PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE
|
|
- Lanny Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka dan Ilmu Pngtahuan Alam Insttut Tknolog Spuluh Nopmbr (ITS) Jl. Arf Rahman Hakm, Surabaya 6 E-mal: sutkno@statstka.ts.ac.d Abstrak- Badan Pusat Statstk dan Dpartmn Prtanan tlah mngmbangkan modl produks pad dan mnrbtkan Angka Ramalan (ARAM). Namun dalam pross pnyusunan modl trsbut blum mmprtmbangkan faktor klm. Pnltan n mmbahas pmodlan luas pann pad dngan mnggunakan ndkator El Nno Southrn Ossclaton yatu Sa Surfac Tmpratur. Mtod yang dgunakan adalah robust bootstrap last trmmd squar karna dharapkan mampu mnangan prmasalahan outlr dan data kcl. Pnltan n dlakukan d darah lumbung pad d Jawa Tmur, yatu Kabupatn Lamongan sbaga stud kasus. Tahap awal pmodlan dlakukan dngan mtod rgrs kuadrat trkcl, namun modl yang dhaslkan banyak paramtr yang tdak sgnfkan dan bbrapa asums modl trlanggar. Pmodlan dngan mnggunakan mtod robust bootstrap last trmmd squar mnghaslkan kofsn dtrmnas yang lbh bak darpada mtod kuadrat trkcl.. Pramalan luas pann pad mnunjukkan ktpatan prdks untuk prod adalah sbsar 95,3%, prod sbsar 66,7%, dan prod 3 sbsar 36,8%. Smntara pramalan produks pad mnghaslkan ktpatan prdks untuk prod adalah sbsar 86,96%, prod sbsar 7,49%, dan prod 3 sbsar 4,88%. Kata kunc- luas pann pad, outlr, robust bootstrap last trmmd squar, sa surfac tmpratur P I. PENDAHULUAN ad mrupakan salah satu komodtas pangan utama karna makanan pokok sbagan bsar pnduduk Indonsa adalah nas (bras). Ktrsdaan komodtas pad sangat brpngaruh trhadap ktahanan pangan nasonal []. Pmrntah trus brupaya mlakukan kstnsfkas dan ntnsfkas prtannan untuk mnngkatkan produks pad, sprt prluasan lahan, pnrapan tknolog buddaya, hngga ksploras potns gntk jns pad []. Slan upaya stratgs trsbut, dbutuhkan juga upaya lan yang lbh brsfat takts untuk pmnuhan kbutuhan pad. Upaya takts n dlakukan mlalu pngmbangan modl produks pad sbaga langkah antspas kmungknan buruk. Informas yang dhmpun dar modl luas pann pad dapat mnjad dasar kbjakan tntang komodt pangan Indonsa. Pmodlan produks pad stap tahun tlah dlakukan Badan Pusat Statstk (BPS) dan Dpartmn Prtanan. Namun mtod yang dtrapkan blum mmprtmbangkan faktor klm dalam pmodlannya. Dalam knyataan sharhar, faktor klm sangat brpngaruh trhadap luas pann dan produks pad. Luas pann dan produks pad rntan kragaman klm trutama kjadan kstrm: El-Nno dan La-Nna yang mrupakan gjala prubahan klm []. Brdasarkan artkl [3], fnomna El Nno mnybabkan curah hujan d sbagan bsar wlayah Indonsa brkurang, El Nno bahkan prnah mnmbulkan kkrngan panjang d Indonsa. Sdangkan fnomna La Nna mnmbulkan curah hujan brlbhan d brbaga kawasan khatulstwa, trmasuk Indonsa. Pada saat trjad El-Nno produks pad pada tahun 99, 994, dan 997 mngalam pnurunan yang cukup drats. Dmkan juga pada tahun La-Nna (995) trjad pnurunan produks pad []. Olh sbab tu pmodlan produks dngan ndkator ENSO (El Nño Southrn Oscllaton) mnjad sangat stratgs untuk dtlt dalam mndukung program pnngkatan ktahanan pangan. BPS dan Dpartmn Prtanan mlakukan pndataan dan prhtungan ramalan hasl produks pad mnggunakan analss rgrs dan kcndrungan lnr [7]. Istlah yang kmudan srng dpaka untuk mnggambaran bsaran ramalan produks pad adalah ARAM. ARAM trsbut dlakukan sbanyak tga kal dalam stahun. Hal n dsbabkan karna masa pnanaman pad hngga pann mmbutuhkan waktu 3-4 bulan [8], [9]. Bbrapa pnlt tlah mngmbangkan bbrapa modl trkat produks pad dngan mlbatkan ndkator klm. Pnltan produks pad dngan ndkator curah hujan [] mnunjukkan pndkatan mtod rgrs robust lbh bak dalam mramalkan produks pad darpada ordnary last squar (OLS). Slan tu Msbahul [] juga prnah mnlt produks pad dngan mtod lbh mutakhr yatu fast and robust bootstrap for last trmmd squar. Pada pnltan lan [] dgunakan Sa Surfac Tmpratur (SST) Nno 3.4 sbaga ndkator klm. Data SST lbh mmada trsda untuk brbaga kawasan. Namun pnltan n mash mmlk ktrbatasan pada mtod yang dgunakan. Pnltan n dlakukan d Kabupatn Lamongan karna mrupakan darah pnghasl pad trbanyak d Jawa Tmur. Dar sg topograf, kabupatn n mrupakan dataran rndah yang rlatf subur untuk tanaman pad dan tanaman pangan lannya. Fakta n mnjad hal yang mnark untuk dkaj lbh dalam mngna pmodlan pad dngan mlbatkan prubahan klm d Kabupatn Lamongan. Brdasarkan uraan trsbut, muncul gagasan untuk mmbuat modl baru luas pann pad yang mlbatkan ndkator SST Nno 3.4. Prstwa El Nno dan La Nna mngndkaskan adanya pngamatan outlr. Olh karna tu dbutuhkan modl yang handal trhadap kjadan kstrm. Hal n mnjad latar blakang pnggunaan mtod robust bootstrap for last trmmd squar. Dngan mtod trsbut dharapkan dapat mmodlkan produks pad dngan stmas paramtr yang robust trhadap outlr akbat kjadan kstrm. Pada akhrnya modl n dharapkan dapat dgunakan sbaga rkomndas ARAM BPS dan Dpartmn Prtanan.
2 II. TINJAUAN PUSTAKA A. Rgrs Robust Rgrs robust dprknalkan Andrws (97) sbaga alat pntng untuk mnganalss data yang dpngaruh olh outlr shngga dhaslkan modl robust atau rsstanc trhadap outlr [4]. Prosdur robust dtujukan untuk mngakomodas adanya kanhan data, skalgus mnadakan dntfkas adanya data outlr dan juga brsfat otomats mnanggulang data outlr [5]. Last Trmmd Squar (LTS) mrupakan suatu mtod pndugaan paramtr rgrs robust untuk mmnmumkan jumlah kuadrat sbanyak h rsdual (fungs objktf). dngan dan ( ) h () n : h n / ( k ) / () adalah kuadrat rsdual yang durutkan dar trkcl k trbsar < < <. < < < () ( ) (3) ( ) < < ( h ) ( n ) sdangkan n adalah banyaknya pngamatan, dan k adalah paramtr rgrs. LTS mmnmumkan trmmd sum squar of rsduals, shngga mmbarkan bbrapa pngamatan brpotnsal brpngaruh (outlr) yang brsfat mmlk rsdual bsar. Apabla outlr trsbut tdak trlalu brpngaruh pada modl maka dgunakan last squar. LTS lbh fsn darpada M-stmaton karna mmlk fungs objktf yang lbh halus shngga kurang snstf trhadap fk trtntu dan brakdown pont nya bsar [6]. Algortma LTS mnurut Roussauw dan Van Drssn (999) dalam [6] adalah FAST-LTS. Id dasar dar FAST- LTS adalah algortma untuk mmbntuk sjumlah h subst data, mngaplkaskan C-stps hngga fungs objktf kcl dan konvrgn. Pmbntukan stmas paramtr dlakukan hngga Fnal Wghtd Last Squar dngan fungs: dktahu r = 3 dan d w s c n LTS d, /s LTS, lann ya n hc h n ( / c h, (( h n) / n)) (6) n adalah banyak pngamatan, adalah fungs kumulatf normal standart, dan adalah fungs dnsty normal standart. B. Robust Bootstrap LTS Konsp mtod Robust Bootstrap LTS adalah mngstmas dstrbus sampl LTS dngan mnggunakan bootstrap yatu samplng dngan pngmbalan sbanyak n dar data asl, dlakukan brulang kal sbanyak B. Stap ( ) ) r (3) (4) (5) sampl bootstrap dhtung mnggunakan LTS stmaton. Algortma pmbntukan modl LTS adalah FAST LTS yang dlanjutkan Fnal Wghtd Last Squar (FWLS):. Mnghtung stmas paramtr bo mlalu OLS.. Mnntukan mlalu OLS (b ). Mnghtung h pngamatan dngan v. Mnghtung h trkcl v. Mlakukan stmas paramtr b nw dar h pngamatan mlalu OLS. v. Mnntukan yang ssua dngan OLS (b nw ) v. Mnghtung h nw pngamatan dngan h v. Mnghtung nw trkcl. x. Mlakukan C-stps yatu tahap v sampa v untuk mndapatkan fungs objktf kcl dan konvrgn. x. Mngstmas paramtr dngan Wghtd Last Squar ssua fungs pmbobot (prsamaan 3) Pada langkah slanjutnya dgabungkan sampl bootstrap untuk mndapatkan stmas rata-rata paramtrnya [6]. III. METODOLOGI PENELITIAN Data yang dgunakan dprolh dar BPS, Dnas Prtanan dan Th Natonal Ocanc and Atmosphrc Admnstraton ( Data trsbut trdr atas pngamatan, dngan prod tahun Modl luas pann (LP) yang dsusun trds atas tga modl ssua dngan subround yang dsusun olh BPS, yatu: Modl Prod (Subround ): LP = f(sst Jan, SST Fb, SST Mrt, SST Apr ) + ε Modl Prod (Subround ): LP = f(sst M, SST Jun, SST Jul, SST Agst ) + ε Modl Prod 3 (Subround 3): LP 3 = f(sst Spt, SST Okt, SST Nov, SST Ds ) + ε Produks pad pr prod mrupakan prkalan antara LP pr prod dan produktftas pr prod. Produks pr tahun mrupakan pnjumlahan produks pr prod. Pnltan dlakukan dngan mnggunakan bantuan softwar SAS (V9.) dan Mntab 5. Tahapan analss scara umum dbag mnjad tga. Tahap prtama dntfkas hubungan kdua varabl, tahap kdua pnyusunan modl, dan tahap trakhr adalah valdas dan pramalan satu prod. IV. HASIL DAN PEMBAHASAN A. Dskrps Luas Pann Pad d Kabupatn Lamongan Luas pann pad d Kabupatn Lamongan mmlk trn nak sjak tahun 99- (Gambar ). Luas pann pad pada prod lbh tngg darpada prod dan 3.
3 Gambar Plot Data Luas Pann Pad d Kabupatn Lamongan. Tabl. Nla Pmusatan dan Pnybaran Data Luas Pann Pad (Ha) Prod Man Std. Dvas Mn Maks 6.36, 3.86, , , , 4.58, Slama prod (Januar-Aprl) d Indonsa adalah musm hujan, shngga lahan ladang dmanfaatkan untuk mnanam pad. Olh karna tu pada prod, rata-rata luas pann pad lbh bsar darpada prod lan sprt dsajkan pada Tabl. D ss lan luas pann prod 3 palng sdkt darpada prod lan, hal n dkarnakan pada rntang bulan Sptmbr-Dsmbr pann pad hanya dhaslkan dar sawah yang mmpunya tknolog rgas yang bak dan tdak brgantung pada ar hujan. B. Dskrps SST Nno 3.4 Prubahan klm d Samudra Pasfk dcrkan olh anomal suhu dan tkanan prmukaan laut srta dstrbus curah hujan. Prubahan suhu prmukaan laut stap bulan dapat dlhat pada Gambar. SST ( o C) Luas Pann Pad (Ha) LP LP LP Gambar Rataan Data Sa Surfac Tmpratur Pr Bulan Rataan SST bulan Mart hngga Aprl trus mnngkat sampa bulan M dngan rataan suhu prmukaan laut trtngg. Pada prod akhr tahun, suhu prmukaan laut akan mnurun pada ttk rata-rata SST. Tabl. Nla Pmusatan dan Pnybaran Data SST Nno 3.4 Bulan Man Std. Dvas Mn Maks Januar 6,58, 4,65 9, Fbruar 6,73, 4,83 8,86 Mart 7,5,76 6,7 8,83 Aprl 7,84,57 6,83 9,4 M 7,9,55 6,97 8,99 Jun 7,69,59 6,6 8,94 Jul 7,8,68 5,94 8,9 Agustus 6,85,8 5,49 8,84 Sptmbr 6,69,86 5,7 8,93 Oktobr 6,7,5 5, 9,3 Novmbr 6,7, 5,6 9,3 Dsmbr 6,6,3 4,79 9,6 Data SST Januar dan Dsmbr mmpunya nla smpangan baku lbh bsar darpada bulan-bulan lannya, artnya pada bulan-bulan trsbut suhu prmukaan laut cndrung fluktuatf dan brubah-ubah dar tahun k tahun. Rata-rata suhu prmukaan laut d tahun 99- adalah 7,7 ºC maka dar Tabl dapat dlhat bahwa trdapat kasus anomal rataan SST yang lbh dar,5 ºC yatu pada bulan Januar, Aprl, M, Jun, dan Dsmbr. Fnomna n mnggambar-kan kadaan yang brbda dngan pola musm pnghujan dan kmarau d Indonsa. Olh sbab tu faktor klm mnjad hal pntng untuk dprhatkan dalam prtanan. C. Pola Hubungan Luas Pann Pad dan SST Nno 3.4 Idntfkas pola hubungan luas pann pad dan SST Nno 3.4 dapat dlhat dar scattr plot yang mnunjukkan tdak ada pola lnr, mlankan trsbar acak (lhat Gambar 3). Bbrapa ttk pngamatan mngndkaskan adanya outlr, karna trltak cukup jauh dar kumpulan ttk pngamatan lannya. Luas Pann Pad LP vs SST M 5 7 LP vs SST Jun LP vs SST Jul LP vs SST Agst 9 LP * S S T 5 LP * S S T 6 LP * S S T 7 LP * S S T LP * S S T 7.5 LP * S S T LP * S S T 3 LP * S S T 4 LP 3* S S T 9 LP 3* S S T LP 3* S S T LP 3* S S T S a Surfa c T mp ra t ur Gambar 3 Scattr Plot Data Luas Pann Pad dan SST Nno 3.4. Bsar hubungan luas pann pad dan SST Nno 3.4 juga dapat dukur scara statstk dngan korlas Parson yang mnunjukkan hubungan lmah dan tdak sgnfkan pada α sbsar 5%. Hal n dduga akbat adanya pngaruh outlr. Olh sbab tu prlu dlakukan pndtksan outlr trlbh dahulu sblum mlakukan analss lbh lanjut. D. Dtks Pngamatan Outlr Pmrksaan data outlr scara vsual dapat damat dar box plot, sdangkan untuk pngamatan scara statstk dapat dlakukan dngan pngujan DFFITS. Luas Pann Pad LP vs SST Jan LP vs SST Fb LP vs SST Mrt LP vs SST Apr LP 3 vs SST Spt LP 3 vs SST Okt LP 3 vs SST Nov LP 3 vs SST Ds LP LP 3676 Gambar 4 Box Plot Data Luas Pann Pad Pngamatan outlr tdak tampak pada data luas pann pad dar Gambar 4. Prod mmlk rang data yang LP
4 cukup lbar dbandngkan prod dan prod 3. Pngamatan scara vsual harus dbandngkan dngan nla statstk DFFITS agar lbh past dalam mnympulkan kbradaan outlr. Tabl 3 mnunjukkan pngamatanpngamatan yang danggap sbaga outlr d masngmasng prod karna nla DFFITS > [3]. Tabl 3. Nla DFFITS Dar Ttk Pngamatan Outlr Pr Prod Prod Ttk Pngamatan DFFITS 9, ,374 9, ,3696 8, , ,674 6,483 7,34 Pada prod trdapat 3 pngamatan outlr, prod trdapat pngamatan outlr dan prod 3 trdapat 4 pngamatan outlr. Dar ktga prod, data outlr trltak pada ttk pngamatan yang sama yatu d antara ttk pngamatan k-8 dan k-9. Hal trsbut mnjlaskan bahwa trjad prubahan luas pann yang cukup kstrm hngga danggap outlr pada tahun dan tahun 6-8. Kjadan El Nno dan La Nna pada tahuntahun trsbut mnjad pnybab trjadnya outlr pada luas pann pad. E. Pmodlan Rgrs OLS dan Pngujan Asums Rsdual Analss pmodlan dawal dngan mnggunakan mtod rgrs kuadrat trkcl. Slanjutnya dlakukan pngujan sgnfkans modl scara srntak maupun parsal dan pngujan asums rsdual. Hasl pngujan sgnfkas modl OLS scara srntak trdapat pada Tabl 4 brkut n. Tabl 4. Nla F Htung Modl dngan Mnggunakan OLS Prod F Htung P-valu,34,3,83,56 3,,95 Tabl 4 mnunjukkan bahwa ktga prsamaan modl luas pann pad untuk prod I, II dan II tdak sgnfkan scara srntak karna pada taraf nyata α = %, karna statstk uj F htung < F,5(9;5) =,966. Pngujan paramtr dlanjutkan scara ndvdu d tap modl. Pngujan sgnfkans scara parsal mnunjukkan bahwa paramtr modl rgrs d tap prod tdak nyata, karna tdak sgnfkan pada α = %. Walaupun ada satu paramtr untuk varabl SST pada pmodlan LP yang sgnfkan karna statstk uj t htung lbh bsar dar t,5(5) =,753, namun scara umum modl dnyatakan kurang bak untuk mnggambarkan hubungan LP dan SST karna mayortas paramtr tdak nyata. Tabl 5. Estmas Paramtr Modl dngan Mnggunakan OLS Prod Paramtr Estmas t htung P-valu β ,3,76 β ,3,6 β 58,,99 β ,5,3 β 4 354,9,93 β 4.954,3,77 β ,5,3 β 87,3,98 β 3.8,7,864 β 4.37,5,88 β ,8,436 β - 4 -,4,967 3 β -.7 -,7,865 β ,,983 β 4 637,4,889 Slan modl yang tdak sgnfkan, kofsn dtrmnas R yang dhaslkan olh masng-masng modl juga tdak bsar, yatu R LP = 38,4% ; R LP = 8,% ; R LP 3 = 4,%. Nla R yang kcl trsbut mnjlaskan bahwa kragaman yang dapat djlaskan olh modl kcl. Hasl pmodlan kurang bak dduga karna adanya pngaruh outlr d bbrapa data. Langkah trakhr pada tahap pmodlan rgrs OLS adalah pngujan asums rsdual Indpndn, Idntk dan brdstrbus Normal atau basa dsngkat IIDN (, σ ). Pngujan normaltas dlakukan dngan mnggunakan uj Kolmogorov-Smrnov. Hasl pngujan mnunjukkan rsdual dar modl LP untuk masng-masng prod tlah mmnuh syarat brdstrbus Normal karna P-valu lbh bsar darpada alfa 5% (,994;,975;,657). Pngujan asums dlanjutkan pada Uj Gljsr yang mrupakan mtod untuk mnguj htrokdaststas. Hasl pngujan mnunjukkan tdak ada varabl bbas yang sgnfkan brpngaruh pada nla absolut rsdual, kcual varabl bbas SST 4 pada modl prod. Hal n mnunjukkan bahwa modl prod dan prod 3 mmpunya rsdual yang homogn pada taraf nyata α = %. Sdangkan satu varabl pada modl prod yang mnybabkan rsdual tdak htrogn slanjutnya akan datas dngan mtod Robust Bootstrap LTS karna d dalam pmodlan mtod trsbut dgunakan Wghtd Last Squar. Slanjutnya pngujan asums rsdual ndpndn dapat dlhat dar nla statstk Durbn Watson. Modl ktga prod brada d antara nla dl =,6 dan du=,74, shngga ksmpulannya tdak ada autokorlas antar pngamatan.. Slan mnguj autokorlas untuk mnyatakan ndpndns rsdual, juga duj multkolnartas data. Multkolnartas trjad karna trdapat korlas tngg antar varabl ndpndn. Pngujan dapat dlakukan dngan mlhat nla Varanc Inflatd Factor (VIF) pada tap modl. Nla VIF lbh dar, maka bsa dkatakan data mngandung kasus multkolnartas []. Pnltan n mnunjukkan ada kasus multkolnartas karna ksluruhan nla VIF lbh dar. Olh sbab tu dcoba mnggunakan mtod Prncpal Componnt untuk mngatas prmasalahan trsbut. 4
5 Hasl pnylsaan dngan Prncpal Componnt (PC) mnghaslkan varabl ndpndn baru untuk stap prod. Prod mnggunakan varabl ndpndn PC untuk mnggambarkan 94,7% data asl (SST, SST, SST 3, dan SST 4 ), prod II mnggunakan varabl ndpndn PC dan PC untuk mnggambarkan 97,% data asl (SST 5, SST 6, SST 7, dan SST 8 ), prod III mnggunakan varabl ndpndn PC untuk mnggambarkan 97,4% data asl (SST 9, SST, SST, dan SST ). Pmodlan rgrs OLS dlanjutkan kmbal dngan mnggunakan varabl ndpndn yang baru untuk stap prod. Hasl dar pmodlan rgrs trsbut tdak mmuaskan karna nla R smakn kcl untuk prod sbsat 3,3%, prod sbsar 8,8%, dan prod 3 sbsar 3,6%. Slan nla R yang kurang bak, paramtr PC juga tdak nyata pada α = %. Hal trsbut mngndkaskan bahwa transformas Prncpal Componnt tdak dapat dgunakan untuk mngatas kasus multkolnartas n karna karaktrstk data brubah shngga justru mrusak modl rgrs. F. Pmodlan Rgrs Robust Bootstrap LTS Jumlah sampl bootstrap yang basa dgunakan adalah sbanyak 5 kal [3]. Hasl stmas paramtr modl rgrs Robust Bootstrap LTS dprolh dar rata-rata stmas paramtr tap rplkas. Hasl paramtr dngan mnggunakan mtod n mnunjukkan bbrapa d antara paramtr tlah sgnfkan pada α = % untuk tap sampl karna nla χ htung lbh bsar dar χ,(9) = 8,983, walaupun mash ttap ada paramtr d bbrapa rplkas yang tdak sgnfkan. Tabl 6. Estmas Paramtr Modl Robust Bootstrap LTS Prod Paramtr Rata-rata Estmas β β -5.9 β 86 β 3.38 β β 56.5 β β.8 β 3 - β β β 4.46 β 3.34 β β 4.83 Slan mnghaslkan stmas paramtr, tap rplkas juga mnghaslkan nla R. Rataan kofsn dtrmnas untuk prod,, dan 3 adalah sbaga brkut 8,88%, 68,77%, dan 7,3% Dngan mmprhatkan kofsn dtrmnas yang dhaslkan olh mtod rgrs Robust Bootstrap LTS maka dapat dsmpulkan mtod trsbut mmlk knrja yang lbh bak darpada rgrs OLS. Nla R untuk modl prod lbh bak dbandngkan kofsn dtrmnas modl d prod lan. Hal trsbut mngndkaskan bahwa varabl SST lbh kuat mmpngaruh varabl LP pada masa prod. Ksmpulan n ddukung olh fnomna alam dmana pada prod tanaman pad banyak dtanam d lahan ladang yang pngarannya brgantung ar hujan. G. Pramalan Luas Pann dan Produks Pad Dngan mlhat ktrhandalan modl robust bootstrap LTS maka dapat dlakukan pramalan luas pann dan produks pad mnggunakan modl trsbut. Valdas modl mnggunakan satu pngamatan bbas yatu data tahun tahun. Modl yang dgunakan mrupakan hasl pmodlan luas pann pad dan Sa Surfac Tmpratur slama tahun Untuk mramalkan luas pann pad tap prod tahun, dprlukan nformas data SST pada tahun trsbut. Nla SST dmasukkan k dalam modl, shngga dar prsamaan modl ddapatkan hasl ramalan luas pann pad brkut n. Tabl 7. Ramalan Luas Pann Pad (Ha) Tahun Prod Aktual Ramalan Prosntas Ktpatan ,3% ,7% ,8% Gambar 5 dan Tabl 7 mnunjukkan prbandngan luas pann pad d Kabupatn Lamongan tahun scara aktual dan luas pann pad hasl ramalan modl robust bootstrap LTS. Hasl ramalan modl prod mndkat nla aktual luas pann, sdangkan untuk hasl modl prod dan 3 kurang bak dalam mramalkan nla luas pann pad karna jauh dar nla aktualnya. Luas Pann Pad (Ha) Aktual Ramalan Prod Prod Prod 3 Gambar 5 Dagram Batang Ramalan dan Aktual Data Luas Pann Pad Kabupatn Lamongan Tahun Slan luas pann pad, dramalkan juga nla produks pad mnggunakan modl luas pann pad dan rataan produktvtas. Nla produks pad dprolh dar prkalan nla luas pann pad dngan nla produktvtas pad. Shngga bsa dsmpulkan bahwa luas pann pad dan produktvtas pad mrupakan rsultan dar faktor-faktor yang mmpngaruh produks (pupuk, rgas, bnh unggul, dan lan-lan). Dalam pramalan produks pad, nla produktvtas yang dgunakan adalah rataan produktvtas 5 tahun trakhr. Hal n ddasarkan pada karaktrstk prduktvtas yang lbh konstan. Brdasarkan nformas produktvtas pad dan luas pann pad, maka brkut n adalah hasl ramalan produks pad Kabupatn Lamongan tahun bsrta nla aktualnya. Tabl 8. Ramalan Produks Pad (Ton) Tahun Prod Aktual Ramalan Prosntas Ktpatan ,96% ,49% ,88% Ktpatan prdks produks pad untuk prod dan prod cukup bak dngan nla prosntas d atas 7%. 5
6 Prbdaan hasl ramalan dar nla aktual produks pad Kabupatn Lamongan tahun dapat dlhat pada dagram batang Gambar 6 brkut n. Produks Pad (Ton) Aktual Ramalan Prod Prod Prod 3 Gambar 6 Dagram Batang Ramalan dan Aktual Data Produks Pad Kabupatn Lamongan Tahun Modl untuk prod dan yang ddapatkan dngan robust bootstrap LTS mmlk knrja yang bak. Modl prod mmbrkan hasl mmuaskan untuk mramal luas pann pad dan produks pad slama satu tahun k dpan. Modl prod mnghaslkan ramalan yang cukup bak untuk produks pad. Sdangkan modl prod 3 mnunjukkan hasl yang tdak cukup bak. Sbaga catatan pntng, modl yang dhaslkan n hanya mampu mmprdks bak untuk jangka waktu pndk. Pramalan jangka panjang mmrlukan data dan modl trbaru. Ktpatan hasl ramalan yang lbh bak akan mmbrkan rkomndas yang smakn tpat dalam pngamblan kbjakan trkat program ktahanan pangan d Indonsa. V. KESIMPULAN DAN SARAN Prmasalahan outlr dan data kcl dalam kasus pmodlan luas pann pad dapat datas dngan mtod robust bootstrap LTS. Mtod n mampu mnghaslkan modl yang mmlk kofsn dtrmnas lbh bak darpada mtod rgrs OLS. Pramalan luas pann pad mnunjukkan ktpatan prdks untuk prod yang bak. Slan tu dlakukan pramalan produks pad dngan cara mngalkan nla luas pann dan nla produktvtas pad. Hasl ktpatan prdks produks pad untuk prod dan prod cukup bak, sdangkan prod 3 kurang bak haslnya. Pnltan brkutnya dapat dfokuskan pada pmlhan mtod untuk mmodlkan hubungan klm dan luas pann pad. Modl dkatakan lbh bak ktka mampu mmprdks luas pann pad yang mndkat knyataan shngga dapat lbh dprcaya dalam mnntukan ARAM olh BPS dan Dpartmn Prtanan. Modl trsbut mrupakan modl parsmon yang lbh brsfat sustanabl shngga dapat dgunakan untuk mramalkan produks pad dalam jangka waktu yang lbh lama. DAFTAR PUSTAKA [] Hutapa. Ktahanan Pangan Dan Tknolog Produktvtas Mnuju Kmandran Prtanan Indonsa. (8). Avalabl: [] Naylor, R., Falcon, W., Wada, N., dan Rochbrg, D. Usng El Nno- Southrn Oscllaton Clmat Data to Improv Food Polcy Plannng n Indonsa. Bulltn of Indonsan Economc Studs, Vol. 38, No.. () [3] Maulana. Dampak El Nno dan La Nna Trhadap Indonsa. (). Avalabl: [4] Ryan, T., P. Modrn Rgrsson Mthods. Nw York: A Wly- Intrscnc Publcaton, John Wly & Sons, Inc. (997) [5] Aunuddn. Analss Data. Bogor: IPB Prss. (989) [6] Wllms, G. dan Alst, S.V. Fast and Robust Bootstrap for LTS. Computatonal Statstcs Data Analyss, No. 48. (5) [7] Badan Pusat Statstk dan Dpartmn Prtanan. Buku Pdoman Pngumpulan Data Tanaman Pangan. Jakarta: BPS Dptan. (7) [8] Badan Pusat Statstk. Brta Rsm Statstk Produks Pad. Jakarta: BPS (5-9) [9] Badan Pusat Statstk. Produks Pad Palawja Propns Jawa Tmur. Jakarta: BPS (5-) [] Sutkno. Statstcal Downscalng Luaran GCM dan Pmanfaatannya untuk Pramalan Produks Pad. Dsrtas Program Pascasarjana. Bogor: Insttut Prtanan Bogor. (8) [] Mshbahul. Prdks Produks Pad Mnggunakan Wghtd Ranfall Indx dngan Pndkatan Fast and Robust Bootstrap for Last Trmmd Squar (Stud Kasus d Kabupatn Gunungkdul). Thss Program Magstr. Surabaya: ITS Surabaya. () [] Gujarat, N. Ekonomtrka Dasar. Jakarta: Erlangga. (3) [3] Buhlmann, P. & Bn Yu. Analyzng Baggng. Th Annals of Statstcs, Vol. 3, No. 4. ()
ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)
ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka
Lebih terperinciBAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM
BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu
Lebih terperinciLOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS
Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla
Lebih terperinciBAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.
BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan
Lebih terperinciFIXED EFFECT MODEL PADA REGRESI DATA PANEL
ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan
Lebih terperinciHubungan antara K dengan koefisien fugasitas:
Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =
Lebih terperinciUJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan
UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns
Lebih terperinciPENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.
Lebih terperinciESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN
ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM
Lebih terperinciAnalisis Variansi Multivariat
Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak
Lebih terperinciEFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV
Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl
Lebih terperinciBAB 2 SISTEM MAKRO DAN MIKRO
BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh
Lebih terperinciANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO
ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan
Lebih terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciOPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)
OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciBAB IV FUNGSI KOMPLEKS
47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciJurnal Inovasi Pembelajaran Fisika (INPAFI)
Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN
Lebih terperinciANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN
ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal
Lebih terperinciAplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)
TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciPENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS
30 ISSN 06-38 Yoyok Dw Styo Pambud PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS Yoyok Dw Styo Pambud Pusat Tknolog Raktor dan Kslamatan Nuklr, BATAN Gd. 80 Kawasan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciOleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,
Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV
Lebih terperinciBAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]
BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan
Lebih terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciGelombang Datar Lintas Medium
Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciMETODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract
JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciVI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH
VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat
Lebih terperinciPERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR
Prodng Smnar Naonal Manajmn Tknolog XVIII Program Stud MMT-ITS, Surabaya 7 Jul 13 PERANCANGAN AN SIMULASI FEEFORWAR AUTOTUNING PI ECOUPLING TITO SYSTEM OLOM ISTILASI METANOL-AIR Ral Harudan 1), atjuk Atrowulan
Lebih terperinciBAB.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 terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPENGUAT FREKUENSI RENDAH (lanjutan)
EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum
Lebih terperinciKAJIAN ANALISIS REGRESI DENGAN DATA PANEL
Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan
Lebih terperinciKATA PENGANTAR. Banjarbaru, Januari Plh. Kepala Dinas, IR. FATHURRAHMAN NIP
KATA PENGANTAR Berdasarkan Surat Gubernur Kalmantan Selatan Nomor : 065/01140/ORG tanggal Desember 2013 perhal Penyampaan LAKIP Satuan Kerja Perangkat Daerah Provns Kalmantan Selatan Tahun 2013. Maka Dnas
Lebih terperinciMODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI
MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI Evapotranspraton modl on vgtaton wth vard canopy layr Yanto yanto@unsod.ac.d, ynt@umch.du Program Stud Tknk Spl Fakultas Sans
Lebih terperinciANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER
Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciIII. 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 terperinciBAB 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 terperinciUJI 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 terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperinciIII. 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciII. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan
II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam
Lebih terperinciA v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan
Mata kula LKTONKA ANALOG. LOLOH ALK Pngglngan pnguat ( amplr) dapat pula dglngkan dalam 4 macam glngan umum, yatu pnguat tgangan, pnguat aru, pnguat tranantaran dan pnguat trantaanan. Pngglngan n brdaarkan
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciPalupi, et al, Pengaruh Teknik Talking Stick terhadap Pengetahuan dan Sikap...
Palu, t al, Pngaruh Tknk Talkng Stck trhada Pngtahuan dan Ska... Pngaruh Tknk Talkng Stck trhada Pngtahuan dan Ska dalam Pncgahan HIV/AIDS Pada Rmaja d SMP Ngr 1 Pugr Kabuatn Jmbr (Th ffct of Talkng Stck
Lebih terperinciIII. 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 terperinciPEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA
ESIS - SS450 PEMODELAN REGRESI HURDLE NEGAIVE BINOMIAL DENGAN VARIABEL DEPENDEN ERSENSOR KANAN PADA KASUS EANUS NEONAORUM DI INDONESIA Rza Yul Rusdana NRP 35 0 03 DOSEN PEMBIMBING Dr. Dra. Isman Zan, M.
Lebih terperinciBAB 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 terperinciPengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja
8 Pngaruh Pnyspan Indukor dan Kapasor pada Sambungan Saluran Udara dan Kabl Dsrbus kv rhadap Prambaan Glombang gangan Surja Moch. Dhofr Absrak Dalam ulsan n dpaparkan pngaruh sspan L sr aau C parall danara
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciPENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI
Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network
JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi
Lebih terperinciIII. 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 terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciII. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN
II. PERANAN TATITIK DALAM ANALII PERCOBAAN Hal-hal yang prl dplajar. 1. baran Normal dan sbaran t- stdnt. Mmbandngan da harga rata-rata sampl. a. Prbandngan da harga rata-rata sampl tda brpasangan npard
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN
65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta
Lebih terperinciBAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA
BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms
Lebih terperinciPROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX
Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI
Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,
Lebih terperinciRELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH
70 RELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH Olh Sardinah, Tursinawati, dan Anita Noviyanti Abstrak: Hakikat sains
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB 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 terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPENENTUAN NILAI e/m ELEKTRON
Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga
Lebih terperinci1. Proses Normalisasi
BAB IV PEMBAHASAN A. Pr-Procssing Pross pngolahan signal PCG sblum dilakukan kstaksi dan klasifikasi adalah pr-procssing. Signal PCG untuk data training dan data tsting trdapat dalam lampiran 5 (halaman
Lebih terperinciANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA
ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciIII. 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 terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinci4. DI D FRA R K A S K I
4. DIFRAKSI Dfraks adalah dvas dar prambatan cahaya atau pmblokan arah rambat cahaya. fk dfraks adalah karaktrstk dar fnomna glombang, apakah buny, atau cahaya dmana mukamuka glombangnya dblokkan.. Hchts,
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciModifikasi Metode Full Wave di Sekitar Titik Singular
Kontrbus Fska Indonsa Vol. 3 No.3, Jul 2002 Abstrak odfkas tod Full Wav d Sktar Ttk Sngular Ttk Stawat Bdang Aplkas Gomagnt dan agnt Antarksa, Pusat Pmanfaatan Sans Antarksa LAPAN, Jl. Dr. Junjunan 33
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB II TEORI DASAR 2.1 Pengertian Pasang Surut
BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,
Lebih terperinci1) Jurusan Fisika FMIPA UGM Yogyakarta, 2) Jurusan Agronomi Fak Pertanian UGM Yogyakarta, 3) Jurusan Pangan dan Gizi FTP UGM Yogyakarta.
YOGYAKARTA, 18 NOVEMBER 21 ISSN 1978-176 PENENTUAN KOEFISIEN DIFUSI BATANG DAN AKAR PADI TERHADAP PERTUKARAN GAS O 2 DAN O 2 DENGAN METODE SPEKTROSKOPI FOTOAKUSTIK LASER O 2 MENGGUNAKAN GAS SF 6 SEBAGAI
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB 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 terperinciPertemuan XIV, XV VII. Garis Pengaruh
ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui
Lebih terperinciMODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL
ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,
Lebih terperinci