILIHAN ALAT KONTRASEPSI WANITA (Studi Kasus di Dsa Tonggara Kcamatan Kdungbantng Kabupatn Tgal) Erna Sulistio, Dwi
Lebih terperinciJurnal Spektran Vol. 2. No. 2, Juli 2014
ANALISIS PENGARUH PENDAPATAN TERHADAP KEPEMILIKAN MOBIL DAN SEPEDA MOTOR PADA RUMAH TAGGA DI SEPANJANG KORIDOR TRAYEK TRANS SARBAGITA I B. Wirahaji 1, D. M. Priyantha Wdagama 2, dan P. Alit Suthanaya 2
Lebih terperinciUniversitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I
Univrsitas Indonusa Esa Unggul Fakultas Ilmu Komputr Tknik Informatika Prsamaan Difrnsial Ord I Dfinisi Prsamaan Difrnsial Prsamaan difrnsial adalah suatu prsamaan ang mmuat satu atau lbih turunan fungsi
Lebih terperinciANALISIS PEMANFAATAN KREDIT UNTUK PENGEMBANGAN USAHA PADA UMKM DI KOTA SAMARINDA
ANALISIS PEMANFAATAN KEDIT UNTUK PENGEMBANGAN USAHA PADA UMKM DI KOTA SAMAINDA atna Wulaningrum ( Staf Pngajar Jurusan Akuntansi Politknik Ngri Samarinda ) Muhammad Suyudi ( Staf Pngajar Jurusan Akuntansi
Lebih terperinciBAB V DISTRIBUSI PROBABILITAS DISKRIT
BAB V DISTRIBUSI ROBABILITAS DISKRIT 5.. Distribusi Uniform Disrit Bila variabl aca X mmilii nilai,,... dngan probabilitas yang sama, maa distribusi uniform disrit dinyataan sbagai: f (, ) ;,,... paramtr
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013
ANALISIS PENGARUH KUALITAS LAYANAN, CITRA MEREK, DAN WORD OF MOUTH TERHADAP MINAT BELI KONSUMEN DENGAN METODE STRUCTURAL EQUATION MODELING (STUDI KASUS : PEMINAT PRODUK PONSEL X DI SURABAYA) I Putu Wisnu
Lebih terperinciANALISIS KEMAUAN PENUMPANG PESAWAT UDARA UNTUK MENGGUNAKAN BUS TRANS JOGJA
ANALISIS KEMAUAN PENUMPANG PESAWAT UDARA UNTUK MENGGUNAKAN BUS TRANS JOGJA Eko Prayitno, ST, MSc Prodi Tknik Sipil, Fakultas Tknik Sipil dan Prncanaan Univrsitas Bung Hatta ABSTRACT Th objctiv of this
Lebih terperinciRayadi Akademi Manajemen Informatika dan Komputer Panca Bhakti Pontianak Abstract
PENGAUH KONDISI KAYAWAN TEHADAP KEPUASAN KEJA DAN DAMPAKNYA TEHADAP ETENSI KAYAWAN PT. JASA SELAAS BEDASAKAN PEBANDINGAN PENDEKATAN SPSS DAN LISEL ayadi Akadmi Manajmn Informatika dan Komputr Panca Bhakti
Lebih terperinciPrusahaan ini mmiliki skala produksi yang luas shingga mmrlukan kinrja manajrial yang fktif dan fisin untuk dapat tumbuh dan brkmbang. Manajmn modal k
Pngaruh Prputaran Modal Krja Trhadap Profitabilitas ( Studi Kasus : PT Indofood Sukss Makmur Tbk). Lutfi Jaya Putra Fakultas Ekonomi Univrsitas Gunadarma ABSTACT PT Indofood Sukss Makmur Tbk is a company
Lebih terperinciModifikasi Analytic Network Process Untuk Rekomendasi Pemilihan Handphone
Modifikasi Analytic Ntwork Procss Untuk Rkomndasi Pmilihan Handphon Fry Dwi Hrmawan Jurusan Informatika Fakultas MIPA, Univrsitas Sblas Mart Surakarta frydh@yahoocom Ristu Saptono Jurusan Informatika Fakultas
Lebih terperinciANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI
Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,
Lebih terperinciPENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III
Jurusan PGSD Vol: 4 No: Tahun: 06 PENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III Kadk Yuda wibawa,
Lebih terperinciDIANDRA PARAMITA TIMUR
Modl Multinomial Logit Untuk Mnntukan Harga Optimal Pakt Blackbrry Intrnt Srvic (BIS) Tlkomsl dan Indosat (Studi Kasus : Mahasiswa Fakultas Tknik UNS Pngguna Blackbrry) Skripsi DIANDRA PARAMITA TIMUR I0308038
