Tabel 6 Daftar peubah karakteristik
|
|
- Agus Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6 Tabel 6 Daftar peubah karakteristik Kode. Keterangan X1 Hasil gabah (kg/ha) X2 Umur saat akar tembus lilin (HST) X3 Jumlah akar tembus X4 Panjang akar tembus (cm) X5 Berat akar (gr) X6 Laju asimilasi bersih (umur HST) (mgr/cm 2 /hari) X7 Laju pertumbuhan relatif (umur HST) (mgr/hari) X8 Laju pengisian biji (g/hari/rumpun) X9 Specific leaf area (gr/cm 2 daun) X10 Leaf area ratio (cm 2 / gr tanaman) X11 Rata-rata tinggi tanaman (cm) X12 Anakan X13 Panjang malai (cm) X14 Jumlah gabah per malai X15 Berat 200 butir (gr) Metode Galur atau varietas padi akan digerombolkan dengan menggunakan Cluster Ensemble. Tahapan yang dilakukan dalam penelitian ini adalah: 1. Mentransformasi semua data ke dalam bentuk baku (Z) untuk mengatasi perbedaan satuan. 2. Mengeksplorasi peubah. 3. Menghitung korelasi di antar peubah. Jika terbukti adanya korelasi maka dilakukan analisis komponen utama. 4. Membangun ensemble dengan menggerombolkan objek berdasarkan karakteristiknya menggunakan metode hierarki Pautan tunggal, Pautan lengkap, Pautan rataan, Pautan centroid, dan Pautan median dan metode tak berhierarki k-rataan yang terdiri dari k data awal, Distance Based Starting Point, Density Based Starting Point, Hierarchical Starting Point. Objek akan dibentuk menjadi 2, 3, dan 4 gerombol. Jarak yang digunakan sebagai ukuran kemiripan antar objek adalah jarak Euclid. 5. Membuat tabulasi solusi-solusi yang terbentuk. Hal ini bertujuan untuk memudahkan dalam melihat solusi mana yang memiliki persamaan sehingga hanya salah satu solusi yang akan digunakan sebagai anggota ensemble. 6. Mengkombinasikan seluruh anggota ensemble dengan menggunakan algoritma Meta-Clustering. Tahap Clustering on Cluster dalam algoritma ini akan menggunakan metode k-rataan secara berulang yang terdiri dari Distance Based Starting Point, Density Based Starting Point, Hierarchical Starting Point. Dari masingmasing solusi akan dihitung nilai reproducibility-nya untuk melihat solusi mana yang paling baik. Algoritma Meta- Clustering ini dilakukan pada solusi 2, 3, dan 4 gerombol. Dengan demikian diperoleh tiga solusi terbaik berdasarkan jumlah gerombolnya. Lalu dilakukan perhitungan nilai reproducibility adjusted untuk memilih solusi dari jumlah gerombol mana yang paling baik sebagai solusi akhir Consensus. Seluruh tahapan ini dilakukan sebanyak dua kali, yaitu sebelum dan setelah pembuatan aturan pelabelan gerombol. 7. Tahapan akhir dari metode ini adalah mendiskripsikan masing-masing gerombol berdasarkan karakteristik peubah-peubahnya. Sebelum dilakukan pengkategorian, nilai peubah baku ditransformasi balik ke nilai peubah asal. Pengkategorian peubah pada gerombol tertentu adalah sebagai berikut: Tinggi (T). Peubah ke-i pada gerombol ke-j dikategorikan tinggi jika x ij > x i. + 1/2S i. Sedang (S). Peubah ke-i pada gerombol ke-j dikategorikan sedang jika x i. - 1/2S i. < x ij x i. + 1/2S i. Rendah (R). Peubah ke-i pada gerombol ke-j dikategorikan rendah jika x ij x i. - 1/2S i. HASIL DAN PEMBAHASAN Eksplorasi dan Deskripsi Peubah Gambar 2 menunjukkan hasil eksplorasi peubah dengan menggunakan diagram kotak garis. Lebar diagram kotak garis menunjukkan bahwa keragaman peubah tinggi, artinya karakteristik peubah tiap varietas heterogen. Dari gambar dapat dilihat bahwa pada beberapa peubah terdapat varietas yang menjadi pencilan atau memiliki nilai di luar batas atas dan batas bawah diagram kotak garis. Pada peubah hasil gabah, varietas Sentani memiliki nilai yang paling rendah jika dibandingkan dengan varietas lainnya, sehingga varietas ini menjadi pencilan pada peubah hasil gabah. Selain pada peubah tersebut varietas
2 Boxplot of Z1; Z2; Z3; Z4; Z5; Z6; Z7; Z8;... B11742-RS-2-3-MR B C-PN-5-MR B.10970C-MR SI Mahakam B11742-RS-2-3-MR-34- Data Sentani -3 Sentani Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 Z11 Z12 Z13 Z14 Z15 Gambar 2 Hasil eksplorasi peubah dengan diagram kotak garis Sentani pun menjadi pencilan pada peubah laju pengisian biji. Varietas merupakan pencilan pada beberapa peubah seperti pada peubah laju asimilasi bersih, laju pertumbuhan relatif, dan panjang malai. Selain varietas Danau tempe, galur B11742-RS-2-3-MR juga menjadi sebuah pencilan pada peubah panjang malai. Selain varietas di atas, varietas lain yang menjadi pencilan adalah galur B11742-RS-2-3- MR yang memiliki nilai tertinggi pada peubah berat akar, galur B.10970C-MR SI pada peubah laju asimilasi bersih, galur B C-PN-5-MR pada peubah laju pengisian biji, dan varietas Mahakam pada peubah jumlah gabah per malai. Pemeriksaan Korelasi Lampiran 3 menunjukkan hasil pemeriksaan korelasi di antara tiap peubah. Dari hasil yang diperoleh menunjukkan bahwa ada korelasi di antara beberapa peubah. Nilai korelasi yang diperoleh berkisar di bawah -0.4 dan di atas 0.4. Nilai korelasi yang paling tinggi terjadi antara peubah laju asimilasi bersih dan laju relatif pertumbuhan, yaitu sebesar 0.959, sedangkan nilai korelasi yang paling rendah terjadi antara peubah