Selamat Datang.. Dalam zona
|
|
- Yandi Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Selamat Datang.. Dalam zona ANALISIS PEUBAH GANDA 334H1203 (oleh M. Saleh AF) DEPARTEMEN MATEMATIKA PRODI STATISTIKA FMIPA UNHAS 2014
2 Deskripsi Matakuliah APG : Konsep dasar analisis multivariate, vektor, matriks, Partisi matriks dekomposisi, Jarak statistic, distribusi multinormal, pendugaan vektor mean dan matriks varian-kovarians, probabilitas Kontur, Interval kepercayaan, uji hipotesis vektor mean satu dan beberapa populasi, Manova, Manacova,Regresi ganda multivariat, Analisis Komponen Utama, Analisis Faktor, Analisis Profil, Analisis Diskriinan, Analisis Kluster dan interpretasi geometrik. POKOK-POKOK BAHASAN APG 1. Aspek-aspek & konsep Dasar pada Analisis Multivariat Aljabar Matriks & Vektor random Geometri sampel, Sampling random & Generalisasi varians Distribusi Normal Multivariat Inverensi tentang vektor mean Perbandingan mean multivariat dan Analisis Profil Model regresi linier multivariat Analisis faktor dan inferensi untuk struktur matriks Covarians Analisis Korelasi Kanonik Analisis Diskriminan dan Klasifikasi Analisis Kluster dan Metode Jarak Statistik Referensi Morison DF, 1976, Multivariat Statistical Method, McGraw-Hall Inc, Tokyo Richard and Johnson, 2002, Applied Multivariat Statistical Analysis, Prentice Hall, Inc. USA
3 POKOK DAN SUB POKOK BAHASAN APG No 1 2 POKOK BAHASAN SUB POKO BAHASAN Aspek & Konsep Dasar pada Analisis Multivariat Pendahuluan : Aplikasi dari teknik-teknik multivariat Pengorganisasian data (array, deskripsi statistik & teknik2 grafik/plot Jarak Euklit dan Jarak Statistik Contoh soal dan soal latihan Aljabar matriks dan vektor random Vektor & matriks, nilai eigen, vektor eigen, vektor uniter, ortogonalitas Vektor random, Matriks random, matriks definit positif dan matriks akar kuadrat Dekomposisi spektral dan dekomposisi nilai singular Partisi matriks varians-covarians dan vektor mean Vektor mean & matriks covarians untuk kombinasi linier var.random Contoh soal dan soal-soal latihan 3 Geometri Sampel, Sampling random dan Generalisasi varians Geometri dari sampel & Generalisasi Varians Sampel random dan Nilai Ekspektasi pada mean sampel dan Covarians Mean Sampel, Covarians dan Korelasi Nilai sampel pada kombinasi linier dari variabel-variabel random Contoh dan Soal-soal latihan 4 Distribusi normal multivariat Distribusi Normal Multivariat dan sifat-sifatnya Densitas Normal Multivariat dan sifat-sifatnya Fungsi Pembangkit Momen & Probabilitas Kontur Likelihood Normal Multivariat dan Penaksiran Maksimum Likelihood Distribusi sampling untuk dan S dan sifat2 Distribusi Wishart Mendeteksi Data Pencilan dan Pembersihan Data Transformasi untuk mendekati Normalitas Contoh dan Soal-soal Latihan 5 Inferensi tentang vektor random Penentuan Nilai awal vektor Mean pada populasi normal Statistik Hostelling s dan Uji Perbandingan Likelihood Diagram Kontrol Kualitas pada multivariate (Diagram monitoring Statbilitas, Control Region, Control Ellips, ) Contoh dan Soal-soal latihan 5.4
4 No POKOK BAHASAN SUB POKO BAHASAN Perbandingan mean multivariat dan Analisis Profil Uji Hipotesis vektor-vektor mean dua populasi (kecil dan kasus ) Uji Hipotesis vektor-vektor mean pada beberapa populasi multivariate (Oneway Manova; and Two-way Manova) Analisis Profil (Uji kesejajaran, keberhimpitan dan kesamaan) Model-model Multivariat Contoh soal dan Soal-soal latihan 7 Model regresi linier multivariat Model Regresi Klasik dan Pendugaan Least squares Inferensi tentang Model Regresi dan penaksiran fungsi regresi Regresi Ganda Multivariat (Multivariat multiple Regression) Uji Perbandingan Likelihood untuk parameter