Diagram Kontrol Simpangan Baku Robust

Ukuran: px
Mulai penontonan dengan halaman:

Download "Diagram Kontrol Simpangan Baku Robust"

Transkripsi

1 Prosidig Statistika ISSN: Diagram Kotrol Simpaga Baku Robust 1 Azka Fatharai, Suwada, 3 Suliadi 1,,3 Prodi Statistika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Islam Badug, Jl. Tamasari No. 1 Badug azkafatharai@gmail.com, wada_100358@yahoo.co.id, 3 suliadi@gmail.com Abstrak. Diagram kotrol simpaga baku σ merupaka salah satu diagram kotrol variabel yag diguaka utuk megotrol dispersi proses. Diagram kotrol ii dibagu dega asumsi bahwa data berdistribusi ormal dega rata-rata μ da varias σ. Pada fase I, diagram kotrol simpaga baku dibetuk oleh simpaga baku yag ditaksir oleh data yag diambil selama k periode dega masigmasig berukura. Terdapat 3 peaksir simpaga baku yag didasarka pada. Jika terdapat data outlier, peaksir-peaksir simpaga baku tersebut dapat tergaggu, sehigga diagram kotrol simpaga baku kierjaya mejadi kurag baik. Dalam peelitia ii aka dibagu diagram kotrol simpaga baku fase I yag bersifat robust yag aka berfugsi utuk meyarig data sehigga diperoleh peaksir simpaga baku yag bersifat robust melalui metode da. Hasil peaksir robust pada fase I ii diguaka utuk megotrol proses fase selajutya(fase II). Metode ii diimplemetasika pada data kekuata beag yag Pt. World Yamatex Spiig Mills II Kabupate Karawag. Hasil peelitia meujuka tampak bahwa peaksir lebih besar dari da. Kata Kuci: Diagram Kotrol, Simpaga Baku, Simpaga Baku Robust, Outlier, Fase I. A. Pedahulua Perusahaa dapat dikataka berhasil jika perusahaa tersebut mampu bersaig di pasar. Apalagi kii di era pasar bebas persaiga semaki ketat yag meyebabka perusahaa berlomba-lomba utuk meigkatka kualitas produk. Dega demikia, perusahaa harus selalu memperhatika da mematau kualitas produksiya agar meghasilka produk yag berkualitas tiggi berdasarka stadar yag ada maupu berdasarka persyarata kosume. Kosume selalu igi medapatka produk dalam keadaa sagat baik atau produk barag hasil produksi yag aka dibeliya tidak mempuyai kerusaka. Perusahaa harus selalu berusaha melidugi da mejaga kualitas barag yag dihasilkaya sehigga kosume medapat kepuasa atas ilai gua da produse medapat kepuasa atas imbala yag memberika keutuga. Utuk mejaga kualitas barag hasil produksi supaya berada dalam batas-batas tertetu harus diusahaka bahwa mesi, mausia, material da metode yag diguaka dalam pembuata barag hasil produksi tidak megalami perubaha yag cukup berarti (Muchlis, 010). Aka tetapi walaupu usaha-usaha tersebut telah dilakuka, kualitas produksi selalu bervariasi. Salah satu cara utuk memoitor proses produksi adalah dega megguaka ilmu statistika atau lebih dikeal dega sebuta statistical process cotrol (SPC). SPC adalah kumpula alat-alat yag diguaka utuk mecapai stabilitas proses da meigkatka kemampua melalui peguraga variabilitas. Diagram kotrol adalah salah satu alat SPC yag palig bayak diguaka dalam idustri maufaktur dalam memoitor proses (Motgomery, 01). Berdasarka karakteristik data yag diamati, diagram kotrol dapat dikelompoka mejadi dua macam yaitu diagram kotrol utuk data dalam betuk variabel da diagram kotrol utuk data dalam betuk atribut. Diagram kotrol yag diguaka utuk data dalam betuk variabel diataraya adalah diagram kotrol rata-rata sebagai alat utuk pegotrola parameter lokasi 91

