Simulasi Antrian Sistem Pelayanan Nasabah (Studi Kasus: Bank X)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Simulasi Antrian Sistem Pelayanan Nasabah (Studi Kasus: Bank X)"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol. 6, No.1, (2013) ( X Prit) 1 Simulasi Atria Sistem Pelayaa Nasabah (Studi Kasus: Bak X) Falah Egy Sujaa da Soetriso Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya soetriso@matematika.its.ac.id Abstrak Seirig dega perkembaga duia perbaka yag semaki pesat, maka dibutuhka sistem pelayaa asabah yag mampu memberika layaa yag memuaska bagi asabah. Salah satu permasalaha yag serig timbul dalam sistem pelayaa asabah perbaka adalah berupa terjadiya atria asabah yag megakibatka terlalu lamaya asabah meuggu utuk medapatka layaa. Dalam Tugas Akhir ii aka dilakuka simulasi megguaka metode discrete evet terhadap sistem pelayaa asabah Bak X yag hasil outputya meggambarka karakteristik da perilaku sistem yag diamati, dalam hal ii memberika iformasi megeai rata-rata waktu tuggu asabah, rata-rata waktu pelayaa asabah da pajag atria asabah dalam satua waktu tertetu. Dari hasil aalisis ouput simulasi yag dilakuka mampu memberika iformasi kepada pihak Bak X bahwa rata-rata waktu tuggu asabah berada pada iterval 3 meit 36 detik waktu tuggu 13 meit 51 detik, rata-rata waktu pelayaa asabah berada pada iterval 2 meit 15 detik waktu pelayaa 3 meit 8 detik da pajag atria asabah sebayak 14 orag asabah, sebagai baha pertimbaga dalam megevaluasi sistem pelayaa asabah yag sedag berjala. Kata Kuci Atria, Bak, Discrete evet, Simulasi, Sistem pelayaa asabah. S I. PENDAHULUAN EKTOR memegag peraa petig dalam usaha pegembaga di sektor ekoomi, da juga berpera dalam meigkatka pemerataa pembagua da hasilhasilya, serta pertumbuha ekoomi da stabilitas asioal ke arah peigkata taraf hidup rakyat. Di Idoesia telah bayak bak yag tumbuh da berkembag. Selai sebagai peghimpu daa, bak juga mempuyai fugsi sebagai peyalur daa kepada masyarakat dalam betuk pemberia kredit. Bak berpera sebagai pelaya jasa megemba tugas sebagai pelaya lalu-litas pembayara uag harus megutamaka pelayaa yag terbaik bagi masyarakat. Karea semaki baik tigkat pelayaa bak saat ii, semaki bayak masyarakat yag percaya utuk megguaka layaa jasa bak. Pelayaa yag baik iilah yag mempegaruhi meigkatya jumlah asabah di Idoesia. Namu, dega meigkatya jumlah asabah maka semaki bayak pula masalah yag aka timbul. Salah satu masalah yag timbul dalam sistem pelayaa asabah adalah terlalu lamaya asabah meuggu dalam atria utuk dilayai oleh fasilitas pelayaa. Masalah ii yag meyebabka ilai pelayaa meuru, sehigga megakibatka asabah kehilaga kepercayaa terhadap pihak bak yag diguaka jasaya. Hal ii merupaka kerugia bagi pihak bak ditegah meigkatya itesitas persaiga sehigga meutut setiap bak utuk memberika pelayaa yag lebih uggul serta lebih memuaska dari pesaig laiya. Atria ii dapat terjadi karea adaya pola kedataga yag sewaktu-waktu semaki membesar da tidak dapat diimbagi oleh kapasitas pelayaa yag tersedia, dega kata lai suatu kejadia dimaa pertumbuha waktu atar kedataga melebihi waktu pelayaa sehigga meyebabka waktu tuggu semaki lama. Misalya pada Bak X, terlihat bahwa pola kedataga asabah besar karea populasi kedataga asabah tersebut tidak terbatas, dilihat dari bayakya asabah yag atri meuggu utuk dilayai. Proses pelayaa pada setiap teller pada Bak X aka mempegaruhi atria asabah yag masuk atau keluar dari sistem. Sebelumya telah bayak dilakuka peelitia megeai simulasi sistem pelayaa atria. Berikut diataraya beberapa cotoh peelitia yag telah dilakuka, yaitu : Simulasi Atria Pelayaa Bogkar Muat Kapal Kotaier (Studi Kasus Termial Mirah, Pelabuha Tajug Perak Surabaya[1], da Simulasi Atria Sistem Pelayaa Nasabah Bak[2], dimaa simulasi sistem yag diguaka pada kedua Tugas Akhir ii adalah metode discrete evet. Berdasarka permasalaha megeai sistem pelayaa asabah Bak X tersebut, maka pada Tugas Akhir ii diteliti sistem pelayaa asabah tersebut melalui pedekata simulasi atria dega metode discrete evet. Sehigga dapat memberika iformasi megeai rata-rata waktu tuggu asabah dalam atria, rata-rata waktu pelayaa dalam satua waktu tertetu da pajag atria dalam sistem pelayaa asabah tersebut serta dapat meemuka suatu solusi sistem pelayaa yag efektif da efisie demi kepuasa para asabah. II. ANALISIS SISTEM PELAYANAN NASABAH BANK X Dari pegamata terhadap sistem pelayaa asabah Bak X utuk proses pelayaa trasaksi umum, berupa trasaksi setora tuai, trasfer, pembayara, pegeceka saldo,

