Regresi Komponen Utama, Regresi Ridge, dan Regresi Akar Laten dalam Mengatasi Masalah Multikolinieritas

Ukuran: px
Mulai penontonan dengan halaman:

Download "Regresi Komponen Utama, Regresi Ridge, dan Regresi Akar Laten dalam Mengatasi Masalah Multikolinieritas"

Transkripsi

1 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 5 Reges Komponen Utama Reges Rdge dan Reges Aka Laten dalam Mengatas Masalah Multkolnetas Dan Agustna Juusan Matematka FMIPA Unvestas Bengkulu danagustna7@yahoo.com S - 8 Abstak U mengena multkolnetas meupakan salah satu tahapan yang haus dlewat pada analss eges. Vaabel-vaabel yang mengalam multkolnetas menyebabkan eges tdak efsen atau penympangannya besa. Peneltan n betuuan untuk melhat bagamana metode eges komponen utama eges dge dan eges aka laten mengatas masalah multkolnetas. Data yang dgunakan adalah data Hald dengan banyaknya tkalsum alumna banyaknya tkalsum slka banyaknya tetakalsum alumno bes() dan banyaknya dkalsum slka sebaga vaabel-vaabel bebas seta evolus panas dalam kalo pe gam semen sebaga vaabel tak bebasnya. Da ketga metode eges yang dgunakan pada data tesebut metode eges dge dan eges aka laten mempunya MSE yang lebh kecl dapada yang dhaslkan oleh metode eges komponen utama. Kata kunc: Reges Komponen Utama Reges Rdge Reges Aka Laten. I. PENDAHULUAN Analss eges meupakan salah satu teknk statstka yang dgunakan untuk menyeldk hubungan atau pengauh antaa suatu vaabel dengan vaabel lannya. Vaabel-vaabel eges yang behubungan secaa lne dsebut eges lne. Reges lne antaa satu vaabel espon dengan satu vaabel bebas dsebut eges lne sedehana sedangkan eges lne antaa satu vaabel espon dengan dua atau lebh vaabel bebas dsebut eges lne beganda []. Pada eges lne beganda yang mempunya banyak vaabel bebas seng muncul masalah kaena teadnya hubungan lne antaa dua atau lebh vaabel bebas. Vaabel bebas yang salng bekoelas dsebut kolnetas ganda (multkolnetas). Salah satu asums yang haus dpenuh dalam model eges lne beganda adalah tdak adanya multkolnetas d antaa vaabel bebas yang masuk ke dalam model. Multkolnetas meupakan suatu konds dmana tead koelas yang tngg anta vaabel-vaabel bebas yang mengakbatkan detemnan da matks XX akan mendekat sehngga menyebabkan matks tesebut hamp sngula yang mengakbatkan nla da penduga paametenya tdak dapat dtemukan []. Untuk mengetahu adanya multkolnetas dapat dlakukan dengan menghtung koefsen koelas sedehana antaa sesama vaabel bebas ka tedapat koelas sedehana yang hamp mendekat maka n menunukkan adanya masalah multkolnetas [3]. Selan tu untuk menguku adanya multkolnetas yatu dengan melhat nla VIF. VIF (Vaance Inflaton Facto) meupakan suatu fakto yang menguku sebeapa besa kenakan agam da koefsen penduga eges dbandngkan tehadap vaabel bebas yang othogonal ka dhubungkan secaa lne. Geala multkolnetas menmbulkan masalah dalam model eges. Koelas anta vaabel bebas yang sangat tngg menghaslkan penduga model eges yang bebas tdak stabl dan mungkn auh da nla pedksnya []. Bebeapa metode yang dapat dgunakan untuk mengatas masalah multkolnetas n dantaanya adalah Reges Komponen Utama Reges Rdge dan uga Reges Aka Laten. Dalam metode Reges Komponen Utama hasl tansfomas pesamaan eges komponen utama da komponen utama Z membekan pesamaan eges komponen utama yang tdak lag mengandung multkolnetas. Metode Reges Rdge akan menghaslkan penduga yang bas kaena adanya penambahan nla pada poses pehtungannya tetap mempunya vaan yang mnmum yang dtunukan da nla Kuadat Tengah Galat (Mean Squae Eo) yang mnmum. Sementaa metode eges aka laten meupakan peluasan da metode eges komponen utama yatu dengan menggabungkan matks data yang beasal da vaabel bebas dengan vaabel espon yang telah dbakukan [5]. 37