2 9 Azka Fatharai, et al. (μ), diagram kotrol retag (R) da diagram kotrol simpaga baku (s) sebagai alat utuk pegotrola parameter dispersi (σ). Diagram kotrol yag diguaka utuk data dalam betuk atribut diataraya adalah diagram kotrol proporsi (p), diagram kotrol jumlah cacat (p), diagram kotrol cacat per uit (c) da diagram kotrol jumlah cacat per uit (u). Dalam skripsi ii, pembahasa aka difokuska pada pembetuka diagram kotrol s utuk fase I dega ukura sampel > 1 pada setiap periode. Pada praktikya, pembetuka diagram kotrol s pada fase I diawali dega meaksir parameter σ. Ada tiga peaksir yaitu da yag ketigaya dikalika kostata tertetu utuk medapatka peaksir takbias bagi σ. Diatara ketigaya, merupaka peaksir yag palig efisie (Mahmoud dkk,010). Namu demikia ketiga peaksir tersebut ilaiya dipegaruhi oleh data outlier, yag meyebabka ketiga peaksir tersebut tidak robust. Hal ii aka megakibatka kesalaha pearika kesimpula berdasarka diagram kotrol s yag terbetuk pada fase I. Misalya yag seharusya out of cotrol diyataka i cotrol atau sebalikya. Berdasarka hal tersebut diperluka diagram kotrol s robust terhadap data outlier. Ada beberapa peaksir yag robust terhadap data outlier yaitu peaksir robust D7 (Tatum, 1997), peaksir robust (Rocke, 1989) da peaksir adaptive trimmer ( da ). Dalam hal pegotrola parameter dispersi, peaksir adaptive trimmer mempuyai kierja terbaik. (Schoohove da Does, 01). Berdasarka latar belakag di atas rumusa masalah dalam peelitia ii adalah bagaimaa prosedur pembetuka diagram kotrol s robust berdasarka peaksir robust, implemetasiya pada data kekuata beag yag diproduksi Pt. World Yamatex Spiig Mills II Kabupate Karawag da ilai peaksir robust jika dibadigka dega ilai peaksir robust da ilai peaksir efisie. Tujuaya adalah megetahui ketiga hal tersebut. B. Kajia Pustaka 1. Outlier Setiap statistisi terapa yag telah megaalisis sejumlah set data real kemugkia telah meemuka outlier. Barett da Lewis (199) meyataka Outlier : Pegamata atau sebagia pegamata yag tampak tidak kosiste dega himpua data sisaya. Outlier dapat berasal dari distribusi yag sama dega data yag laiya atau dari distribusi lai (kotamia). Suatu metode utuk medeteksi outlier adalah dega megguaka box plot. Boxplot merupaka rigkasa distribusi sampel yag disajika secara grafis yag bisa meggambarka betuk distribusi data (skewess), ukura tedesi setral da ukura peyebara (keragama) data pegamata. Terdapat ukura statistik yag bias kit abaca dari boxplot yaitu ilai miimum, kuartil pertama, media, kuartil ketiga, ilai maksimum, pagar dalam (ier fece), pagar luar (outer fece) da boxplot juga dapat meujuka ada tidakya ilai outlier da ilai ekstrim dari data pegamata. Nilai pagar dalam (ier fece) da pagar luar (outer fece) yag dihitug sebagai berikut: ier fece: outer fece: H - (1.5 H - spread) H - (3 H - spread) L L H U (1.5 H - spread) H U (3 H - spread) dimaa H L = kuartil ke-1 (Q 1 ), H U = kuartil ke-3 (Q 3 ) da H-spread(IQR)= Q 3 - Q 1 Volume, No.1, Tahu 016