2 JURNAL SAINS DAN SENI POMITS Vol. 6, No.1, (2013) ( X Prit) 2 ataupu pearika tuai melalui loket teller selama 3 hari. Dapat diketahui bahwa sistem tersebut megalami jumlah atria cukup bayak utuk proses trasaksi umum melalui loket teller da pola kedataga asabah cukup besar pada beberapa jam operasioal bak, yaitu pukul Berikut tahapa yag harus dilalui asabah utuk medapatka pelayaa di loket teller, yaitu asabah yag datag harus megambil omor atria pada tempat pegambila omor atria dega meeka tombol yag atas dari 2 piliha utuk keperlua trasaksi pada loket teller. Pada proses ii mulai terjadiya atria tuggal utuk pelayaa pada loket teller. Setelah itu asabah meuggu di tempat duduk yag telah disediaka sampai dega asabah tersebut dipaggil sesuai omor urut, kemudia asabah dilayai oleh teller, setelah selesai meiggalka sistem. Sistem pelayaa asabah di Bak X memiliki loket teller berjumlah 6 dega jumlah teller yag bekerja atau stadby utuk setiap hariya berbeda, berkisar 3 sampai 5 orag selama 3 hari pegamata. Pada sistem tersebut memiliki jeis layaa yag sama dega waktu layaa yag berbeda utuk setiap proses trasaksi asabah. Berdasarka jumlah fasilitas pelayaa tersebut berarti bahwa sistem pelayaa asabah tersebut merupaka sistem atria multi chael-sigle phase dega model M/M/S yag mempuyai atria tuggal melalui beberapa fasilitas pelayaa da megguaka disipli atria First I First Out atau First Come First Serve, yaitu asabah yag datag terlebih dahulu maka dilayai terlebih dahulu. Berdasarka pegamata sebelumya pada peelitia ii dilakuka pegambila data selama 2 miggu utuk megetahui perilaku sistem megeai waktu tuggu, waktu pelayaa da pajag atria pada 2 jam sibuk operasioal bak saja, yaitu pukul Pegamata dilakuka terhadap seluruh teller yag bekerja atau stadby setiap hariya, kemudia data yag diguaka dalam peelitia ii haya megamati perilaku 3 teller yag palig bayak melakuka pelayaa atau megalami jumlah atria yag sigifika karea berdasarka pegamata selama 3 hari diambil jumlah teller miimal, yaitu 3 teller dari kisara 3 sampai 5 teller yag bekerja atau stadby setiap hariya utuk meyeimbagka jumlah teller agar model atria sistem pelayaa asabah di Bak X dapat disimulasika dega jumlah teller yag sama setiap hariya selama 2 miggu. Hasil dari simulasi yag dibuat merupaka perilaku sistem pelayaa asabah Bak X terhadap waktu tuggu asabah, waku pelayaa asabah da pajag atria asabah selama 2 miggu. Maka sistem pelayaa asabah yag diguaka pada peelitia ii megguaka model atria M/M/3, artiya atria tuggal dega melalui 3 fasilitas pelayaa. Kemudia dilakuka simulasi discrete evet utuk megetahui perilaku sistem megeai waktu tuggu asabah, waktu pelayaa asabah da pajag atria asabah karea sistem pelayaa asabah ii merupaka kejadia diskrit yag bersifat stokastik atau bayak variabel yag meyebabka keacaka da bersifat diamis atau berubah meurut waktu tertetu sehigga sulit diselesaika secara aalitis. Represetasi dari kejadia diskrit dalam sistem pelayaa asabah dega model atria M/M/3 ditampilka pada Gambar 1. Gambar. 1. Graf kejadia diskrit sistem pelayaa asabah dega model M/M/3 Dimaa variabel status dari sistem : N(i) : status asabah ke-i : 0 - meuggu utuk dilayai 1 - sedag dilayai 2 - selesai dilayai S(j) : status server ke-j : 0 - megaggur (idle) 1 - sibuk bekerja (busy) Kejadia diskrit yag terjadi : 1(i) : asabah ke-i mita dilayai, N(i) 0 2(ij) : server ke-j mulai melayai asabah ke-i, N(i) 1 S(j) 1 3(ij) : server ke-j selesai melayai, S(j) 0 4(i) : asabah ke-i selesai dilayai, N(i) 2 Syarat : c(1) : server 2 da 3 megaggur, S(2)=0 da S(3)=0 c(2) : server 1 sibuk da 3 megaggur, S(1)=1 da S(3)=0 c(3) : server 1 da 2 sibuk, S(1)=1 da S(2)=1 c(4) : beberapa asabah meuggu, N(i)=0 Delays : t(a) : waktu sampai kedataga berikutya t(s) : waktu yag diperluka utuk melayai asabah Dari represetasi kejadia diskrit sistem pelayaa asabah dega model atria M/M/3 tersebut, terdapat variabel-variabel yag dibutuhka utuk proses simulasi atria sistem pelayaa asabah tersebut, yaitu waktu kedataga asabah da waktu pelayaa asabah. Sehigga dari variabel-variabel tersebut dibutuhka data megeai waktu kedataga asabah da waktu pelayaa asabah yag diperoleh dari pegamata di Bak X. III. SUMBER DATA Data yag diguaka dalam peelitia ii merupaka data primer hasil pegamata secara lagsug di Bak X. Pegamata dilakuka selama 2 miggu da megambil bayak waktu selama 2 jam sibuk operasioal Bak saja, yaitu pada pukul utuk setiap hariya. Data yag diambil adalah data waktu kedataga asabah da data waktu pelayaa asabah di Bak X. Jumlah data yag diambil tidak ditetapka berdasarka atura tertetu, karea di dalam uji kesesuaia distribusi dega metode Kolmogorov-Smirov dapat berlaku utuk sembarag sampel. Adapu cara pegumpula data sebagai berikut : 1. Data waktu kedataga asabah (arrival time) Data ii diambil dega cara mecatat waktu kedataga setiap asabah yag memasuki sistem pelayaa asabah di

