I BBB TINJAUAN PUSTAKA

Ukuran: px
Mulai penontonan dengan halaman:

Download "I BBB TINJAUAN PUSTAKA"

Transkripsi

1 I BBB TINJAUAN PUTAKA. Pendahuluan Dalam enulsan mater okok dar skrs n derlukan beberaa teor-teor yang mendukung, yang menjad uraan okok ada bab n. Uraan dmula dengan membahas dstrbus varabel acak kontnu, dantaranya dstrbus normal, dstrbus ch kuadrat, dstrbus beta, dstrbus samlng yang terdr dar dstrbus rata-rata dan dstrbus varans, dagram kendal, dagram kendal hewhart, dagram kendal, serta dagram kendal Fase I.. Dstrbus Normal Dstrbus normal meruakan suatu alat statstk yang sangat entng untuk menaksr dan meramalkan erstwa-erstwa yang lebh luas. Dstrbus normal dsebut juga dengan dstrbus Gauss ( ). Fungs denstas dar varabel acak yang berdstbus normal dengan mean dan varans adalah : f ( x) ( x) e...(.) dmana : x,, dtuls ~ N, (Hogg dan Crag, 978). Dstrbus Normal memlk kurva yang smetrs membentuk suatu lonceng. Kurva dstrbus normal umum dsajkan ada Gambar. berkut n. reostory.unsba.ac.d

2 f (x) x Gambar. Kurva dstrbus normal umum elan dstrbus normal umum, orang juga lebh banyak menggunakan dstrbus normal baku. Kurva dstrbus normal baku deroleh dar dstrbus normal umum dengan cara transformas : z...(.) Oleh karena tu fungs denstas dstrbus normal baku adalah : f ( z) e z, z...(.3) (Hogg dan Crag, 978). Bentuk transformas d atas memetakan dstrbus normal menjad dstrbus normal baku, sebab dstrbus normal dengan varabel z n memlk nla rata-rata = nol dan smangan baku = satu. Transformas n juga memertahankan luas d bawah kurva dstrbus normalnya. Artnya, Luas d bawah kurva dstrbus normal antara x dan x = Luas d bawah kurva dstrbus normal baku antara z dan z. Kurva dstrbus normal baku dsajkan ada Gambar. berkut n. f (z) z Gambar. Kurva dstrbus normal baku reostory.unsba.ac.d

3 .3 Dstrbus Ch Kuadrat Dstrbus ch-kuadrat dengan db k adalah dstrbus jumlah kuadrat k eubah acak normal baku yang salng bebas. Dstrbus n juga meruakan eluang suatu samel acak yang menghaslkan nla yang lebh besar dar suatu nla tertentu, sama dengan luas daerah d bawah kurva d sebelah kanan nla tersebut. Nla tertentu tersebut basanya dtuls dengan. Dengan demkan menyatakan nla yang luas d sebelah kanannya sama dengan. Daerah yang luasnya sama dengan n dnyatakan oleh daerah yang darsr. eert yang terlhat ada Gambar.3. f (x) Gambar.3 Kurva dstrbus ch-kuadrat Dstrbus n serngkal dgunakan dalam statstka nferensal, seert dalam uj hotess, atau dalam enyusunan selang keercayaan. Fungs denstas dar dstrbus ch-kuadrat adalah : f ( x)...(.4) Untuk x dan adalah derajat kebebasan dstrbus yang dnotaskan dengan x e x ~. Daat dtunjukkan bahwa : a. Mean = E b. Varans = Var reostory.unsba.ac.d

4 c. Momen = M x (Hogg dan Crag, 978). t t.4 Dstrbus Beta Dstrbus beta meruakan engembangan dar dstrbus unform. Dstrbus beta meruakan dstrbus kontnu yang fleksbel teta terbatas ada suatu rentang. Fungs beta : B, x x dx, untuk,...(.5) arameter,. Fungs denstas dar dstrbus beta dengan arameter, adalah : f ( x), x, x...(.6) Catatan: dstrbus unform (,) adalah dstrbus beta dengan arameter,. Ketka, dstrbus beta akan berbentuk smetrs. Mean dan varans x dar dstrbus beta adalah : sedangkan modusnya adalah : dan...(.7) O M...(.8).5 Dstrbus Rata-rata ( ) Msalkan,...,, n meruakan samel acak yang berukuran n dar dstrbus N (, ), rata-rata samel adalah : reostory.unsba.ac.d