Lebih terperinciPENGABAIAN PADA LANSIA DENGAN PEMENUHAN KEBUTUHAN SPIRITUAL
PENGABAIAN PADA LANSIA DENGAN PEMENUHAN KEBUTUHAN SPIRITUAL Th Nglct Of Th Eldrly And Spiritual Nd Fulfillmnt Dwyna Putri Rahayu 1*, Juanita 2 1 Mahasiswa Program Studi Ilmu Kprawatan Fakultas Kprawatan
Lebih terperinciPENGARUH SEGMEN BOTTLENECK SISTEMATIK TERHADAP KARAKTERISTIK LALU LINTAS (STUDI KASUS: JL. JAMIN GINTING KM 14.5)
PENGARUH EGEN BOTTLENECK ITEATIK TERHAAP KARAKTERITIK LALU LINTA (TUI KAU: JL. JAIN GINTING K 14.5) Kristian Napitupulu ahasiswa Program arjana Tknik ipil Fakultas Tknik Univrsitas umatra Utara Jln. Prpustakaan
Lebih terperinciPENGGUNAAN ABU SEKAM PADI SEBAGAI ADSORBEN DALAM PENGOLAHAN AIR LIMBAH YANG MENGANDUNG LOGAM Cu. Mochtar Hadiwidodo *)
PENGGUNAAN ABU SEKAM PADI SEBAGAI ADSORBEN DALAM PENGOLAHAN AIR LIMBAH YANG MENGANDUNG LOGAM u Mochtar Hadiwidodo *) Abstract Th industrial dvlopmnt hav bn incrasd togthr with th incrasmnt of th socity
Lebih terperinciPenentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang
Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation
Lebih terperinciBAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan
BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan
Lebih terperinciTINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER
TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata
Lebih terperinciBAB 2 LANDASAN TEORI
6 A ANDAAN TEORI Pngrtian MM Multi vl Markting MM adalah salah satu contoh unit usaha yang brpola bisnis unik, yang sdang brkmbang di dalam bidang pnjualan barangbarang kbutuhan manusia, mulai brupaya
Lebih terperinciDebuging Program dengan EasyCase
Modul asyc 1 Dbuging Program dngan EasyCas Di susun Olh : Di dukung olh : Portal dukasi Indonsia Opn Knowlodg and Education http://ok.or.id Modul asyc 2 KATA PENGANTAR Puji syukur kpada guru sjatiku Gusti
Lebih terperinciFaculty of Economic Riau University, Pekanbaru, Indonesia
Pngaruh Pngumuman Right Issu Trhadap Rturn Saham, Abnormal Rturn, Frkunsi Prdagangan, Volum Prdagangan, Risiko Saham dan Kapitalisasi Pasar Pada Prusahaan Proprty, Ral Estat and Building Construction yang
Lebih terperinciAPLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE)
APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE) Abdul Gaus Program Studi Tknik Siil Fakultas Tknik Univrsitas Khairun Trnat Tl/Fax (091) 38049 Irnawaty
Lebih terperinciANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN
65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta
Lebih terperinciBab 1 Ruang Vektor. I. 1 Ruang Vektor R n. 1. Ruang berdimensi satu R 1 = R = kumpulan bilangan real Menyatakan suatu garis bilangan;
Bab Ruang Vktor I. Ruang Vktor R n. Ruang brdimnsi satu R = R = kumpulan bilangan ral Mnyatakan suatu garis bilangan; -3 - - 0. Ruang brdimnsi dua R = bidang datar ; Stiap vktor di R dinyatakan sbagai
Lebih terperinciHASIL DAN PEMBAHASAN A. PENENTUAN WAKTU PENGGORENGAN KERIPIK SOSIS AYAM
IV. HASIL DAN PEMBAHASAN A. PENENTUAN WAKTU PENGGORENGAN KERIPIK SOSIS AYAM 1. Komposisi kimia sosis ayam sgar Analisa komposisi sosis ayam sgar mliputi kadar air, kadar karbohidrat, kadar lmak, kadar
Lebih terperinciSISWA AKSELERASI MAN 3 PALEMBANG. Fara Hamdana 1 * dan Alhamdu²* UIN Raden Fatah Palembang.