3 Diagram Kotrol Simpaga Baku Robust 93. Diagram Kotrol Diagram kotrol merupaka suatu tekik yag dikeal sebagai metode grafik yag di guaka utuk megevaluasi apakah suatu proses berada dalam pegedalia kualitas secara sttatistik atau tidak sehigga dapat memecahka masalah da meghasilka perbaika kualitas.. Tujua dari peracaga program aplikasi diagram kotrol ii adalah utuk melihat sejauh maa tigkat keberhasila suatu proses produksi sehigga tat dijadika pedoma dalam megarahka perusahaa kearah pemeuha spesifikasi kosume. Diagram kotrol merupaka alat SPC yag palig petig yag diguaka utuk medeteksi ketika proses dalam keadaa tidak terkedali (out of cotrol). Diagram kotrol adalah gambar sederhaa dega tiga garis, yaitu garis tegah (ceter lie), garis batas atas/ucl (Upper Cotrol Limit) da garis batas bawah/lcl (Lower Cotrol Limit). Diagram kotrol merupaka suatu alat dalam megedalika proses, yag bertujua utuk meetuka suatu proses berada dalam pegedalia statistik, mematau proses terus-meerus sepajag waktu agar proses tetap stabil secara tatistic da haya megadug variasi peyebab umum, serta meetuka kemampua proses (process capability)..1 Kriteria Tidak Terkotrol Batas-batas pegedali ii dipilih sedemikia sehigga apabila proses terkedali, hampir semua titik-titik sampel aka jatuh di atara kedua garis itu. Meskipu semua titik-titik terletak di dalam batas kedali, belum tetu proses tersebut terkedali. Utuk meetuka tatisti tidak terkedali ii, diagram kotrol dibagi mejadi 3 zoa yag diukur dalam satua simpaga baku(σ) atara garis tegah dega batas kotrol. Meurut Kiemele dkk (000) ada 7 gejala-gejala diagram kotrol dikataka tidak terkotrol, yaitu terdapat 1 atau lebih titik yag berada di luar batas kotrol, 7 titik berturut-turut berada di sisi yag sama dari garis tegah,7 titik berturut-turut membetuk tre meigkat atau meuru, dari 3 titik secara berturut-turut jatuh di zoa A atau lebih, di sisi yag sama dari garis tegah, dari 5 titik secara berturut-turut jatuh di zoa B atau lebih, di sisi yag sama dari garis tegah, 1 titik berturut-turut aik da turu secara bergatia da 1 titik berturut-turut jatuh di zoa C. 3. Diagram Kotrol Variabel Data variabel bersifat kotiyu (cotiuous distributio). Data ii diukur dalam satua-satua kuatitatif. Ketika kita mempuyai data variabel terdapat dua ukura yag dikotrol yaitu lokasi da tatisti dari distribusi. Utuk data distribusi ormal lokasi oleh da tatisti oleh da R. Pada bagia selajutya haya aka dibahas diagram kotrol tatisti dega megguaka simpaga baku(σ). Utuk megotrol simpaga baku, diperluka sampel yag diambil dalam beberapa periode. Adaika ukura sampelya da bayakya periode k.. Diagram Kotrol Simpaga Baku (σ) Adaika X adalah karakteristik mutu yag mejadi perhatia, berdistribusi ormal dega rata-rata μ da variasya σ atau ditulis. Dispersi proses aka dikotrol oleh simpaga baku (σ) dega cara megambil sampel berukura yaitu, pada masig-masig periode. Secara umum batas-batas kotrol Shewhart 3σ dega megguaka statistik Y (fugsi dari sampel acak) adalah sebagai berikut: Statistika, Gelombag 1, Tahu Akademik