3 JURNAL SAINS DAN SENI POMITS Vol. 6, No.1, (2013) ( X Prit) 3 Bak X da megambil omor atria pada tempat pegambila omor atria dega meeka tombol yag atas dari 2 piliha utuk keperlua trasaksi umum pada loket teller. 2. Data waktu pelayaa (service time) Data waktu pelayaa diambil dega mecatat waktu asabah memasuki sistem pelayaa teller pada loket teller yag terhitug sejak satu asabah dipaggil oleh teller sampai dega teller selesai melayai trasaksi asabah. / Miggu IV. STATISTIKA DESKRIPTIF Beberapa variabel-variabel yag telah diperoleh dari peelitia di Bak X, yaitu waktu atar kedataga asabah da waktu pelayaa asabah. Statistika deskriptif ii aka diaalisis perhari, yaitu hari Sei 1 sampai dega hari Jumat 2. Berikut statistika deskrptif dari variabel-variabel tersebut : 1. Waktu Atar Kedataga Statistika deskriptif utuk variabel waktu atar waktu kedataga asabah ditampilka pada Tabel 1. Tabel 1. Statistika deskriptif waktu atar kedataga asabah Mea Stadart Deviasi Sei Selasa Rabu Kamis Jum'at Sei Selasa Rabu Kamis Jum'at Berdasarka Tabel 1 dapat diketahui bahwa waktu atar kedataga asabah yag terpedek adalah hari Rabu 2 dega rata-rata detik. Hal ii meujukka bahwa tigkat kedataga asabah pada hari Rabu 2 sagat tiggi yaitu sekitar 2 asabah per meit. Sedagka waktu atar kedataga yag terpajag adalah hari Selasa 1 dega rata-rata detik, artiya adalah setiap 1 meit kurag lebih ada 1 asabah yag datag. Utuk ilai stadart deviasi yag terbesar adalah hari Rabu 2 yaitu Stadart deviasi meujukka besarya variasi data. 2. Waktu Pelayaa Statistika deskriptif utuk variabel waktu pelayaa asabah ditampilka pada Tabel 2. / Miggu Tabel 2. Statistika deskriptif waktu pelayaa asabah Mea Stadart Deviasi Sei Selasa Rabu Kamis Jum'at Sei Selasa Rabu Kamis Jum'at Berdasarka Tabel 2 dapat diketahui bahwa rata-rata teller dapat melayai 1 asabah adalah 2 sampai 3 meit per asabah. Utuk ilai stadart deviasi yag terbesar adalah hari Sei 1 yaitu Stadart deviasi meujukka besarya variasi data. V. PARAMETER DISTRIBUSI PROBABILITAS Berdasarka statistika deskriptif waktu atar kedataga asabah da waktu pelayaa asabah pada Tabel 1 da Tabel 2, selajutya meetuka parameter distribusi probabilitas. Dilakuka pedugaa distribusi probabilitas utuk mecari distribusi terbaik dari data waktu atar kedataga asabah da data waktu pelayaa asabah dega meghitug koefisie varias setiap data tersebut selajutya dilakuka pegujia terhadap distribusi teoritis yag diduga megguaka uji Kolmogorov-Smirov sehigga parameter sebagai data iput simulasi dapat ditetuka. Perhitugaya, sebagai berikut : 1. Distribusi Data Waktu Atar Kedataga Nasabah Dilakuka perhituga terhadap koefisie varias data waktu atar kedataga asabah pada Tabel 1. Perhituga koefisie varias data waktu atar kedataga hari Sei 1 sebagai berikut : cv = S 2 x = = Berdasarka hasil perhituga, utuk hari Sei 1, didapatka ilai koefisie varias (cv) adalah , maka diduga data waktu atar kedataga asabah hari Sei 1 berdistribusi ekspoesial. Utuk pedugaa seluruh data waktu atar kedataga asabah ditampilka pada Tabel 3. Berdasarka Tabel 3, maka seluruh data waktu atar kedataga asabah diduga berdistribusi ekspoesial karea ilai koefisie varias medekati 1.