FAA HAMDANA & ALHAMDU PSIKIS-Jurnal Subjctiv Psikologi Wll-Bing Islami Vol. dan 1 Prstasi No. 2 (2015) Blajar 115-124 SUBJECTIVE WELL-BEING DAN PESTASI BELAJA SISWA AKSELEASI MAN 3 PALEMBANG Fara Hamdana
Lebih terperinciPengaruh Rasio Tinggi Blok Tegangan Tekan Dan Tinggi Efektif Terhadap Lentur Balok Bertulangan Tunggal
Rcivd: March 2017 Accptd: March 2017 Publishd: April 2017 Pngaruh Rasio Tinggi Blok Tgangan Tkan Dan Tinggi Efktif Trhadap Lntur Balok Brtulangan Tunggal Agus Sugianto 1*, Andi Marini Indriani 2 1,2 Dosn
Lebih terperinciPENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI. Oleh: INDA SAFITRI NIM
PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI Olh: INDA SAFITRI NIM. 065009 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
Lebih terperinciPENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS
PENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS Rani Dliana Panggaban 1 dan Pintor Simamora 1 Alumni Mahasiswa Program Studi Pndidikan Fisika
Lebih terperinciMODEL BANGKITAN PERGERAKAN BERDASARKAN AKTIVITAS MANDATORY DARI KOMPLEK PERUMAHAN DI KABUPATEN ACEH BARAT
ISSN 2088-9321 ISSN -2502-5295 pp. 41-48 MODEL BANGKITAN PERGERAKAN BERDASARKAN AKTIVITAS MANDATORY DARI KOMPLEK PERUMAHAN DI KABUPATEN ACEH BARAT Frdiansyah Novriza 1, Rnni Anggraini 2, Sugiarto 3 1)
Lebih terperinciKontrol Trakcing Laras Meriam 57mm dengan Menggunakan Hybrid Kontrol Logika Fuzzy - PID
129 Kontrol Trakcing Laras Mriam 57mm dngan Mnggunakan Hybrid Kontrol Logika Fuzzy - PID Jki Saputra, M. Aziz Muslim, dan Rini Nur Hasanah Abstrak Laras mriam adalah salah satu bagian bsar dari kontruksi
Lebih terperinciBAB II TINJAUAN KEPUSTAKAAN
BAB II TINJAUAN KEPUTAKAAN II.1 PENDAHULUAN Yild lin adalah suatu pmcahan yang dapat digunakan dalam plat bton dimana trjadinya tgangan llh dan rotasi scara plastis muncul. Tori ini dapat digunakan dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA. berbagai macam seperti gambar dibawah (Troitsky M.S, 1990).
BAB II TINJAUAN USTAKA 2.1 Struktur Rangka Baja Extrnal rstrssing Scara toritis pningkatan kkuatan pada rangka baja untuk jmbatan dapat dilakukan dngan pmasangan prkuatan pratkan kstrnal pada rangka trsbut.
Lebih terperinciFUNGSI DOMINASI ROMAWI PADA LINE GRAPH
Bultin Ilmiah Mat. Stat. dan Trapannya (Bimastr) Volum 04, No. 2 (2015), hal 119 126. FUNGSI DOMINASI ROMAWI PADA LINE GRAPH Ysi Januarti, Mariatul Kiftiah, Nilamsari Kusumastuti INTISARI Himpunan D disbut
Lebih terperinciOleh Budi Rahardjo. Dosen Fakultas Ekonomi Universitas Budi Luhur. Abstraksi
PENGARUH BAURAN PEMASARAN TERHADAP KEPUTUSAN PEMBELIAN PELANGGAN PRODUK DD SUPER PIA,TANGERANG, DENGAN MENGGUNAKAN REGRESI LOGISTIK PERIODE AGUSTUS - OKTOBER 2011 Olh Budi Rahardjo sarwokasih@yahoo.co.id
Lebih terperinciPengkajian Pengembangan Model Pabrikasi Pupuk Organik..., Agus Ruswandi
Pngkajian Pngmbangan Modl Pabrikasi Pupuk Organik: Studi Kasus di i Kota Tasikmalaya, Jawa Barat Agus Ruswandi Badan Prncanaan Pmbangunan Darah Provinsi Jawa Barat Jl. Ir. H Juanda No 278- Bandung 40132
Lebih terperinciROKET AIR SMA NEGERI 21 MAKASSAR
ALAT PERAGA FISIKA ROKET AIR SMA NEGERI 21 MAKASSAR I. PENDAHULUAN 1. Latar Blakang Trkadang di waktu snggang srang siswa tatkala kbanyakan mrka mnggunakannya untuk brmalas-malasan, mlakukan hal yang tak
Lebih terperinciSusda Heleni ABSTRACT. Keywords: Reciprocal Teaching, Cooperative Learning, STAD ABSTRAK
PENERAPAN RECIPROCAL TEACHING DALAM MODEL PEMBELAJARAN KOOPERATIF TIPE STAD UNTUK MENINGKATKAN HASIL BELAJAR MAHASISWA PADA MATA KULIAH KALKULUS I THE IMPLEMENTATION OF RECIPROCAL TEACHING ON COOPERATIVE
Lebih terperinciANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI
ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI 03-1726-2012 Hotma L Purba Jurusan Tknik Sipil,Univrsitas Sriwijaya Korspondnsi pnulis : hotmapurba@hotmail.com
Lebih terperinciBAB VII SISTEM DAN JARINGAN PIPA
BAB VII SISTEM AN JARINGAN PIPA Tujuan Intruksional Umum (TIU) Maasiswa diarapkan dapat mrncanakan suatu bangunan air brdasarkan konsp mkanika luida, tori idrostatika dan idrodinamika. Tujuan Intruksional
Lebih terperinciATMOSFER HIDROSTATIS DIATAS WATUKOSEK DARI DATA TEKANAN VERTIKAL TAHUN 2009
Sminar Nasional Statistika IX Institut Tknologi Spuluh Nopmbr, 7 Novmbr 2009 ATMOSFER HIDROSTATIS DIATAS TUKOSEK DARI DATA TEKANAN VERTIKAL TAHUN 2009 Lalu Husnan Wijaya *, Dian Yudha Risdianto ** Pnliti
Lebih terperinci5 STABILITAS DINAMIS KAPAL POLE AND LINE SULAWESI SELATAN
5 STABILITAS DINAMIS KAPAL POLE AND LINE SULAWESI SELATAN 5.1 Pndahuluan Efktivitas pngoprasian kapal di laut pada dasarnya sangat dipngaruhi olh klaiklautan (saworthinss) dan sakindlinss dari kapal itu
Lebih terperinci