jumlah akar tembus dan laju pengisian biji sebesar Selain itu, di antara peubah hasil gabah dan laju pengisian biji juga memiliki korelasi sebesar Antara peubah berat akar dan rata-rata tinggi tanaman juga memiliki korelasi sebesar Dengan adanya korelasi di antara beberapa peubah, maka konsep jarak Euclid tidak dapat digunakan langsung. Untuk mengatasi masalah ini, maka dilakukan analisis komponen utama terlebih dahulu untuk menghilangkan korelasi di antara peubah. Dalam penelitian ini, seluruh skor komponen utama akan digunakan untuk penggerombolan varietas padi pada tahap selanjutnya. Anggota Ensemble Tahap awal dalam Cluster Ensemble adalah membentuk sekumpulan solusi gerombol dari metode yang berbeda sebagai anggota ensemble. Pada penelitian ini, anggota ensemble dibentuk dari hasil penggerombolan dengan menggunakan sembilan metode, yaitu: Pautan tunggal, Pautan lengkap, Pautan rataan, Pautan centroid, dan Pautan median, metode k-rataan dengan empat inisialisasi yang berbeda. Setiap metode penggerombolan menghasilkan solusi 2, 3, dan 4 gerombol. Hasil penggerombolan dengan
3 8 menggunakan metode hierarki menghasilkan ukuran kemiripan yang berbeda-beda untuk setiap metode penggerombolan. Besarnya tingkat kemiripan tersebut dapat dilihat pada Lampiran 4. Hasil penggerombolan pada tahap awal dapat dilihat pada Lampiran 5. Dari lampiran tersebut diketahui bahwa ada beberapa metode yang menghasilkan gerombol yang hanya terdiri dari satu anggota gerombol. Hal ini mengindikasikan bahwa anggota gerombol tersebut merupakan sebuah pencilan yang memiliki karakteristik yang berbeda dengan anggota dari gerombolgerombol lain. Selain itu, beberapa metode pun menghasilkan solusi yang sama yaitu: 1. Solusi 2 gerombol metode Pautan rataan, Pautan centroid, dan Pautan median. Metode Pautan lengkap dan k-rataan 4 memiliki solusi yang sama, namun berbeda dengan kelompok solusi di atas. 2. Solusi 3 gerombol metode Pautan tunggal, Pautan rataan, Pautan centroid, dan Pautan median. 3. Solusi 4 gerombol metode Pautan rataan dan Pautan median. Tidak semua solusi yang dihasilkan akan digunakan sebagai anggota ensemble karena dari beberapa solusi yang sama, hanya akan diambil salah satu solusi saja. Dengan demikian solusi yang akan digunakan sebagai anggota ensemble berjumlah 20 solusi. Solusi Consensus Setelah membangun anggota ensemble, maka tahap selanjutnya adalah membentuk solusi consensus dengan mengombinasikan seluruh anggota ensemble dengan menggunakan algoritma Meta-Clustering. Solusi consensus yang dibentuk adalah solusi 2, 3, dan 4 gerombol. Sebelum Aturan Pelabelan Gerombol Solusi consensus yang dihasilkan sebelum adanya aturan pelabelan gerombol terdiri dari solusi 2, 3, dan 4 gerombol. Hasil penggerombolan beserta nilai reproducibility dan reproducibility adjusted dapat dilihat pada Lampiran 6. Solusi 2 Gerombol Gerombol satu terdiri dari 8 anggota gerombol dan gerombol dua terdiri dari 11 anggota gerombol. Struktur solusi dua gerombol ini sama dengan yang dihasilkan oleh metode k- rataan 4 dengan inisialisasi menggunakan Hierarchical Starting Point. Nilai reproducibility dan reproducibility adjusted pada solusi dua gerombol berturut-turut adalah dan Hal ini menunjukkan bahwa terdapat 81.67% dari 19 varietas yang konsisten berada dalam gerombol tertentu untuk seluruh ulangan. Dengan kata lain ada 16 varietas yang memiliki hasil yang konsisten. Solusi 3 Gerombol Gerombol satu terdiri dari 11 anggota gerombol, gerombol dua terdiri dari 7 anggota gerombol, dan gerombol tiga terdiri dari 1 anggota gerombol. Anggota gerombol satu pada solusi tiga gerombol sama dengan anggota gerombol dua pada solusi dua gerombol. Anggota gerombol tiga merupakan pecahan dari gerombol satu pada solusi dua gerombol. Nilai reproducibility dan reproducibility adjusted pada solusi tiga gerombol berturut-turut adalah dan Hal ini menunjukkan bahwa terdapat % dari 19 varietas yang konsisten berada dalam gerombol tertentu untuk seluruh ulangan. Nilai reproducibility adjusted pada solusi tiga gerombol lebih tinggi dibandingkan pada solusi gerombol dua. Hal ini mengindikasikan bahwa solusi tiga gerombol dapat mencirikan struktur data yang lebih baik daripada solusi dua gerombol. Solusi 4 Gerombol Gerombol satu terdiri dari 11 anggota gerombol, gerombol dua terdiri dari 6 anggota gerombol, gerombol tiga dan empat terdiri dari 1 anggota gerombol. Varietas cenderung memisahkan diri dari varietas lainnya sehingga membentuk satu gerombol sendiri. Hal ini dapat terjadi karena varietas memiliki karakteristik yang berbeda dari varietas lainnya. Nilai reproducibility dan reproducibility adjusted pada solusi empat gerombol berturutturut adalah dan Hal ini menunjukkan bahwa terdapat % dari 19 varietas yang konsisten berada dalam gerombol tertentu untuk seluruh ulangan. Nilai reproducibility adjusted pada solusi empat gerombol lebih tinggi dibandingkan dua solusi sebelumnya. Hal ini mengindikasikan bahwa solusi empat gerombol dapat mencirikan struktur data yang lebih baik daripada solusi dua gerombol dan solusi tiga gerombol.
4 9 Setelah Aturan Pelabelan Gerombol Solusi consensus yang dihasilkan setelah adanya aturan pelabelan gerombol terdiri dari solusi 2, 3, dan 4 gerombol. Hasil penggerombolan beserta nilai reproducibility dan reproducibility adjusted dapat dilihat pada Lampiran 6. Solusi 2, 3, dan 4 gerombol yang dihasilkan setelah adanya aturan pelabelan gerombol tidak berbeda dengan solusi sebelum adanya aturan pelabelan gerombol. Yang berbeda hanya nilai reproducibility dan reproducibility adjusted yang lebih tinggi daripada sebelumnya. Dapat dilihat pada Lampiran 6, nilai reproducibility untuk solusi 2, 3, dan 4 gerombol setelah aturan pelabelan gerombol berturut-turut adalah , , Dengan demikian, dengan adanya aturan pelabelan gerombol, maka kekonsistenan solusi gerombol semakin meningkat. Dari nilai reproducibility adjusted sebesar , solusi empat gerombol memberikan hasil yang lebih baik dibandingkan solusi dua dan tiga gerombol. Deskripsi Solusi Gerombol Akhir Solusi akhir dari Cluster Ensemble membagi varietas padi ke dalam empat gerombol. Nilai rataan tiap gerombol pada tiap peubah dihitung untuk mengkategorikan gerombol berdasarkan karakteristiknya. Nilai rataan tiap gerombol pada tiap peubah dapat dilihat pada Tabel 7, sedangkan untuk nilai rataan dan standar deviasi tiap peubah dapat dilihat pada Tabel 8. Gerombol Satu gerombol satu adalah varietas Nona bokra, B.10970C-MR SI , B C-PN-5-MR-2-3-SI , B C-PN-5- MR , B11742-RS-2-3-MR , B11742-RS-2-3-MR , B11742-RS-2-3- MR , B11742-RS-2-3-MR , B11742-RS-2-3-MR , B11742-RS-2-3- MR Berdasarkan hasil yang diperoleh dari Tabel 9, gerombol satu merupakan gerombol yang memiliki karakteristik unik dalam peubah berat akar dan anakan yang tinggi, laju pengisian biji yang sedang, dan jumlah gabai per malai yang rendah. Gerombol Dua gerombol dua adalah varietas Jatiluhur, B RS-2-3-MR , Dodokan, Silugonggo, Sentani, Singkarak. Berdasarkan hasil yang diperoleh dari Tabel 9, gerombol dua merupakan gerombol yang memiliki karakteristik yang unik dalam peubah hasil gabah, umur saat akar tembus lilin, berat akar, leaf area ratio, dan rata-rata tinggi tanaman yang rendah; panjang akar tembus lilin, panjang malai, dan berat 200 butir yang tinggi. Tabel 7 Rataan peubah setiap gerombol Peubah Rataan Gerombol X X X X X X X X X X X X X X X Gerombol Tiga gerombol tiga adalah varietas Mahakam. Varietas Mahakam membentuk gerombol sendiri karena varietas ini memiliki karakteristik yang berbeda dengan anggota gerombol sebelumnya. Berdasarkan hasil yang diperoleh dari Tabel 9, gerombol tiga merupakan gerombol yang memiliki karakteristik yang unik dalam peubah panjang akar tembus lilin yang rendah; rata-rata tinggi tanaman yang sedang; laju pengisian biji dan specific leaf area yang tinggi. Gerombol Empat gerombol empat adalah varietas. Tidak berbeda dengan varietas Mahakam, varietas juga cenderung membentuk gerombol sendiri karena varietas ini merupakan pencilan di beberapa peubah seperti yang terlihat pada diagram kotak garis. Berdasarkan hasil yang diperoleh dari Tabel 8, gerombol empat merupakan gerombol yang
5 10 memiliki karakteristik yang unik dalam peubah hasil gabah, umur saat akar tembus lilin, dan leaf area ratio yang tinggi; specific leaf area, anakan, dan berat 200 butir yang rendah. Setiap peubah karakteristik telah diwakili oleh tiap gerombol. Deskripsi penggerombolan di atas akan memudahkan para peneliti untuk memilih tetua dalam melakukan persilangan varietas padi sebagai upaya menciptakan varietas baru berdasarkan karakteristik tertentu. Tabel 8 Rataan dan standar deviasi tiap peubah Peubah x s x-1/2 s x + 1/2 s X X X X X X X X X X X X X X X Tabel 9 Hasil pengkategorian gerombol Kategori Gerombol Peubah X1 S R S T X2 S R S T X3 R T R T X4 S T R S X5 T R S S X6 T T R R X7 T T R R X8 S R T R X9 S S T R X10 S R S T X11 T R S T X12 T S S R X13 S T R R X14 R R T T X15 S T S R KESIMPULAN DAN SARAN Kesimpulan Cluster Ensemble menggerombolkan 19 varietas atau galur padi berdasarkan 15 peubah karakteristiknya menjadi solusi 2, 3, dan 4 gerombol. Kriteria nilai reproducibility adjusted yang diperoleh berturut-turut sebesar , , Berdasarkan kriteria nilai tersebut, maka dapat disimpulkan bahwa solusi yang paling baik dalam menggerombolkan varietas padi pada penelitian ini adalah solusi 4 gerombol. Setiap gerombol yang diperoleh memiliki peubah yang menjadi karakteristik gerombol itu sendiri. Dengan demikian para peneliti akan lebih mudah dalam memilih perwakilan varietas padi yang dapat digunakan sebagai tetua persilangan berdasarkan karakteristik yang diinginkan. Saran Penelitian selanjutnya lebih baik mengkaji lagi solusi alternatif untuk jarak yang digunakan dalam tahap Clustering on Cluster. Penggunaan jarak Euclid kurang tepat dalam menggerombolkan data berbentuk biner. Dalam penelitian ini, hal tersebut belum bisa diperbaiki karena keterbatasan dalam masalah pemrograman untuk software yang digunakan. DAFTAR PUSTAKA Anggiani D Penerapan Cluster Ensemble dalam Penggerombolan Kecamatan di Kabupaten Bogor [Skripsi]. Bogor : Departemen Statistika, Institut Pertanian Bogor. Johnson RA, Winchern DW Applied Multivariate Statistical Data Analysis. New Jersey : Prentice Hall. Megawati Penggerombolan Kabupaten di Jawa Barat Berdasarkan Indikator Ketahanan dan Kerentanan Pangan Menggunakan Cluster Ensemble [Skripsi]. Bogor : Departemen Statistika, Institut Pertanian Bogor. Orme B CCEA v3 Software for Convergent Cluster and Ensemble Analysis. Sawtooth Software. Orme B, Johnson R Improving K-Means Cluster Analysis: Ensemble Analysis
CLUSTER ENSEMBLE DALAM PENGGEROMBOLAN VARIETAS PADI
1 CLUSTER ENSEMBLE DALAM PENGGEROMBOLAN VARIETAS PADI VIVI HERYANTI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 2 RINGKASAN VIVI HERYANTI. Cluster
Lebih terperinciPENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 13 23 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciBAB V HASIL PENELITIAN. Hasil analisis statistika menunjukkan adaptasi galur harapan padi gogo
26 BAB V HASIL PENELITIAN 5.1 Adaptasi Galur Harapan Padi Gogo Hasil analisis statistika menunjukkan adaptasi galur harapan padi gogo berpengaruh nyata terhadap elevasi daun umur 60 hst, tinggi tanaman
Lebih terperinciAnalisis Pengelompokan dengan Metode K-Rataan
511 Analisis Pengelompokan dengan Metode K-Rataan Titin Agustin Nengsih Fakultas Syariah IAIN Sulthan Thaha Saifuddin Jambi Abstrak Analisis pengelompokkan adalah salah satu metode eksplorasi data untuk
Lebih terperinciDosen, Institut Pertanian Bogor. Alumni Instiitut Pertanian Bogor
Jurnal Media Infotama Vol. 14 No. 1, Februari 2018 31 Perbandingan Hasil Pengelompokan menggunakan Analisis Cluster Berhirarki, K-Means Cluster, dan Cluster Ensemble (Studi Kasus Data Indikator Pelayanan
Lebih terperinciSemakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).
3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j
Lebih terperinciPERBANDINGAN PENGGEROMBOLAN K-MEANS DAN K-MEDOID PADA DATA YANG MENGANDUNG PENCILAN YANNE FLOWRENSIA
PERBANDINGAN PENGGEROMBOLAN K-MEANS DAN K-MEDOID PADA DATA YANG MENGANDUNG PENCILAN YANNE FLOWRENSIA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 010
Lebih terperinciBAB III K-MEDIANS CLUSTERING
BAB III 3.1 ANALISIS KLASTER Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Metode interdependensi berfungsi untuk memberikan makna terhadap seperangkat
Lebih terperinciBAB 1 PENDAHULUAN. dianggap sebagai harta kekayaan yang tinggi nilainya. Beras yang sehari-hari dikenal
1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN Beras merupakan bahan makanan pokok bagi sebagian besar penduduk Indonesia. Di masyarakat desa, sawah pada umumnya memiliki nilai sosial yang penting yaitu
Lebih terperinciBAHAN DAN METODE HASIL DAN PEMBAHASAN
BAHAN DAN METODE Bahan Data yang digunakan dalam penelitian ini adalah data sekunder makroekonomi 13 negara yaitu 1 negara ASEAN ditambah 3 negara seperti yang tercantum pada Tabel 1. Tabel 1. Daftar Objek
Lebih terperinciPENGGEROMBOLAN DAERAH TERTINGGAL DI INDONESIA DENGAN FUZZY K-RATAAN (Clustering Backward Region in Indonesia Using Fuzzy C-Means Cluster)
, April 2010 p : 22-27 ISSN : 0853-8115 Vol 15 No.1 PENGGEROMBOLAN DAERAH TERTINGGAL DI INDONESIA DENGAN FUZZY K-RATAAN (Clustering Backward Region in Indonesia Using Fuzzy C-Means Cluster) Titin Agustin
Lebih terperincidianalisis dengan menggunakan
4 1. Eksplorasi data keluaran FTIR a. Membuat plot antara nilai absorban dan bilangan gelombang untuk setiap bahan temuan. Sumbu vertikal untuk nilai absorban dan sumbu horizontal untuk bilangan gelombang.
Lebih terperinciCLUSTER ENSEMBLE DALAM PENGGEROMBOLAN KABUPATEN/KOTA PROVINSI JAWA BARAT BERDASARKAN INDIKATOR PENDIDIKAN SMA/SMK/MA SITI NURAIDAH
CLUSTER ENSEMBLE DALAM PENGGEROMBOLAN KABUPATEN/KOTA PROVINSI JAWA BARAT BERDASARKAN INDIKATOR PENDIDIKAN SMA/SMK/MA SITI NURAIDAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data menjadi sesuatu yang sangat berharga saat ini. Tidak hanya badan pemerintah saja, perusahaan-perusahaan saat ini pun sangat membutuhkan informasi dari data yang
Lebih terperinciDATA DAN METODE. Data
DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil percobaan padi varietas IR 64 yang dilaksanakan tahun 2002 pada dua musim (kemarau dan hujan). Lokasi penelitian
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. RIWAYAT HIDUP... iii. ABSTRAK... iv. KATA PENGANTAR... vi. DAFTAR ISI...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii RIWAYAT HIDUP... iii ABSTRAK... iv KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... xi DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN...
Lebih terperinciPENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI
PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciLampiran 1 Bagan alir penelitian
LAMPIRAN 17 Lampiran 1 Bagan alir penelitian Penyemaian benih galur BC 1 F 1 Isolasi DNA galur BC 1 F 1 Uji kualitatif dan kuantitatif DNA Analisis SSR Pemeliharaan tanaman hasil analisis SSR Pengamatan
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
Lebih terperinciMETODOLOGI HASIL DAN PEMBAHASAN
3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal
Lebih terperinci*Corresponding Author:
PERBANDINGAN KINERJA METODE COMPLETE LINKAGE DAN AVERAGE LINKAGE DALAM MENENTUKAN HASIL ANALISIS CLUSTER (Studi Kasus: Produksi Palawija Provinsi Kalimantan Timur 2014/2015) Silvia Ningsih 1, Sri Wahyuningsih
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. Percobaan telah dilakukan di rumah kaca yang lokasinya berada di Balai Penelitian
BAB 4 HASIL DAN PMBAHASAN 4.1 Gambaran mum Pelaksanaan Percobaan Percobaan telah dilakukan di rumah kaca yang lokasinya berada di Balai Penelitian dan Pengembangan Sumberdaya Genetika Pertanian (BB_BIOGN).
Lebih terperinciPERBANDINGAN HASIL PENGGEROMBOLAN K-MEANS, FUZZY K- MEANS, DAN TWO STEP CLUSTERING. Lathifaturrahmah
JPM IAIN Antasari Vol. 02 No. 1 Juli Desember 2014, h. 39-62 PERBANDINGAN HASIL PENGGEROMBOLAN K-MEANS, FUZZY K- MEANS, DAN TWO STEP CLUSTERING Abstrak Analisis gerombol merupakan salah satu metode peubah
Lebih terperincigabah bernas. Ketinggian tempat berkorelasi negatif dengan karakter jumlah gabah bernas. Karakter panjang daun bendera sangat dipengaruhi oleh
81 PEMBAHASAN UMUM Faktor-faktor yang mempengaruhi pertumbuhan selama cekaman suhu rendah diantaranya; (a) faktor fisiologi, faktor lingkungan sebelum dan sesudah fase penting pertumbuhan dapat mempengaruhi
Lebih terperinciPENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER Artanti Indrasetianingsih Dosen Program Studi Statistika, FMIPA
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu
BAHAN DAN METODE Tempat dan Waktu Penelitian ini dilaksanakan di Kebun Percobaan Cikabayan, IPB yang berada pada ketinggian 220 m di atas permukaan laut dengan tipe tanah latosol. Penelitian dilakukan
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika
6 c. Menghitung sebaran pilihan jawaban dan reliabilitas soal. 3. Penerapan teori respon butir dengan menggunakan model IRT 1PL, IRT 2PL, dan IRT 3PL. a. Pengujian asumsi model IRT b. Menghitung parameter
Lebih terperinciPENERAPAN ANALISIS MODEL CAMPURAN PADA RANCANGAN PETAK TERPISAH RAK DALAM PERCOBAAN PENGARUH VARIETAS DAN DOSIS PUPUK TERHADAP PRODUKTIVITAS PADI
PENERAPAN ANALISIS MODEL CAMPURAN PADA RANCANGAN PETAK TERPISAH RAK DALAM PERCOBAAN PENGARUH VARIETAS DAN DOSIS PUPUK TERHADAP PRODUKTIVITAS PADI RYANI KHAIROZI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBAHAN DAN METODE Tempat dan Waktu Bahan dan Alat Metode Penelitian
BAHAN DAN METODE Tempat dan Waktu Penelitian dilakukan di Rumah Kaca Kebun Percobaan Cikabayan, Institut Pertanian Bogor, pada bulan April 2009 sampai dengan Agustus 2009. Bahan dan Alat Bahan yang digunakan
Lebih terperinciDhiani Tresna Absari,ST. Dosen Jurusan Teknik Informatika Universitas Surabaya
PERENCANAAN PEMBUATAN SISTEM PENUNJANG KEPUTUSAN DENGAN MENGGUNAKAN METODE CLUSTERING PADA STUDI KELAYAKAN PEMBUKAAN JARINGAN TRAYEK ANGKUTAN KOTA (SISTEM PENUNJANG KEPUTUSAN JARINGAN TRAYEK ANGKUTAN KOTA)
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Budi Susanto ANALISIS CLUSTER PADA DOKUMEN TEKS Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep analisis clustering Memahami tipe-tipe data dalam clustering Memahami beberapa algoritma
Lebih terperinciKata kunci: Cluster, Knowledge Discovery in Database, Algoritma K-Means,
K- Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K-Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND LOGO
ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND Kompetensi menghitung jarak antar individu Membentuk gerombol dengan menggunakan metode gerombol berhierarkhi Membentuk gerombol
Lebih terperinciBAHAN DAN METODE Tempat dan Waktu Bahan dan Alat Metode Penelitian
BAHAN DAN METODE Tempat dan Waktu Penelitian ini dilaksanakan di Rumah kaca University Farm, Cikabayan, Dramaga, Bogor. Ketinggian tempat di lahan percobaan adalah 208 m dpl. Pengamatan pascapanen dilakukan
Lebih terperinciKlasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan
Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul
Lebih terperinciHASIL DAN PEMBAHASAN
24 IV. HASIL DAN PEMBAHASAN 4.1. Respon Polarimetri pada Tanaman Padi Varietas Ciherang 4.1.1. Analisis Data Eksploratif Hasil penerapan teori dekomposisi Cloude Pottier pada penelitian ini terwakili oleh
Lebih terperinciAPLIKASI ANALISIS KLASTER PADA DATA SIMULASI INDEKS GEOMAGNET LOKAL
Seminar Nasional Statistika I Institut Teknologi Sepuluh Nopember, 7 November 009 APLIKASI ANALISIS KLASTER PADA DATA SIMULASI INDEKS GEOMAGNET LOKAL John Maspupu Pusfatsainsa LAPAN, Jl. Dr. Djundjunan
Lebih terperinciAnalisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016
Analisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016 Rana Amani Desenaldo 1 Universitas Padjadjaran 1 rana.desenaldo@gmail.com ABSTRAK Kesejahteraan sosial adalah
Lebih terperinciKERAGAAN BEBERAPA GALUR HARAPAN PADI SAWAH UMUR SANGAT GENJAH DI NUSA TENGGARA TIMUR
KERAGAAN BEBERAPA GALUR HARAPAN PADI SAWAH UMUR SANGAT GENJAH DI NUSA TENGGARA TIMUR Charles Y. Bora 1 dan Buang Abdullah 1.Balai Pengkajian Teknologi Pertanian Nusa Tenggara Timur. Balai Besar Penelitian
Lebih terperinciANALISIS GEROMBOL CLUSTER ANALYSIS
ANALISIS GEROMBOL CLUSTER ANALYSIS Pendahuluan Tujuan dari analisis gerombol : Menggabungkan beberapa objek ke dalam kelompok-kelompok berdasarkan sifat kemiripan atau sifat ketidakmiripan antar objek
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis cluster
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik tanaman padi yang akan dikaji dalam penelitian ini meliputi komponen hasil (jumlah malai per m 2, persen gabah isi, dan produktivitas) dan serapan hara (serapan total
Lebih terperinciPENERAPAN ANALISIS GEROMBOL DAN TEKNIK VALIDASI PADA PENGGEROMBOLAN KLON TEH LEMMA FIRARI BOER
PENERAPAN ANALISIS GEROMBOL DAN TEKNIK VALIDASI PADA PENGGEROMBOLAN KLON TEH LEMMA FIRARI BOER DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 0 RINGKASAN
Lebih terperinciPENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN
PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN Indah Ratih Anggriyani 1), Dariani Matualage 2), Esther Ria Matulessy 3) 1)2)3) Jurusan Matematika
Lebih terperinciBAHAN DAN METODE. Bahan dan Alat
18 BAHAN DAN METODE Lokasi dan Waktu Penelitian dilakukan di kebun percobaan Institut Pertanian Bogor, Sawah Baru Babakan Darmaga, selama 4 bulan, dari bulan Mei-September 2010. Bahan dan Alat Bahan-bahan
Lebih terperinciAnisa Bella Fathia, Dewi Rachmatin, Jarnawi Afgani Dahlan, Departemen Pendidikan Matematika FPMIPA Universitas Pendidikan Indonesia
MONOTHETIC DIVISIVE CLUSTERING (MONA) PADA DATA INTERVAL DAN HISTOGRAM (Studi Kasus : Data Indeks Komponen IPM pada Provinsiprovinsi di Indonesia Wilayah Timur Tahun 2012) Anisa Bella Fathia, Dewi Rachmatin,
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ANALISIS CLUSTER PADA DOKUMEN TEKS Budi Susanto (versi 1.3) Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep analisis clustering Memahami
Lebih terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciHASIL DAN PEMBAHASAN. efisien untuk menentukan lebar jendela fungsi kernel Gaussian.
6 6. Catat persentase salah klasifikasi dari hasil penggerombolan. 7. Ulangi langkah 2-6 sebanyak tiga puluh kali. HASIL DAN PEMBAHASAN Penentuan Lebar Jendela Fungsi Kernel Penentuan lebar jendela fungsi
Lebih terperinciSTK 211 Metode statistika. Agus Mohamad Soleh
STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate
Lebih terperinciLampiran 1. Deskripsi Tanaman Kacang Hijau Varietas Vima 1
Lampiran 1. Deskripsi Tanaman Kacang Hijau Varietas Vima 1 Dilepas tahun : 2008 Nama galur : MMC 157d-Kp-1 Asal : Persilangan buatan tahun 1996 Tetua jantan : VC 1973 A Tetua betina : VC 2750A Potensi
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Eksplorasi Data Diagram kotak garis (boxplot) merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran.
Lebih terperinciSELEKSI POTENSI HASIL BEBERAPA GALUR HARAPAN PADI GOGO DI DESA SIDOMULYO KABUPATEN KULON PROGO
SELEKSI POTENSI HASIL BEBERAPA GALUR HARAPAN PADI GOGO DI DESA SIDOMULYO KABUPATEN KULON PROGO Sutardi, Kristamtini dan Setyorini Widyayanti Balai Pengkajian Teknologi Pertanian Yogyakarta ABSTRAK Luas
Lebih terperinciPenggunaan Analisis Two Step Clustering untuk Data Campuran. Two Step Clustering Analysis for Combination Data
Penggunaan Analisis Two Step Clustering untuk Data Campuran Charles E. Mongi 1 1 PS Matematika FMIPA Universitas Sam Ratulangi Manado, charlesmongi@ymail.com Abstrak Penggerombolan adalah proses mengelompokkan
Lebih terperinciKEPUTUSAN MENTERI PERTANIAN NOMOR 377/Kpts/SR.120/6/2004 TENTANG PELEPASAN JAGUNG HIBRIDA H 275 SEBAGAI VARIETAS UNGGUL DENGAN NAMA R - 01
KEPUTUSAN MENTERI PERTANIAN NOMOR 377/Kpts/SR.120/6/2004 TENTANG PELEPASAN JAGUNG HIBRIDA H 275 SEBAGAI VARIETAS UNGGUL DENGAN NAMA R - 01 Menimbang : a. bahwa dalam rangka usaha meningkatkan produksi
Lebih terperinciI. PENDAHULUAN. Ketahanan pangan merupakan salah satu prioritas utama dalam pembangunan
I. PENDAHULUAN A. Latar Belakang dan Masalah Ketahanan pangan merupakan salah satu prioritas utama dalam pembangunan pertanian Indonesia. Hal ini terkait dengan upaya pemenuhan kebutuhan bahan pangan sebagianbesarpenduduk
Lebih terperinciLampiran 1: Deskripsi padi varietas Inpari 3. Nomor persilangan : BP3448E-4-2. Anakan produktif : 17 anakan
Lampiran 1: Deskripsi padi varietas Inpari 3 Nomor persilangan : BP3448E-4-2 Asal persilangan : Digul/BPT164-C-68-7-2 Golongan : Cere Umur tanaman : 110 hari Bentuk tanaman : Sedang Tinggi tanaman : 95
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPEMBAHASAN UMUM Hubungan Karakter Morfologi dan Fisiologi dengan Hasil Padi Varietas Unggul
147 PEMBAHASAN UMUM Hubungan Karakter Morfologi dan Fisiologi dengan Hasil Padi Varietas Unggul Karakter morfologi tanaman pada varietas unggul dicirikan tipe tanaman yang baik. Hasil penelitian menunjukkan
Lebih terperinciIV HASIL DAN PEMBAHASAN. Tabel 1. Tinggi tanaman padi akibat penambahan jenis dan dosis amelioran.
28 IV HASIL DAN PEMBAHASAN 4.1. Hasil Pengamatan 4.1.1 Tinggi Tanaman Hasil analisis ragam menunjukkan bahwa jenis dan dosis amelioran tidak memberikan pengaruh nyata terhadap tinggi tanaman padi ciherang
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciTINJAUAN PUSTAKA Morfologi dan Fisiologi Tanaman Padi
3 TINJAUAN PUSTAKA Morfologi dan Fisiologi Tanaman Padi Pertumbuhan tanaman padi dibagi kedalam tiga fase: (1) vegetatif (awal pertumbuhan sampai pembentukan bakal malai/primordial); (2) reproduktif (primordial
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu
7 BAHAN DAN METODE Tempat dan Waktu Penanaman di lapangan dilaksanakan di Kebun Percobaan IPB Cikabayan Darmaga Bogor. Kebun percobaan memiliki topografi datar dengan curah hujan rata-rata sama dengan
Lebih terperinciLABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING
LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA Modul II CLUSTERING TUJUA PRAKTIKUM 1. Mahasiswa mempunyai pengetahuan dan kemampuan dasar dalam
Lebih terperinciPERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER
PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER LATHIFATURRAHMAH SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TUGAS AKHIR DAN SUMBER
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciStatistika Deskriptif
Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan
Lebih terperinciDETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA
i DETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ii ABSTRAK BIMANDRA
Lebih terperinciBAB II KAJIAN TEORI. linier, varian dan simpangan baku, standarisasi data, koefisien korelasi, matriks
BAB II KAJIAN TEORI Pada bab II akan dibahas tentang materi-materi dasar yang digunakan untuk mendukung pembahasan pada bab selanjutnya, yaitu matriks, kombinasi linier, varian dan simpangan baku, standarisasi
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis),
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa konsep yang menjadi dasar dalam penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis), metode penggerombolan hirarki
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Di tengah laju kemajuan teknologi telekomunikasi dan informatika, informasi yang cepat dan akurat semakin menjadi kebutuhan pokok para pengambil keputusan. Informasi
Lebih terperinciTINJAUAN PUSTAKA Pemuliaan Tanaman Padi
TINJAUAN PUSTAKA Pemuliaan Tanaman Padi Peningkatan hasil tanaman dapat dilakukan dengan dua cara, yaitu dengan teknik bercocok tanam yang baik dan dengan peningkatan kemampuan berproduksi sesuai harapan
Lebih terperinciKOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran dan Hipotesis Penelitian yang dilakukan bersifat hipotesis testing dengan mengestimasi besarnya pengaruh dari berbagai kadar pemupukan N dan P dan mencari
Lebih terperinciSEGMENTASI PELANGGAN RITEL PERUSAHAAN ALAT BERAT BERDASARKAN CATATAN TRANSAKSI DENGAN PEMBOBOTAN KOMPONEN UTAMA BINAPRI VINDY TURNINGTIAS
SEGMENTASI PELANGGAN RITEL PERUSAHAAN ALAT BERAT BERDASARKAN CATATAN TRANSAKSI DENGAN PEMBOBOTAN KOMPONEN UTAMA BINAPRI VINDY TURNINGTIAS DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciEFEKTNITAS PUPUK UREA-ZEOLIT TABLET TERHADAP PERTUMBUHAN DAN PRODUKSI PAD1 SAWAH. Oleh NOVALLNA
EFEKTNITAS PUPUK UREA-ZEOLIT TABLET TERHADAP PERTUMBUHAN DAN PRODUKSI PAD1 SAWAH (Oryza sativa L) VARIETAS IR-64 PADA GRUMUSOL CIANJUR DAN LATOSOL SUBANG Oleh NOVALLNA A 28 0418 JURUSAN TANAH FAKULTAS
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciPENERAPAN DISKRIMINAN KANONIK PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (TEMULAWAK, BANGLE, KUNYIT) 1 ABSTRAK
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 PENERAPAN DISKRIMINAN KANONIK PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (TEMULAWAK, BANGLE, KUNYIT) 1 UTAMI DYAH
Lebih terperinciTeknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil
Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya
Lebih terperinciKEANEKARAGAMAN 36 GENOTIPE CABAI (Capsicum SPP.) KOLEKSI BAGIAN GENETIKA DAN PEMULIAAN TANAMAN INSTITUT PERTANIAN BOGOR
KEANEKARAGAMAN 36 GENOTIPE CABAI (Capsicum SPP.) KOLEKSI BAGIAN GENETIKA DAN PEMULIAAN TANAMAN INSTITUT PERTANIAN BOGOR RAHMI YUNIANTI 1 dan SRIANI SUJIPRIHATI 2 1 Mahasiswa Pascasarjana Sekolah Pascasarjana,
Lebih terperinciKEPUTUSAN MENTERI PERTANIAN NOMOR 375/Kpts/SR.120/6/2004 TENTANG PELEPASAN JAGUNG HIBRIDA H 155 SEBAGAI VARIETAS UNGGUL DENGAN NAMA SHS 11
KEPUTUSAN MENTERI PERTANIAN NOMOR 375/Kpts/SR.120/6/2004 TENTANG PELEPASAN JAGUNG HIBRIDA H 155 SEBAGAI VARIETAS UNGGUL DENGAN NAMA SHS 11 Menimbang : a. bahwa dalam rangka usaha meningkatkan produksi
Lebih terperincix j dan HASIL DAN PEMBAHASAN
Kategori sedang (S) ika nilai rata-rata peubah ke- pada gerombol berada diantara nilai ( x - s ) dan ( x + s ). Kategori rendah (R) ika nilai rata-rata peubah ke- pada gerombol berada dibawah nilai ( x
Lebih terperinciKAJIAN FISIOLOGI KOMPETISI ANTARA TANAMAN PADI SAWAH DENGAN GULMA Echinochloa crus-galli
KAJIAN FISIOLOGI KOMPETISI ANTARA TANAMAN PADI SAWAH DENGAN GULMA Echinochloa crus-galli ABSTRAK Tiap varietas padi memiliki pertumbuhan dan produksi serta kemampuan kompetisi yang berbeda terhadap gulma
Lebih terperinciHASIL. memindahkan kecambah ke larutan hara tanpa Al.
2 memindahkan kecambah ke larutan hara tanpa Al. Analisis Root re-growth (RRG) Pengukuran Root Regrowth (RRG) dilakukan dengan cara mengukur panjang akar pada saat akhir perlakuan cekaman Al dan pada saat
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciLampiran. Deskripsi Varietas Kedelai Anjasmoro
LAMPIRAN 43 44 Lampiran. Deskripsi Varietas Kedelai Anjasmoro Nama varietas : Anjasmoro Kategori : Varietas ungggul nasional (releasedvariety) SK : 537/Kpts/TP.240/10/2001 tanggal 22 Oktober tahun 2001
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciIII. BAHAN DAN METODE PENELITIAN. Penelitian dilaksanakan di Kebun Percobaan STIPER Dharma Wacana Metro,
20 III. BAHAN DAN METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian dilaksanakan di Kebun Percobaan STIPER Dharma Wacana Metro, Desa Rejomulyo Kecamatan Metro Selatan Kota Metro dengan ketinggian
Lebih terperinciDESKRIPSI VARIETAS BARU
PERMOHONAN HAK PERLINDUNGAN VARIETAS TANAMAN DESKRIPSI VARIETAS BARU Kepada Yth.: Kepala Pusat Perlindungan Varietas Tanaman Kantor Pusat Deprtemen Pertanian, Gd. E, Lt. 3 Jl. Harsono RM No. 3, Ragunan,
Lebih terperinciBAHAN DAN METODE Waktu dan Tempat Alat dan Bahan Metode Penelitian
10 BAHAN DAN METODE Waktu dan Tempat Percobaan ini dilaksanakan di Kebun Percobaan IPB Cikarawang, Dramaga, Bogor. Sejarah lahan sebelumnya digunakan untuk budidaya padi konvensional, dilanjutkan dua musim
Lebih terperinciHubungan Sumber dan Lubuk. Laboratorium Ilmu Tanaman Fakultas Pertanian Universitas Gadjah Mada
Hubungan Sumber dan Lubuk Hubungan Sumber dan Lubuk Batasan sumber dan lubuk Sumber (source) : bagian tanaman yang menghasilkan fotosintat. Lubuk (sink) : bagian tanaman yang menggunakan fotosintat Lubuk
Lebih terperinciHASIL DAN PEMBAHASAN. gangan guru per ma a. Lebih lanjut akan dilakukan eksplorasi terhadap kelompok-kelompok yang terbentuk.
gangan guru per ma a Metode Penelitian Sebelum dilakukan pengerombolan, data awal terlebih dahulu ditransformasi ke dalam bentuk baku karena perbedaan satuan pengukuran antar peubah. Pembakuan data awal
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data
METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Solok Provinsi Sumatera Barat. Penelitian dilaksanakan selama 4 bulan dimulai dari bulan Juni hingga September 2011.
Lebih terperinciPERBANDINGAN METODE PENGGEROMBOLAN DENGAN KOMPONEN UTAMA NONLINIER DAN GEROMBOL DUA LANGKAH PADA DATA CAMPURAN YOGI YUNIANTO
PERBANDINGAN METODE PENGGEROMBOLAN DENGAN KOMPONEN UTAMA NONLINIER DAN GEROMBOL DUA LANGKAH PADA DATA CAMPURAN YOGI YUNIANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinci