PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
|
|
- Shinta Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com Unverstas Muhammadyah Semarang, emal : ndah.manfaat.nur@gmal.com Abstract. Wlayah pessr sangat rentan terhadap tekanan bak yang berasal dar darat maupun dar laut. Salah satu tekanan yang mengancam keberlangsungan wlayah pessr adalah adanya kenakan muka ar laut. Dampak dar kenakan muka ar laut adalah banjr pasang ar laut atau lebh dkenal dengan banjr rob. Banjr rob merupakan fenomena yang selalu terjad d Kota Semarang bagan utara, oleh karena tu pemodelan pasang surut ar laut d Kota Semarang menjad hal yang pentng. Salah satu metode yang tepat untuk pemodelan pasang surut ar laut adalah Regres Nonparametrk dengan pendekatan Polnomal Lokal Kernel. Pemodelan menggunakan metode tersebut dharapkan mampu mengatas data yang mengalam fluktuas. Model terbak sangat dpengaruh oleh penentuan orde polnomal dan bandwdth optmal yang memlk GCV mnmum. Penerapan pada data dbuat program menggunakan Software R. Data yang dgunakan adalah data tngg gelombang pasang surut ar laut d Kota Semarang dengan varabel predktornya yatu waktu pengamatan perbulan selama tahun 0-0. Berdasarkan hasl penerapan model tersebut dperoleh nla bandwdth optmal sebesar 69. dan orde polnomal p=8 pada saat GCV mnmum sebesar 4.75 sehngga hasl estmas model dperoleh MSE sebesar.954. Berdasarkan estmas model dperoleh dugaan rata-rata tngg gelombang pasang surut ar laut d Kota Semarang mengalam konds pasang tngg pada saat bulan Agustus 0 sampa dengan Desember 0, dan berulang kembal pada tahun 0 yatu bulan Jul hngga November. Sedangkan konds pasang tngg terjad pada saat bulan Februar 0 sampa dengan Jun 0 Keywords: Pasang Surut Ar Laut, Regres Nonparametrk, Estmator Polnomal Lokal Kernel, GCV. Pendahuluan Analss regres dkembangkan untuk menyeldk pola hubungan dan pengaruh varabel predktor terhadap varabel respon, dengan mengestmas kurva regresnya. Dalam analss regres terdapat dua pendekatan yatu pendekatan parametrk dan pendekatan nonparametrk. Pendekatan parametrk mengasumskan bentuk model sudah dtentukan sebelumnya. Pendekatan nonparametrk dgunakan apabla tdak ada nformas apapun tentang bentuk fungs, karena pendekatan tersebut tdak tergantung pada asums bentuk kurva tertentu, oleh karena tu analss regres nonparametrk memberkan fleksbltas yang lebh besar [] Jka n pengamatan ndependen {, } =,,3,,n. Hubungan antara t dan Y mengkut model regres nonparametrk. Bentuk kurva regres tdak dketahu d asumskan smooth.. Tujuan utama dalam regres nonparametrk adalah mendapatkan estmas kurva regres. Terdapat beberapa pendekatan untuk mengestmas kurva regres, salah satunya adalah dengan estmator Polnomal Lokal. Salah satu kelebhan estmator polnomal lokal kernel adalah dapat mengurang asmtotk bas dan menghaslkan estmas yang bak [4]. Estmator polnomal lokal kernel dapat dperoleh dengan optmas WLS (Weghted Least Square). Sedangkan untuk mengestmas parameter penghalus (bandwdth) menggunakan metode GCV (Generalzed Cross Valdaton). Estmator kurva regres dperoleh dengan mengestmas parameternya. Peneltan sebelumnya telah banyak dkembangkan dantaranya estmas model regres nonparametrk pada data longtudnal berdasarkan estmator polnomal lokal kernel GEE [6], pendekatan regres semparametrk untuk
2 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel) data longtudnal terhadap kadar trombost demam berdarah dengue [7] Pessr merupakan daerah darat yang berada d tep laut dan mash mendapat pengaruh laut sepert pasang surut, angn laut, dan perembesan ar laut. Sedangkan daerah panta merupakan area yang berada d tep peraran dan dpengaruh oleh ar pasang tertngg dan ar surut terendah. Wlayah pessr sangat rentan terhadap tekanan bak yang berasal dar darat maupun dar laut. Salah satu tekanan yang serng mengancam keberlangsungan wlayah pessr adalah adanya kenakan muka ar laut. Kenakan muka ar laut yang terus bertambah dkhawatrkan akan mengancam daerah-daerah pessr sehngga menmbulkan kerugan bak dalam fnansal maupun ekonom. Pasang surut adalah fluktuas muka ar laut sebaga fungs waktu karena adanya gaya tark benda-benda langt, terutama matahar dan bulan. Kedalaman ar akbat banjr rob bsa mencapa 0-60 cm dengan luas genangan dperkrakan mencapa 3,6 km [5]. Hasl peneltan lan menyatakan bahwa mula 99 hngga tahun 997 muka ar laut rata-rata tahunan d Semarang mengalam kenakan berksar,5 6,7 cm, akan tetap pada tahun berkutnya sampa tahun 000 permukaan laut justru mengalam penurunan sebesar,3 39,9 cm []. Peneltan kerentanan wlayah pessr sangat dperlukan dalam rangka mengurang dampak serta kemungknankemungknan respon terkat terhadap perubahan fenomena yang berlangsung. Hal n mengakbatkan perlu adanya peneltan mengena pemodelan pasang surut ar laut d Kota Semarang. Metode statstka sangat berperan pentng dalam menganalsa kasus tersebut. Salah satu metode statstka yang sesua adalah regres nonparametrk dengan menggunakan pendekatan polnomal lokal kernel. Oleh karena tu, dalam peneltan n akan dgunakan estmator polnomal lokal kernel untuk mengestmas kurva regres nonparametrk pada data pasang surut ar laut d Kota Semarang.. Tnjauan Pustaka. Regres nonparametrk Regres nonparametrk adalah salah satu metode yang dgunakan untuk mengestmas pola hubungan antara varabel respon dan varabel predktor, dmana bentuk kurva regresnya tdak dketahu. Dberkan data ( t, y ), =,,.. n; dengan n menyatakan banyaknya subjek. Varabel y menyatakan varabel respon pada waktu t. Hubungan antara varabelvarabel tersebut dnyatakan dalam persamaan (). = +, =,,3,...,n (). Estmator Polnomal Lokal untuk Data Longtudnal Dberkan data observas (y, t ) yang memenuh regres nonparametrk, dengan y sebaga varabel respon dan t sebaga varabel predktor. Persamaan () dapat dtuls dalam bentuk matrks: = + () Dengan = =, = dan = Fungs m(x ) tdak dketahu bentuk fungsnya yang dsebut dengan fungs regres. Msalkan X adalah varabel predktor dmana fungs m(x ) akan destmas dengan estmator polnomal lokal. Dengan deret Taylor, m(t ) dapat ddekat oleh polnomal berderajat p sebaga berkut : = (3) Persamaan () dapat dtuls menjad : =
3 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel) Dengan h 0 0 = 0 h # %, 0 0 h &h = ) * # # % = (,, = [,,, ]0 + dapat dperoleh dengan cara memnmumkan Weghted Least Square (WLS) = (4) Dengan 6 = [, #,, ] = [ 0,, 0 ] 4 5 = 789: 4 5),4 5*,,4 5+, ; < = 789: ; <,; < #,, ; < Matrks K h adalah matrks yang bers pembobot,dengan ; < = < ;>?. ; < adalah fungs Kernel, dan h adalah bandwdth. Nla estmas β yatu yang bla dsubttuskan kedalam persamaan (4) akan memnmumkan dperoleh : = B) (5) Dengan demkan m dapat dnyatakan sebaga berkut : C = C = B) Fungs Kernel Secara umum fungs Kernel K dengan bandwdth (parameter penghalus) h ddefnskan sebaga berkut: x K h ( x) = K( ), untuk h h < x < dan h > 0 serta memenuh sfat : () 0, untuk semua x () () (v) dx = x dx = 0 x K( x) dx = σ > 0 maka estmator fungs denstas Kernel adalah n n x x f ( x) = K h ( x x ) = K n = nh = h Beberapa jens fungs Kernel adalah [3]: () Kernel Unform : = I( x ) () Kernel Segtga : = x I ( x ( ) ) () Kernel Eparchnkov : 3 = ( x ) I( x ) 4 (v) Kernel Kuadrat : 5 = ( x ) I( x ) 6 (v) Kernel Trweght : 35 3 = ( x ) I( x ) 3 (v) Kernel Cosnus : π π = cos x I( x ) 4 (v) Kernel Gaussan : K( x) = exp ( x ), π < x < dengan I adalah fungs ndkator
4 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel).4 Metode Peneltan.4. Sumber Data dan Varabel Peneltan Data yang dgunakan dalam peneltan n adalah data sekunder yang dperoleh dar Badan Meteorolog dan Geofska Stasun Meteorolog Martm Semarang. Data tersebut mengena ratarata tngg gelombang pasang surut ar laut d Kota Semarang yang damat perbulan selama tahun 0-0. Varabel yang d gunakan dalam peneltan n dantaranya varabel respon yatu tngg gelombang pasang surut ar laut d Kota Semarang, sedangkan varabel predktor dalam peneltan n adalah waktu pengamatan (perbulan).4. Metode Analss Pemodelan pasang surut ar laut d Kota Semarang menggunakan pendekatan regres nonparametrk polnomal lokal kernel dengan langkah-langkah sebaga berkut : a. Dberkan data observas (y, x ), yang memenuh regres nonparametrk. y = m(t )+e, =,,3,,n Kemudan membuat plot data berpasangan (y, t ), =,,..., n b. Menyatakan (y ) dapat ddekat oleh polnomal lokal berderajat p + + E F BE G H G + + E FBE J H J E #!! c. Menyatakan C KL Dengan X adalah matrk berukuran x (p+) dan C adalah vektor berukuran x = B) d. Mendapatkan bentuk matrk A(h) berukuran NxN dengan cara menyelesakan persamaan berkut : C = Mh e. Menentukan jens pembobot dan fungs Kernel Gaussan. f. Memlh orde polnomal p dan nla bandwdth optmal yang memnmumkan OPQ = R B [ T ] # R B U [V Wh] # g. Memodelkan orde polnomal lokal p dan nla bandwdth optmal dar langkah c secara smultan. h. Menghtung nla MSE XYZ h = R B [ T. Mendapatkan model pasang surut ar laut d Kota Semarang dengan pendekatan polnomal lokal kernel. Penerapan pada data dbuat program menggunakan Software R 3. Hasl Peneltan Dberkan data sebanyak n objek, ( t, y ), =,,...,n mengkut model regres nonparametrk yang dnyatakan sebaga berkut : y = m( t ) + e, dengan m t ) adalah fungs smooth. ( Fungs m ( t ) tdak dketahu bentuknya maka ddekat menggunakan estmator polnomal lokal kernel sebaga berkut : + # # +! + + ]! p m t ˆ β t t ˆ ˆ ( ) ( ) β ( t t) ˆ β... ( t t) ˆ β (6) p Model pada (6) dapat dtuls menjad matrk sebaga berkut: T mˆ ( t ) x ˆ β ; =,,..., n ˆ T T β = ( X Kh X ) X Kh y (7) dengan notas matrknya x ] ˆ ˆ ˆ T β = [ ˆ β, ˆ β, β,..,, p T = [, ( t t),( t t),...,( t t) ; 0 β p ] ˆ ( m r ) β r = ˆ ( t) / r!, r = 0,..., p. Berdasarkan persamaan (7) maka model menjad sebaga berkut : T T T mˆ ( t ) = x ( X K X ) X K y h h
5 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel) Model regres nonparametrk n dterapkan pada data pasang surut ar laut d Kota Semarang. Pada peneltan n bertujuan untuk mengetahu hubungan antara waktu pengamatan dan tngg gelombang pasang surut d Semarang. Sampel yang dgunakan dalam peneltan n adalah tngg gelombang pasang surut d Semarang yang damat sebanyak 4 pengamatan dmula bulan Januar tahun 0 sampa Desember 0. Plot data hubungan antara waktu dan tngg gelombang dtunjukkan pada Gambar. pembobot yang dgunakan dalam estmas model adalah Kernel Gaussan. Berkut n dsajkan pada tap-tap orde polnomal dperoleh bandwdth saat GCV(h) mnmum yang dtunjukkan pada Tabel sebaga berkut: Tabel. Nla GCV(h) Mnmum untuk masngmasng Orde Polnomal (p) Orde Bandwdth Mn GCV (p) Polnomal (p) 5 69,9 54, ,8 54, ,3 55, , 4,7500 Gambar. Scatter plot rata-rata tngg gelombang ar laut perbulan selama tahun 0-0 Berdasarkan Gambar memperlhatkan Parameter hubungan antara varabel predktor (waktu) terhadap varabel respon (tngg 0 gelombang) terlhat bahwa pada bulan pertama sampa bulan ke-4 mengndkaskan kurva tdak mempunya pola tertentu dan plot data menunjukkan 3 adanya perubahan perlaku kurva pada 4 selang waktu tertentu. Oleh karena tu, hubungan varabel respon terhadap 5 varabel predktor destmas dengan 6 pendekatan regres nonparametrk polnomal lokal kernel yang menggunakan 7 software R. (4.9) Langkah pertama sebelum mengestmas model regres tersebut adalah menentukan bandwdth optmal dan orde polnomal, yatu bandwdth dan orde polnomal yang memlk nla GCV mnmum. Kemudan jens fungs Berdasarkan Tabel dapat dlhat bahwa nla mnmum dar GCV mnmum tap-tap orde polnomal (Mn GCV (p) ) adalah 4,7500 saat bandwdth optmal sebesar 69, dan orde polnomal p=8. Kemudan bandwdth optmal dan orde polnomal tersebut dgunakan untuk estmas fungs penghalus m (t). Berdasarkan estmas fungs tersebut dperoleh MSE sebesar dan koefsen parameter yang dhaslkan adalah sebaga berkut: Tabel. Hasl estmas parameter Koefsen parameter 65, ,0086 -,73, , ,0444-0,005 7,4863x0-5 -8,58880x0-7 Jad hasl estmas model regres nonparametrk dengan pendekatan polnomal lokal kernel adalah sebaga berkut :
6 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel) mˆ ( t ) 65,99+ 0,0083( t 0,369( t 7,4x0 5 ( t 4 + 0,04( t 7 5 8,59x0,73( t 0,005( t 7 ( t 8 6 +,574( t Plot hasl estmas pada data tngg gelombang pasang surut ar laut menggunakan bandwdth optmal dan orde polnomal dapat dlhat pada Gambar sebaga berkut Gambar. Plot estmas rata-rata tngg gelombang pasang surut ar laut Berdasarkan Gambar dapat dketahu dnamka perubahan rata-rata tngg gelombang pasang surut ar laut d Kota Semarang selama pengamatan yatu pada pengamatan pertama (Januar 0) sampa dengan pengamatan ke-4 (Desember 0). Estmas rata-rata tngg gelombang ar laut mengalam lembah gelombang pada saat pengamatan kedelapan (Agustus 0) sampa dengan pengamatan kedua belas (Desember 0), sehngga pada saat tersebut terjad konds pasang rendah. Sedangkan konds pasang tngg terjad pada saat pengamatan keempat belas (Februar 0) sampa dengan pengamatan ke-delapan belas (Jun 0) karena pada saat tersebut estmas tngg gelombang pasang surut ar laut mengalam puncak gelombang. Konds pasang rendah juga terjad pada saat pengamatan ke-semblan belas (Jul 0) sampa dengan ke-dua puluh tga (November 0) Kesmpulan Berdasarkan hasl peneltan, maka dapat dsmpulkan bahwa :. Estmas model regres nonparametrk adalah sebaga berkut : = + dengan C = = B) 3 4 Dar hasl penerapan model regres 7,4x0 nonparametrk dengan menggunakan estmator polnomal lokal kernel pada data pasang surut ar laut d Kota Semarang, dperoleh nla bandwdth optmal sebesar 69, dengan orde polnomal p=8, MSE sebesar,94. Hasl estmas model regres nonparametrk dengan pendekatan polnomal lokal kernel adalah sebaga berkut : mˆ ( t ) 65,99+ 0,0083( t,73( t +, ( t 0,369( t + 0,04( t 0,005( t ( t 8,59x0 7 ( t. Berdasarkan estmas model dperoleh dugaan rata-rata tngg gelombang pasang surut ar laut d Kota Semarang mengalam konds pasang tngg pada saat bulan Agustus 0 sampa dengan Desember 0, dan berulang kembal pada tahun 0 yatu bulan Jul hngga November. Sedangkan konds pasang tngg terjad pada saat bulan Februar 0 sampa dengan Jun DaftarPustaka [] Adhtya, F. W Analss Banjr Rob D Kecamatan Semarang Utara dan Kecamatan Semarang Tmur pada Saat Pasang Tertngg. Skrps Jurusan Ilmu Kelautan, FPIK UNDIP, Semarang. 8
7 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel) [] Eubank, R.M., 988. Splne Smoothng and Nonparametrc Regresson. Marcel Dekker. New York. [3] Hardle, W., 990. Appled Nonparametrc Regresson.Cambrdge Unversty Press. New York. [4] Fan, J. and Gjbels, I Local Polynomal Modellng and ts Aplcatons. Chapman and Hall. London. [5] Sarbd, 00. Pengaruh Rob pada Pemukman Panta (kasus Semarang). Prosdng Kerugan pada Bangunan dan Kawasan Akbat Kenakan Muka Ar Laut pada Kota-kota Panta d Indonesa, Jakarta. [6] Utam, T.W. 00. Estmas Model Regres Nonparametrk Pada Data Longtudnal Berdasarkan Estmator Polnomal Lokal Kernel Generalzed Estmatng Equaton. Skrps. Surabaya. Departemen Matematka Fakultas Sans dan Teknolog Unverstas Arlangga. [7] Utam, T.W. 03. Pendekatan Regres Semparametrk Polnomal Lokal Untuk Data Longtudnal Terhadap Kadar Trombost Demam Berdarah Dengue. Tess. Surabaya. Program Magster Jurusan Statstka FMIPA Insttut Teknolog Sepuluh November
8 Tan Wahyu Utam, Indah Manfaat Nur (Pemodelan Pasang Surut Ar Laut d Kota Semarang dengan Pendekatan Regres Nonparametrk Polnomal Lokal Kernel) 56
BAB II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciε 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 terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciESTIMASI 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 terperinciSpline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat
Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan
Lebih terperinciBAB 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 terperinciJURNAL 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 terperinciMETODE 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 terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB 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 terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBab 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 terperinciBAB 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 terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciANALISIS 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 terperinciANALISIS 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 terperinciBootstrap Pada Regresi Linear dan Spline Truncated
Statstka, Vol. 8 No. 1, 47 54 Me 2008 Bootstrap Pada Regres Lnear dan Splne runcated Harson Darmaw 1) dan Bambang Wdjanarko Otok 2) 1) enaga Pengajar d Jurusan Matematka UNRI, Pekanbaru e-mal: son_ms@yahoo.co.d
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciP 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 terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciPEMODELAN 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciPEMODELAN REGRESI NONPARAMETRIK MENGGUNAKAN PENDEKATAN POLINOMIAL LOKAL PADA BEBAN LISTRIK DI KOTA SEMARANG. DOI: /medstat
p-issn 1979 3693 e-issn 477 0647 MEDIA SAISIKA 9() 016: 85-93 ttp://ejournal.undp.ac.d/ndex.pp/meda_statstka PEMODELAN REGRESI NONPARAMERIK MENGGUNAKAN PENDEKAAN POLINOMIAL LOKAL PADA BEBAN LISRIK DI KOA
Lebih terperinciKecocokan 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 terperinciTaksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil
Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data
Lebih terperinciPROPOSAL 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 terperinciMODEL REGRESI SEMIPARAMETRIK CAMPURAN SPLINE TRUNCATED DAN DERET FOURIER (Studi Kasus : Angka Harapan Hidup Provinsi Jawa Timur)
TESIS SS 14501 MODEL REGRESI SEMIPARAMETRIK CAMPURAN SPLINE TRUNCATED DAN DERET FOURIER (Stud Kasus : Angka Harapan Hdup Provns Jawa Tmur) KHAERUN NISA NRP. 1315 01 018 DOSEN PEMBIMBING Prof. Dr. Drs.
Lebih terperinciBAB 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 terperinciBab 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 terperinciBAB 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 terperinciBAB 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 terperinciPendeteksian 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 terperinciBAB 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 terperinciPROSIDING ISSN: M-16 KLASIFIKASI CURAH HUJAN BERDASARKAN DATA SATELIT MTSTAT DENGAN METODE BAYESIAN
M-6 KLASIFIKASI CURAH HUJAN BERDASARKAN DATA SATELIT MTSTAT DENGAN METODE BAYESIAN Zulhanf ), I Gede Nyoman Mndra Jaya ),) Departemen Statstka FMIPA UNPAD dzulhanf@yahoo.com, jay.komang@gmal.com Abstrak
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciIII. 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 terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
Lebih terperinciIV. 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 terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciMODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciSELANG 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 terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciIII. 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 terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciBAB 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 terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang
Lebih terperinciBOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL
BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciBAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi
BAB III FUNGSI MAYOR DAN MINOR Pada bab n akan dbahas konsep-konsep dasar dar fungs mayor dan fungs mnor dar suatu fungs yang terdefns pada suatu nterval tertutup. Pendefnsan fungs mayor dan mnor tersebut
Lebih terperinciCatatan 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 terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciSeemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar
Vol. 3, o., -5, Jul 6 Seemngl Unrelated Regresson Penderta Penakt DBD RS. Wahdn Sudrohusodo Dan RS. Stella ars akassar A n s a Abstrak Hubungan antar varabel adalah salah satu hal ang selalu menark dalam
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciBAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi
BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciBAB III LANDASAN TEORI. berasal dari peraturan SNI yang terdapat pada persamaan berikut.
BAB III LANDASAN TEORI 3. Kuat Tekan Beton Kuat tekan beban beton adalah besarna beban per satuan luas, ang menebabkan benda uj beton hanur bla dbeban dengan gaa tekan tertentu, ang dhaslkan oleh mesn
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciIII. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,
III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciREGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB 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