2 ISBN Bedasakan uaan d atas penuls tetak untuk melhat masalah multkolnetas dengan ketga metode tesebut d atas yang dapat mengatasnya. II. METODE PENELITIAN A. Reges Lne Bentuk umum da pesamaan eges lne dbekan oleh dmana n k Y X espon ke k Y X n () ntesep koefsen eges vaabel bebas ke vaabel bebas ke dan galat da pengamatan ke. Dengan notas matk () dapat dtulskan sebaga y x xk y x x k y x x n n kn k 3 Y X β ε ( n) ( n( k )) (( k ) ) ( n) () Reges lne beganda mempunya asums-asums yang haus dpenuh salah satunya alah multkolnetas. B. Multkolnetas Istlah multkolneatas petama kal dkemukakan oleh Ragna Fsch yang beat adanya hubungan lnea yang sempuna atau past dantaa bebeapa atau semua vaable bebas da model eges beganda. Multkolneatas bekenaan dengan tedapatnya lebh da satu hubungan lnea past. Multkolnetas menyebabkan eges tdak efsen atau penympangannya besa [6]. Salah satu caa untuk mendeteks multkolneatas dengan menggunkan Vaance Inflaton Facto (VIF) yang dbekan oleh VIF meupakan unsu-unsu dagonal utama matks koelas detemnas yang ddapat da vaabel bebas tdak bekoelas dengan vaabel bebas lan maka Sebalknya ka menad besa. Jka nla multkolneatas [7]. X mempunya koelas dengan vaabel bebas lan maka VIF (3) R C X X dengan R meupakan koefsen X degeskan tehadap p vaabel bebas lan. Jka X R akan benla kecl dan VIF mendekat. R akan mendekat dan VIF VIF lebh da maka n menunukkan data mengalam masalah 38

3 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 5 C. Reges Komponen Utama Reges komponen utama ddasakan pada analss komponen utama. Melalu analss komponen utama akan dhaslkan vaabel-vaabel bau (komponen utama) yang meupakan kombnas lne da vaabelvaabel bebas asal dan anta vaabel bebas bau n besfat salng bebas. Selanutnya vaabel bebas bau n degeskan dengan vaabel espon asal [5]. Pada awalnya bedasakan matk X pada () yang telah melalu posedu centeng dan escalng dpeoleh matk X yang tepusat dan teskalakan yang kemudan dsebut matk Z. Matk koelasnya ZZ dan aka c (dsebut uga aka laten atau nla egen) matk koelas n adalah solus da pesamaan detemnan ZZ I. Jumlah aka c matk koelas n sama dengan tace matk ZZ. Untuk setap aka c tedapat vekto c ZZ I. Vekto c solusnya yang memenuh sstem pesamaan homogen yang dplh da sekan banyak solus sebandng yang ada untuk setap meupakan solus yang tenomalkan sedemkan upa sehngga. Jka semua bebeda maka setap pasang vekto c akan otogonal sesamanya. Vekto dgunakan untuk mengucapkan kembal Z ke dalam suku-suku komponen utama dalam bentuk sehngga umlah kuadat setap peubah Dengan kata lan z z z () yang unsu-unsunya mengambl seumlah da keagaman totalnya. Yatu n kuadat totalnya sepet semula. Jad posedu n mencptakan vaabel-vaabel bau untuk n adalah. da vaabel-vaabel sehngga umlah Z melalu suatu tansfomas lne pada () sedemkan sehngga vekto-vekto tu otogonal sesamanya. Vaabel padanan nla yang tebesa dsebut komponen utama petama. Komponen n menelaskan bagan tebesa da keagaman yang dkandung oleh gugusan data yang telah dbakukan. Komponen-komponen yang lan menelaskan popos keagaman yang semakn lama semakn kecl sampa semua p keagaman datanya teelaskan ad. Basanya kta tdak menggunakan semua melankan mengkut suatu atuan tetentu. Sebagan penelt hanya mengambl aka c yang lebh besa da. Refeens [8] menyaankan komponen-komponen dapat dhtung sampa seumlah tetentu popos keagaman data yang cukup besa (mungkn 75 pesen atau lebh) telah teelaskan. Selanutnya posedu kuadat tekecl dgunakan untuk mempeoleh pesamaan peamalan bag Y sebaga fungs da vaabel-vaabel yang teplh tu. Uutan masuknya tdak ada pengauhnya dalam hal n sebab semuanya otogonal satu sama lan. Bla pesamaan eges dalam telah dpeoleh pesamaan n dapat dkembalkan menad fungs vaabel semula Z bla dkehendak atau dtafskan bedasakan vaabel-vaabel tad. D. Reges Rdgen Msalkan F adalah padanan matk X yang tepusat dan teskalakan. Jka model asal dbekan oleh Y Z Z Z (5) 39