4 9 Azka Fatharai, et al. BKA E( Y) 3 Var( Y) Pusat E( Y)...(.1) BKB E( Y) 3 Var( Y) Dalam praktikya utuk megotrol simpaga baku (σ) Y dapat berupa simpaga baku sampel (s) atau retag I. Utuk diagram kotrol R da s aka dibahas pada subbab berikutya. 5. Diagram Kotrol R Dapat ditujuka bahwa rata-rata da varias dari R masig-masig sebagai berikut: da Dari sampel-sampel aka meghasilka peaksir takbias bagi σ yaitu. Sehigga batas-batas kotrol aka mejadi: BKA R 3d Pusat R BKB R 3d 3 3 R d R d D R D R 3 (.) dimaa, ; i=1,,,k da j=1,,, 6. Diagram Kotrol s Rata-rata da varias dari s masig-masig adalah: da Dari sampel-sampel aka meghasilka peaksir takbias bagi σ yaitu batas-batas kotrol aka mejadi: s BKA s 3 c Pusat s BKA s 3 dimaa: s c 1 c 1 c B s B s 3 (.3) (.) (.5). Sehigga Walaupu da adalah peaksir takbias bagi aka tetapi meurut Mahmoud dkk (010) bahwa peaksir yag didasarka pada lebih efisie (varias miimum) daripada yag didasarka pada da ketika distribusi ormal dipeuhi. Peaksir takbias dari dega didasarka pada yaitu: dega: (.6) dimaa s i adalah akar kuadrat dari Persamaa (.5) da dega m = k (-1) + 1 Persamaa (.) da Persamaa (.3) utuk megotrol simpaga baku Volume, No.1, Tahu 016

5 Diagram Kotrol Simpaga Baku Robust 95 (σ) ditulis secara umum sebagai berikut: BKA U ˆ (.7) BKB L ˆ Persamaa (.7) aka diguaka utuk pegotrola proses pada fase I. Pada fase I, sekumpula data dikumpulka da diaalisis dalam aalisis retrospektif, yaitu meciptaka batas kotrol percobaa utuk meetuka apakah proses tetap berada dalam kotrol selama selag waktu di maa data dikumpulka. Da juga utuk melihat apakah batas kotrol tersebut layak da dapat diguaka utuk mematau produksi selajutya. Telah disiggug bahwa apabila terjadi outlier aka meyebabka kierja diagram kotrol berkurag dega ditadai oleh megecilya ilai ARL 0 da atau membesarya ilai ARL 1, karea buka peaksir robust bagi σ. Utuk meaggulagi kedua hal tersebut maka diguaka peaksir robust dari. Terdapat beberapa metode peaksir robust utuk simpaga baku. Tetapi pada peelitia ii haya fokus pada peaksir robust adaptive trimmer yaitu s i i s M D, MD da M D, i s. Meurut Schoohove da Does (01) M D, yag memberika kierja terbaik. 7. Diagram Kotrol Simpaga Baku Robust Secara umum batas-batas diagram kotrol s robust batas-batasya sama seperti pada Persamaa (.18) dega meetuka peaksir robust bagi. Ada 3 cara utuk meetuka peaksir robust adaptive trimmer bagi yaitu da. Kelebiha dari peaksir adaptive trimmer tidak sesitif terhadap outlier jika dibadigka dega R. Schoohove da Does (01) megajuka sebuah metode yag bersifat sebagai diagram peggati diagram kotrol s ketika terdapat data outlier. Pada subbab selajutya aka dibahas megeai Prosedur Peaksir. Prosedurya aka dijelaska sebagai berikut: 7.1 Prosedur Peaksir 1. Tetuka deviasi dari media utuk masig-masig subgrup Hitug rata-rata MD i dimaa, k = bayakya subgrup Peaksir takbias dari adalah, i=1,,..,k (.8) dimaa (.9) Karea sulit meghitug maka dilakuka secara simulasi, (Riaz da Saghir,009). Peaksir robust dari diotasika oleh, yaitu: (.10) Batas-batas kotrol peaksir seperti pada Persamaa (.18) dega meggati dega Persamaa (.1). Ulagi higga dalam keadaa terkotrol. 7. Prosedur Peaksir 1. Hitug residu dega meguragka media subgrup dega dataya (.11) Statistika, Gelombag 1, Tahu Akademik

6 96 Azka Fatharai, et al. hal ii dilakuka utuk mejami bahwa variabilitas diukur withi buka betwee. Buat diagram idividu dari Lagkah 1, dega batas-batas diagram kotrol dari Persamaa (.11) yaitu: BKA 3MD (.1) BKB 3MD dega M D seperti pada Persamaa (.9) 3. Residu yag jatuh keluar dari batas kotrol Persamaa (.1) dibuag. Kemudia, prosedur diulag.. Setelah data i-cotrol semua, dari data yag tersisa, hitug: 5. Peaksir robust dari diotasika oleh (.13) i M D, yaitu (.1) 6. Batas-batas kotrol peaksir seperti pada Persamaa (.18) dega meggati dega Persamaa (.5). Ulagi higga dalam keadaa terkotrol. 7.3 Prosedur Peaksir 1. Peaksir awal ditetuka oleh seperti pada Persamaa (.9).. Peaksir Lagkah 1 diguaka utuk membuat batas-batas kotrol simpaga baku sehigga data subgrup dapat disarig. 3. Guaka yag diplotka pada cotrol limit dega batas-batas kotrol : BKA U MD t ( ) (.15) MD BKB L t ( ) Nilai da terdapat dalam Schoohove da Does(01). Sedagka utuk ilai IQR didapat dega meghitug: (.16) Sebagai cotoh, jika = 5 maka ilai dimaa d ( IQR ) 0.59, d ( IQR 5) da d ( IQR 9) 1. 1 (Schoohove da Does, 01).. Ulagi Lagkah 3 higga semua subgrup dalam keadaa terkotrol. 5. Lakuka pembuata diagram kotrol idividu dari subgrup yag sudah terkotrol dega batas-batasya adalah: BKA U MD (.17) BKB L MD dega M D seperti pada Persamaa (.9) ilai da tercatum pada terdapat dalam Schoohove da Does(01). 6. Residual yag keluar dari batas-batas kotrol dibuag, lalu ulagi Lagkah 5 sampai terkotrol. C. Baha da Metode Baha yag diguaka adalah data sekuder tetag pegotrola kekuata beag(cn.cm) diproduksi Pt. World Yamatex Spiig Mills II Kabupate Karawag Volume, No.1, Tahu 016

7 Diagram Kotrol Simpaga Baku Robust 97 Pegotrola dilakuka dega cara megambil sampel selama 0 periode dega masig-masig berukura 5. Data ii haya aka diguaka utuk megotrol dispersi proses melalui simpaga baku dega diagram kotrol fase I karea tidak ada iformasi tetag data pegotrola sebelumya atau ilai parameter dari dispersi. Peaksir yag didapat dalam metode ii aka dijadika peaksir σ utuk proses berikutya. Tabel 3.1 Data Pegotrola Beag Pt. Yamatex Spiig Mills Kabupate Karawag Subgrup Kekuata Beag Sumber: Dwidama(010) Adapu lagkah-lagkah aalisis dalam ragka pregotrola proses produksi yaitu sebagai berikut: 1. Lakuka uji ormalitas megguaka kolmogorov-smirov. Deteksi outlier megguaka box plot. 3. Jika tidak terdapat outlier guaka diagram kotrol pada Persamaa (.3). Jika terdapat outlier guaka diagram kotrol simpaga baku robust seperti pada lagkah berikutya.. Hitug deviasi data pegamata terhadap media utuk masig-masig subgrup dega Persamaa (.8). 5. Hitug rata-rata deviasi data pegamata terhadap media megguaka Persamaa (.9). 6. Hitug iterquartile rage (IQR) dega megguaka Persamaa (.16). 7. Guaka utuk diplotka pada batas-batas kotrol. 8. Tetuka batas-batas kotrol utuk mejarig subgrup dega Persamaa (.1). 9. Ulagi higga semua subgrup dalam keadaa terkotrol. 10. Hitug residual dega megguaka Persamaa (.11) yag aka diplotka pada batas-batas kotrol. 11. Lakuka pembuata diagram kotrol idividu dari subgrup yag sudah terkotrol dega batas-batasya seperti pada Persamaa (.15). 1. Ulagi Lagkah 10 da 11 sampai dalam keadaa terkotrol. 13. Batas-batas kotrol yag diperoleh di Lagkah 1 dapat diguaka utuk Statistika, Gelombag 1, Tahu Akademik

8 98 Azka Fatharai, et al. pegotrola proses berkutya. 1. Peaksir σ aka diguaka juga dega da dega utuk dibadigka dega peaksir robust. Aalisis dilakuka megguaka batua software Microsoft Office Excel 007 da Miitab 16. D. Hasil da Pembahasa Tahap pertama melakuka uji ormalitas data pada Tabel 1. Kemudia idetifikasi apakah terdapat outlier dalam data. Jika dalam data terdapat outlier maka dilakuka pembetuka diagram kotrol simpaga baku robust sesuai dega tujua yag aka dicapai. Setelah dilakuka uji ormalits, hasil meujuka bahwa ilai statistik uji KS sebesar 0.88 da p-value sebesar Dega megguaka ilai α=0.1, maka kita putuska utuk meolak H 0 karea p-value<α sehigga dapat disimpulka bahwa data kekuata beag tidak berasal dari suatu populasi berdistribusi ormal. Ketidakormala ii diidikasi karea adaya data outlier oleh karea itu utuk medeteksiya guaka boxplot seperti pada Gambar.1. Gambar.1 Boxplot Data Kekuata Beag Pt. Yamatex Spiig Mills II Kabupate Karawag Dapat dilihat pada Gambar 1 bahwa tampak terdapat 6 pegamata yag tergolog sebagai data outlier. Jika pegamata tersebut dibuag da data sisaya dites ulag keormala dataya aka diperoleh ilai statistik uji KS adalah da p-value sebesar Dega megguaka ilai α=0.1, maka kita putuska utuk meerima H 0 karea p-value>α yag artiya data kekuata beag berasal dari suatu populasi yag distribusi ormal. Oleh karea itu maka perlu dilakuka perhituga utuk diagram kotrol simpaga baku robust utuk meaksir σ. Nilai rata-rata dari deviasi data terhadap media (Persamaa.9) yaitu: Sehigga batas-batas kotrol megguaka Persamaa (.1), yaitu: Apabila ilai-ilai BKA U BKB L MD 3.5 t ( ) MD t ( ) utuk mejarig subgrup dega diplotka pada diagram kotrol dega batas-batas diatas, subgrup ke-6 meujuka keluar dari batas kotrol atas. Oleh karea itu subgrup yag keluar dihilagka kemudia dilakuka perhituga kembali. Diperoleh Volume, No.1, Tahu 016

9 IQR/dIQR Diagram Kotrol Simpaga Baku Robust 99 ilai sebesar.933, BKA=1.57 da BKB=0.15. Dega batas-batas kotrol ii tidak ada lagi subgrup yag keluar dari batas-batasya. Terlihat pada Gambar BKA Periode Gambar. Diagram Kotrol 15 0 BKB utuk Subgrup Oleh karea itu, dilakuka lagkah selajutya yaitu membuat diagram kotrol idividu dega meghitug residual (Persamaa.10) terlebih dahulu utuk diplotka pada batas-batas kotrolya dega ilai seperti perhituga sebelumya yaitu sebesar.9333 maka, batas-batas kotrol berikutya adalah: BKA U MD BKB L MD ,05 0 Dega batas-batas kotrol tersebut terdapat 3 residual data pegamata kekuata beag yag keluar dari batas-batas kotrolya yaitu data pada subgrup ke-7, ke-11 da ke-17. Karea ada titik yag keluar dari batas-batasya maka perlu dilakuka perhituga kembali dega tidak megikutsertaka subgrup yag data pegamata dalam subgrupya keluar dari batas-batas kotrol da lakuka higga dalam keadaa terkotrol. Pada revisi pertama dega tidak megikutsertaka subgrup ke-7, ke-11 da ke-17 maka ilai yag dihasilka adalah sebesar dega ilai BKA=5.355 da BKB=0. Residual yag keluar dari batas-batas kotrol revisi pertama ii adalah aggota dari subgrup ke-13, ke-1 da ke-19 maka, perlu dilakuka revisi kembali. Pada revisi kedua, buat batas-batas kotrol dega tidak megikutsertaka subgrup ke- 13, ke-1 da ke-19 maka ilai yag dihasilka adalah sebesar dega ilai BKA=.8076 da BKB=0. Residual yag keluar dari batas-batas kotrol revisi kedua ii adalah aggota dari subgrup ke- da ke-18 maka, perlu dilakuka revisi kembali. Pada revisi ketiga, buat batas-batas kotrol dega tidak megikutsertaka subgrup ke- da ke-18 maka ilai yag dihasilka adalah sebesar 1.60 dega ilai BKA=.93 da BKB=0. Residual yag keluar dari batas-batas kotrol revisi ketiga ii adalah aggota dari subgrup ke-9 maka, perlu dilakuka revisi kembali. Pada revisi keempat, buat batas-batas kotrol dega tidak megikutsertaka subgrup ke-9 maka ilai yag dihasilka adalah sebesar dega ilai BKA da BKB masig-masig adalah.65 da 0 dega batas-batas ii sudah tidak ada residual yag keluar dari batas-batas kotrolya. Dega demikia peaksir σ yag diperoleh pada diagram kotrol simpaga baku robust yag aka dijadika peaksir σ pada pegotrola proses berikutya adalah: Sebagai perbadiga telah dihitug juga peaksir σ yag didasarka pada da peaksir robust yaitu dega masig-masig ilai peaksir sebesar 8.89 da Statistika, Gelombag 1, Tahu Akademik

10 100 Azka Fatharai, et al. Tabel.1 Peaksir Bagi σ Chart Deleted Subgrup Deleted observatio ;7;11; :1; 7:1; 9:1; 11:1; 13:1; 1:; 17:1; 18:; 19:1 Dari Tabel.1 tampak bahwa peaksir lebih besar dari da. Peaksir yag dihasilka pada proses pegotrola fase I aka dijadika peaksir σ utuk mematau proses pada fase II. E. Kesimpula Peaksir dimulai dega meyarig subgrup sampai dalam keadaa terkotrol lalu dilajutka meyarig idividu sampai dalam keadaa terkotrol dari data sisaya yag sudah bersih. Peaksir σ bias ditetuka oleh rata-rata deviasi data terhadap media. Peaksir robust tidak terpegaruh dega adaya outlier. Implemetasi pada data kekuata beag(cn.cm) diproduksi oleh Pt. Yamatex Spiig Mills II Kabupate Karawag meujuka bahwa data pada subgrup ke-6 da idividu yag terdapat pada subgrup ke-, ke-7, ke-9, ke-11, ke-13, ke-1, ke-17, ke-18 da ke-19 out of cotrol sehigga sisa data yag bersih terdapat 10 subgrup. Peaksir simpaga baku meurut adalah.0656, ilai ii lebih kecil dari ilai peaksir yag diperoleh berdasarka da. Karea peaksir robust tidak terpegaruh oleh adaya outlier. Daftar Pustaka Barett, V. ad Lewis, T. (199). 3 rd editio. Outliers i Statistical Data. Joh Wiley & Sos. Dwidama, Restu Meetuka Batas-Batas Baga Kotrol Dispersi Multivariat dega Metode Variasi Vektor yag Direduksi. Thesis tidak dipublikasika. Badug: Program Pascasarjaa, Program Studi Statistika, Uiversitas Padjadjara. Hogg, R.V. da Craig, A.T. 1995, Itroductio to Mathematical Statistics, Fourth Editio, Macmilla Publishig Co., Ic. New York. Kiemele, M.J., S.R.Schmidt, ad R.J.Berdie. (000). Basic Statistics Tools for Cotiuous Improvemet: th Editio. Colorado: Air academy press. Mahmoud, M. A., Hederso, G. R., Epprecht, E. K., ad Woodall,W. H. (010), Estimatig the Stadard Deviatio i Quality-Cotrol Applicatios, Joural of Quality Techology,, Motgomery, D.C. da Mastragelo, C.M. 001, Statistical Quality Cotrol, six editio. Uited States of America (USA). Muchlis, D.R. (010) Pegedalia Kualitas Statistika. Badug: Pustaka Ceria. Riaz, M., ad Saghir, A. (009), A Mea Deviatio-Based Approach to Moitor Process Variability, Joural of Statistical Computatio ad Simulatio, 79, Rocke, D. M. (1989), Robust Cotrol Charts, Techometrics, 31, [73,7,81] Schoohove, M. ad Does, R. J. M. M. (01), A Robust Stadard Deviatio Cotrol Chart, Techometrics, 5:1, Siegel, Sidey. (1997). Statistika No-Parametrik utuk Ilmu-ilmu Sosial. Jakarta: Gramedia Pustaka Utama. Tatum, L. G. (1997), Robust Estimatio of the Process Stadard Deviatio for Cotrol Charts, Techometrics, 39, Volume, No.1, Tahu 016

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

PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA

PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

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

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

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

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

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 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

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

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

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

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

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

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

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

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

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

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

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

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

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

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

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

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI 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 (99 :

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

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 III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan Beberapa Metode Pendugaan Parameter AR(1) Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad

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

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

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

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

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

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

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

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

Lebih terperinci

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE Sutriso B., Abd. Haris, Romadho Jurusa Maajeme - Fakultas Ekoomi, Uiversitas Widya Dharma Klate Jl. Ki

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

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

Taksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution

Taksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution Prosidig Statistika ISSN: 460-6456 Taksira Iterval bagi Rata-rata Parameter Distribusi Poisso Iterval Estimate for The Average of Parameter Poisso Distributio 1 Putri Aggita Nuraei, Teti Sofia Yati, 3

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment

Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo

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

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

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

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

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 HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

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

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

P r o s i d i n g 149

P r o s i d i n g 149 P r o s i d i g 149 PENGENDALIAN KUALITAS PRODUK KOPI TRADISIONAL DALAM RANGKA MENINGKATKAN KEPUASAN KONSUMEN Heptari Elita Dewi (1), Aisa Aprilia (2), Heru Satoso Hadi Subagyo (3) Fakultas Pertaia, Uiversitas

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

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

UKURAN PEMUSATAN UKURAN PENYEBARAN

UKURAN PEMUSATAN UKURAN PENYEBARAN UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU

Lebih terperinci

BAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s

BAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega

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

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

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

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

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

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

BAB 5 UKURAN DISPERSI

BAB 5 UKURAN DISPERSI BAB 5 UKURAN DISPERSI A. Ukura Dispersi Meurut Hasa (011 : 101) ukura dispersi atau ukura variasi atau ukura peyimpaga adalah ukura yag meyataka seberapa jauh peyimpaga ilai-ilai data dari ilai-ilai pusatya

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

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

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN

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

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 Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

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

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

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

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 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

III. METODE PENELITIAN

III. METODE PENELITIAN 9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja

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

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. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

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

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci