KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING
|
|
|
- Susanto Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Kode Maalah M- KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING SEM Oleh : Nur Rusliah Prof. Dr. Dra. Susati Liuwih, M.Stat Dra. Kartia Fitriasari, M.Si. ABSTRAK Structural Equatio Modellig SEM adalah suatu tei aalisis multivariabel ag dapat diguaa utu medesripsia eteraita hubuga liear secara simulta variabel-variabel pegamata, ag sealigus melibata variabel late ag tida dapat diuur secara lagsug. Pada umua, SEM megasumsia bahwa variabel pegamata adalah variabel otiu ag berdistribusi multiormal. Padahal dalam peelitia pemasara maupu peelitia sosial serig diumpai bahwa eis data pegamata dapat berupa variabel ta otiu maupu variabel otiu. Oleh area itu bila diguaa prosedur pedugaa umum, diduga hasila aa bias. Peelitia ii bertuua utu mecari peduga orelasi poliserial, sebagai uura asosiasi atara data ta otiu ordial dega data otiu da membadiga bias ag ditimbula oleh pegguaa orelasi poliserial pada pedugaa parameter SEM dibadiga dega pegguaa orelasi produ mome Pearso. Dega megguaa metode Masimum Lielihood, betu pedugaa orelasi poliserial adalah: ˆ. + + Hasil simulasi meuuua bahwa utu model SEM ag diacu dari peelitia Wheato et al. 977, secara eseluruha pegguaa matris orelasi poliserial pada pedugaa parameter SEM utu data bersala ordial berdistribusi Uiform Disrit 5 da data otiu berdistribusi Normal Stadart lebih tida berbias dibadiga pegguaa matris orelasi produ mome hususa umlah sampel urag dari N75. Jia umlah sampel N35 atau lebih, pegguaa orelasi poliserial da orelasi produ mome Pearso pada pedugaa parameter SEM aa meghasila bias ag relatif sama. Korelasi poliserial lebih coco diguaa pada pedugaa parameter SEM area secara eseluruha variasi dugaa parameter SEM oleh orelasi poliserial lebih ecil dibadiga orelasi pearso.. Kata uci: Korelasi Poliserial, Structural Equatio Modellig SEM, Masimum Lielihood. Mahasiswa S Statistia ITS I. PENDAHULUAN Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 95
2 .. Latar Belaag Structural Equatio Modellig SEM adalah suatu tei aalisis multivariabel ag dapat diguaa utu medesripsia eteraita hubuga liear secara simulta variabelvariabel pegamata, ag sealigus melibata variabel late ag tida dapat diuur secara lagsug. Model ag merupaa peggabuga tei aalisis fator Factor Aalsis da aalisis alur Path Aalsis ii telah dimafaata secara luas gua memecaha berbagai masalah ilmu-ilmu pemasara, sosial da ilmu-ilmu perilau. Seperti studi tetag pegaruh watu tuggu dega epuasa pelaaa Pru da Smidts, 998, pegaruh epuasa era terhadap iera pegawai Kushariati, 003. Baha model ii uga dapat diterapa dalam perumusa perecaaa pembagua eoomi asioal. Berbagai fator sumberdaa alam, sumberdaa mausia, teologi da apasitas terpasag sebagai modal dasar pembagua dapat dimodela dega SEM. Dalam proses pedugaa parametera, SEM megguaa matris covarias. Oleh area itu, model lebih populer dieal dega model LISREL Liear Structural Relatioships. Pada umuma, SEM megasumsia bahwa variabel-variabel pegamata adalah variabel otiu ag berdistribusi multiormal. Dalam hal ii, dasar pedugaa parameter model megguaa matris covarias, tetapi dapat uga megguaa matris orelasi produ mome Pearso. Semetara dalam peelitia pemasara maupu peelitia sosial serig diumpai bahwa eis data pegamata dapat berupa variabel ta otiu maupu variabel otiu, area biasaa data diumpula melalui uesioer dega sala ordial, iterval da rasio. Oleh area itu, bila diguaa prosedur pedugaa umum, diduga hasila aa bias. Beberapa literatur meebuta bahwa uura orelasi atara data ordial dega data otiu dapat diguaa orelasi poliserial Drasgow, 985; da Jöresog da Sörbom, 996a. Peelitia tetag pegguaa matris orelasi polihori, sebagai uura asosiasi data ordial, utu pedugaa parameter SEM sudah dilaua oleh Suwaro 00, dega hasil bahwa dega megguaa matris orelasi polihori utu pedugaa parameter SEM lebih tida berbias dibadiga megguaaa matris orelasi produ mome Pearso. Sebagai elauta dari peelitia tersebut, maa pegaia tetag betu pedugaa orelasi poliserial da bias ag ditimbula oleh pegguaa orelasi poliserial utu pedugaa parameter SEM aa dilaua dalam peelitia ii... Permasalaha Dari uraia ag melatarbelaagi peelitia ii, maa permasalaha ag igi diagat adalah. Bagaimaa betu pedugaa orelasi poliserial, sebagai uura asosiasi atara data ordial da data otiu dega metode Masimum Lielihood.. Bagaimaa bias ag ditimbula oleh pegguaa orelasi poliserial pada pedugaa parameter SEM dibadiga dega pegguaa orelasi produ mome Pearso..3. Tuua Berdasara rumusa permasalaha diatas, maa tuua ag igi adalah:. Megetahui betu pedugaa orelasi poliserial dega metode Masimum Lielihood. Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 96
3 . Membadiga bias ag ditimbula oleh pegguaa orelasi poliserial pada pedugaa parameter SEM dega pegguaa orelasi produ mome Pearso dega cara simulasi..4. Mafaat Peelitia Peelitia ii diharapa dapat memberia mafaat dalam megembaga wawasa aalisis Statistia, terutama ag beraita dega orelasi poliserial da Structural Equatio Modellig SEM..5. Batasa Peelitia Peelitia ii megguaa data hasil pembagita ag terdiri atas tiga variabel late da eam variabel pegamata, dimaa distribusi dari tiga variabel pegamata adalah Uiform Disrit 5 da tiga sisaa berdistribusi Normal Stadart.ag didasara dari hasil peelitia Wheato et al. 977, diacu dalam Joresog & Sorbom 996a. II. METODE PENELITIAN. Megetahui pedugaa orelasi poliserial: - Meetua oi desit fuctio pegamata dari sebuah sampel i, d i adalah: f, d f Pr D d Dimaa f - Meetua fugsi lielihood L L i f.pr D d µ ep πσ σ µ ep πσ σ [ ] - Meetua peduga orelasi poliserial dega memasimuma llog L ag beraita pada parameter.. Membadiga bias ag ditimbula oleh pegguaa orelasi poliserial pada pedugaa parameter SEM dega pegguaa orelasi produ mome Pearso dega cara simulasi.. Membagita data: Meetua matris orelasi populasi. Membagita data bersala peguura ordial berdistribusi uiform disrit 5 da data bersala ormal stadart dega megguaa matris orelasi populasi dega uura sampel N 5, 50, 75, 75, 35 da 500. Data ordial dibuat dega 5 ategori aitu sor,, 3, 4, 5 dega peluag terpiliha masig-masig ategori adalah sama, sehigga peluaga masig-masig adalah /5. Pembagita diulag sebaa 600 ali utu masig-masig uura sampel. Proses pembagita data dega batua program PRELIS.30 Joresog & Sorbom, 996b dalam paet program LISREL 8.30 Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 97
4 . Medapata matris orelasi poliserial da Pearso dari data hasil bagita dega batua paet program PRELIS Megguaa matris orelasi poliserial utu meduga parameter SEM. 4. Meghitug tasira bias pedugaa, dimaa bias adalah selisih atara ilai harapa suatu statisti dega parametera. Misala T adalah statisti aitu peduga parameter θ, maa bias dugaa parameter θ dilambaga dega b θ dapat diataa dega: b θ ET θ, dega ET meuua ilai harapa atau ilai tegah dari T. 5. Meghitug rata-rata tasira bias pedugaa. 6. Meghitug variasi tasira bias pedugaa. 7. Megulagi lagah 3 sampai 6 utu orelasi pearso. 8. Membadiga rata-rata tasira bias, ag lebih deat dega ol meuua metode ag diguaa lebih bai. 9. Membadiga variasi tasira bias, variasi ag lebih ecil meuua metode ag diguaa lebih bai. 0. Melaua lagah-lagah di atas utu beberapa uura cotoh.. Melaua peguia hipopeelitia atara rata-rata tasira bias peduga parameter ag dihasila oleh pegguaa orelasi poliserial dega orelasi pearso utu semua uura sampel Data adalah data simulasi hasil bagita omputer, dega ciri data berupa data ordial da data otiu. Sebagai dasar pembagita data, diguaa model dari hasil peelitia Wheato et al. 977, diacu dalam Joresog & Sorbom 996a ag digambara oleh diagram litas ag terdapat pada Gambar. Alasa diguaaa model ii adalah elegapa da esederhaaaa. Legap dalam artia, model ii memuat variabel late esoge da edoge. Sedaga sederhaa area model ii haa terdiri atas eam variabel pegamata Y, Y, Y 3, Y 4, X da X da tiga variabel late ξ, η da η. Adapu spesifiasi parameter model bersesuaia dega diagram litas pada Gambar 3.. adalah: λ λ λ Λ, Λ 0 λ, Β 0 3 λ 0.76 β λ γ 0.5 Γ, Ψ diag ψ, ψ diag0.4,0.33, γ 0.0 Φ ϕ 0.7, δ, δ 0.9,0.59 Θδ diag θ θ diag, da θ 0.40 Θ 0 θ 0 3 θ θ 0 4 θ θ Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 98
5 ψ 0.4 λ Y θ 0.40 θ δ 0.9 X λ ξ η γ -0.5 β 0.59 λ.0 Y θ 0.7 θ θ δ 0.59 λ 0.76 X ϕ 0.7 γ -0.0 λ 3 Y 3 η λ 4.03 θ θ ψ 0.33 Y 4 θ Gambar : Diagram Litas Model III. HASIL PENELITIAN DAN PEMBAHASAN 3.. Peduga Korelasi Poliserial Korelasi poliserial adalah suatu uura eerata atara dua variabel aitu variabel ordial da variabel otiu. Korelasi ii adalah geeralisasi dari orelasi biserial ag diestimasi dari dua buah data, dimaa salah satua merupaa variabel ormal ag telah megalami polchotomied meadi r ategori ag terurut da variabel laia adalah variabel ormal ag tida ditrasformasi. Utu medapata peduga orelasi poliserial, diguaa metode maimum lielihood ML. Misala i merupaa pegamata ag berupa variabel otiu ag berdistribusi ormal da d i adalah pegamata ag berupa variabel ordial sehigga oi desit fuctio pegamata dari sebuah sampel i, d i adalah f, d f Pr D d Dimaa / ep πσ µ σ. Φ Φ,,...,s Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 99
6 Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 00 Sehigga fugsi lielihood ag terbetu adalah: Φ Φ. ep σ µ πσ L Selauta meetua peduga orelasi poliserial dega memasimuma llog L ag beraita pada parameter. Diperoleh hasil sebagai beriut: [ ] 0 Pr 3/ d l Selauta melaua peederhaaa dega cara meambaha persamaa beriut: 0 + Persamaa 4. aa meadi 0 3/ + + Aa didapata peduga orelasi poliserial sebagai beriut: + + ˆ 3.. Simulasi Simulasi dilaua utu membadiga tasira bias ag timbula oleh pegguaa orelasi poliserial da orelasi produ mome pearso pada pedugaa parameter SEM. Adapu ag dilaua dalam simulasi adalah pembagita data, membetu orelasi poliserial da orelasi pearso ag diguaa utu meduga paramater Model Strutural da Model Peguura Pembagita Data Hasil pembagita data diperoleh seumlah 3600 gugusa data, dimaa dari eam uura sampel ag berbeda N 5, 50, 75, 75, 35 da 500 masig-masig diulag sebaa 600 ali. Gugusa data tersebut diguaa utu memperoleh matris orelasi poliserial ag selauta disigat PLS da matris orelasi pearso ag selauta disigat PRS. Kemudia dari matri orelasi PLS diguaa utu meduga parameter SEM da dicari rata-rata tasira biasa, begitu uga dega matri orelasi pearso Model Strutural Parameter model strutural ag diduga adalah β BE, γ GA, γ GA, ϕ PH, ψ PS da ψ PS. Nilai tasira bias beserta variasia da hasil ui-t data berpasaga utu membadiga pegguaa PLS da PRS dalam pedugaa parameter SEMterdapat pada Tabel sampai Tabel 6.