5 n n...(.9) dan varans samel : n n...(.) daat dtunjukkan bahwa berdstrbus normal dengan rata-rata dan varans atau n ~ N, serta dan n salng bebas (Hogg dan Crag, 978)..6 Dstrbus Varans ( ) Jka varans samel acak berukuran n yang dambl dar oulas normal dengan varans, maka statstk : ( n )...(.) berdstrbus Ch Kuadrat dengan n db (Hogg dan Crag, 978)..7 Dagram Kendal Dagram Kendal alah tamlan grafs dar karakterstk mutu yang telah dukur atau dhtung dar samel terhada nomor atau waktu erode samel dambl. Grafk bers Gars Pusat yang mewakl nla rata-rata karakterstk mutu yang sesua dengan keadaan n control. Dua gars horzontal lannya dsebut Batas Kendal Atas (BKA) dan Batas Kendal Bawah (BKB). Batas kendal n dlh sehngga jka roses terkendal, hamr semua ttk samel akan jatuh dantara mereka. elama lot nla dalam batas kendal dengan ola acak roses n dangga berada dalam kendal, dan tdak ada tndakan yang derlukan. Namun, saat lot dluar batas kendal reostory.unsba.ac.d

6 dtafsrkan sebaga bukt bahwa roses n d luar kendal, dan nvestgas dan tndakan erbakan yang derlukan untuk menemukan dan menghlangkan enyebab dalhkan atau menyebabkan bertanggung jawab atas erlaku n. Tujuan dar menggambarkan dagram kendal adalah untuk menetakan aakah seta ttk ada grafk normal atau tdak normal dan daat mengetahu erubahan dalam roses dar mana data dkumulkan, sehngga seta ttk ada grafk harus mengndkaskan dengan ceat dar roses mana data dambl. edangkan dalam enggunaannya dagram kendal dantaranya daat membantu untuk mendeteks adanya varas enyebab khusus, menyaknkan kestablan sebuah roses serta mendeteks erubahan roses dar waktu ke waktu..7. Dagram Kendal hewhart Dagram Kendal hewhart meruakan dagram yang dbuat ada sstem kartesus dengan sumbu datar menyatakan erode dan sumbu tegak menyatakan karakterstk mutu. ejajar dengan sumbu datar dgambarkan ula Gars Pusat (GP), seasang batas-batas kontrol, masng-masng berada d atas atau Batas Kendal Atas (BKA) dan d bawah gars usat atau Batas Kendal Bawah (BKB), seert ada Gambar.4. Gambar.4 Dagram kendal hewhart reostory.unsba.ac.d

7 Nla karakterstk mutu dlotkan ada dagram yang menjelaskan keadaan roses (Handayan, ). Msalkan karakterstk mutu dnotaskan dengan, dmana meruakan varabel acak yang berdstrbus normal dengan rata-rata dan varans. ecara umum BKA, GP, BKB untuk melukskan dagram hewhart ratarata drumuskan sebaga berkut: BKA E( ) k Var ( ) GP E( ) atau : BKB E( ) k Var ( ) BKA k GP BKB k...(.)...(.3) dengan k meruakan konstanta yang menentukan besarnya eluang menyatakan roses out of control adahal roses n control. Umumnya nla k = 3, bersesuaan dengan α =.7. Batas-batas engendal n dlh sedemkan sehngga aabla roses terkendal, hamr semua ttk-ttk samel akan jatuh d kedua gars tu. Namun demkan, meskun semua ttk-ttk terletak d dalam batas kendal, belum tentu roses tersebut terkendal. Untuk menentukan krtera tdak terkendal n, dagram kendal dbag menjad 3 zona yang dukur dalam satuan smangan baku antara gars tengah dengan batas kontrol sebaga berkut : reostory.unsba.ac.d

8 Gambar.5 Pembagan zona dagram kendal 3σ Menurut Kemele dkk () ada 7 gejala-gejala dagram kendal tdak terkendal, yatu:. Terdaat atau lebh ttk yang berada d luar batas kendal.. 7 ttk berturut-turut berada d ss yang sama dar gars tengah ttk berturut-turut membentuk tren menngkat atau menurun. 4. dar 3 ttk secara berturut-turut jatuh d zona A atau lebh, d ss yang sama dar gars tengah dar 5 ttk secara berturut turut jatuh d Zona A atau lebh, d ss yang sama dar gars tengah ttk berturut-turut nak dan turun secara bergantan ttk berturut-tutur jatuh d zona C. Jka dagram kendal roses tdak menunjukkan ketujuh gejala d atas, atau membentuk ola tdak acak lannya, kta daat mengatakan bahwa roses terkendal. Dagram kendal n bak dgunakan untuk ergeseran datas.5. Kemamuan untuk mendeteks ergeseran yang kecl atau kurang dar.5, daat dlakukan dengan menggunakan dagram kendal yang menyertakan nformas dar samel sebelumnya. reostory.unsba.ac.d

9 .7. Pemlhan Dagram Kendal hewhart Dalam emlhannya, dagram kendal dbedakan berdasarkan jens data. Dar jens data tersebut, Gasersz (998) menjelaskan bahwa dalam konteks engendalan roses statstk dkenal dua jens data, yatu dagram kendal untuk data attrbute (dhtung) dan dagram kendal untuk data varable (dukur). Data attrbute (dhtung), meruakan data kualtatf yang daat dhtung untuk encatatan dan analsa. Contoh dar data attrbute karakterstk kualtas adalah ketadaan label ada kemasan roduk, kesalahan roses admnstras, banyaknya jens cacat ada roduk, dan lannya. edangkan data varable (dukur), meruakan data kuanttatf yang dukur untuk keerluan analss. Contoh dar data varabel karakterstk kualtas adalah : dameter a, ketebalan roduk kayu, berat semen dalam kantong, dan lannya. Beberaa jens dagram kendal attrbute dan varable djelaskan ada Gambar.6. Gambar.6 Beberaa Jens Dagram Kendal Pada Gambar.6 tamak bahwa untuk jens data varabel terdaat beberaa dagram kendal dsers yatu R (Rentang), (mangan Baku), dan (Varans). Untuk uraan selanjutnya dfokuskan ada embahasan dagram kendal hewhart. reostory.unsba.ac.d

10 Karakterstk dar dagram kendal hewhart tu sendr alah karakterstk hanya dhtung berdasarkan statstk yang dhtung ada erode tersebut..8 Dagram Kendal Andakan suatu roses roduks akan dkendalkan melalu karakterstk mutu yang berdstrbus normal dengan arameter rata-rata μ dan varans σ dalam keadaan n control dan. Pengontrolan fokus ada memantau ergeseran melalu statstk atau dagram kendal hewhart. Adaun langkah-langkah menentukan dagram kendal hewhart (Montgomerry, ) :. Tentukan ukuran samel n, basanya 4, 5, 6.. Tentukan banyaknya erode / subgru m antara Htung varans masng-masng erode : n n j j...(.4) dmana n j n j ; =,,...,m. 4. Batas-batas kendal hewhart dtentukan sebaga berkut: Msalnya samel acak,,..., n dambl dar dstrbus ~ N,, maka eksektas dan varans rata-rata samel n N j ~,, n j n selanjutnya tentukan statstk ada Persamaan (.) yang berdstrbus. n Oleh karena tu batas-batas kendal untuk : reostory.unsba.ac.d

11 BKA GP ( n)( ) n BKB ( n)( ) n...(.5) Batas-batas kendal ada Persamaan (.5) dsebut batas kendal False Alarm Rate (FAR) (Human dkk, ). Dalam hal smangan baku ( ) tdak dketahu, dtaksr dar data yang dambl selama m erode sebagamana ada langkah, yatu : m m...(.6) sehngga batas-batas kendalnya menjad : B K A GP ( n)( ) n B K B ( n)( ) n...(.7) (Montgomery, 5). Akan teta, batas-batas kendal (.7) kurang cocok dgunakan bak untuk Fase I mauun Fase II karena raso daat dkatkan dengan generalsas dstrbus beta multvarat yang dkenal sebaga dstrbus Drchlet dan dalam keadaan n control dstrbus margnal dar setay daat dtunjukkan berdstrbus beta dengan reostory.unsba.ac.d

12 arameter ( n ) / dan ( m )( n ) /. elan tu, y dan y j dengan j berkorelas negatf dengan korelas umum sebesar P y, yj. Oleh karena tu, m erlu dbuat batas-batas kendal berbass False Alarm Probablty (FAP) (Human dkk, ) yang akan djelaskan berkut n..9 Dagram Kendal Fase I.9. Batas-batas Dagram Kendal FAP FAP adalah eluang yang menunjukkan bahwa alng sedkt satu ttk erode engamatan menunjukkan out of control adahal n control. Andakan batas-batas dagram kendal berbass FAP adalah B K A F C A dan B K B F C B kemudan E menunjukkan bahwa jatuh d dalam batas-batas kendal, maka nla FAP daat dturunkan sebaga berkut : FAP P P m dengan mengandakan bahwa Y n ) / m( n ).8 daat juga dnyatakan sebaga : IC P C C IC B m E A m B K B ( P F B K A F IC...(.8), FAP ada Persamaan FAP P m C / m Y C / m IC B A...(.9) sehngga FAP daat dtuls ulang sebaga : dmana FAP P b a b... a m f ( y, y a Y,..., y m b ) dy dy IC... dy m...(.) reostory.unsba.ac.d

13 a CB / mdan b CA / m dengan a b...(.) dan f y, y,..., y ) menunjukkan.d.f bersama Y, Y,..., Y ) n control. Dengan ( m ( m demkan, batas-batas kendal fase I untuk dagram berbass FAP adalah : B K A mb C A GP B K B ma C B...(.) dmana konstanta a b dtentukan dar Persamaan. untuk nla FAP tertentu msalnya FAP. Penentuan konstanta a dan b djelaskan ada uraan berkut..9. Perhtungan Konstanta a dan b Penentuan konstanta a dan b dar Persamaan. tdaklah mudah dturunkan secara eksak. Untuk tu, enentuan a dan b akan dtentukan melalu komutas dengan cara sebaga berkut : Msalkan Ymax maksmum( Y, Y,... Ym ) kemudan Ymn mn mum( Y, Y,... Ym ), dan FAP ada Persamaan. daat dtuls sebaga : FAP P( Ymax b IC) P( Ymn a IC) P( Ymax b IC) P( Ymn a IC) Nla a dan b dtetakan untuk nla FAP tertentu, msal besarnya FAP sehngga memenuh ada Persamaan.. FAP P( Y FAP max b IC) P( Ymn a IC)...(.3) atau P( Y max b IC) FAP dan P FAP a IC) ( Ymn...(.4) reostory.unsba.ac.d

14 Mengngat dstrbus Y max dan Y mn sult ddentfkas, erhtungan a dan b daat dtentukan melalu smulas..9.3 Algortma Menghtung a dan b Ingat bahwa : ( n ) Y,,,..., m m( n ) ( n ) m( n ) / / atau Y Jelas emblang ~ ( n) dan enyebutnya jumlah dar. Oleh karena tu, langkah-langkah menghtung a dan b dengan smulas adalah : Langkah : Bangktkan. engamatan dar dstrbus bersama dar Y, Y,..., Y m dengan cara : a. Bangktkan n blangan varabel acak ( n) salng bebas untuk m dan n yang telah dtetakan dan dber notas b. Htung jumlah UM = c. Htung raso Y d. Vektor Y Y,...,, Y m. adalah satu engamatan dar dstrbus bersama. e. Ulang sama. kal. Langkah : Htung maksmum (Y max ) dan mnmum (Y mn ) dar masngmasng vektor Y, Y,..., Y m yang dbangktkan ada Langkah. Pada akhr Langkah, akan deroleh. engamatan smulas dar dstrbus marjnal statstk order terbesar dan terkecl dar hmunan m ndenden varabel Y. reostory.unsba.ac.d

15 Langkah 3 : Atur. engamatan dar dstrbus marjnal Y max dan Y mn yang deroleh dar Langkah secara tersah dalam urutan menak. Langkah 4 : a. Dar hmunan. nla Y mn yang deroleh ada Langkah 3, tentukan nla a sehngga roors nla Y mn kurang dar atau sama dengan a kurang dar atau sama dengan FAP. Demkan ula dar. nla Y max ada Langkah 3, tentukan nla a sehngga roors nla Y max lebh besar atau sama dengan b lebh besar atau sama dengan FAP. b. Kedua nla memberkan konstanta a dan b yang derlukan. etelah tu tentukan BKA(m.b) dan BKB(m.a). c. Haslnya dsajkan ada Tabel L. (Lamran 4) untuk FAP. 5 dan Tabel L. (Lamran 5) untuk FAP.. Contoh Perhtungan BKA dan BKB. Msalkan m 7, n 6 dan dngnkan FAP.5. Dar Tabel L. ada Lamran 4 kta mendaatkan C B =.85 dan C A =.9897, sehngga erkraan batas kendal bawah dan atas dar chart Fase I adalah dan. B K B.85 B K A Attaned False Alarm Rate (AFAR) Telah djelaskan batas-batas kendal berbass FAP tu berkatan dengan engujan hotess yang berlaku untuk seluruh ttk engamatan. Oleh karena tu nla FAP basanya dambl antara % dan 5%. Oleh karena tu batas kendal FAP reostory.unsba.ac.d

16 mengnduks batas-batas kendal FAR dmana batas kendal FAR bersfat ndvdu atau batas-batas yang ddasarkan ada dstrbus marjnal Y. Batas-batas kendal FAR basanya dkatkan dengan batas kendal 3σ berkatan dengan. 7. Untuk melhat aakah batas-batas kendal FAP bersesuaan dengan batas-batas kendal 3σ erlu dhtung Attaned False Alarm Rate (AFAR). Untuk menghtungnya telah djelaskan sebelumnya bahwa dalam keadaan n control dstrbus marjnal Y adalah beta dengan arameter n dan m n.oleh karena tu, nla AFAR untuk Fase I dagram dberkan oleh: AFAR P( a Y I b I b IC) n ( m )( n ), I a n ( m )( n ),...(.5) x u d mana I ( u, ) ( u, ) t ( t) dt, x x adalah fungs dstrbus kumulatf dar dstrbus beta standar dan, a CB / m dan b CA / m dtentukan dengan menggunakan nla-nla C B dan C A seert yang tercantum dalam Tabel (Lamran 4) atau (Lamran 5) untuk nla m, n dan FAP tertentu. Nla-nla AFAR untuk FAP. 5 tercantum ada Tabel L.3 (Lamran 6) dan untuk FAP. tercantum ada Tabel L.4 (Lamran 7). reostory.unsba.ac.d

Diagram Kendali Shewhart S 2 Fase I Untuk Memonitor Dispersi Proses

Diagram Kendali Shewhart S 2 Fase I Untuk Memonitor Dispersi Proses Prosdng tatstka IN: 46-6456 Dagram Kendal hewhart Fase I Untuk Memontor Dspers Proses Rsky Faradla, uwanda Idrs, 3 Aceng K. Mutaqn,,3 Prod tatstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI 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 terperinci

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

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

Lebih terperinci

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT)

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT) Evaluas Tngkat Valdtas Metode Penggabungan Reson (Indeks Penamlan Tanaman, IPT) 1 Gust N Adh Wbawa I Made Sumertajaya 3 Ahmad Ansor Mattjk 1 Mahasswa S3 Pascasarjana Statstka IPB,3 Staf Pengajar Deartemen

Lebih terperinci

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

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

Lebih terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran 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 terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 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 terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB 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 terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB 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 terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H.

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H. KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING AAK SEDERHANA A. F. Indraan *, R. Efend, H. Srat Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB 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 terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

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

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

Lebih terperinci

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG

Lebih terperinci

PENDAHULUAN Latar Belakang

PENDAHULUAN Latar Belakang PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012.

BAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012. BAB III METODOLOGI PENELITIAN 1.1. Tempat dan waktu Peneltan Peneltan dlakukan pada Perusahaan Daerah Ar Mnum Kabupaten Gorontalo yang beralamat d jalan Gunung Bolyohuto No. 390 Kelurahan Bolhuangga Kecamatan

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB 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 terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN 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 terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan

Lebih terperinci

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

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

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB 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 terperinci

WEIBULL TWO PARAMETER

WEIBULL TWO PARAMETER WEIBULL TWO PARAMETER Dalam teor probabltas dan statstk, dstrbus webull merupakan dstrbus probabltas yang berkelanjutan atau kontnyu. Dgambarkan secara detal oleh Walodd Webull pada tahun 1951 meskpun

Lebih terperinci

I. PENGANTAR STATISTIKA

I. PENGANTAR STATISTIKA 1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

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

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

III.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5

III.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5 33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

VII AKSI DASAR PENGENDALIAN

VII AKSI DASAR PENGENDALIAN 110 VII ASI DASAR PENGENDALIAN Deskrs : Bab n memberkan gambaran tentang aks dasar engendalan dengan menggunakan engendal roorsonal, ntegral dan dervatf serta kombnasnya ada berbaga sstem kendal Objektf

Lebih terperinci

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

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

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB IV TRIP GENERATION

BAB IV TRIP GENERATION BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI 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 terperinci

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana

Lebih terperinci

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya

Hubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes

Lebih terperinci

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA KOMBIASI PEAKSIR RASIO-PRODUK EKSPOESIAL UTUK RATA-RATA POPULASI MEGGUAKA PROPORSI PADA SAMPLIG GADA ke Selna *, Arsman Adnan, Sgt Sugarto Mahasswa Program S Matematka Dosen jurusan Matematka Fakultas

Lebih terperinci

PENGUKURAN DAYA. Dua rangkaian yg dpt digunakan utk mengukur daya

PENGUKURAN DAYA. Dua rangkaian yg dpt digunakan utk mengukur daya Pengukuran Besaran strk (TC08) Pertemuan 4 PENGUKUN DY Pengukuran Daya dalam angkaan DC Daya lstrk P yg ddsaskan d beban jka dcatu daya DC sebesar E adl hasl erkalan antara tegangan d beban dan arus yg

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

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

Lebih terperinci

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT) MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.

Lebih terperinci

BAB 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. 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 terperinci

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

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

Lebih terperinci

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP

Lebih terperinci

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

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

Lebih terperinci

DISTRIBUSI FREKUENSI

DISTRIBUSI FREKUENSI BAB DISTRIBUSI FREKUENSI Kompetens Mampu membuat penyajan data dalam dstrbus frekuens Indkator 1. Menjelaskan dstrbus frekuens. Membuat dstrbus frekuens 3. Menjelaskan macam-macam dstrbus frekuens 4. Membuat

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil .1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB 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 terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. 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 terperinci

III. BAHAN DAN METODE. Penelitian ini dilaksanakan di kebun percobaan Fakultas Pertanian dan

III. BAHAN DAN METODE. Penelitian ini dilaksanakan di kebun percobaan Fakultas Pertanian dan 1 III. BAHAN DAN METODE 3.1 Temat dan Waktu Peneltan Peneltan n dlaksanakan d kebun ercobaan Fakultas Pertanan dan Laboratorum Benh dan Pemulaan Tanaman Fakultas Pertanan Unverstas Lamung ada bulan Oktober

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta BAB I STATISTIKA

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta BAB I STATISTIKA BAB I STATISTIKA 1. PENGENALAN STATISTIKA A. PENGERTIAN DASAR STATISTIKA 1. Statstka dan Statstk Statstka adalah lmu tentang pengolahan dan analss suatu data hngga penarkan kesmpulan dar data tu. Statstk

Lebih terperinci

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

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

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum melakukan peneltan, langkah yang dlakukan oleh penuls adalah mengetahu dan menentukan metode yang akan dgunakan dalam peneltan. Sugyono (2006: 1) menyatakan:

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 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 terperinci