regresi Penaksiran dengan regresi ganda multivariate Contoh soal dan Soal-soal latihan 8 Analisis faktor dan inferensi untuk struktur matriks Covarians Model Faktor Ortogonal Metode Estimasi (Metode Komponen Utama, Faktor Utama, dan Maksimum Likelihood) Rotasi Faktor dan Factor Scores (Metode WLS dan metode Regresi) SEM (Structural Equation Models) Contoh soal dan soal-soal Latihan 9 Analisis Korelasi Kanonik Variat Kanonik dan Korelasi Kanonik Interpretasi variabel kanonik populasi, dan korelasi kanonik Variat kanonik dan corelasi kanonik pada sampel Contoh soal dan Soal-soal latihan 10 Analisis Diskriminan dan Klasifikasi Pemisahan dan Klasifikasi untuk dua populasi Klasifikasi untuk dua populasi normal multivariate (kasus ) Fungsi Diskriminan Fisher s Metode Fisher s untuk diskriminasi /Pemisahan objek-objek Contoh soal dan soal-soal Latihan 11 Analisi Kluster & Metode Jarak Keseragaman ukuran Metode Kluster berhirarki dan Non-hirarki Penskalaan Multidimensi dan Analisis Korespondensi 6
5 Keterampilan kerja khusus Penguasaan pengetahuan Sikap Keterampilan kerja umum Deskripsi Capaian Pembelajaran dalam SNPT 2014
6 KEMAMPUAN KERJA khusus PRODI STATISTIKA (level 6) Mampu melakukan perancangan percobaan, pengumpulan dan pembangkitan data (dalam bentuk survei, percobaan, atau simulasi), pengorganisasian data, analisis data menggunakan teknik-teknik statistika, dan penarikan kesimpulan secara sahih, dengan memanfaatkan minimal satu perangkat lunak statistika. Mampu menyelesaikan masalah penaksiran (estimation), pengujian hipotesis, prediksi dan prakiraan (forecasting) pada beberapa bidang, dengan menggunakan data dan beberapa metodologi statistika (metode dan model) dan menyajikannya dalam bentuk deskripsi yang mudah dipahami oleh pengguna. Mampu melakukan analisis terhadap beberapa alternatif solusi yang tersedia di bidang statistika untuk menyelesaikan masalah dan mampu menyajikan kesimpulan analisis untuk pengambilan keputusan yang tepat, (Draf SNPT 2014)
7 PENGUASAAN PENGETAHUAN PRODI STATISTIKA (level 6) Menguasai konsep teori peluang dan statistika, matematika, kalkulus, aljabar linear elementer, metode-metode analisis statistika, dan pemograman komputer elementer. Menguasai beberapa metodologi (metode dan model) statistika untuk digunakan dalam menyelesaikan masalah di beberapa bidang. Menguasai minimal dua perangkat lunak statistika, termasuk perangkat lunak yang berbasis open source,(snpt 2014)
8 Ketrampilan kerja Umum Lulusan SARJANA SNPT (LEVEL 6) 1.Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya; 2.Mampu menunjukkan kinerja mandiri, bermutu, dan terukur; 3.Mampu mengkaji implikasi pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka menghasilkan solusi, gagasan, desain atau kritik seni; 4.Mampu menyusun deskripsi saintifik hasil kajian tersebut di atas dalam bentuk skripsi atau laporan tugas akhir, dan mengunggahnya dalam laman perguruan tinggi; 5.Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data; 6.Mampu memelihara dan mengembangkan jaringan kerja dengan pembimbing, kolega, sejawat baik di dalam maupun di luar lembaganya. 7.Mampu bertanggung jawab atas pencapaian hasil kerja kelompok dan melakukan supervisi serta evaluasi terhadap penyelesaian pekerjaan yang ditugaskan kepada pekerja yang berada di bawah tanggung jawabnya; 8.Mampu melakukan proses evaluasi diri terhadap kelompok kerja yang berada di bawah tanggung jawabnya, dan mampu mengelola pembelajaran secara mandiri; 9.Mampu mendokumentasikan, menyimpan, mengamankan, dan menemukan kembali data untuk menjamin kesahihan dan mencegah plagiasi; (Tim Belmawa DIKTI 2014)
