Didonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
|
|
- Deddy Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri atas dua buah taraf atau level. Oleh karena itu perlu dilakukan rancangan faktorial k, yaitu rancangan faktorial yang menyangkut k buah faktor dengan masing-masing faktor memiliki dua taraf atau level. Banyaknya taraf yaitu, ditulis sebagai bilangan pokok dan banyaknya faktor yaitu k, ditulis sebagai pangkat. Apabila rancangan melibatkan dua faktor maka disebut rancangan faktorial. Jika rancangan melibatkan tiga faktor maka disebut rancangan faktorial 3. Rancangan melibatkan empat faktor maka disebut rancangan faktorial 4, dan seterusnya. Batasan-batasan: Faktor-faktor tersebut fixed (tetap) Merupakan rancangan random lengkap Asumsi normalitas, independensi dan homogenitas variansi dipenuhi.. Asumsi normalitas dipenuhi apabila Normal Probability plot of the Residuals membentuk atau mendekati garis lurus.. Asumsi homogenitas variansi dipenuhi jika : a. Residuals versus the Fitted Values tidak membentuk suatu pola tertentu atau acak. 3. Asumsi independensi dipenuhi apabila Residuals versus the order of the data tidak membentuk suatu pola tertentu atau acak. 4
2 BAB II PEMBAHASAN. Rancangan Faktorial Rancangan faktorial melibatkan dua faktor dengan masing-masing faktor terdiri atas dua buah taraf atau level. Misalkan ada dua faktor, yaitu faktor A dan B dengan masing-masing terdiri dari dua taraf yaitu rendah dan tinggi, maka percobaan dilakukan sebagai n ulangan, dan kombinasi perlakuan dapat ditulis sebagai berikut: Rendah (-) Tinggi (+) A merupakan kejadian khusus dari rancangan faktorial dimana Rendah (-) y y... y n B y... y. = () y. = b y y y... y n... y. = a y. = ab Tinggi (+) y y n y y n Atau dapat digambarkan sebagai berikut : b ab Faktor B () a Faktor A Keterangan : taraf rendah dinyatakan taraf tinggi dinyatakan taraf rendah faktor A dan taraf rendah faktor B = A B taraf rendah faktor A dan taraf tinggi faktor B = A B taraf tinggi faktor A dan taraf rendah faktor B = A B taraf tinggi faktor A dan taraf tinggi faktor B = A B 5
3 Terdapat kombinasi perlakuan yang ditulis (), a, b, dan ab, dengan () menyatakan kombinasi perlakuan yang terjadi karena taraf rendah faktor A dan taraf rendah faktor B, a menyatakan kombinasi perlakuan yang terjadi karena taraf tinggi faktor A dan taraf rendah faktor B, b menyatakan kombinasi perlakuan yang terjadi karena taraf rendah faktor A dan taraf tinggi faktor B, ab menyatakan kombinasi perlakuan yang terjadi karena taraf tinggi faktor A dan taraf tinggi faktor B... Estimasi Efek Dalam suatu percobaan rancangan faktorial terdapat beberapa efek. Dimana efek tersebut antara lain efek faktor dan efek taraf yang masing masing berjumlah dua buah. Efek tersebut kemudian diestimasi untuk pengujian lebih lanjut dalam penentuan jumlah kuadrat. Estimasi efek dapat dilakukan dengan 3 cara, yaitu estimasi efek dengan rata rata, estimasi efek dengan kontras, estimasi efek dengan tabel.... Estimasi Efek dengan Rata Rata Efek faktor A dapat diestimasi dengan rata rata efek A yang dikombinasikan dengan B, yaitu saat B rendah dan tinggi, sehingga diperoleh hasil sebagai berikut : Efek A dengan B rendah adalah [ a () ]/ n, efek A dengan B tinggi adalah [ ab b] / n n Rata-rata efek A dirumuskan A = [( ab b) + ( a () )] = [ ab + a b () ] Dengan cara yang sama diperoleh estimasi efek B: Efek B dengan A rendah adalah [ b () ]/ n n, Efek B dengan A tinggi adalah [ ab a] / n n Rata-rata efek B dirumuskan B = [( ab a) + ( b () )] = [ ab + b a () ] Estimasi efek interaksi AB merupakan rata-rata selisih antara efek A dengan B tinggi dan efek A dengan B rendah, sehingga dapat dirumuskan AB = b n n [( ab b) ( a () )] = [ ab a + () ] Metode lain untuk memperoleh formula rata rata efek di atas, misalkan efek A adalah dengan menyelisihkan antara rata rata respon dari kombinasi perlakuan di sisi kanan bujur sangkar (gambar) Y A+ dan kombinasi perlakuan di sisi kiri bujur sangkar Y A hasil: n. Diperoleh 6
4 A = Y A+ Y A ab + a b + () n n Dengan cara yang sama diperoleh B = Y B+ Y B = n = = [ ab + a b () ] ab + b a + () n n n = [ ab + b a () ] Sedangkan untuk efek interaksi AB didapat dari selisih antara rata-rata kombinasi perlakuan diagonal kanan ke kiri { ab dan ()} dan rata-rata diagonal kiri ke kanan { a dan b } AB ab + ( ) a + b n n n = = [ ab + () a b] Efek faktor A bernilai positif berarti adanya peningkatan taraf dari rendah ke tinggi akan meningkatkan respon. Efek faktor B bernilai negatif berarti adanya peningkatan taraf dari rendah ke tinggi akan menurunkan respon. Efek interaksi AB muncul relatif kecil.... Estimasi Efek dengan Kontras (standart) yaitu Kombinasi perlakuan ditulis dengan urutan tertentu, yang merupakan urutan baku ( ), a, b, ab. Dengan urutan standar tersebut, koefisien kontras digunakan untuk mengestimasi efek. Dimana koefisien kontras biasanya + atau -. Efek () A b Ab A B AB Perlu diperhatikan bahwa koefisien kontras untuk mengestimasi efek interaksi didapat dengan mengalikan koefisien antara dua efek utama yang bersesuaian....3 Estimasi Efek dengan Tabel Tabel plus minus berikut dapat digunakan untuk menentukan tanda setiap kombinasi perlakuan. Efek utama A, B, interaksi AB, dan I menunjukkan total atau rata-rata dari jumlah eksperimen. Di mana I hanya memiliki tanda plus. Kombinasi Faktorial perlakuan I A B AB () a b ab
5 Perlu diperhatikan untuk mencari kontras dengan cara mengalikan tanda (dengan kolom yang sesuai) terhadap kombinasi perlakuan kemudian dijumlahkan. Contoh: untuk mengestimasi A, kontrasnya adalah ( ) + a b + ab untuk mengestimasi B, kontrasnya adalah ( ) a + b + ab untuk mengestimasi AB, kontrasnya adalah.. Analisis Variansi + () a b + ab Dalam analisis variansi terdapat perhitungan jumlah kuadrat. Jumlah kuadrat sama dengan kuadrat kontras dibagi jumlah observasi di setiap total kontras kali jumlah kuadrat koefisien kontras. Sehingga diperoleh: JK A = [ ab + a b () ] n.4 JK B = [ ab + b a () ] n.4 JK AB = [ ab + () a b ] JK T = n.4 y... n n y ijk i= j = k = 4 JK S = JK T JK A JK B - JK AB Uji hipotesis: I. Ho : interaksi faktor AB tidak mempengaruhi respon secara signifikan H : interaksi faktor AB mempengaruhi respon secara signifikan Daerah Kritis : Ho ditolak jika Fhit > (,( a )( b ), ab( n )) F α II. Statistik Uji : Fhitung = RK RK AB Ho : faktor A tidak mempengaruhi respon secara signifikan H : faktor A mempengaruhi respon secara signifikan S Daerah Kritis : Ho ditolak jika Fhit > (,( a ), ab( n )) Statistik Uji : Fhitung = RK RK III. Ho : faktor B tidak mempengaruhi respon secara signifikan H : faktor B mempengaruhi respon secara signifikan A S F α 8
6 Daerah Kritis : Ho ditolak jika Fhit > (,( b ), ab( n )) F α Statistik Uji : Fhitung = Tabel Anava RK RK B S Sumber variasi A B AB JK A = [ ab + a b () ] JK Db RK F n.4 JK B = [ ab + b a () ] n.4 JK AB = [ ab + () a b ] n.4 a = b = ( a )( b ) = RK A = RK B = RK AB = JK A JK B JK AB RK RK RK RK RK RK A S B S AB S Sesatan JK S = JK T JK A JK B - ab ( n ) RK S = JK AB JK S ab ( n ) Total JK T = Y... n n Y ijk i= j = k = 4 N-..3 Analisis Residual Residual dari rancangan faktorial k dengan mudah dihitung melalui model regresi. Model regresinya yaitu y ˆ ˆ β + ˆ β x + ˆ β x + ε, dimana = 0 x = variabel kode untuk faktor A x = variabel kode untuk faktor B β. = koefisien regresi x ditentukan berdasarkan efek yang signifikan dari tabel anava. x = A Gabungan antara variabel alami faktor A dan B dengan variabel kode antara lain ( A + A+ )/ ( A + A )/ + x = B ( B + B+ )/ ( B + B )/ + 9
7 Sehingga akan menghasilkann variabel kode yang bernilai ±. Apabila faktor A dengan taraf rendah maka x =. Apabila faktor A dengan taraf tinggi maka x = +. Apabila faktor B dengan taraf rendah maka x Intersep merupakan rata-rata dari seluruh eksperimen dan koefisien regresi β,β adalah setengah dari estimasi efek =. Apabila faktor B dengan taraf tinggi maka x =. + faktor yang bersesuaian. Hal ini dikarenakan koefisien regresi mengukur efek dari perubahan satuan dari x terhadap rata-rata y dan estimasi efek didasarkan pada dua satuan perubahan (dari - ke +). Sehingga model regresi dapat ditulis juga dengan Model regresi dapat dan residualnya. Residual dapat ditentukan dengan tiap kombinasi perlakuan sebagai berikut. (i) (ii) Untuk () yaitu kombinasi perlakuan faktor A dengan taraf rendah dan faktor B dengan taraf rendah, dimana yˆi Untuk a yaitu kombinasi perlakuan faktor A dengan taraf tinggi dan faktor B dengan taraf (iii) Untuk b yaitu kombinasi perlakuan faktor A dengan taraf rendah dan faktor B dengan taraf y b taraf tinggi, dimana yˆab dengan n = banyak replikasi.. Rancangan Faktorial Rancangan ini melibatkan 3 faktor dengan masing-masing faktor mempunyai level. Misalkan, terdapat 3 faktor digunakan untuk memprediksi nilai y padaa kombinasi perlakuan rendah dan tinggi. Jika dilakukan percobaan dengan perulangan sebanyak n, maka total seluruh kombinasi perlakuan dapat disajikan sebagai berikut: e = yijk yˆ. Dimanaa perhitungan residual = β 0 + β( ) + β( ) sehingga diperoleh residual e n = y. ŷ. rendah, dimana yˆ a = β0 + β ( + ) + β( ) sehingga diperoleh residual e tinggi, dimana ˆ = β0 + β ) + β ( ) sehingga diperoleh residual e ( + A, B, dan C dengan masing-masing mempunyai level, yaitu n n = y yˆ. (iv) Untuk ab yaitu kombinasi perlakuan faktor A dengan taraf tinggi dan faktor B dengan = y = β 0 + β( + ) + β( + ) sehingga diperoleh residual e.. n yˆ b = y a. yˆ ab 0
8 A B rendah tinggi C C rendah tinggi rendah tinggi rendah tinggi Keterangan : = observasi dengan kombinasi perlakuan dari masing-masing g taraf i = taraf untuk faktor A :, k = taraf untuk faktor C :, j = taraf untuk faktor B :, l = perulangan :,,, n Jika level rendah dinotasikan - dan level tinggi dinotasikan dengan +, sedangkan 8 kombinasi perlakuan dapat dinyatakan sebagai (), a, b, c, ab, ac, bc, abc, maka dapat dibuat tabel plus-minus dari seluruh kombinasi perlakuan sebagai berikut. A B C Komb.perlk A B C () A B Ab - + C Ac bc abc Keterangan : - 0 menyatakan tinggi rendahnya + taraf faktor
9 Sebagaimana notasi yang telah dijelaskan sebelumnya, kombinasi perlakuan dapat dituliskan dengan simbol (), a, b, c, ab, ac, dan abc. Simbol ini juga menyatakan jumlah observasi untuk n perulangan dari masing - masing kombinasi perlakuan. Rancangan faktorial dapat direpresentasikan dalam diagram rancangan yang berbentuk kubus. Dimana diagram rancangannya sebagai berikut:.. Estimasi Efek Estimasi efek sangat diperlukan karena digunakan untuk menghitung jumlah kuadrat dalam analisis variansi. Ada estimasi efek dengan rata-rata, estimasi efek dengan kontras, estimasi efek dengan tabel.... Estimasi Efek dengann Rata - Rata Efek faktor A dapat diestimasi dengan rata-rata efek A dengann kombinasi B dan C dalam dua level, yaitu (i) efek A dengan B- C- ada (ii) efek A dengan B+ C- ada (iii) efek A dengan B- C+ ada (iv) efek A dengan B+ C+ ada Metode lain untuk memperoleh formula rata rata efek A dengan menyelisihkan rata rata efek A yang telah dikombinasikann dengan perlakuan pada saat A tinggi dengan A rendah, maka efek faktor A dapat dirumuskan cara untuk mengestimasi efek utama. Ketiga cara itu adalah alah alah alah alah 4
10 Efek faktor B dapat diestimasi dengan rata-rata efek B dengann kombinasi A dan C dalam dua level, yaitu : (i) efek B dengan A+ C- ad (ii) efek B dengan A- C+ ad (iii) efek B dengan A+ C+ ad (iv) efek B dengan A- C- ad efek faktor B dapat dirumuskan dalah dalah dalah dalah Efek faktor C dapat diestimasi dengan rata-rata efek C dengann kombinasi A dan B dalam dua level, yaitu (i) efek C dengan A- B- adalah (ii) efek C dengan A+ B- adalah (iii) efek C dengan A- B+ adalah (iv) efek C dengan A+ B+ adalah Dengan cara yang sama, efek factor C dapat dirumuskan Efek interaksi AB merupakan setengah selisih dari rata rata efek A pada saat B tinggi dengan B rendah. Rata rata efek A saat B+ adalah. Sedangkan rata rata efek A pada saat B- adalah. Maka efek faktor AB dapat dirumuskan 3
11 Efek interaksi AC merupakan setengah selisih dari rata rata efek A pada saat C tinggi dengan C rendah. Rata rata efek A saat C+ adalah. Sedangkan rata rata efek A pada saat C- adalah. Maka efek faktor AC dapat dirumuska: Efek interaksi BC merupakan setengah selisih dari rata rata efek B pada saat C tinggi dengan C rendah. Rata rata efek B saat C+ adalah Sedangkan rata rata efek B pada saat C- adalah. Maka efek faktor BC dapat dirumuskan Dengan cara yang sama maka efek interaksi ABC adalah. Dimana efek interaksi ABC merupakan rata rata selisih antara interaksi AB pada saat C tinggi dengan C rendah.... Estimasi Efek dengann Kontras Efek utama faktor A dapat juga ditentukan dengan kontras antaraa kombinasi perlakuan saat A tinggi dengan A rendah. Total efek A untuk n ulangan disebut kontras A. Efek faktor A dapat diestimasii dengan kombinasi B dan C dalam dua level, yaitu (i) Efek A dengan B- C- adalah [a - ()] (ii) Efek A dengan B+ C- adalah [ab - b] (iii) Efek A dengan B- C+ adalah [ac - c] (iv) Efek A dengan B+ C+ adalah [abc - bc] Maka kontras. Dengan caraa yang sama diperoleh (i) kontras (ii) kontras 4
12 (iii) kontras (iv) kontras (v) kontras...3 Estimasi Efek dengann Tabel Dari efek perlakuan di atas maka dapat dibuat tabel plus-minus rancangan disajikan sebagai berikut: yang Komb. Perlk () Efek Faktorial A B AB* C AC* BC* ABC* () + A + B + Ab + C + Ac + Bc + Abc *) Kolom AB merupakan perkalian tanda pada kolom A dan B Kolom AC merupakan perkalian tanda pada kolom A dan C Kolom BC merupakan perkalian tanda pada kolom B dan C Kolom ABC merupakan perkalian tanda pada kolom AB dan C Tabel di atas memiliki sifat sifat tertentu, yaitu :. Kecuali kolom, setiap kolom punya tanda plus-minus.. Jumlah perkalian tandaa dari kolom selalu nol 3. Kolom dikalikan dengan kolom manapun, kolom tersebut selalu tetap 4. Perkalian kolom hasilnya suatu kolom dalam tabel tersebut.3 Analisis Variansi Analisis variansi sangat diperlukan dalam uji statistik, yaitu dalam pengujian hipotesis tentang pengaruh interaksi ataupun faktor terhadap respon. Dalam analisis variansi terdapat 5
13 perhitungan jumlah kuadrat yang sangat berguna untuk pengujian hipotesis. Dari perhitungan estimasi efek di atas dapat dihitung jumlah kuadratnya baik itu jumlah kuadrat total, sesatan, efek. Perhitungan jumlah kuadrat total adalah J. Dimana N = a*b*c*n. a merupakan banyak taraf pada factor A, b banyak taraf pada faktor B, c banyak taraf pada faktor C, sedangkan n adalah banyak replikasi atau perulangan pada tiap taraf. Jumlah kuadrat efek dapat dihitung dengan kontras yang mempunyai derajat bebas untuk n perulangan maka (i) (ii) (iii) (iv) (v) (vi) (vii) (viii) Tabel Anava : Variasi Db JK RK F 0 A (a ) = B (b-) = C (c-) = / RKs / RKs / RKs AB AC BC ABC (a-) (b-) = (a-) (c-) = (b-) (c-) = (a-)(b-)(c-) = / RKs / RKs / RKs / RKs 6
14 Sesatan N-8 Total N- N = a.b.c.n =...n = 8 n JKs JKT RKs Uji hipotesis : a. Interaksi ABC H 0 : Tidak ada interaksi A, B, dan C terhadap respon. H : Ada interaksi A, B, dan C terhadap respon. F 0 : / RKs H 0 ditolak jika F 0 > F ta abel = b. Interaksi AB H 0 : Tidak ada interaksi A dan B terhadap respon. H : Ada interaksi A dan B terhadap respon. Daerah kritis : H 0 ditolak jika F 0 > F tabel = Statistik uji : F 0 : / RKs c. Interaksi AC H 0 : Tidak ada interaksi A dan C terhadap respon. H : Ada interaksi A dan C terhadap respon. F 0 : / RKs H 0 ditolak jika F 0 > F ta abel = d. Interaksi BC H 0 : Tidak ada interaksi B dan C terhadap respon. H : Ada interaksi B dan C terhadap respon. Daerah kritis : H 0 ditolak jika F 0 > F tabel = Statistik uji : F 0 : / RKs e. Faktor A H 0 : Tidak ada pengaruh faktor A terhadap respon. H : Ada pengaruh faktor A terhadap respon. Daerah kritis : H 0 ditolak jika F 0 > F tabel = 7
15 Statistik uji : F 0 : / RKs f. Faktor B H 0 : Tidak ada pengaruh faktor B terhadap respon. H : Ada pengaruh faktor B terhadap respon. Daerah kritis : H 0 ditolak jika F 0 > F tabel = Statistik uji : F 0 : / RKs g. Faktor C H 0 : Tidak ada pengaruh faktor C terhadap respon. H : Ada pengaruh faktor C terhadap respon. Daerah kritis : H 0 ditolak jika F 0 > F tabel = Statistik uji : F 0 : / RKs Jika setelah diuji, maka faktor-faktor yang signifikan berarti mempengaruhi respon. Misal dari masalah di atas setelah diuji yang signifikan adalah A, B, C, AB, dan ABC. Sedangkan A, B, dan C masing-masing dinotasikan sehingga model persamaannya menjadi dimana masing-masing adalah variabel kode utuk A, B, C. Cara menentukan variabel kode : Hasil dari perhitungan di atas adalah - dan +. Residual dapat ditentukan dengan 8
16 BAB III CONTOH APLIKASI 3. Contoh aplikasi faktorial Sebuah mesin industri dipakai untuk botol minuman yang mementingkan pengaruh dari dua tipe botol 3 ons yang dikirim peti botol dari sebuah produksi. Dua jenis botol tersebut adalah kaca dan plastik. Dua pekerja digunakan untuk menjalankan tugas tertentu yang terdiri dari memindahkan 40 peti dari 50 barisan dalam jenis ukuran dari gerbong tangan dan menimbun peti. Empat replikasi dari rancangan faktorial ditampilkan, dan diperlihatkan pada tabel di bawah ini. Analisis data dan gambarkan kesimpulannya.. Tipe botol Kaca Plastik Pekerja Penyelesaian : AB A B Komb.Perlk () A B Ab Total a. Uji hipotesis - Kontras A : -() + a b +ab = = Kontras B : -() - a + b + ab = = Kontras AB : () - a - b + ab = =
17 - - Tabel anava Sv A (tipe botol) B (pekerja) AB (interaksi) Sesatan Type equation here.totall Db 5 JK RK F # Uji hipotesis efek interaksii tipe botol dan pekerja dalam industri # a. : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. : terdapat efek interaksi tipa botol dan pekerja dalam industri. b c. Daerah kritis : ditolak jika ; :. : :.75 d. Statistik uji :Dari tabel anava diperoleh F =.4 e. Kesimpulan Karena F=.4 <. : :.75 maka tidak ditolak, artinyaa tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. # Uji hipotesis efek interaksi tipe botol dalam pengembangan industri # a. : tidak terdapat efek tipe botol dalam pengembangan industri. : terdapat efek tipe botol dalam pengembangan industri b c. Daerah kritis : ditolak jika ; :. : :.75 d. Statistik uji : Dari tabel anava diperoleh F = 0.40 e. Kesimpulan Karena F= 0.40 >. : :.75 maka ditolak, artinya terdapat efek tipe botol dalam pengembangan industri. 0
18 # Uji hipotesis efek interaksi pekerja dalam pengembangan industri# a. : tidak terdapat efek pekerja dalam pengembangan industri. : terdapat efek pekerja dalam pengembangan industri b c. Daerah kritis : ditolak jika ; :. : :.75 d. Statistik uji : Dari tabel anava diperoleh F = 6.8 e. Kesimpulan Karena F= 6.8 >. : :.75 maka ditolak, artinya terdapat efek pekerja dalam pengembangan industri. b. Analisis Residual Estimasi Efek: Untuk, diperoleh,,,, Untuk, diperoleh,,,, Untuk, diperoleh,,, Untuk, diperoleh,,,,
19 c. Menggunakan Minitab.4 Uji Hipotesis :. : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. : terdapat efek interaksi tipa botol dan pekerja dalam industri.. α = 0,05 3. Daerah kritis : H o ditolak jika P-Value < α = Statistik Uji Faktor Type Levels Values tipe botol fixed, pekerja fixed, Source DF Seq SS Adj SS Adj MS F P tipe botol pekerja tipe botol*pekerja Error Total Kesimpulan Karena P-Value=0.46 > α = 0,05 maka tidak ditolak, artinya tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. # Uji kecocokan model # a. asumsi kenormalan 99 Normal Probability Plot of the Residuals (response is respon) Percent Residual Terlihat dari plot di atas titik titiknya mendekati garis lurus maka asumsi kenormalan dipenuhi.
20 b. Asumsi homogenitas 0.75 Residuals Versus the Order of the Data (response is respon) 0.50 Residual Observation Order Terlihat dari plot di atas titik titiknya dapat dikatakan berpola acak atau tidak membentuk pola tertentu sehingga asumsi independensi dipenuhi. c. Analisis adanya efek 0.75 Residuals Versus the Fitted Values (response is respon) 0.50 Residual Fitted Value Dari grafik residuals vs the fitted values tampak titik- titik yang acak (tidak membentuk pola tertentu), berarti tidak ada efek interaksi antara tipe botol dan pekerja terhadap pengembangan industri. d. Uji homogenitas variansi dengan menggunakan metode bartlet s. Respon terhadap tipe botol : tidak terdapat efek tipe botol dalam pengembangan industri. : terdapat efek tipe botol dalam pengembangan industri 3
21 Daerah kritis : ditolak jika p-value 0.05 Stat uji Test for Equal Variances for respon tipe botol F-Test Test Statistic 3. P-Value 0.47 Levene's Test Test Statistic.67 P-Value % Bonferroni Confidence Intervals for StDevs.4.6 tipe botol respon Dari output dengan menggunakan uji Bartlett di dapat P = 0.47 Kesimpulan: Karena P = 0.47 > α = 0.05 maka H 0 tidak di tolak artinya tidak terdapat efek tipe botol dalam pengembangan industri.. Respon terhadap pekerja : tidak terdapat efek pekerja dalam pengembangan industri. : terdapat efek pekerja dalam pengembangan industri Daerah kritis : ditolak jika p-value 0.05 Stat uji Test for Equal Variances for respon pekerja F-Test Test Statistic 0.6 P-Value Levene's Test Test Statistic.7 P-Value % Bonferroni Confidence Intervals for StDevs.6 pekerja respon
22 Dari output terlihat di gunakan uji Bartlett di dapat P = Kesimpulan : karena p-value=0.096 > 0.05 H 0 tidak di tolak artinya tidak terdapat efek tipe botol dalam pengembangan industri. 3. Respon terhadap tipe botol dan pekerja : tidak terdapat efek interaksi tipe botol dan pekerja dalam industri. : terdapat efek interaksi tipa botol dan pekerja dalam industri. α = 0,05 Daerah kritis : H o ditolak jika P-Value < α Stat uji tipe botol pekerja Test for Equal Variances for respon Bartlett's Test Test Statistic 6.49 P-Value Levene's Test Test Statistic 3.0 P-Value % Bonferroni Confidence Intervals for StDevs Dari output terlihat di gunakan uji Bartlett di dapat P = Kesimpulan : karena p-value = > 0.05 H 0 tidak di tolak tidak terdapat efek interaksi tipe botol dan pekerja dalam pengembangan industri. Kesimpulan : Karena ketiga asumsi di atas di penuhi maka dapat disimpulkan bahwa tidak terdapat kekurangcocokan antara model dengan data atau model sesuai dengan data. 3. Contoh kasus faktorial Percobaan membuat brownis yang lezat. Penulis adalah insinyur pelatihan dari suatu perusahaan terpercaya dalam pembelajaran melakukan sesuatu. Saya mempunyai pembelajaran ide membuat suatu rancangan untuk beberapa tahun dengan orang-orang yang berbeda dan selalu memberikan perencanaan, menyalurkan dan menganalisis suatu percobaan untuk peserta-peserta padaa kelas. Peserta kelihatannya menikmati percobaan tersebut dan 5
23 selalu belajar darinya. Problem ini menggunakan hasil dari percobaan yang dilakukan oleh Greatchen Krueger di Arizona State University. Ada beberapa perbedaan cara membuat bronis. Tujuan dari percobaan untuk membedakan bagaimana material pan, macam-macam jenis campuran brownis, dan metode pengadukan yang mempengaruhi kelezatan dari brownis. Level faktornya adalah: Faktor Level faktor Rendah (-) Tinggi (+) A : material pan Gelas Aluminium B : metode Sendok Mixer pengadukan C : jenis campuran Mahal Murah Variabel responnya berupa kelezatan, sebuah ukuran subyektif yang berasal dari kuisioner yang diberikan kepada orang-orang, yang masing-masing diberi sepotong brownis. Perlakuan kuisioner dinilai dari macam rasa, penampilan, konsistensi, aroma dan seterusnya. Delapan orang tester mendapat sepotong brownis dan menjawab pertanyaan. Data lengkapnya dapat dilihat pada tabel berikut: Angkatan Faktor Hasil uji panel Kombinasi total brownis A B C perlakuan () a b ab c ac bc abc 740 6
24 Penyelesaian: Material pan (A) Metode pengadukan (B) Sendok (-) Jenis campuran (C) Mixer (+) Jenis campuran (C) Mahal (-) Murah (+) Mahal (-) Murah (+) Kaca (-) Alumunium (+) Analisis data Menghitung kontras 7
25 Menghitung efek = Efek A = Efek B = Efek C = Efek AB = Efek AC = Efek BC = Efek ABC = 8
26 Tabel anava Variasi Db JK RK F A B C AB AC BC ABC Sesatan 56 Total 63 Uji hipotesis. Uji hipotesis interaksi ABC a. : tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. b c. Daerah kritis : : ditolak jika : : : :. : : d. Statistik uji : dari tabel anava diperoleh e. Kesimpulan : karena tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis : : maka diterima, maka 9
27 . Uji hipotesis interaksi AB a. : tidak ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. : terdapat efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. b c. Daerah kritis : ditolak jika > ( : : ) = > (. : : ) =4.079 d. Statistik uji : dari tabel anava diperoleh = e. Kesimpulan : karena =0.0034< ( : : ) =4.079 maka diterima,maka tidak ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. 3. Uji hipotesis interaksi AC a. : tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. b. =0.05 c. Daerah kritis : ditolak jika > ( : : ) = > (. : : ) =4.079 d. Statistik uji : dari tabel anava diperoleh =0.585 e. Kesimpulan : karena =0.585< ( : : ) =4.079 maka diterima,maka tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. 4. Uji hipotesis interaksi BC a. : tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis. b. =0.05 c. Daerah kritis : ditolak jika > ( : : ) = > (. : : ) =4.079 d. Statistik uji : dari tabel anava diperoleh =
28 e. Kesimpulan : karena 0.65< ( : : ) =4.079 maka diterima,maka tidak ada efek interaksi metode pengadukan dan jenis campuran terhadap kelezatan brownis. 5. Uji hipotesis interaksi A a. : tidak ada efek material pan terhadap kelezatan brownis. : terdapat efek material pan terhadap kelezatan brownis. b. =0.05 c. Daerah kritis : ditolak jika > ( : : ) = > (. : : ) = d. Statistik uji : dari tabel anava diperoleh =.958 e. Kesimpulan : karena =.958> ( : : ) = maka ditolak,maka terdapat efek material pan terhadap kelezatan brownis. 6. Uji hipotesis interaksi B a. : tidak ada efek metode pengadukan terhadap kelezatan brownis. : terdapat efek metode pengadukan terhadap kelezatan brownis. b. =0.05 c. Daerah kritis : ditolak jika > ( : : ) = > (. : : ) = d. Statistik uji : dari tabel anava diperoleh =.988 e. Kesimpulan : karena =.988< (. : : ) = maka diterima, maka tidak ada efek metode pengadukan terhadap kelezatan brownis. 7. Uji hipotesis interaksi C a. : tidak ada efek jenis campuran terhadap kelezatan brownis. terdapat efek jenis campuran terhadap kelezatan brownis. b. =0.05 c. Daerah kritis : ditolak jika > ( : : ) = > (. : : ) = d. Statistik uji : dari tabel anava diperoleh = e. Kesimpulan : karena = < (. : : ) = maka diterima, maka tidak ada efek jenis campuran terhadap kelezatan brownis. Minitab.4 Uji hipotesis interaksi ABC a. : tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. 3
29 : terdapat efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. b c. Daerah kritis : ditolak jika P-Value > α = 0.05 d. Statistik uji : Faktor Type Levels Values A fixed, B fixed, C fixed, Source DF Seq SS Adj SS Adj MS F P A B C A*B A*C B*C A*B*C Error Total S = R-Sq =.60% R-Sq(adj) =.80% e. Kesimpulan : karena P-Value = > α = 0,05 maka diterima,maka tidak ada efek interaksi antara material pan, metode pengadukan, dan jenis campuran terhadap kelezatan brownis. 3
30 # Uji kecocokan model untuk asumsi kenormalan # 99.9 Normal Probability Plot of the Residuals (response is Respon) 99 Percent Residual Terlihat dari plot di atas titik titiknya mendekati garis lurus maka asumsi kenormalan dipenuhi. # Uji kecocokan model untuk asumsi homogenitas variansi # Residuals Versus the Fitted Values (response is Respon) Residual Fitted Value Dari plot di atas terlihat acak, maka asumsi homogenitas variansi terpenuhi. # Uji kecocokan model untuk asumsi independensi # Terlihat dari plot di atas titik titiknya dapat dikatakan berpola acak atau tidak membentuk pola tertentu sehingga asumsi independensi dipenuhi. e. Uji homogenitas variansi dengan menggunakan metode bartlet s. Respon terhadap material pan 33
31 : tidak ada efek material pan terhadap kelezatan brownis. : terdapat efek material pan terhadap kelezatan brownis. Daerah kritis : ditolak jika p-value 0.05 Stat uji Test for Equal Variances for Respon A F-Test Test Statistic 0.90 P-Value Levene's Test Test Statistic 0.0 P-Value % Bonferroni Confidence Intervals for StDevs 3.6 A Respon Dari output dengan uji Bartlett di dapat P-value = Kesimpulan: Karena P-value = > α = 0.05 maka H 0 tidak di tolak artinya tidak ada efek material pan terhadap kelezatan brownis atau terdapat homogenitas variansi pada material pan.. Respon terhadap metode pengadukan : tidak ada efek metode pengadukan terhadap kelezatan brownis. : terdapat efek metode pengadukan terhadap kelezatan brownis. Daerah kritis : ditolak jika p-value 0.05 Stat uji 34
32 Test for Equal Variances for Respon B F-Test Test Statistic.4 P-Value Levene's Test Test Statistic.60 P-Value % Bonferroni Confidence Intervals for StDevs 4.0 B Respon Dari output dengan uji Bartlett di dapat p-value = Kesimpulan : karenaa p-value=0.554 > 0.05 H 0 tidak di tolak artinya tidak ada efek metode pengadukan terhadap kelezatan brownis atau terdapat pada metode pengadukan. 3. Respon terhadap jenis campuran : tidak ada efek jenis campuran terhadap kelezatan brownis. : terdapat efek jenis campuran terhadap kelezatan brownis. homogenitas variansi Daerah kritis : H o ditolak jika P-Value < α Stat uji Test for Equal Variances for Respon C F-Test Test Statistic 0.85 P-Value 0.64 Levene's Test Test Statistic 0.76 P-Value % Bonferroni Confidence Intervals for StDevs 4.0 C Respon Dari output terlihat di gunakan uji Bartlett di dapat P-value =
33 Kesimpulan : karenaa p-value = 0.64> 0.05 H 0 tidak di tolak artinya tidak ada efek jenis campuran terhadap kelezatan brownis atau terdapat homogenitas variansi pada jenis campuran. 4. Respon terhadap material pan dan metode pengadukan ; tidak ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. : terdapat efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis. Daerah kritis : H o ditolak jika P-Value < α Stat uji A B Test for Equal Variances for Respon Bartlett's Test Test Statistic.33 P-Value 0.73 Levene's Test Test Statistic 0.44 P-Value % Bonferroni Confidence Intervals for StDevs 5 Dari output terlihat di gunakan uji Bartlett di dapat P value = 0.73 Kesimpulan : karenaa p-value = 0.73 > 0.05 H 0 tidak di tolak tidak ada efek interaksi antara material pan dan metode pengadukan terhadap kelezatan brownis atau terdapat homogenitas variansii pada jenis campuran material pan dan metode pengadukan. 5. Respon terhadap material pan dan jenis campuran : tidak ada efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis 36
34 α = 0,05 Daerah kritis : H o ditolak jika P-Value < α Stat uji A C Test for Equal Variances for Respon Bartlett's Test Test Statistic 5.37 P-Value 0.00 Levene's Test Test Statistic 3.83 P-Value % Bonferroni Confidence Intervals for StDevs 6 Dari output terlihat di gunakan uji Bartlett di dapat P-value = 0.00 Kesimpulan : karena p-value = 0.00 < 0.05 H 0 ditolak terdapat efek interaksi antara material pan dan jenis campuran terhadap kelezatan brownis atau tidak terdapat homogenitas variansi pada material pan dan jenis campuran. 6. Respon terhadap metode pengadukan dan jenis campuran : tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis. : terdapat efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis. α = 0,05 Daerah kritis : H o ditolak jika P-Value < α Stat uji 37
35 B C Test for Equal Variances for Respon Bartlett's Test Test Statistic.47 P-Value Levene's Test Test Statistic 0.73 P-Value % Bonferroni Confidence Intervals for StDevs 5 Dari output terlihat di gunakan uji Bartlett di dapat P-value = Kesimpulan : karena p-value = > 0.05 H 0 tidak di tolak tidak ada efek interaksi antara metode pengadukan dan jenis campuran terhadap kelezatan brownis atau terdapat homogenitas variansi pada metode pengadukan dan jenis campuran. 7. Respon terhadap material pan, metode pengadukan dan jenis campuran : tidak ada efek interaksi antara material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis : ada efek interaksi antara material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis α = 0,05 Daerah kritis : H o ditolak jika P-Value < α Stat uji 38
36 A B C Test for Equal Variances for Respon Bartlett's Test Test Statistic 8.99 P-Value Levene's Test Test Statistic.6 P-Value % Bonferroni Confidence Intervals for StDevs Dari output dengan uji Bartlett didapat P value = Kesimpulan : karena p-value = < 0.05 H 0 ditolak ada efek interaksi antara material pan, metode pengadukan dan jenis campuran terhadap kelezatan brownis atau tidak terdapat homogenitas variansi pada material pan, metode pengadukan dan jenis campuran. Kesimpulan : Karena asumsi di atas di penuhi maka dapat disimpulkan bahwa tidak terdapat kekurangcocokan antara model dengan data atau model sesuai dengan data. 39
37 BAB IV PENUTUP 4. Kesimpulan Berdasarkan pembahasan diperoleh kesimpulan sebagai berikut: Rancangan faktorial k, yaitu rancangan faktorial yang menyangkut k buah faktor dengan masing-masing faktor memiliki dua taraf atau level. Banyaknyaa taraf yaitu, ditulis sebagai bilangan pokok dan banyaknya faktor yaitu k, ditulis sebagai pangkat. Rancangan faktorial, yaitu rancangan faktorial yang melibatkan dua faktor Untuk rancangan faktorial, persamaan regresinya dapat ditulis Rancangan faktorial dapat diselesaikan dengan uji hipotesis dengan statistik uji JK A = JK B = JK AB = JK T = [ ab + a b () n.4 [ ab + b a () n.4 [ ab + () a b n.4 n i = j = k = y ijk JK S = JK T JK A JK B - JK AB Fhitung = RK RK AB S ] ) ] ) b] y... 4n Rancangan faktorial 3, yaitu rancangan faktorial yang melibatkan tiga faktor. Untuk rancangan factorial 3, persamaan regresinya dapat ditulis Rancangan faktorial 3 dapat diselesaikan dengan uji hipotesis dengan statistik uji 40
38 Efek faktor A dapat diestimasii dengan kombinasi B dan C dalam dua level, yaitu Efek A dengan B- C- adalah [a - ()] Efek A dengan B+ C- adalah [ab - b] Efek A dengan B- C+ adalah [ac - c] Efek A dengan B+ C+ adalah [abc - bc] Maka kontras. Dengan caraa yang sama diperoleh kontras kontras kontras kontras kontras DAFTAR PUSTAKA Montgomery, Douglas C.99.Design and Analysis of Experiments.John Wiley & Sons: Singapore. Zukhronah, Etik.007.Modul Praktikum mata Kuliah Rancangan Percobaan.Matematika FMIPA UNS:UNS Surakarta. 4
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 007 1. PENDAHULUAN 1 Pada suatu
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciTabel Perhitungan Waktu Standar
waktu baku = = waktu 3,39 normal 100 % 100 % 17 % 100 % 100 % % allowance = 4,08 menit /container. Tabel Perhitungan Waktu Standar No 1 2 3 Proses Kerja Memindakan container dari tanah ke truk (L1) Memindakan
Lebih terperinciBAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:
BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh
Lebih terperinciStatus Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1
UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH. Mahasiswa Jurusan Statistika FSM UNDIP. Staf Pengajar Jurusan Statistika FSM UNDIP
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 497-505 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH
Lebih terperinciPENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k-1 MARTA SUNDARI
PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k- MARTA SUNDARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007
Lebih terperinciLAMPIRAN A. Daftar Riwayat Hidup. Kartu Mata Kuliah. Surat Keterangan Survey Tugas Akhir
111 LAMPIRAN A Daftar Riwayat Hidup Kartu Mata Kuliah Surat Keterangan Survey Tugas Akhir SURAT KETERANGAN SURVEY TUGAS AKHIR 114 115 LAMPIRAN B Faktor Batas Kendali Peta Variabel FAKTOR BATAS KENDALI
Lebih terperinciBujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak
Lebih terperinciPerawatan ortodonti dengan pencabutan premolar pertama. Retraksi anterior
Lampiran. KERANGKA KONSEP Perawatan ortodonti dengan pencabutan molar pertama Retraksi anterior Perubahan dental Perubahan jaringan lunak bibir Perubahan jarak puncak insisial atas ke sumbu Y (PM Line)
Lebih terperinciANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 5, Nomor, Tahun 206, Halaman 53-62 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian ANALISIS KERAGAMAN PADA DATA HILANG DALAM RANCANGAN KISI SEIMBANG Nariswari
Lebih terperinciPendahuluan RRL Model Pengaruh Tetap Model Pengaruh Random
RANCANGAN RANDOM LENGKAP Pendahuluan RRL RRL atau Rancangan Random Lengkap merupakan rancangan di mana unit eksperimen yang dikenai perlakuan secara random dan menyeluruh lengkap untuk setiap perlakuan.
Lebih terperinciRANCANGAN FAKTORIAL FRAKSIONAL 2 k-p (Aplikasi dengan Program SPSS)
RANCANGAN FAKTORIAL FRAKSIONAL 2 k-p (Aplikasi dengan Program SPSS) skripsi disajikan sebagai salah satu syarat untuk memperoleh gelar Sarjana Sain Matematika oleh Endah Prasetia Nengrum 4150406539 JURUSAN
Lebih terperinciDESAIN FAKTORIAL FRAKSIONAL 2 k-p SERTA ANALISISNYA BERBASIS WEB. Candra Aji dan Dadan Dasari 1 Universitas Pendidikan Indonesia ABSTRAK
DESAIN FAKTORIAL FRAKSIONAL k-p SERTA ANALISISNYA BERBASIS WEB Candra Aji dan Dadan Dasari Universitas Pendidikan Indonesia ABSTRAK Dalam eksperimen faktorial k, yakni eksperimen yang melibatkan k buah
Lebih terperinciAnalisis Regresi 1. Model-model Regresi yang Lebih Lanjut. Pokok Bahasan : Itasia & Y Angraini Dep. STK FMIPA-IPB
Analisis Regresi Pokok Bahasan : Model-model Regresi yang Lebih Lanjut Itasia & Angraini Dep. STK FMIPA-IPB Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda
Analisis Regresi Pokok Bahasan Pengujian pada Regresi Ganda Model Regresi Linier Berganda Model Regresi Linier Berganda, dengan k peubah penjelas : Y β β X β X β X k k Parameter regresi sebanyak k+ diduga
Lebih terperinciAPLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL
APLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL UNG GARBA SKRIPSI: ditulis dan diajukan untuk memenuhi
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bab ini akan diuraikan proses pengumpulan dan pengolahan data hasil eksperimen. Data yang dikumpulkan meliputi langkah-langkah serta hasil pengumpulan dan pengolahan
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciPerencanaan dan Analisis Eksperimen dengan Minitab
UNIVERSITAS MUHAMMADIYAH PALANGKARAYA LEMBAGA PENELITIAN DAN PENGABDIAN PADA MASYARAKAT KARYA PENGABDIAN PADA MASYARAKAT Perencanaan dan Analisis Eksperimen dengan Minitab Haryadi NIDN 0003116401 i HALAMAN
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinciMETODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL ESTIMASI EFEK ALGORITMA YATES.
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 947-956 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL ESTIMASI EFEK
Lebih terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmiah Widya Teknik Volume 6 Nomor 07 ISSN 4-750 OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Maria Agnes Octaviani, Dian Retno Sari Dewi*, Luh Juni
Lebih terperinciPencilan. Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya
Pencilan Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya Bisa jadi terletak pada tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata
Lebih terperinciPERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian
1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan
Lebih terperinciARTIKEL ANALISA PENGARUH PERUBAHAN INTAKE MANIFOLD TERHADAP PERFORMA MESIN SEPEDA MOTOR HONDA SUPRA X 125 CC
ARTIKEL ANALISA PENGARUH PERUBAHAN INTAKE MANIFOLD TERHADAP PERFORMA MESIN SEPEDA MOTOR HONDA SUPRA X 125 CC ANALISYS THE INFLUENCE OF CHANGED INTAKE MANIFOLD TOWARD THE PERFORMANCES OF HONDA SUPRA X 125
Lebih terperinciAnalisa Regresi Berganda
Analisa Regresi Berganda Tjipto Juwono, Ph.D. June 18, 2015 TJ (SU) Regresi Ganda May 2015 1 / 23 Data Home Cost Temp Ins Age ($) ( F) (In.) (y) 1 250 35 3 6 2 360 29 4 10 3 165 36 7 3 4 43 60 6 9 5 92
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 7 ANOVA (1)
STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 9 ANOVA (3)
STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran
Lebih terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Pelaksanaan Eksperimen Pelaksanaan eksperimen adalah proses pembuatan paving block yang dilakukan langsung di CV. Riau Jaya Paving. Paving
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. kemampuan pemahaman matematik siswa dan data hasil skala sikap.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil dan Temuan Penelitian Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan pemahaman matematik siswa dan data hasil skala sikap. Selanjutnya,
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinci: - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB
A. TUJUAN Tujuan Umum Tujuan Khusus : - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB : - Mahasiswa dapat menggunakan MINITAB dengan metode ANOVA - Mahasiswa dapat menggunakan MINITAB
Lebih terperinciLAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si
LAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Ade Setiawan 009 Review RAL: Satuan percobaan homogen Keragaman Respons disebabkan pengaruh perlakuan RAK: Satuan percobaan heterogen Keragaman Respons disebabkan pengaruh Perlakuan
Lebih terperinciRancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si
Rancangan Acak Lengkap Created b : Ika Damaanti, S.Si, M.Si RAL (Rancangan Acak Lengkap) Desain dimana perlakuan dikenakan sepenuhna secara acak kepada unit- unit eksperimen. Desain ini dapat digunakan
Lebih terperinciANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA
ANALISIS REGRESI Pokok Bahasan : REGRESI LINIER SEDERHANA Deskripsi Model Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda Linier Non Linier Linier Non Linier
Lebih terperinciHASIL ANALISA DATA ROE LDA DA SDA SG SIZE
HASIL ANALISA DATA STATISTIK DESKRIPTIF Date: 06/15/16 Time: 11:07 Sample: 2005 2754 ROE LDA DA SDA SG SIZE Mean 17.63677 0.106643 0.265135 0.357526 0.257541 21.15267 Median 11.00000 0.059216 0.251129
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
Lebih terperinciPERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell
September 03 PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL k MELALUI METODE BISSELL IRAWATY, ANISA DAN HERDIANI, E.T. 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciDIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA
DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA Oleh : Wahyu Hidayat, S.Pd., M.Pd. NIDN. 0404088402 PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP)
Lebih terperinciOleh : Fuji Rahayu W ( )
Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Tabel 4. Tabel Pengumpulan Data Jam Tgl Variabel 9: : : 4: 5: 8/8/5 Tebal Material 8 6 6 6.5 Kecepatan Potong 567 6 68 64 54 Hasil Pemotongan 4 4.333
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciAnalysis of Variance (ANOVA) Debrina Puspita Andriani /
Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Penyajian Data Tujuan dari dilaksanakanya penelitian ini adalah untuk mengetahui bagaimana pengaruh dan seberapa besar pengaruh penerapan model pembelajaran tutor sebaya berbantuan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan
6162 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan komunikasi matematis siswa dan data hasil skala sikap. Selanjutnya,
Lebih terperinciOptimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface
Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface Moh. Muria Armansyah S. 1*, Endang Pudji Purwanti 2, dan Bayu Wiro Karuniawan
Lebih terperinciPraktikum Pengujian Hipotesis
Praktikum Pengujian Hipotesis 1. Pengujian Hipotesis dan Selang Kepercayaan bagi Nilai Tengah untuk Satu Populasi Komputasi untuk pengujian hipotesis dan selang kepercayaan (1-α)% bagi Nilai Tengah di
Lebih terperinciANALISIS PERCOBAAN FAKTORIAL UNTUK MELIHAT PENGARUH PENGGUNAAN ALAT PERAGA BLOK ALJABAR TERHADAP PRESTASI BELAJAR ALJABAR SISWA
E-Jurnal Matematika Vol., No., Mei 3, - ISSN: 33-7 ANALISIS PERCOBAAN FAKTORIAL UNTUK MELIHAT PENGARUH PENGGUNAAN ALAT PERAGA BLOK ALJABAR TERHADAP PRESTASI BELAJAR ALJABAR SISWA NI PUTU AYU MIRAH MARIATI,
Lebih terperinciDesain Tersarang dan Split Plot
Desain Tersarang dan Split Plot A. Desain Tersarang Dua Tahap Di dalam suatu eksperimen multifaktor, taraf-taraf suatu faktor (misal faktor B) bersifat sebangun tapi tidak serupa untuk taraf yang berbeda
Lebih terperinciANALISIS PERANCANGAN PERCOBAAN 2 MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH
ANALISIS PERANCANGAN PERCOBAAN MATERI 3: KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun
Lebih terperinciRegresi Linier Sederhana dan Korelasi. Pertemuan ke 4
Regresi Linier Sederhana dan Korelasi Pertemuan ke 4 Pengertian Regresi merupakan teknik statistika yang digunakan untuk mempelajari hubungan fungsional dari satu atau beberapa variabel bebas (variabel
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Pada bab ini akan diuraikan hasil penelitian yang telah dilakukan di SMP
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan diuraikan hasil penelitian yang telah dilakukan di SMP N 28 Padang, yang terdiri dari deskripsi data dan analisis data, penguraian hipotesis dan pembahasan
Lebih terperinciPercobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.
Lebih terperinci(D.3) DESAIN RESOLASI V DENGAN REPLIKASI FRAKSIONAL UNTUK MENENTUKAN FAKTOR PENYEBAB TERJADINYA WET SPOT PADA PRODUK KARET MENTAH
(D.3) DESAIN RESOLASI V DENGAN REPLIKASI FRAKSIONAL UNTUK MENENTUKAN FAKTOR PENYEBAB TERJADINYA WET SPOT PADA PRODUK KARET MENTAH Oleh : Enny Supartini Dra. MS. e-mail : arthinii@yahoo.com ABSTRAK Untuk
Lebih terperinciABSTRAK. Pada prakternya tolak ukur yang dapat dilihat oleh keberhasilan mahasiswa adalah
PEMODELAN PRESTASI MAHASISWA TERHADAP MATAKULIAH WAJIB DENGAN ANALISIS REGRESI Anik Rufaidah Program Studi Teknik Industri Sekolah Tinggi Teknik Qomaruddin Jalan Raya No. 01 Bungah Gresik 61152 Indonesia
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN
BAB 4 ANALISA DAN PEMBAHASAN 4. Data Sampel 4.. Pengambilan dan Pemilihan Data Sampel Dari pengumpulan data yang telah dilakukan, diperoleh 20 data sampel yang telah dikelompokkan menjadi subgrup-subgrup
Lebih terperinciPENGARUH VARIASI PUTARAN SPINDEL, SUDUT POTONG UTAMA DAN KADAR SOLUBLE OIL TERHADAP KEKASARAN PERMUKAAN HASIL PEMBUBUTAN BAJA ST 37
PENGARUH VARIASI PUTARAN SPINDEL, SUDUT POTONG UTAMA DAN KADAR SOLUBLE OIL TERHADAP KEKASARAN PERMUKAAN HASIL PEMBUBUTAN BAJA ST 37 SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar
Lebih terperinciBab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
Bab 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciAnalysis of Variance. Bab Percobaan Faktor Tunggal
Bab 3 Analysis of Variance 3.1 Percobaan Faktor Tunggal Misalnya terdapat suatu percobaan untuk menguji kecepatan proses empat jenis komputer yang masing-masing memiliki spesifikasi yang sama, kecuali
Lebih terperinciPENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi kasus: Cara Mengajar Dosen Jurusan Statistika UNDIP)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Pengertian dasar 3 Faktor: Variabel Bebas
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciD E S A I N FA K TO R I A L 2 k A R U M H A N D I N I P R I M A N D A R I
D E S A I N FA K TO R I A L 2 k A R U M H A N D I N I P R I M A N D A R I PENDAHULUAN Desain faktorial digunakan secara luas dalam percobaan yang melibatkan beberapa faktor dimana di dalamnya penting dikaji
Lebih terperinciPENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya
PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH Statistik Industri II Teknik Industri Universitas Brawijaya Pengujian Hipotesis 3 rata-rata atau lebih Dengan teknik ANOVA (Analisis Varians) Pengujian
Lebih terperinciANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH
ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH SKRIPSI Oleh : GIAN KUSUMA DIAH TANTRI NIM : 24010210130075 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciRegresi Linier Berganda
Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah
Lebih terperinciTIN309 - Desain Eksperimen Materi #6 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN
Materi #6 TIN309 DESAIN EKSPERIMEN Desain Latin Squares 2 Digunakan untuk mengontrol atau mengeliminasi dua jenis faktor nuisance. Dibuat jika terdapat 3 faktor, yaitu: 1 faktor percobaan, dan 2 faktor
Lebih terperinciMETODE SCHEFFE DALAM UJI KOMPARASI GANDA ANALISIS VARIANS DUA FAKTOR DENGAN INTERAKSI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 371 378. METODE SCHEFFE DALAM UJI KOMPARASI GANDA ANALISIS VARIANS DUA FAKTOR DENGAN INTERAKSI Yuvita Erpina Rosa, Neva
Lebih terperinciBAB II KAJIAN TEORI. Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan.
BAB II KAJIAN TEORI A. Matriks 1. Definisi Matriks Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri dalam matriks (Howard
Lebih terperinciPengantar Analisa Data
Pengantar Analisa Data Tjipto Juwono, Ph.D. April 2017 TJ (SU) Data Analysis April 2017 1 / 44 REVIEW EKONOMETRIKA: ANALISA REGRESI BERGANDA Data Home Cost Temp Ins Age ($) ( F) (In.) (y) 1 250 35 3 6
Lebih terperinci(D.6) PENAKSIRAN DATA HILANG PADA DESAIN FAKTORIAL FRAKSIONAL DUA LEVEL TANPA RAPLIKASI DENGAN CARA MEMINIMUMKAN JUMLAH KUADRAT RESIDU
(D.6) PENAKSIRAN DATA HILANG PADA DESAIN FAKTORIAL FRAKSIONAL DUA LEVEL TANPA RAPLIKASI DENGAN CARA MEMINIMUMKAN JUMLAH KUADRAT RESIDU Martinnus Oetama, 2 Budhi Handoko, 3 Sri Winarni Mahasiswa Jurusan
Lebih terperinciBab 2 LANDASAN TEORI
9 Bab 2 LANDASAN TEORI 21 Uji Kecukupan Sampel Dalam melakukan penelitian yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel Pengujian
Lebih terperinciPENGENALAN MINITAB. Oleh : Triyanto
PENGENALAN MINITAB Oleh : Triyanto PROGRAM STUDI PENDIDIKAN MATEMATIKA UNIVERSITAS SEBELAS MARET SURAKARTA 2009 0 PENDAHULUAN Paket program Minitab merupakan salah satu software yang sangat besar kontribusinya
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. sebagai kelas kontrol. Penelitian ini bertujuan untuk mengetahui perbedaan
80 BAB IV HASIL DAN PEMBAHASAN A. Deskripsi dan Analisis Data Penelitian yang telah penulis lakukan di SMPN 1 Batang Anai terdiri dari tiga kelas sampel, yaitu dua kelas sebagai kelas eksperimen dan satu
Lebih terperinciPERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari
PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP Arum Handini Primandari PENDAHULUAN Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai
Lebih terperinciSKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (ST) Pada Program Studi Teknik Mesin UN PGRI Kediri OLEH :
ANALISA NILAI KEKERASAN BAJA KARBON RENDAH MELALUI PROSES KARBURISASI MENGGUNAKAN CAMPURAN CARBON (C) dan BARIUM KARBONAT (BaCO 3 ) DENGAN VARIASI WAKTU PENAHANAN BERBEDA SKRIPSI Diajukan Untuk Memenuhi
Lebih terperinciB. Kontrol negatif C. Sediaan ekstrak pegagan D. Sediaan pegagan segar E. Sediaan air rebusan pegagan
Lampiran 1. Data Uji Statistik Tabel 1.1. Data dan analisis histologis pankreas tikus putih yang diinduksi aloksan monohidrat dengan berbagai bentuk sediaan pegagan (Centella asiatica (L.) Urban) dalam
Lebih terperinciPengacakan dan Tata Letak
Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu
Lebih terperinciIV. METODOLOGI PENELITIAN. Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur,
IV. METODOLOGI PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur, Tanjungpinang, Kepulauan Riau. Pemilihan lokasi dilakukan secara sengaja (purposive)
Lebih terperinciBAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
Lebih terperinciSimulasi Komputer Untuk Menentukan Kombinasi Perlakuan Dengan Disain Faktorial Setengah Replikasi
Simulasi Komputer Untuk Menentukan Kombinasi Perlakuan Dengan Disain Faktorial Setengah Replikasi M. Haviz Irfani STMIK MDP Palembang haviz@stmikmdp.net Abstrak: Eksperimen faktorial adalah eksperimen
Lebih terperinciLampiran 1 Deskripsi Statistik Variabel Fungsi Permintaan TMR Tahun 2011
LAMPIRAN 08 Lampiran Deskripsi Statistik Variabel Fungsi Permintaan TMR Tahun 20 Variabel N Rata-rata Minimum Maksimum Standar Deviasi Y 00 3,0 60 6,996 TC 00 54005 5000 400000 74965,665 I 00 25338000
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan 1. Faktor-faktor yang mempengaruhi kualitas hasil proses produksi Genteng Super DD Hidrolik.adalah: a. Komposisi jenis lempung (faktor A) b. Kecepatan penggilingan
Lebih terperinciUji Homogenitas Rata-Rata Kasus Anova Dua Arah dengan Metode Cochran Cochran Test for Homogeneity Means in Two Ways ANOVA
Prosiding Statistika ISSN: 6-66 Uji Homogenitas Rata-Rata Kasus Anova Dua Arah dengan Metode Cochran Cochran Test for Homogeneity Means in Two Ways ANOVA Susan Susanti, Siti Sunendiari, Abdul Kudus,, Prodi
Lebih terperinciBAB III METODE PENELITIAN. Dalam menentukan desain penelitian maka hal tersebut sangatlah
46 BAB III METODE PENELITIAN 3.1 Desain Penelitian Dalam menentukan desain penelitian maka hal tersebut sangatlah tergantung pada tujuan dari penelitian itu sendiri, mendesain berarti menyusun perencanaan
Lebih terperinciBAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu
Lebih terperinciLAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM.
LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
Lebih terperinciSTUDI BANDING PERFORMANCE MESIN HOT PRESS BERBASIS KONTROL RELAY DAN KONTROL PLC
PROPOSAL TUGAS AKHIR [ TM091476 ] OLEH : BOBY DWI HASTANA 2105100133 DOSEN PEMBIMBING : Ir. Sampurno, MT STUDI BANDING PERFORMANCE MESIN HOT PRESS BERBASIS KONTROL RELAY DAN KONTROL PLC LATAR BELAKANG
Lebih terperinciKORELASI LINIER BERGANDA
KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN 4.1 Persiapan Penelitian Dalam proses pelaksanaan penelitian ini ada beberapa tahapan yang dilakukan diantaranya: a) Mempersiapkan alat dan bahan penelitian b) Mempersiapkan surat
Lebih terperinciBAB IV ANALISIS. Skor Frekuensi (%) F.X % % % % % % 34
BAB IV ANALISIS Setelah data-data terkumpul serta adanya teori yang melandasinya, maka langkah selanjutnya adalah menganalisis hasil data tentang sejauh mana metode pembelajaran scramble dalam meningkatkan
Lebih terperinciPROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )
PENGUJIAN HIPOTESIS PROSEDUR UMUM Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) misalnya: H 0 : µ = 100 H 1 : μ 100 atau H 1 : μ> 100 atau H 1 : μ< 100 PROSEDUR UMUM Langkah : tentukan
Lebih terperinci