4 JURNAL SAINS DAN SENI POMITS Vol. 6, No.1, (2013) ( X Prit) 4 Tabel 3. Pedugaa distribusi data waktu atar kedataga asabah /Miggu Koefisie Varias Pedugaa Distribusi Sei Ekspoesial Selasa Ekspoesial Rabu Ekspoesial Kamis Ekspoesial Jum'at Ekspoesial Sei Ekspoesial Selasa Ekspoesial Rabu Ekspoesial Kamis Ekspoesial Jum'at Ekspoesial Dilakuka pegujia megguaka uji Kolmogorov- Smirov utuk setiap data pada Tabel 4.3. Utuk hari Sei 1, hipotesaya sebagai berikut: Hipotesa : H 0 : waktu atar kedataga asabah berdistribusi ekspoesial H 1 : waktu atar kedataga asabah tidak berdistribusi ekspoesial Dari hasil pegujia pada hari Sei 1 didapatka : KS + i = max i) = KS - = max F x i i 1 = Tabel 4. Pegujia hipotesis distribusi data waktu atar kedataga asabah KS test = max {KS +, KS - } = Dega ilai α =0.05, maka didapatka KS tabel = Sehigga KS test KS tabel. Maka H 0 diterima atau hipotesis bahwa data waktu atar kedataga asabah pada hari Sei 1 berdistribusi ekspoesial dapat diterima. Hasil pegujia Kolmogorov-Smirov utuk seluruh data waktu atar kedataga asabah ditampilka pada Tabel 4 KS test KS tabel Kesimpula Ekspoesial 0.05 Ekspoesial Sei H 0 diterima Selasa H 0 diterima Rabu H 0 diterima Kamis H 0 diterima Jum'at H 0 diterima Sei H 0 diterima Selasa H 0 diterima Rabu H 0 diterima Kamis H 0 diterima Jum'at H 0 diterima Berdasarka Tabel 4, maka hipotesis distribusi data waktu atar kedataga asabah berdistribusi ekspoesial dapat diterima. Dega hipotesis tersebut, proses simulasi utuk medapatka peubah x dari waktu atar kedataga asabah yag memiliki ilai keacaka dilakuka dega membagkitka bilaga acak berdistribusi ekspoesial dega rumus x= θ l(u). Dimaa theta (θ) adalah parameter dari data waktu atar kedataga asabah. Dega megguaka batua peragkat luak Miitab 14 didapatka parameter data waktu atar kedataga asabah yag ditampilka pada Tabel 5. Tabel 5. Parameter data waktu atar kedataga asabah Ekpoesial Parameter Sei 1 α Selasa 1 α Rabu 1 α Kamis 1 α Jum'at 1 α Sei 2 α Selasa 2 α Rabu 2 α Kamis 2 α Jum'at 2 α Berdasarka Tabel 4.5 didapatka ilai rataa dari seluruh parameter data waktu atar kedataga asabah, yaitu ilai tetha (θ) sebagai data iput simulasi. 2. Distribusi Data Waktu Pelayaa Nasabah Dilakuka perhituga terhadap koefisie varias data waktu pelayaa asabah pada Tabel 2. Perhituga koefisie varias data waktu pelayaa hari Sei 1 sebagai berikut : cv = S 2 x = = Berdasarka hasil perhituga da pembahasa 2.6.1, utuk hari Sei 1 didapatka ilai koefisie varias adalah <1, maka diduga data waktu pelayaa asabah hari Sei 1 berdistribusi gamma/weibull dega parameter α >1. Utuk pedugaa seluruh data waktu pelayaa asabah ditampilka pada Tabel 6. Tabel 6. Pedugaa distribusi data waktu pelayaa asabah Koefisie Varias Pedugaa Distribusi Sei Gamma/Weibull Selasa Gamma/Weibull Rabu Gamma/Weibull Kamis Gamma/Weibull Jum'at Gamma/Weibull Sei Gamma/Weibull Selasa Gamma/Weibull Rabu Gamma/Weibull Kamis Gamma/Weibull Jum'at Gamma/Weibull Berdasarka Tabel 6, maka seluruh data waktu pelayaa asabah diduga berdistribusi gamma/weibull karea ilai koefisie varias kurag dari 1.

5 JURNAL SAINS DAN SENI POMITS Vol. 6, No.1, (2013) ( X Prit) 5 Dilakuka pegujia megguaka uji Kolmogorov- Smirov utuk setiap data pada Tabel 6. Utuk hari Sei 1, hipotesaya sebagai berikut: Hipotesa : H 0 : waktu pelayaa asabah berdistribusi weibull H 1 : waktu pelayaa asabah tidak berdistribusi weibull Dari hasil pegujia hari Sei 1 didapatka : KS + i = max F(x i) = KS - = max F x i i 1 = KS test = max {KS +, KS - } = Dega ilai α =0.05, maka didapatka KS tabel = Sehigga KS test KS tabel. Maka H 0 diterima atau hipotesis bahwa data waktu pelayaa asabah pada hari Sei 1 berdistribusi weibull dapat diterima. Hasil pegujia Kolmogorov-Smirov utuk seluruh data waktu pelayaa asabah dapat dilihat pada Tabel 7. Tabel 7. Pegujia hipotesis distribusi data waktu pelayaa asabah KS test KS tabel Kesimpula Gamma Weibull 0.05 Gamma/ Weibull Sei H 0 diterima Selasa H 0 diterima Rabu H 0 diterima Kamis H 0 diterima Jum'at H 0 diterima Sei H 0 diterima Selasa H 0 diterima Rabu H 0 diterima Kamis H 0 diterima Jum'at H 0 diterima Berdasarka hasil pegujia hipotesis distribusi data dega uji Kolmogorov-Smirov pada Tabel 7, maka hipotesis distribusi data waktu pelayaa asabah berdistribusi gamma/weibull dapat diterima. Dega hipotesis tersebut, proses simulasi utuk medapatka peubah x dari waktu pelayaa asabah yag memiliki ilai keacaka dilakuka dega membagkitka bilaga acak berdistribusi weibull dega rumus x= β( l U) 1 α. Dimaa alpha (α) adalah parameter betuk dari data waktu pelayaa asabah da betha (β) adalah parameter lokasi dari data waktu pelayaa asabah. Dega megguaka batua peragkat luak Miitab 14 didapatka parameter data waktu pelayaa asabah yag ditampilka pada Tabel 8. Berdasarka Tabel 8 di atas didapatka ilai rataa dari seluruh parameter data waktu pelayaa asabah, yaitu ilai alpha (α) da ilai betha (β) sebagai data iput simulasi Tabel 8. Parameter data waktu pelayaa asabah berdistribusi Weibull Distribusi α Parameter Sei 1 Weibull Selasa 1 Weibull Rabu 1 Weibull Kamis 1 Weibull Jum'at 1 Weibull Sei 2 Weibull Selasa 2 Weibull Rabu 2 Weibull Kamis 2 Weibull Jum'at 2 Weibull VI. IMPLEMENTASI PERANGKAT LUNAK Setelah didapatka data iput simulasi kemudia dilakuka implemetasi peragkat luak simulasi atria sistem pelayaa asabah dimaa dalam pembuataya megguaka peragkat luak Matlab Setelah implemetasi program simulasi selesai dibuat dega memasukka data iput, yaitu ilai tetha (θ) , ilai alpha (α) da ilai betha (β) dilakuka simulasi sebayak 25 kali. Dari simulasi sebayak 25 kali tersebut didapatka data ratarata waktu tuggu asabah, data rata-rata pelayaa asabah da data pajag atria yag aka diaalisa lebih lajut. VII. ANALISA DATA HASIL OUTPUT SIMULASI Sejumlah data-data megeai rata-rata waktu tuggu asabah, da rata-rata waktu pelayaa asabah serta data pajag atria asabah yag telah didapatka dari hasil simulasi sebayak 25 kali ditampilka pada Tabel 9. Berdasarka data pada Tabel 9 dilakuka aalisa terhadap data-data berikut : 1. Aalisa Data Rata-Rata Waktu Tuggu Nasabah Berdasarka data rata-rata waktu tuggu dalam Tabel 9 tersebut dicari ilai rataa data waktu tuggu sebagai berikut : Rataa waktu tuggu (x ) = Variasi data (S 2 )= i=1 Xi Xi X 2 i=1 1 = = β = meit = Stadart deviasi (S) = S 2 = = Diketahui bahwa waktu rata-rata setiap asabah meuggu dalam atria utuk dilayai adalah 8 meit 43 detik da berada pada iterval 3 meit 36 detik waktu tuggu 13 meit 51 detik. 2. Aalisa Data Rata-Rata Waktu Pelayaa Nasabah Berdasarka data rata-rata waktu pelayaa asabah dalam Tabel 9 dicari ilai rataa data waktu pelayaa sebagai berikut : Rataa waktu pelayaa(x) = i=1 Xi = Variasi data (S 2 Xi X )= i=1 2 = = Stadart deviasi (S) = S 2 = = = meit

6 JURNAL SAINS DAN SENI POMITS Vol. 6, No.1, (2013) ( X Prit) 6 Diketahui bahwa waktu rata-rata dibutuhka teller utuk dapat melayai asabah adalah 2 meit 54 detik per asabah da berada pada iterval 2 meit 15 detik waktu pelayaa 3 meit 8 detik, ditampilka dalam grafik pada Gambar 3 berikut. 3. Aalisa Data Pajag Atria Nasabah Berdasarka data pajag atria asabah dalam Tabel 9 dicari ilai rataa pajag atria sebagai berikut : Xi Pajag atria asabah (x)= = = Diketahui bahwa rata-rata bayakya asabah megatri utuk dilayai sebayak 14 orag asabah. Tabel 9. Data aalisa hasil output simulasi Rata-Rata Waktu Rata-Rata Tuggu Waktu Pelayaa Pajag Atria i=1 VIII. KESIMPULAN Berdasarka pembahasa maka disimpulka bahwa waktu tuggu yag terjadi di Bak X utuk setiap proses simulasiya berada pada iterval berada pada iterval 3 meit 36 detik waktu tuggu 13 meit 51 detik, sedagka rata-rata waktu pelayaa asabah berada pada iterval 2 meit 15 detik waktu pelayaa 3 meit 8 detik dega pajag atria asabah sebayak 14 orag asabah. DAFTAR PUSTAKA [1] Abadi, Risky.(2010). Simulasi Atria Pelayaa Bogkar Muat Kapal Kotaier (Studi Kasus Termial Mirah, Pelabuha Tajug Perak Surabaya).Tugas Akhir, Jurusa S1 Matematika, ITS. [2] Hutomo, A. Priyo.(2004). Simulasi Atria Sistem Pelayaa Nasabah Bak.Tugas Akhir, Jurusa S1 Matematika, ITS. [3] Law, A.M., ad Kelto, D.(2000). Simulatio Modellig Aalysis.Mc. Graw Hill Ic. Sigapore. [4] Broso, R.(1993). Operatio Research, Teori da Soal-soal.Jakarta: Erlagga. [5] Taliah, T. da Dimyati, A.(1992). Model-model Pegambila Keputusa.Badug: Siar Baru. [6] Heizer, J. Da Reder, B.(2005). Maajeme Operasi. Buku 2.Jakarta: Salemba Empat. [7] Siagia, P.(1987). Peelitia Operasioal: Teori da Praktek.Jakarta: Uiversitas Idoesia Press. [8] Hillier, Federick S. da Lieberma, Gerald.(1990). Itroductio Operatio Research 5 Editio.Mc. Graw Hill Iteratioal Editios Idustrial Egierig Series. [9] Hoover, S. V. ad Perry, Rolad F.(1989). Simulatio: Problem- Solvig Approach.Addiso-Wesley Publishig Comp. Ic. New York. [10] Taha, H.A.(1997). Riset Operasi.Jakarta: Biarupa. [11] modul4.doc.diakses taggal 1 Agustus 2013

Seminar Hasil Tugas Akhir

Seminar Hasil Tugas Akhir Seminar Hasil Tugas Akhir FALAH EGY SUJANA (1209100050) JURUSAN MATEMATIKA FMIPA-ITS SIMULASI ANTRIAN SISTEM PELAYANAN NASABAH (STUDI KASUS : BANK X) Pembimbing : Drs. Soetrisno, MI.Komp. LATAR BELAKANG

Lebih terperinci

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT

ANALISIS SISTEM ANTRIAN PADA LOKET PENDAFTARAN PASIEN DI PUSKESMMAS PADANG PASIR KECAMATAN PADANG BARAT Jural Sais da Tekologi Vol 7 o 2, Desember 27 ANALISIS SISTEM ANTRIAN ADA LOKET ENDAFTARAN ASIEN DI USKESMMAS ADANG ASIR KECAMATAN ADANG BARAT Ali Suta Nasutio, Seira Mutia 2 Tekik Idustri Sekolah Tiggi

Lebih terperinci

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Saitia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 277 287. ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH DI PT. BANK NEGARA INDONESIA (PERSERO) TBK KANTOR CABANG UTAMA USU Siti Aria R. Harahap

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3. Eleme Dasar Model Atria. Aktor utama customer da server. Eleme dasar :.distribusi kedataga customer. 2.distribusi waktu pelayaa. 3.disai fasilitas pelayaa (seri, paralel atau jariga). 4.disipli atria (pertama

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

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

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

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

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

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

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

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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

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

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

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 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

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

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

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

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

III BAHAN DAN METODE PENELITIAN

III BAHAN DAN METODE PENELITIAN 27 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Objek yag diguaka dalam peelitia ii adalah kuda Sumba (Sadelwood) betia da jata berjumlah 30 ekor dega umur da berat yag relatif

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 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

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

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

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

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 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

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

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

Analisis Sistem Antrian Kapal Pengangkut Barang di Pelabuhan Tanjung Perak Surabaya

Analisis Sistem Antrian Kapal Pengangkut Barang di Pelabuhan Tanjung Perak Surabaya JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prit) D-96 Aalisis Sistem Atria Kapal Pegagkut Barag di Pelabuha Tajug Perak Surabaya Aulia Ahmad da Muhammad Mashuri Jurusa Statistika,

Lebih terperinci

MODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN

MODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN ODEL STOKHASTIK ANTRIAN NON POISSON PADA PELAYANAN PERBANKAN 1 Sugito, 2 Ala Prahutama, 3 Budi Warsito, 4 och Abdul ukid, 5 Nia Puspita Sari 1,2,3,4,5 Departeme Statistika, Fakultas Sais da atematika,uiversitas

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

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

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

BAB III METODE PENELITIAN

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

Lebih terperinci

BAB 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

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

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

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

Lebih terperinci

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

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 2 LANDASAN TEORI

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

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

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

BAB III METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

METODE PENELITIAN. 3.1 Kerangka Pemikiran

METODE PENELITIAN. 3.1 Kerangka Pemikiran 24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.

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

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

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

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 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

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

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

Lebih terperinci

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

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan BAB III METODE PENELITIAN A. Jeis Peelitia Berdasarka pertayaa peelitia yag peeliti ajuka maka jeis peelitia ii adalah peelitia diskriptif kuatitatif. Dalam hal ii peeliti aka mediskripsika kemampua relatig,

Lebih terperinci

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

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

Lebih terperinci

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 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

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

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

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

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

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

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

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

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. memelihara itik Damiaking murni di Kampung Teras Toyib Desa Kamaruton

III BAHAN DAN METODE PENELITIAN. memelihara itik Damiaking murni di Kampung Teras Toyib Desa Kamaruton III BAHAN DAN METODE PENELITIAN 3.1 Baha da Alat Peelitia 3.1.1 Telur Tetas Itik Damiakig Baha yag diguaka dalam peelitia ii adalah telur tetas itik Damiakig berasal dari iduk yag dipelihara secara ekstesif

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

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

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

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag 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 IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 40 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bagia ii aka diuraika megeai hasil kegiata pegumpula data da proses pegolaha data yag dilakuka. Sebagai objek peelitia adalah mesi ove botol PT.Pharos Idoesia.

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

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

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 IV PEMBAHASAN DAN ANALISIS

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

Lebih terperinci

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii megguaka desai Eksperimet dega pedekata pre test post test with cotrol group. Peelitia ii berupaya utuk megugkapka hubuga sebab-akibat dega cara

Lebih terperinci

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

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi, BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep

Lebih terperinci

SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph

SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph SB/P/BF/14 PERFORMA PERTUMBUHAN IKAN NILA BEST PADA BERBAGAI MEDIA ph M.H. Fariduddi Ath-thar, Vitas Atmadi Prakoso, Otog Zeal Arifi, da Rudhy Gustiao Balai Riset Perikaa Budidaya Air Tawar, Jl. Sempur

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

BAB 3 DATA DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng

Lecture 4 : Queueing Theory and Aplications. Hanna Lestari, M.Eng Leture 4 : Queueig Theory ad Apliatios Haa Lestari, M.Eg Struktur Dasar Model Model Atria Teori Atria bertujua utuk megetahui/meetuka besara kierja sistem atria. Ukura kierja sistem dalam kodisi steady

Lebih terperinci

Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007

Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007 1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,

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 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

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

3. METODE PENELITIAN

3. METODE PENELITIAN 3. METODE PENELITIAN 3.1. Waktu da Lokasi Peelitia Peelitia ii megguaka data primer da sekuder. Data primer diambil dari kegiata peelitia skala laboratorium. Peelitia dilakuka pada bula Februari-Jui 2011.

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 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

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

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

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

Lebih terperinci