9 RUMUSAN CAPAIAN PEMBELAJARAN PRODI STATISTIKA (Learning Outcome) Parameter Kemampuan kerja Deskripsi Capaian Pembelajaran KK1 Khusus menyusun dan atau memilih rancangan pengumpulan/ pembangkitan data yang efisien dan menerapkannya dalam bentuk survei, (Kemampuan bidang Kerja) Mampu percobaan, atau simulasi. KK2 Mampu melakukan manajemen dan analisis data menggunakan teknikteknik statistika dengan bantuan perangkat lunak. (+ interpretasi) KK3 Mampu menyelesaikan permasalahan nyata secara statistika dan mampu menyajikan serta mengkomunikasikan dalam bentuk yang mudah dipahami baik secara tertulis maupun lisan. (analisys & reporting data) Penguasaan PP1 Pengetahuan Menguasai konsep dasar keilmuan statistika dan metode-metode analisis statistika yang dapat diaplikasikan pada berbagai bidang terapan. PP2 Menguasai minimal dua perangkat lunak statistika, termasuk perangkat lunak yang berbasis open source Kemampuan KM1 Managerial Mampu bekerjasama dan berkomunikasi bertanggungjawab terhadap pekerjaan. (Sikap dan KM2 Memiliki etika profesi dalam penerapan statistika. Kemampuan Kerja KM3 Bertakwa Kepada Tuhan Yang Maha Esa Umum) Sumber : FORSTAT, YOGYA, DESEMBER 2013 dalam tim serta
10 PERTEMUAN 1 Kontrak Pembelajaran 1. Aspek & Struktur Data Multivariat Aspek dan Konsep Dasar pada Analisis Multivariat Struktur Data Multivariat Array pada basik Deskriptif Statistik Teknik grafik dan plot data Multivariat
11 Struktur data multivariate Sebuah observasi multivariat adalah koleksi pengukuran pada p variabel yang berbeda dalam suatu trial/item yang sama Jika pada tiap-tiap variabel (1,2...p ), dilakukan masing-masing sebanyak n kali pengukuran maka entri data dapat dinyatakan dalam bentuk sebuah matriks berukuran n x p, sebagai berikut varb 1 varb 2 varb k varb p item 1 item 2 item j item n atau dapat dinyatakan dalam benrtuk data array persegi panjang, katakanlah X yang terdiri dari n baris dan p kolom, yaitu
12 ... (1) : nilai pengukuran/trial ke j pada variabel ke k Setiap baris dari X merupakan sebuah observasi/pengukuran multivariat, sehingga diperoleh sebuah sampel berukuran n dari populasi p variat. Dengan kata lain, sampel merupakan n pengukuran pada tiap-tiap komponen variabel.
13 Deskripsi Statistik Untuk suatu data diperlukan ringkasan angka yang disebut statistik deskriptip Mean (rata-rata) adalah statistik deskriptip yang merupakan salah satu ukuran pusat dari suatu himpunan data Variansi adalah statistik deskriptip yang merupakan salah satu ukuran penyebaran data Koefisien korelasi adalah statistik deskriptip yang merupakan ukuran keeratan hubungan linier antara dua (atau lebih) variabel. Keofisien korelasi tidak tergantung pada satuan (unit) pengukuran
14 Array of basic Descriptive Statistics Vektor mean sampel dengan Matriks varians-covarians sampel dengan Matriks korelasi sampel dengan
15 Ilustrasi 1 Dari empat mahasiswa pembeli pada sebuah toko buku dicatat total pembelian masingmasing mahasiswa (dalam puluhan ribu rupiah) beserta jumlah buku yang di beli. Tentukan a. Deskripsi statistik data ( ) untuk data bivariat b. Plot data X atas 4 buah titik dalam ruang dua dimensi dan tentukan pusat data Solusi Misalkan variabel 1 adalah total pembelian dan varibel 2 adalah jumlah buku yang dibeli. Jadi terdapat empat pengukuran pada dua variabel. Dalam bentuk tabel data (data array) dapat disajikan dalam bentuk matriks data sebagai berikut Variabel 1 : (total penjualan dlm puluhan ribu Rp ) : 42 Variabel 2 : (jumlah buku yang terjual ) : Dalam hal ini Atau data di tuliskan dalam bentuk matriks sebagai (data bivariat)
16 a. Jadi vektor mean sampel adalah Jadi matriks varian-covarians sampel adalah (untuk pembagi n-1) adalah
17 ,,, Jadi matriks korelasi sampel adalah Varians dan covarians sampel (dengan pembagi n) dengan
18 Untuk matriks X2 b. 5 (50,4) O X
19 Plot Data Plot dari observasi sebenarnya penting dan dapat membantu analisis data. Plot untuk semua pengukuran pada semua variabel tidak mungkin dilakukan, (khususnya jika dimensnya lebih besar tiga) walaupun demikian plot pantul individual variabel dan pasangan variabel masih banyak memberi informasi. Ilustrasi 2 Misalkan diberikan 7 pasang pengukurn pada dua variabel sebagai berikut : Dia gram titik x2 Variabel 1 : x Variabel 2 : x Koordinat titik-titik adalah : 8 8 (3,5) ; (4,5.5); (2,4) ; (6,7) ; (8,10) ; (2,5) ; (5,7.5) Plot data dalam dua dimensi ini disebut scatter plot (diagram pencar) Diagram pencar x Diagram titik Gbr-3: Diagram pencar dan diagram titik
20 JARAK STATISTIK
21 Jarak euclid Jarak euclid secara umum untuk dua titik Jarak euclid (jarak garis lurus) antara titik dan ke titik asal Jarak statistik Jarak statistik antara titik dimana dan Perbandingan jarak euclid dan jarak statistik terletak pada pembobot dan pada dan
22 Jarak euclidien ini umumnya tidak cocok digunakan untuk statistik. Hal ini disebabkan oleh pada jarak euclid, setiap koordinat mempunyai konstribusi sama untuk perhitungan jarak. Bila koordinat merupakan pengukuran yang mempunyai fluktuasi random dari magnitude berbeda, dibutuhkan memberikan bobot pada tiap-tiap koordinat dengan bobot besar untuk variabilitas kecil dan sebaliknya Hal ini akan memberikan ukuran jarak yang berbeda dengan jarak euclidian. Jarak yang digunakan dalam statistik diberi nama jarak statistik. dan yang saling bebas (independen) seperti pada gambar berikut Sebagai ilustrasi, diambil n titik pada dua variabel Dari diagram pencar tersebut, tampak bahwa variansi lebih besar dari variansi Salah satu cara untuk memberikan bobot adalah dengan menggunakan standar deviasi sampel. Membagi koordinat dengan standar deviasinya, didapat standarisasi koordinat, dan x2 x1
23 Perluasan jarak statistik untuk p variabel antara titik dan adalah 1. Jarak P ke O, 2. Bila maka Jarak Euclidian = Jarak statistik
24 Catatan Untuk dua variabel yang tidak independen (misalnya korelasinya positif) seperti tampak pada diagram pencar berikut, maka jarak statistik harus di modifikasi (rotasi) sebesar sudut dimana, dengan matriks transformasi rotasi : Sehingga didapat sumbu-sumbu koordinat baru (lihat gambar) x2 x1
25 Dengan sumbu baru ini, jarak statistik dari Dengan perhitungan secara aljabar diperoleh dimana ke titik asal O(0,0) adalah
26 Secara umum jarak terhadap titik tetap bila kedua variabel berkorelasi adalah x2 x1
27
28 Terima kasih..merci
SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE :
SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 2005-2006 MATAKULIAH
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
Lebih terperinciSTRUKTUR KURIKULUM SESUAI CAPAIAN PEMBELAJARAN
STRUKTUR KURIKULUM SESUAI CAPAIAN PEMBELAJARAN Capaian Pembelajaran Kurikulum PS S1 Statistika UB S1 sesuai standar SNPT Indikator Ketrampilan Khusus KK1 KK2 KK3 Mampu menyusun dan atau memilih rancangan
Lebih terperinciPertemuan 3 & 4 INTERPRETASI GEOMETRI DAN GENERALISASI VARIANS. Interpretasi Geometri pada Sampel. Generalisasi varians
Pertemuan 3 & 4 INTERPRETASI GEOMETRI DAN GENERALISASI VARIANS Interpretasi Geometri pada Sampel Generalisasi varians , Interpretasi Geometri pada Sampel Sample Geometry and Random Sampling Data sampel
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciKONTRAK KULIAH TEKNOLOGI INFORMASI DAN BIG DATA
KONTRAK KULIAH TEKNOLOGI INFORMASI DAN BIG DATA IDENTITAS MATA KULIAH CPL PRODI STATISTIKA CAPAIAN PEMBELAJARAN LULUSAN E N T H U S I A S T I C THICS ATIONALITY EAM UMANITY LIL ALBAB CIENCE NTELLIGENCE
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Pengantar Analisis Kode/sks : MAS 4231/ 3 Semester : II Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS 4121
Lebih terperinciKONTRAK KULIAH: PENGANTAR STATISTIKA KEUANGAN
KONTRAK KULIAH: PENGANTAR STATISTIKA KEUANGAN Arum Handini Primandari, M.Sc. Dina Tri Utari, M.Sc. Identitas Mata Kuliah CPL Prodi Statistika Capaian Pembelajaran Lulusan E N T H U S I A S T I C THICS
Lebih terperinciPROGRAM STUDIS1 TEKNIK KOMPUTER SIKAP
PROGRAM STUDIS1 TEKNIK KOMPUTER SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciMinggu II STATISTIKA MULTIVARIATE TERAPAN
Minggu II STATISTIKA MULTIVARIATE TERAPAN (PENDAHULUAN) Herni U Universitas Gadjah Mada Outline 1 Analisis Statistika Multivariat 2 Contoh Kasus Multivariat 3 Organisasi Data Outline 1 Analisis Statistika
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciPROGRAM STUDI S1 TEKNIK PERTAMBANGAN SIKAP
PROGRAM STUDI S1 TEKNIK PERTAMBANGAN SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius; b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,
Lebih terperinciPROGRAM STUDI S1 AKUNTANSI SIKAP
PROGRAM STUDI S1 AKUNTANSI SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral, dan
Lebih terperinciPENGANTAR EKONOMETRIKA
RANCANGAN PEMBELAJARAN SEMESTER (RPS) MATA KULIAH : PENGANTAR EKONOMETRIKA Dosen : Agus Tri Basuki, SE., M.Si JURUSAN EKONOMI PEMBANGUNAN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
Lebih terperinciPROGRAM STUDI S1 TEKNIK LINGKUNGAN SIKAP
PROGRAM STUDI S1 TEKNIK LINGKUNGAN SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius; b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciPROGRAM STUDI D3 MEKANISASI PERTANIAN SIKAP
PROGRAM STUDI D3 MEKANISASI PERTANIAN SIKAP a. Bertaqwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,
Lebih terperinciPROGRAM STUDIS1 TEKNOLOGI PANGAN SIKAP
PROGRAM STUDIS1 TEKNOLOGI PANGAN SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciPROGRAM STUDI S1 TEKNIK SIPIL SIKAP
PROGRAM STUDI S1 TEKNIK SIPIL SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius; b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciBAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN
BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,
Lebih terperinciLEARNING OUTCOME S1 PENDIDIKAN GURU SEKOLAH DASAR
LEARNING OUTCOME S1 PENDIDIKAN GURU SEKOLAH DASAR ASOSIASI DOSEN PGSD INDONESIA KATA PENGANTAR Puji dan syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa atas selesainya rumusan capaian pembelajaran
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinci4. Mahasiswa mampu melakukan estimasi parameter, melakukan uji hipotesis statistic serta estimasi interval. Diskripsi Singkat MK
INSTITUT TEKNOLOGI KALIMANTAN JURUSAN MATEMATIKA DAN TEKNOLOGI INFORMASI PROGRAM STUDI MATEMATIKA RENCANA PEMBELAJARAN MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan Matematika Statistika
Lebih terperinciSem 7-4. Garis Besar Rencana Pembelajaran (GBRP)
Sem 7-. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah Kode MK/SKS Semester Mata Kuliah Prasyarat : Pemodelan Statistika : H0/SKS : Awal/7 (Tahun IV) : Metode Statistika, Teori Peluang, Ilmu Stokastik,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciSemester : VI Hal: 1 dari 6. No.Revisi : 00. Deskripsi. Kemampuan manjerial. tertulis. Sikap dan. tata nilai 2-RP 1-CP DN, PA,BAK& RN)
PROD S1 STATSTKA FMPA TS RP S1 SP 08 Kurikulum 2014, Edisi : September 2014 A. CAPAAN PEMBELAJARAN : CP 11.11 : Mampu menganalisis data secara KUANTTATF baik secara Univariat maupun Multivariat serta menerapkannya
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciLampiran 1I : Matriks pembentukan mata kuliah, bahan kajian dan capaian pembelajaran untuk MK PILIHAN PAKET ANTENA DAN PROPAGASI
Lampiran 1I : Matriks pembentukan mata kuliah, bahan kajian dan capaian pembelajaran untuk MK PILIHAN PAKET ANTENA DAN PROPAGASI Sikap 1. Bertakwa kepada Tuhan Yang Maha Esa; 2. Menjunjung tinggi nilai-nilai
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciPROGRAM STUDI S1 TEKNIK PERTANIAN DAN BIOSISTEM SIKAP
PROGRAM STUDI S1 TEKNIK PERTANIAN DAN BIOSISTEM SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius; b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan
Lebih terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinciPROGRAM STUDI S1 PETERNAKAN SIKAP
PROGRAM STUDI S1 PETERNAKAN SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral, dan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PEMOGRAMAN KOMPUTER
RENCANA PEMBELAJARAN SEMESTER (RPS) PEMOGRAMAN KOMPUTER Mata Kuliah: Pemograman Komputer Semester : 4 (Empat); Kode : KMM 162; SKS : 3 (Tiga) Program Studi : Pendidikan Matematika Dosen : Khairul Umam,
Lebih terperinciPROGRAM STUDI S1 ADMINISTRASI PUBLIK SIKAP
PROGRAM STUDI S1 ADMINISTRASI PUBLIK SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,
Lebih terperinciBAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST. Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis
BAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis komponen utama robust sebagai konsep pendukung serta metode Minimum
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Analisis Data Kategori Kode/sks : MAS 4232/3 Semester : IV Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciIV. PROGRAM STUDI : PENDIDIKAN KIMIA. A. Identitas Program Studi
IV. PROGRAM STUDI : PENDIDIKAN KIMIA A. Identitas Program Studi 1. NamaProgram Studi : Pendidikan Kimia 2. Izin Pendirian : 252/DIKTI/Kep/1996 (Ditetapkan kembali) 3. Status Akreditasi : B 4. Visi : Menjadi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis varians (ANOVA) pertama kali diperkenalkan oleh Sir Ronald Fisher. ANOVA merupakan generalisasi dari uji t, digunakan pada situasi saat peneliti ingin
Lebih terperincitip.ub.ac.id Rumusan Hasil Workshop Peningkatan Daya Saing Global Lulusan PS Industri Pertanian Departemen Teknologi Industri Pertanian Fakultas Tekno
tip.ub.ac.id tip.ub.ac.id Rumusan Hasil Workshop Peningkatan Daya Saing Global Lulusan PS Industri Pertanian Departemen Teknologi Industri Pertanian Fakultas Teknologi Pertanian IPB Bogor, 19 Februari
Lebih terperinciPROGRAM STUDI D3 MULTIMEDIA SIKAP
PROGRAM STUDI D3 MULTIMEDIA SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral, dan
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciPROGRAM STUDI D3 TEKNOLOGI KONSTRUKSI BANGUNAN SIPIL SIKAP
PROGRAM STUDI D3 TEKNOLOGI KONSTRUKSI BANGUNAN SIPIL SIKAP a. Bertaqwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciCAPAIAN PEMBELAJARAN BERBASIS KERANGKA KUALIFIKASI NASIONAL INDONESIA PENDIDIKAN GURU SEKOLAH DASAR
CAPAIAN PEMBELAJARAN BERBASIS KERANGKA KUALIFIKASI NASIONAL INDONESIA PENDIDIKAN GURU SEKOLAH DASAR I. PROGRAM STUDI PGSD JENJANG SARJANA (S1) A. PROFIL Program Studi S1 Pendidikan Guru Sekolah Dasar (PGSD-Primary
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciPROGRAM STUDI S1 BAHASA INGGRIS SIKAP
PROGRAM STUDI S1 BAHASA INGGRIS SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciCAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Analisis Lanjutan Kode/sks : MAS 4235/ 2-1 Semester : IV Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)
Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN
Lebih terperinciMK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS
MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS Oleh: Prof.Dr.Ir.Soemarno,M.S Obyek Pengamatan Variabel X4 Variabel X1 Variabel X2 Variabel X3 Variabel Xn Multi-Variabel Metode analisis
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI PENDIDIKAN PANCASILA DAN KEWARGANEGARAAN FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI PENDIDIKAN PANCASILA DAN KEWARGANEGARAAN FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SEBELAS MARET Identitas Mata Kuliah Identitas Pengampu Mata
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciPROGRAM STUDIS1 DESAIN INTERIOR SIKAP
PROGRAM STUDIS1 DESAIN INTERIOR SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AGROTEKNOLOGI UNIVERSITAS GUNADARMA
RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI AGROTEKNOLOGI UNIVERSITAS GUNADARMA Tanggal Penyusunan 29/01/2016 Tanggal revisi - Kode dan Nama MK KU064210 Matematika SKS dan Semester SKS 2 Semester I (PTA)
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Ekonometrika Kode/sks : MAS 4135/ 3 Semester : III Status (Wajib/Pilihan) : Pilihan (P) Prasyarat : MAS 4231
Lebih terperinciPROGRAM STUDI S1 JURNALISTIK SIKAP
PROGRAM STUDI S1 JURNALISTIK SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius; b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciPROGRAM STUDI D3 TEKNOLOGI PENGOLAHAN HASIL PERKEBUNAN SIKAP
PROGRAM STUDI D3 TEKNOLOGI PENGOLAHAN HASIL PERKEBUNAN SIKAP a. Bertaqwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciSTANDAR KOMPETENSI LULUSAN
STANDAR KOMPETENSI LULUSAN BADAN PENJAMINAN MUTU (BAJAMTU) UNIVERSITAS GUNADARMA 2017 Deskripsi Pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran agar
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciPROGRAM STUDIS1 DESAIN KOMUNIKASI VISUAL SIKAP
PROGRAM STUDIS1 DESAIN KOMUNIKASI VISUAL SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,
Lebih terperinciPusat Pengembangan Relevansi Pendidikan LP3M - UB 11/6/2017 1
Pusat Pengembangan Relevansi Pendidikan LP3M - UB 11/6/2017 1 11/6/2017 2 Rumusan Capaian Pembelajaran Lulusan (CPL) Program Studi 11/6/2017 3 11/6/2017 4 11/6/2017 5 11/6/2017 6 Rumusan Ketrampilan Umum
Lebih terperinciPROGRAM STUDIS1 SASTRA JEPANG SIKAP
PROGRAM STUDIS1 SASTRA JEPANG SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciBab 4 ANALISIS FAKTOR TEORITIS DAN APLIKATIF
Bab 4 ANALISIS FAKTOR TEORITIS DAN APLIKATIF Analisis Multivariat untuk analisis identifikasi, prediksi, eksplorasi, deskripsi: 1. Principle Component Analysis (PCA) 2. Factor Analysis 3. Cluster Analysis
Lebih terperinciIII. PROGRAM STUDI : PENDIDIKAN IPA. A. Identitas Program Studi
III. PROGRAM STUDI : PENDIDIKAN IPA A. Identitas Program Studi 1. NamaProgram Studi : Pendidikan IPA 2. Izin Pendirian : 359/E/O/2014, TGL. 27-8-2014 3. Status Akreditasi : C 4. Visi : Menjadi Program
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciPROGRAM PASCASARJANA UNIVERSITAS SRIWIJAYA PROGRAM STUDI ILMU EKONOMI
PROGRAM PASCASARJANA UNIVERSITAS SRIWIJAYA PROGRAM STUDI ILMU EKONOMI SILABUS Mata Kuliah : Statistik Kode Mata Kuliah : EKM 60107 Stats Mata Kuliah : Wajib Bobot : 3 SKS Jenjang Studi : S2 Reguler Program
Lebih terperinciBAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat
BAB III Model Regresi Linear 2-Level Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat linear. Untuk data berstruktur hirarki 2 tingkat, analisis regresi yang dapat digunakan adalah
Lebih terperinciKONTRAK PERKULIAHAN (ALJABAR LINIER)
KONTRAK PERKULIAHAN (ALJABAR LINIER) Bobot SKS : 3 SKS Semester : 4 Hari Pertemuan : 16 Pertemuan Dosen Pengampuh : Dra. Cecil Hiltrimartin, M.Si 1. Deskripsi Mata Kuliah Mata kuliah ini membahas konsep
Lebih terperinciPROGRAM STUDIS1 SASTRA JEPANG SIKAP
PROGRAM STUDIS1 SASTRA JEPANG SIKAP a. bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama, moral,
Lebih terperinciPertemuan 8 & 9. Distribusi Probab Multivariat Distr Multivar untuk Kombinasi Linier Uji Hipotesis Kesamaan Mean
Pertemuan 8 & 9 Distribusi Probab Multivariat Distr Multivar untuk Kombinasi Linier Uji Hipotesis Kesamaan Mean Distribusi Normal Multivariat Ingat V.R.Univariat Variabel random univariat X berdistribusi
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Analisis Data Kategori Lanjt. Kode/sks : MAS 4151/2 Semester : VII Status (Wajib/Pilihan) : Pilihan (P) Prasyarat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
Lebih terperinciKetakbiasan Dalam Model Analisis Faktor Konfirmatori Pada Metode Pendugaan Kuadrat Terkecil Tak Terboboti (Unweighted Least Square) Untuk Data Ordinal
Prosiding Semirata FMIPA Universitas Lampung, 2013 Ketakbiasan Dalam Model Analisis Faktor Konfirmatori Pada Metode Pendugaan Kuadrat Terkecil Tak Terboboti (Unweighted Least Square) Untuk Data Ordinal
Lebih terperinciRPS STATISTIKA MATEMATIKA
RPS STATISTIKA MATEMATIKA Fenny Fitriani, S.Si, M.Si UNIVERSITAS PGRI ADI BUANA SURABAYA Fakultas Keguruan dan Ilmu Pendidikan Program Studi Pendidikan Matematika Jalan Ngagel Dadi III-B / 37, Surabaya
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciUji Homogenitas Rata-Rata Kasus Anova Dua Arah dengan Metode Cochran Cochran Test for Homogeneity Means in Two Ways ANOVA
Prosiding Statistika ISSN: 6-66 Uji Homogenitas Rata-Rata Kasus Anova Dua Arah dengan Metode Cochran Cochran Test for Homogeneity Means in Two Ways ANOVA Susan Susanti, Siti Sunendiari, Abdul Kudus,, Prodi
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) ANALISIS STATISTIK
RENCANA PEMBELAJARAN SEMESTER (RPS) ANALISIS STATISTIK Mata Kuliah: Analisis Statistik Semester : 7 (tujuh); Kode : KMM 164; SKS : 2 (dua) Program Studi : Pendidikan Matematika Dosen : 1) Drs. Musafir
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Pengantar Rancob Kode/sks : MAS 4122/3 Semester : III Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS 4221
Lebih terperinciIII. PROGRAM STUDI : PENDIDIKAN GURU SEKOLAH DASAR. A. Identitas Program Studi
III. PROGRAM STUDI : PENDIDIKAN GURU SEKOLAH DASAR A. Identitas Program Studi 1. NamaProgram Studi : Pendidikan Guru Sekolah Dasar 2. Izin Pendirian : 14904/D/T/K-N/2013 3. Status Akreditasi : B 4. Visi
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN A. Uji Asumsi Klasik Analisis Regresi Uji asumsi klasik analisi regresi merupakan model regresi linier berganda dengan syarat-syarat yang harus dipenuhi pada regresi linier OLS
Lebih terperinciPRODI DIII STATISTIKA-FMIPA ITS RENCANA PEMBELAJARAN KODE/ MATA KULIAH/ SKS/ SEMESTER : SS /PENGANTAR METODE STATISTIKA / (2/1/1) I
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu melakukan deskripsi, eksplorasi dan interpretasi data serta Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu
Lebih terperinciKURIKULUM TEKNIK PERTAMBANGAN FAKULTAS TEKNOLOGI MINERAL UPN VETERAN YOGYAKARTA
KURIKULUM TEKNIK PERTAMBANGAN FAKULTAS TEKNOLOGI MINERAL UPN VETERAN YOGYAKARTA TAHUN 2015 UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA Jl. SWK 104 Condong Catur Depok Sleman D.I. Yogyakarta 55581
Lebih terperinciPROGRAM STUDI D3 AKUNTANSI SIKAP
PROGRAM STUDI D3 AKUNTANSI SIKAP a. Bertakwa kepada Tuhan Yang Maha Esa dan mampu menunjukkan sikap religius b. Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,moral, dan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam proses analisis klaster pada bab selanjutnya. 2.1 DATA MULTIVARIAT Data yang diperoleh dengan mengukur
Lebih terperinci