7 Nilai tasira bias utu β pada Tabel, PLS terlihat lebih medeati ilai ol dibadiga PRS, ii berarti PLS lebih ecil tasira biasa, tetapi pada N35 eatas tasira bias ag dihasila eduaa hampir sama. Berdasara hasil peguia dega α 5% meuua bahwa haa pada N5 terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS dega PRS. Dalam hal variasi, semai besar uura sampel semai ecil variasi pedugaa bai oleh PLS maupu PRS. Variasi pedugaa oleh PLS lebih ecil pada uura sampel N5, 50 da 75. Dega demiia dapat disimpula bahwa utu uura sampel N35 eatas pegguaa PLS da PRS tida ada perbedaa ag sigifia tetapi PRS memberia variasi lebih ecil, sehigga PRS lebih disaraa. Tabel. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter β BE da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS BE N5 0,7466 0, ,033 0, ,045 N50 0, ,5074 0,0086 0,0400 0,67 N75 0, , , , ,088 N75 0, ,0569-0,0067 0, ,596 N35 0, , ,0007 0,0058 0,504 N500 0, , ,0058 0, ,4 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Perilau tasira bias utu γ meuua bahwa hasil PRS da PLS terdapat perbedaa pada uura sampel N75 ebawah. Dietahui bahwa PLS lebih ecil dalam meghasila tasira bias. Hasil peguia di Tabel meuua bahwa tida ada perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS utu uura sampel N35 eatas. Selai itu variasi dugaa parameter oleh PLS lebih ecil dibadiga PRS. Dega demiia, pegguaa PLS disaraa utu uura sampel N75 ebawah, sedaga utu N35 eatas PRS lebih disaraa. Tabel. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter γ GA da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS GA N5 0,843 0, , ,3077 0,050 N50 0, , ,6597 0,9877 0,0 N75 0, , ,047 0, ,00 N75 0, ,0843 0, , ,035 N35 0, , , , ,785 N500 0, , ,0086 0,0035 0,74 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 0
8 Disimpula dari Tabel 3, utu parameter γ, PLS dega PRS meghasila tasira bias ag hampir sama, ecuali pada N5. Dalam hal variasi dugaa parameter ag terdapat pada Tabel 3, PLS lebih ecil variasia dibadiga PRS utu uura sampel N75 ebawah. Tabel 3. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter γ GA da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS GA N5 0,8870,9545-0,0385-0, ,045 N50 0,3737 0, , ,006 0,8 N75 0,0456 0,048-0,0035 0, ,63 N75 0,0587 0,0587-0,0048-0,0048 0,843 N35 0, , ,008 0, ,87 N500 0, , , , ,907 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Tabel 4 sampai Tabel 6 meuua ilai tasira bias dugaa parameter utu matris covarias bagi ξ da η aitu parameter Φ da Ψ. Utu parameter ϕ, pada Tabel 4, hasil peguia meuua tida terdapat perbedaa tasira bias atara PLS da PRS utu uura sampel N35 eatas. Variasi dugaa parameter semai ecil seirig semai besara uura sampel. Tabel 4. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter ϕ PH da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS PH N5 0,4835 0,5730 0, ,3063 0,036 N50 0,8783 0, , , ,005 N75 0,3369 0, , , ,0 N75 0,073 0, ,0436 0, ,3 N35 0,0598 0,004 0,009 0,0088 0,45 N500 0,0078 0, ,0039 0, ,684 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Perilau tasira bias utu ψ, dietahui bahwa PLS lebih ecil dalam meghasila tasira bias. Hasil peguia di Tabel 5 meuua bahwa tida ada perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS utu uura sampel N35 eatas, sehigga dapat diataa bahwa pegguaa PLS da PRS tida berbeda. Selai itu Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 0
9 variasi dugaa parameter oleh PLS lebih ecil dibadiga PRS. Dega demiia, pegguaa PLS disaraa. Tabel 5. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter ψ PS da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS PS N5 0, ,3077 0,4554 0, ,0 N50 0,6597 0,9877 0, ,0586 0,00 N75 0,047 0, ,043 0, ,047 N75 0, , , , ,050 N35 0, , ,0006 0, ,69 N500 0,0086 0,0035-0,003 0, ,497 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Disimpula dari Tabel 6, utu parameter ψ PRS lebih bai dalam arti lebih ecil tasira biasa dibadiga PLS, area ilai tasira bias hasil pedugaa dega megguaa PRS lebih deat dega ilai ol. Aa tetapi variasi dugaa parameter PLS lebih ecil dibadiga PRS.. Tabel 6. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter ψ PS da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS PS N5 0,8579 0,5067 0, ,046 0,04 N50 0,0708 0, , , ,039 N75 0, , , ,04 0,00 N75 0, , ,0038-0, ,05 N35 0, ,0035-0,0055-0, ,74 N500 0,0067 0,000-0,0047-0,0050 0,689 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Model Peguura Parameter dalam model peguura adalah parameter λ LY, λ 4 LY4 da λ LX. Tampa dari Tabel 7 sampai Tabel 9 bahwa secara eseluruha terdapat perbedaa ag ata atara tasira bias dugaa paramater model peguura ag di hasila oleh PLS da PRS utu uura sampel ecil aitu N75 ebawah. Sedaga utu N75 eatas pegguaa PLS da PRS relatif sama. Kodisi ii disebaba bahwa semai besar uura sampel, maa distribusi sampel aa medeati ormal, sehigga pegguaa PLS dalam Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 03
10 pedugaa parameter SEM tida berbeda deg pegguaa PRS. Variasi dugaa parameter semai ecil dega semai besara uura sampel. Secara umum, variasi dugaa parameter oleh PLS relatif lebih ecil dibadiga PRS. Tabel 7. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter λ LY da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS LY N5 0, , ,86 0,73 0,03 N50 0,34 0, ,0596 0,0536 0,8 N75 0,4478 0,0707 0,036 0, ,67 N75 0, , ,03 0,0944 0,596 N35 0, ,0733 0,0068 0,0073 0,088 N500 0, , ,0034 0,0036 0,505 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Perbadiga tasira bias atara PLS da PRS peduga parameter model peguura λ dielasa pada Tabel 7. Tampa bahwa PLS terlihat lebih medeati ilai ol dibadiga PRS. Berdasara hasil peguia, meuua bahwa haa pada N5 tida terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS dega PRS. Semetara utu variasi dugaa parameter oleh PLS relatif lebih ecil dibadiga PRS. Dega demiia PLS lebih disaraa. Tabel 8. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter λ LY4 da hasil ui-t data berpasaga. 4 JUMLAH VARIANSI TAKSIRAN BIAS LY4 N5 0, , ,677 0,0646 0,046 N50 0, , ,0859 0,398 0,08 N75 0, ,7904 0,045 0,098 0,00 N75 0, , ,08 0,08 0,086 N35 0,0454 0, ,008 0,0 0,85 N500 0, ,0007 0, ,049 0,47 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Perilau tasira bias pada parameter λ 4 PLS lebih bai dalam arti lebih ecil tasira biasa dibadiga PRS, area ilai tasira bias hasil pedugaa dega megguaa PLS lebih deat dega ilai ol. Dalam hal variasi dugaa parameter, PLS lebih ecil dibadiga PRS, selegapa terdapat pada Tabel 8. Utu uura sampel diatas N75 Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 04
11 pegguaa PLS da PRS tida berbeda, terlihat dari hasil peguia ag meimpula hal tersebut. Tabel 9. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameterparameter λ LX da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS LX N5,584384,8386 0,864 0,5499 0,005 N50 0, , , , ,084 N75 0, ,4596 0, ,0089 0,3 N75 0, ,0636 0, , ,6 N35 0,068 0,063 0,0048 0, ,7 N500 0, ,0080 0, , ,856 Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Perbadiga tasira bias dugaa parameter λ ag dihasila oleh PLS da PRS diataa hampir sama da tida ada perbedaa di hampir semua uura sampel. Berdasara ui-t pada Tabel 9 meuua bahwa haa pada N5 terdapat perbedaa ag sigifia atara tasira bias dugaa parameter λ ag dihasila oleh PLS dega PRS. Utu variasi dugaa parameter PLS lebih ecil dibadiga PLS. Tabel 0. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameter-parameter θ TE da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TE N N N N N N E Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Tabel 0 meuua variasi da ilai tasira bias dugaa parameter θ, serta hasil peguia perbedaa tasira bias atara PLS da PRS. Dietahui bahwa terdapat perbedaa ag sigifia atara tasira bias dugaa parameter θ hasil PLS da PRS di uura sampel N75 ebawah. Variasi dugaa parameter oleh PLS lebih ecil pada uura sampel besar, diatas 75. Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 05
12 Tabel. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameter-parameter θ TE, da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TE N N N ,00 N ,03 N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Pada parameter θ, hasil peguia atara tasira bias oleh PLS da PRS pada Tabel terdapat perbedaa ag sigifia di uura sampel 75 ebawah. Dari hasil tasira bias oleh PLS lebih medeati ol dibadiga PRS, selai itu variasi pedugaa parameter lebih ecil PLS dibadiga PRS. Dega demiia PLS lebih bai diguaa daripada PRS. Tabel. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameter-parameter θ 33 TE33 da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TE33 N N N ,005 N ,0 N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Dari Tabel ag meuua variasi da ilai tasira bias dugaa parameter TE33 serta hasil peguia perbedaa tasira bias atara PLS da PRS, bahwa terdapat perbedaa ag sigifia atara tasira bias dugaa parameter θ 33 hasil PLS da PRS di hampir semua uura sampel ag urag dari N75. θ 33 Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 06
13 Tabel 3. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameter-parameter θ 44 TE44, da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TE44 N ,00 N ,00 N ,003 N , N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Hasil peguia atara tasira bias oleh PLS da PRS tida ada perbedaa ag sigifia pada N75 eatas atau bisa disimpula bahwa pegguaa PLS da PRS meghasila tasira bias ag relatif sama pada uura sampel besar. Variasi pedugaa parameter semai ecil utu uura sampel ag semai besar da variasi oleh PLS lebih ecil dari PRS. Selegapa terdapat pada Tabel 3. Tabel 4. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameter-parameter θ 3 TE3 da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TE3 N N N N N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Tabel 4 meuua perbadiga tasira bias ag dihasila oleh PLS da PRS pada pedugaa parameter θ 3 TE3 utu beberapa uura sampel. Terlihat bahwa atara tasira bias oleh PLS lebih ecil dibadiga PRS pada semua uura sampel. Dietahui bahwa variasi oleh PLS relatif lebih ecil sehigga pegguaa PLS lebih disaraa. Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 07
14 Tabel 5. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu parameter-parameter θ 4 TE4, da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TE4 N N N N N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Tabel 5 meuua bahwa ilai tasira bias oleh PLS da PRS hampir sama da diduug oleh hasil ui-t data berpasaga dimaa pada semua uura sampel disimpula tida adaa perbedaa tasira bias ag sigifia. Tabel 6. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu δ parameter-parameter θ TD da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS TD N N N ,005 N N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Perbadiga ilai tasira bias utu pedugaa usur-usur Θ δ terdapat pada Gambar 6 da 7. Tampa bahwa semai besar uura sampel tasira bias ag dihasila δ oleh PLS da PRS medeati olpada parameter θ terdapat perbedaa sigifia atara tasira bias ag ditimbula oleh pegguaa matris PLS da PRS pada uura sampel ecil. Secara legap, variasi da ilai tasira bias dugaa parameter oleh matris PLS da PRS beserta ui-t dapat dilihat pada Tabel 6. Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 08
15 Tabel 7. Tasira bias da variasi dugaa parameter utu berbagai uura sampel N utu δ parameter-parameterθ TD, da hasil ui-t data berpasaga. JUMLAH VARIANSI TAKSIRAN BIAS N N N N N N Ket: : Terdapat perbedaa ag sigifia atara tasira bias dugaa parameter hasil PLS da PRS Secara visual pada Gambar 7, tampa berimpita grafi tasira bias PLS da PRS di semua uura sampel. Kodisi ii diduug data pada Tabel 7 meuua bahwa ilai tasira bias oleh PLS da PRS hampir sama da hasil ui-t data berpasaga dimaa pada semua uura sampel disimpula tida adaa perbedaa tasira bias ag sigifia. IV. KESIMPULAN DAN SARAN 4.. Kesimpula Hasil peelitia ii dapat disimpula beberapa hal sebagai beriut:. Betu pedugaa orelasi poliserial, sebagai uura asosiasi atara data ordial da data otiu adalah: ˆ + +. Utu model SEM ag diacu dari peelitia Wheato et al. 977, secara eseluruha pegguaa orelasi poliserial pada pedugaa parameter SEM utu data bersala ordial berdistribusi Uiform Disrit 5 da data otiu berdistribusi Normal Stadart lebih tida berbias dibadiga pegguaa orelasi produ mome Pearso hususa umlah sampel urag dari N Jia umlah sampel N35 atau lebih, pegguaa orelasi poliserial da orelasi produ mome Pearso pada pedugaa parameter SEM aa meghasila bias ag relatif sama, sehigga dapat diataa tida ada perbedaa ag berarti dari edua matris orelasi tersebut dalam meduga parameter SEM. 4. Jia variabel pegamata merupaa data gabuga ag bersala ordial berdistribusi Uiform da data otiu berdistribusi Normal, orelasi poliserial lebih coco diguaa pada pedugaa parameter SEM area secara eseluruha variasi dugaa parameter SEM oleh orelasi poliserial lebih ecil dibadiga orelasi pearso.. Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 09
16 4.. Sara Peelitia-peelitia dega metode SEM ag variabel pegamataa merupaa gabuga data bersala ordial berdistribusi Uiform da data otiu berdistribusi Normal, pedugaa parameter modela disaraa megguaa matris orelasi poliserial. DAFTAR PUSTAKA Co, N. R Estimatio of the Correlatio betwee a Cotious ad a Discrete Variable. Biometrics, 30: Drasgow, F Polchoric ad Polserial Correlatios. I Kot,S., N.L. Johso & C.B. Read. Ed. Ecclopedia of Statistical Scieces. New Yor: Wile, Vol. 7: Hair, J.F., R.E. Aderso, R.L. Tatham & W.C. Blac Multivariate Data Aalsis: with Readigs. Fourth Editio. New Jerse: Pretice Hall. Hamda, M. A The Equivalece of Tetrachoric ad Maimum Lielihood Estimatio of i Tables. Biometria, 57: Jöresog, K.G. 000a. Descriptio of the LISREL model. ssicetral. com/ lisrel/defie.htm. [ Agustus 004]., 000b. Latet Variable Scores ad Their Uses. ssicetral. com/ lisrel/colum6.pdf. [ September 004]., 000c. Computig Polchoric ad Poserial Correlatios. ssicetral. com/ lisrel/pet.htm [ Otober 004]., da D. Sörbom, 996a. LISREL 8: User s Referece Guide. Chicago: Scietific Software Iteratioal, Ic., 996b. PRELIS : User s Referece Guide. Chicago: Scietific Software Iteratioal, Ic. Kusharati, Niig, 003. Peerapa Lisrel pada Fator-Fator Kepuasa Kera ag berpegaruh terhadap Kiera Pegawai di Kadatel Surabaa Timur [Tugas Ahir]. Surabaa: Istitut Teologi Sepuluh Nopember, Program Strata Satu. Pru, Ad., da Smidts, Ale., 998. Effects of Waitig o Satisfactio with the Service Beod Obective Time Measures, Iteratioal Joural of Research i Maretig, Vol. 5: Sharma, Subhash, 996. Applied Multivariate Techiques. New Yor: Joh Wile & Sos. Suwaro Pemodela Persamaa Strutural utu Ilmu-ilmu Sosial. Semiar Nasioal 9 September 000. Bogor: Jurusa Statistia FMIPA-IPB Aalisis Peubah Ordial pada Model Persamaa Strutural [Peelitia]. Bogor: Istitut Pertaia Bogor, Program Pascasaraa. Tallis, G. M. 96. The Maimum Lielihood Estimatio of Correlatio from Cotigec Tables. Biometrics, 8: Tate, R. F The Theor of Correlatio betwee Two Cotiuous Variables whe Oe is Dichotomied. Biometria, 4: Semiar Nasioal Peelitia, Pedidia da Peerapa MIPA M- 0
BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Perluasan Uji Kruskal Wallis untuk Data Multivariat
Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia
Gambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS
Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia
Representasi sinyal dalam impuls
Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi
BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag
Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
x x x1 x x,..., 2 x, 1
0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata
Bab 16 Integral di Ruang-n
Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat
BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng
MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag
Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier
Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg
MACAM-MACAM TEKNIK MEMBILANG
0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA
MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?
Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai
Bab 6: Analisa Spektrum
BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi
BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)
BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas
UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI
UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA
IV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,
Aproksimasi Terbaik dalam Ruang Metrik Konveks
Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas
BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
3. Integral (3) (Integral Tentu)
Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag
Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu
Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug
MAKALAH TEOREMA BINOMIAL
MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)
PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)
JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
MODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal
Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie
Penggunaan Transformasi z
Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:
Konvolusi pada Distribusi dengan Support Kompak
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia
BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL
SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri
Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5
Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah
I PENDAHULUAN II LANDASAN TEORI. mandiri jika tidak mengandung t secara eksplisit di dalamnya. (Kreyszig, 1983)
I PENDAHULUAN Latar Belaag Permasalaha ebiaa pemaea ia yag memberia eutuga masimum da berelauta (tida teradi epuaha dari populasi ia yag dipae) adalah hal yag sagat petig bagi idustri periaa Para ilmuwa
PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR
Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri
1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi
Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap
Tugas Akhir (SI-40Z1) Evaluasi Perbandingan Konsep Desain Dinding Geser Tahan Gempa Berdasarkan SNI Beton Bab III Studi Kasus BAB III STUDI KASUS
BAB III STUDI KASUS. Sistem Strutur Prototipe Pada tugas ahir ii aa dilaua evaluasi hasil desai didig geser dega dua osep desai ag berbeda aitu osep desai berdasara gaa dalam da osep desai apasitas. Strutur
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Prosiding Statistika ISSN:
Prosidig Statistia ISSN: 460-6456 Ui Kesamaa Beberapa Rata-Rata Pegaruh Pemafaata Bateri Peghasil Fitase (Patoea agglomeras) Dalam Rasum Terhadap Bobot Potog Ayam Broiler Megguaa Ui Krusal-Wallis da Over-Mea-Ra
PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)
PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar
BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan
BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu
BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,
BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi
STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
RUANG BARISAN MUSIELAK-ORLICZ. Oleh: Encum Sumiaty dan Yedi Kurniadi
RUANG BARISAN USIELAK-ORLICZ Oleh: Ecu Suiat da Yedi Kuriadi Disapaia pada Seiar Nasioal ateatia ada taggal 8 Deseber 2008, di Jurusa edidia ateatia FIA UI JURUSAN ENDIDIKAN ATEATIKA FAKULTAS ENDIDIKAN
Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik
PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA
Jural Matematika UNAND Vol. 3 No. Hal. 7 34 ISSN : 33 9 c Jurusa Matematika FMIPA UNAND REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA EKA RAHMI KAHAR, DODI DEVIANTO Program
Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Gerak Brown Fraksional dan Sifat-sifatnya
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas
Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit
Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit
STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
PENGOLAHAN SINYAL DIGITAL. Modul 5. Sistem Waktu Diskret dan Aplikasi TZ
PENGOLHN SINL DIGITL Modul 5. Sistem Watu Disret da pliasi TZ Cotet Overview Sistem Watu Disrit Sstem Properties Shift Ivariace, Kausalitas, Stabilitas diaita dega TZ Trasformasi sistem dari persamaa differece
BAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.
ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI
ANALIA PENGARUH PANJANG BELT CONVEYOR TERHAAP FREKUENI REPAIR EBELUM AN EUAH MENGGUNAKAN LOCKING BOLT PAA AMBUNGAN COL PLICING ABTRAKI Ach. Hadi Widodo¹,Priyagug Hartoo²,uatmio³ ¹Mahasiswa Tei Mesi,Uiversitas
x = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Jurnal MIPA 38 (1) (2015): Jurnal MIPA.
Jural MIPA 38 () (5): 68-78 Jural MIPA http://ouraluesacid/u/idephp/jm APROKSIMASI ANUIAS HIDUP MENGGUNAKAN KOMBINASI EKSPONENSIAL LJ Siay S Gurito Guardi 3 Jurusa Matematia FMIPA Uiversitas Pattimura
METODE PENELITIAN Sumber Data
13 METODE PENELITIAN Sumber Data Data yang digunakan dalam penelitian ini merupakan hasil simulasi melalui pembangkitan dari komputer. Untuk membangkitkan data, digunakan desain model persamaan struktural
BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI
PENDUGA TERBAIK UNTUK DISTRIBUSI PARETO DENGAN MENGGUNAKAN TEOREMA BATAS BAWAH CRAMMER-RAO SKRIPSI Diajua Utu Memeuhi Sebagia Persyarata Mecapai Derajat Sarjaa S-1 OLEH: RISKA JULIANI F1A1 11 031 PROGRAM
SEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan
BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara
Oleh : H. BERNIK MASKUN
(D.5) ANALISIS VARIANS UNTUK MENGUJI KEKUATAN LEKAT SEMEN ADHESIF PADA PERMUKAAN LOGAM KARENA EMPAT MACAM PERLAKUAN (Studi Esperime pada Bidag Ortodoti Kedotera Gigi) Oleh : H. BERNIK MASKUN ABSTRAK Pegujia
PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Bab 3 Kerangka Pemecahan Masalah
Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam
PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
H. Bernik Maskun Staf Jurusan Statistika Universitas Padjadjaran
da HBB : PENGUJIAN HIPOTESIS RATA-RATA BERURUT UNTUK MEMBANDINGAN TINGKAT KEBOCORAN DI DAERAH DINDING GINGIVAL MENGGUNAKAN TIGA MACAM BAHAN TAMBALAN SEMENTARA (Pedeata Parametri H. Beri Masu Staf Jurusa
Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes
eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =
III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
BAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Penulis: Penilai: Editor: Ilustrator: Dra. Puji Iryanti, M.Sc. Ed. Al. Krismanto, M.Sc. Sri Purnama Surya, S.Pd, M.Si. Fadjar N. Hidayat, S.Si.,M.Ed.
PAKET FASILITASI PEMBERDAYAAN KKG/MGMP MATEMATIKA Pembelajara Barisa, Deret Bilaga da Notasi Sigma di SMA Peulis: Dra. Puji Iryati, M.Sc. Ed. Peilai: Al. Krismato, M.Sc. Editor: Sri Purama Surya, S.Pd,
Makalah Tugas Akhir. Abstract
Maalah Tugas Ahir IDENTIFIKASI JENIS PENYAKIT KULIT BERDASARKAN ANALISIS WARNA DAN TEKSTUR PADA CITRA KULIT MENGGUNAKAN KLASIFIKASI K-NEAREST NEIGHBOR Faris Fitriato 1, R Rizal Isato 2, Ajub Ajulia Zahra.
MENGUJI KEMAKNAAN SAMPEL TUNGGAL
MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi
Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :
PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,
Makalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Model Antrian Multi Layanan
Jural Gradie Vol. No. Juli : 8- Model Atria Multi Layaa Sisa Yosmar Jurusa Matematia, Faultas Matematia da Ilmu egetahua Alam, Uiversitas Begulu, Idoesia Diterima 9 April; Disetujui 8 Jui Abstra - Salah
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
JENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
1. Integral (1) Pembahasan yang akan kita lakukan hanya mengenai bentuk persamaan diferensial seperti contoh yang pertama.
Darublic www.darublic.com 1. Itegral (1) (Macam Itegral, Pedeata Numeri) Sudarato Sudirham Dalam bab sebeluma, ita memelajari salah satu bagia utama alulus, aitu alulus diferesial. Beriut ii ita aa membahas
3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Anova (analysis of varian)
ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil
BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian dilakukan di SMA Negeri 1 Ngemplak.Sekolah ini beralamatkan di jalan
BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Peelitia Peelitia dilakuka di SMA Negeri 1 Ngemplak.Sekolah ii beralamatka di ala Embarkasi Hai Doohuda, kecamata Ngemplak, Kabupate Boyolali, Provisi Jawa
MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI
Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa
BAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...
Pendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
ANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.