4 ISBN Z u Z vaabel bebas tepusat dan teskalakan yang bau adalah f u dmana Z / adalah ata-ata S u n dan S Z Z. Jad u u Z u f f f F f u fu f u (6) f n fn f n Dan FF adalah matk koelas da Z yang beukuan model mempunya (+) paamete temasuk. Dalam eges dge basanya Y hanya dpusatkan tetap ka dngnkan dapat pula dskalakan. Jka Y tdak dskalakan model (5) dapat dtulskan sebaga Y Y f f f (7) u F u F u F u u dengan vekto estmas kuadat tekecl dtuls sebaga F b F F I FY (8) dmana blangan postf yang beada dalam entang (). Untuk mendapatkan kembal estmas paamete dalam (5) dgunakan dan bf b (9) / S b Y b Z () sehngga tedapat vekto b b b b yang beukuan b Plot. Jka maka meupakan estmas kuadat tekecl da paamete-paamete dalam (5). b atau plot F b tehadap untuk dsebut plot dge tace. Plot n dgambakan dalam unt-unt koelas dmaksudkan untuk memungknkan pebandngan langsung dantaa efek-efek elatf da bebaga koefsen dan untuk membuang efek-efek da penskalaan Z yang mempengauh ukuan estmas koefsen-koefsen n. yang menngkat mendekat menyebabkan estmas menad kecl dan akan cendeung menuu nol bla menuu tak hngga. Kemudan dplh sebuah nla sebut saa. Saat telah dplh (sama dengan b dgunakan dalam ) pesamaan peamalan. Pesamaan yang dhaslkan bukan da estmas kuadat tekecl dan bebas tetap lebh stabl dan membekan keseluuhan kuadat tengah galat yang lebh kecl penguangan keagaman galat yang dcapa metode n memlk nla lebh ketmbang bas yang ada [9]. Salah satu metode pemlhan daukan oleh [] yatu dengan menggunakan dmana s b F bf ()

5 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 5 s banyaknya paamete dalam model tanpa kuadat tengah esdual dalam tabel analss vaan yang dpeoleh bedasakan () atau bedasakan (6) haslnya sama b F bf bf bf S b S b S b E. Reges Aka Laten Pada efeens [] dlakukan peluasan eges komponen utama untuk pemeksaan pesamaan peamalan altenatf dan untuk pembuangan peubah peamal. Matk data yang beasal da vaabel bebas yang telah dbakukan dgandengkan dengan vaabel espon yang telah dbakukan dengan menempatkan vaabel espon yang telah dbakukan n d depan untuk mempeoleh dmana Z matk X yang telah dpusatkan dan dskalakan dbakukan y YY YY S / YY S Y Y Dengan demkan. Z y Z () Z Z meupakan matk koelas gandengannya (augmented coelaton matx). Sepet halnya dalam metode komponen utama aka laten dan vekto latennya kemudan dhtung namun d sn unsu petamanya yatu koefsen-y setap vekto laten dgunakan sebaga tolak uku keteamalan esponnya oleh vekto laten tesebut. Semakn besa unsu petama vekto laten tesebut semakn bemanfaatlah vekto tu d dalam meamalkan esponnya dan begtu pula sebalknya. Adanya aka laten yang kecl menandakan kemungknan adanya ketegantungan atau ketdakbebasan lne d antaa vaabel-vaabel bebas. Semakn kecl aka laten semakn kuat ketdakbebasan lne tesebut. Pesamaan kuadat tekecl untuk suatu model tetentu adalah kombnas lne tebak (dalam pengetan kuadat tekecl) da semua vekto laten tesebut. Dengan membuang vekto laten yang aka laten dan unsu petama vekto laten padanannya kecl maka akan dpeoleh pesamaan kuadat tekecl yang telah temodfkas. Posedu temodfkas n menghaslkan penduga yang bebas. Setelah pesamaan kuadat tekecl temodfkasnya dpeoleh posedu elmnas langkah mundu dapat dgunakan untuk mengeluakan vaabel bebas da pesamaan tu. F. Data dan teknk analss Data yang dgunakan adalah data yang mengandung multkolnetas dalam hal n dgunakan data Hald. Data Hald pada awalnya meupakan data da Junal Industal and Engneeng Chemsty tahun 93 dengan udul Effect of composton of Potland heat evolved dung hadenng. Dengan 3 sampel vaabel bebasnya adalah banyaknya tkalsum alumna banyaknya tkalsum slka banyaknya tetakalsum alumno bes() dan banyaknya dkalsum slka seta evolus panas dalam kalo pe gam semen sebaga vaabel tak bebasnya [9]. Posedu peneltan yang dlakukan adalah sebaga bekut:. Mengambl data contoh da efeens.. Mengu multkolnetas. 3. Meneapkan masng-masng metode eges pada data contoh dengan menggunakan bantuan softwae NCSS untuk eges komponen utama dan eges dge.. Meekaptulas hasl estmas. 5. Membuat kesmpulan bedasakan hasl estmas yang dpeoleh.

6 ISBN III. HASIL DAN PEMBAHASAN Dengan mengasumskan bahwa data yang dgunakan telah memenuh asums eges selan asums nonmultkolonetas bekut adalah hasl u asums nonmultkoletas. TABEL. NILAI VIF MASING-MASING VARIABEL BEBAS Vaabel bebas VIF X 3896 X 53 X X 6868 Tabel menunukkan nla VIF > untuk setap vaabel bebas. Atnya pada data n tedapat adanya multkolnetas. Adanya multkolnetas pada vaabel-vaabel bebas mengakbatkan model eges yang dpeoleh auh da akuat. Apabla tetap dlakukan analss eges lne akan dpeoleh estmas sepet pada Tabel dengan model Yˆ X 5 X X3 X dan R = 98. Dapat dlhat bahawa R besa namun da u-t tenyata vaabel-vaabel bebas tdak sgnfkan. TABEL. HASIL ANALISIS REGRESI LINIER Unstandadzed Coeffcents Standadzed Coeffcents Model B Std. Eo Beta t Sg. (Constant) x x x x Sehngga dpelukan caa yang dapat mengatas masalah multkolnetas. Sepet yang telah dtulskan d atas yang akan dgunakan untuk mengatas masalah multkolnetas n adalah Reges Komponen Utama Reges Rdge dan Reges Aka Laten. Da analss komponen utama sebaga langkah awal da eges komponen utama Tabel 3 membekan dua vaabel bau dan dengan total keagaman yang dapat delaskan oleh keduanya adalah sebesa 959%. TABEL 3. TOTAL KERAGAMAN Indvdual Cumulatve Komponen Egenvalue % % Sehngga dengan menggunakan kedua komponen utama n dpeoleh model eges komponen utama Yˆ Model eges n mempunya R = 98. Apabla model n dkembalkan ke vaabel asal maka dpeoleh model Ŷ= X +36X -37X 3-596X dengan R = 965 dan MSE = Sementaa tu dengan menggunakan 3 da () dpeoleh Tabel yang membekan hasl sebaga bekut.

7 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 5 Independent Vaable TABEL. KOEFISIEN REGRESI RIDGE Regesson Standad Coeffcent Eo Standadzed Regesson Coeffcent Intecept 838 X X X X VIF Semua vaabel bebas mempunya nla VIF < atnya sudah tdak tedapat masalah multkolnetas lag. Bedasakan tabel dapat dbuat model eges dgenya yatu adalah Yˆ X 99X 38 X3 X. Model n mempunya R = 975 dan MSE = Sedangkan metode eges aka laten dmula dengan langkah petama yatu membuat matk koelas gandengan Y Z Z Z Z 3 Y Z 737. Z Z Z Selanutnya menghtung aka laten da matk gandengan bekut vekto laten padanannya sebaga bekut. Aka Y Z Z Z Z 3 3 Laten Telhat bahwa 6 5 dan 8 atnya bahwa vekto bas n hendaknya dbuang saa. Aka laten bekutnya 7 5 menandakan adanya masalah kesngulaan namun 87 menandakan keteamalan tngg sehngga vekto bas n dpetahankan. Begtupun dengan lannya dan vekto laten padanannya dpetahankan. Langkah keempat bedasakan langkah sebelumnya telah dketahu vekto mana yang dpetahankan. Vekto koefsen kuadat tekecl temodfkas dbekan oleh b b c b b 3

8 ISBN / n dmana c adalah konstanta c Y Y. vekto yang dpetahankan. Sehngga ddapat c 9356 b 5989 menyatakan penumlahan untuk b b3 39 dan b 399. Jad modelnya Zy Z Z 39Z 3 399Z yang bla dkembalkan ke vaabel asal model akan mempunya R = 98 dengan MSE = 3756 dan bebentuk Yˆ X 38X 79 X3 8X. Apabla meneapkan langkah mundu pada tahap bekutnya akan menyebabkan keluanya vaabel X membekan pesamaan eges kuadat tekecl temodfkas sebaga Yˆ X 993 X 396 X3. IV. SIMPULAN DAN SARAN Metode eges komponen utama eges dge dan eges aka laten yang dteapkan pada data Hald untuk mengatas masalah multkolnetas membekan hasl yang tdak telalu auh bebeda. Reges kompone utama membekan model Yˆ X 36X - 37 X3-596 X dengan R = 965 dan MSE = Metode eges dge menghaslkan model Yˆ X 99X 38 X3 X dengan R = 975 dan MSE = Sedangkan model yang dpeoleh da metode eges aka laten mempunya R = 98 dengan MSE = 3756 dan dapat dtulskan sebaga Yˆ X 99X 38 X3 X. Tampak bahwa MSE yang tmbul da metode eges aka laten lebh kecl dbandngkan dengan yang dtmbulkan oleh dua metode lannya. DAFTAR PUSTAKA [] Kutne M. H. C. J Nachtshem. J. Nete dan. L Appled Lnea Statstcal Model Ffth Edton McGaw-Hll New Yok. [] Hoel A. E dan R.. Kennad 97 Rdge Regesson: Based Estmatonfo Non Othogonal Poblem Technometcs vol. No. Hal: [3] Sembng R. K Analss Reges ITB Bandung 3. [] Blfasah A Efektftas Metode Adtf Splne Kuadat Tekecl Pasal dalam Pendugaan Model Reges Makaa Sans Vol. 9 No. Hal: [5] Dape N. R dan H. Smth Analss Reges Teapan Eds Kedua Dteemahkan oleh Bambang Sumant Juusan Statstka FMIPA IPB Bogo 99. [6] Guaat D. N Basc Econometcs Fouth Edton McGaw-Hll Hghe Educaton New Yok 3. [7] Montgomey D. C. Peck E. A. Intoducton to Lnea Regesson Analyss John ley & Sons New Yok 99. [8] Moson D. F Multvaate Statstcal Methods Second Edton McGaw-Hll New Yok 976. [9] Dape N. R dan H. Smth Appled Regesson Analyss Thd Edton John ley and Son Inc. New Yok 998. [] Hoel A.E. Kennad R.. dan Baldwn K. F. Rdge Regesson: some smulatons Communcaton n Statstcs Theoy and Methods Hal: [] ebste J. T. Gunst R. F. dan Mason R. L. Latent oot egesson analyss Technometcs 6 Hal:

Bab 4 ANALISIS KORELASI

Bab 4 ANALISIS KORELASI Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

Lebih terperinci

P(A S) = P(A S) = P(B A) = dengan P(A) > 0.

P(A S) = P(A S) = P(B A) = dengan P(A) > 0. 0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu

Lebih terperinci

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN

SIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN SFT - SFT MTRKS UNTER, MTRKS NORML, DN MTRKS HERMTN Tasa bstak : Tujuan peneltan n adalah untuk mengetahu pengetan dan sfat sfat da matks unte, matks nomal, dan matks hemtan. Metode peneltan yang dgunakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

Bab III Reduksi Orde Model Sistem LPV

Bab III Reduksi Orde Model Sistem LPV Bab III Reduks Ode Model Sstem PV Metode eduks ode model melalu MI telah dgunakan untuk meeduks ode model sstem I bak untuk kasus kontnu maupun dskt. Melalu metode n telah dhaslkan pula bentuk da model

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum ewton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata

BAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata 3 BAB III BAGAN CUSUM 3.. Dasa statstk bagan kendal Cumulatve Sum untuk ata-ata Bagan Cusum dgunakan untuk mendeteks pegesean kecl pada mean atau vaans dalam poses oleh kaena adanya penyebab khusus secaa

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang

BAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang 39 BAB III METODE PENELITIAN 3.1. Desan Peneltan Untuk mencapa tujuan peneltan, maka dpelukan suatu metode yang tepat aga peneltan dapat dlaksanakan dengan bak. Sebagamana yang dkemukakan oleh Mohammad

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

UJI PRIMALITAS. Sangadji *

UJI PRIMALITAS. Sangadji * UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum

Fisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum Newton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya

Lebih terperinci

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Prosdng SPMIPA. pp. 147-15. 006 ISBN : 979.704.47.0 EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Rta Rahmawat, I Made Sumertajaya Program Stud Statstka Jurusan Matematka FMIPA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN

PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 1.1. Metode Peneltan yang Dgunakan Dalam peneltan n dlakukan poses pengumpulan data yang kemudan dlakukan analss dengan melukskan keadaan obyek peneltan pada saat sekaang

Lebih terperinci

Koefisien Determinasi dan Korelasi Berganda

Koefisien Determinasi dan Korelasi Berganda Koefsen Detemnas dan Koelas Beganda Y = 1 + X + 3 X 3 + + k X k + u PowePont Sldes byyana Rohmana Educaton Unvesty of Indonesan 007 Laboatoum Ekonom & Kopeas Publshng Jl. D. Setabud 9 Bandung, Telp. 0

Lebih terperinci

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

Analisis Regresi Linear Sederhana

Analisis Regresi Linear Sederhana Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks

Lebih terperinci

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) Intepetas pobablstk a fungs gelombang t suatu patkel telah kta pelaa yatu t yang menyatakan peluang menemukan patkel paa waktu

Lebih terperinci

BAB II DASAR TEORI. 2.1 Definisi Game Theory

BAB II DASAR TEORI. 2.1 Definisi Game Theory BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan

Lebih terperinci

ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING

ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING J. Math. and Its Appl. ISSN: 1829-65X Vol. 7, No. 2, Novembe 21, 27 4 ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING Fada Agustn W. 1, Thatht Puwanngtyas 2 Juusan Matematka, FMIPA ITS Suabaya

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

KALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA KALKULUS VARIASI JURUSAN PENDIDIKAN ISIKA PMIPA UNIVERSITAS PENDIDIKAN INDONESIA Smak Petanaan! Bang A B Bentuk kuva apakah ang menunjukkan jaak tepenek ang menghubung-kan ttk A an ttk B alam bang ata

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh Analss Regres 1 Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya E[Y x] E[Y x] y b

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

ANALISIS TINGKAT EFISIENSI PUSAT KESEHATAN MASYARAKAT (PUSKESMAS) DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (Studi Kasus: Puskesmas Kota Surabaya)

ANALISIS TINGKAT EFISIENSI PUSAT KESEHATAN MASYARAKAT (PUSKESMAS) DENGAN METODE DATA ENVELOPMENT ANALYSIS (DEA) (Studi Kasus: Puskesmas Kota Surabaya) ANALII TINGKAT EFIIENI PUAT KEEHATAN MAYARAKAT (PUKEMA) DENGAN METODE DATA ENVELOPMENT ANALYI (DEA) (tud Kasus: Puskesmas Kota uabaya) EFFICIENCY ANALYI OF PUBLIC HEALTH CENTER (PUKEMA) WITH DATA ENVELOPMENT

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. Data dan Alat Penelitian

METODE PENELITIAN. Lokasi dan Waktu Penelitian. Data dan Alat Penelitian METODE PEELITIA Lokas dan Waktu Peneltan Peneltan n dlakukan pada daeah kajan d Sub DAS Kapuas Tengah d Popns Kalmantan Baat. Pengolahan dan analss data dlakukan d Laboatoum Fsk Remote Sensng dan Sstem

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

ANALISIS KELAS LATEN (LATEN CLASS ANALYSIS) UNTUK PENGELOMPOKAN DATA KATEGORIK. Timbul Pardede FMIPA-Universitas Terbuka.

ANALISIS KELAS LATEN (LATEN CLASS ANALYSIS) UNTUK PENGELOMPOKAN DATA KATEGORIK. Timbul Pardede FMIPA-Universitas Terbuka. ANALISIS KELAS LATEN (LATEN CLASS ANALYSIS) UNTUK PENGELOMPOKAN DATA KATEGORIK Tmbul Padede FMIPA-Unvestas Tebuka tmbul@mal.ut.ac.d Dalam analss kelompok pada bdang sosal, sengkal paa penelt mengunakan

Lebih terperinci

ALJABAR LINIER LANJUT

ALJABAR LINIER LANJUT ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC

PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES

LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod

Lebih terperinci

BILANGAN RAMSEY SISI DARI r ( P, )

BILANGAN RAMSEY SISI DARI r ( P, ) Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya ) E [Y x ] E [Y x] =

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

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

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy

Sifat-sifat Operasi Perkalian Modular pada Graf Fuzzy SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci