Manajemen. Modul Riset Akuntansi UJI NORMALITAS. Manajemen

Ukuran: px
Mulai penontonan dengan halaman:

Download "Manajemen. Modul Riset Akuntansi UJI NORMALITAS. Manajemen"

Transkripsi

1 UJI NORMALITAS 2 29

2 Objektif: Mahasiswa dapat menguji tentang kenormalan distribusi data menggunakan R-Programming 30

3 Tujuan dari uji normalitas adalah untuk mengetahui apakah data yang diambil adalah data yang terdistribusi normal Terdistribusi normal adalah bahwa data akan mengikuti bentuk distribusi normal dimana datanya memusat pada nilai rata-rata dan median. Data yang mempunyai distribusi yang normal berarti mempunyai sebaran yang normal pula. Dengan profil data semacam ini maka data tersebut dianggap bisa mewakili populasi Jika data tersebut berdistribusi tidak normal, maka digunakan statistik non-parametrik. Di lain pihak jika data tersebut berdistribusi normal digunakan statistik parametrik dan dilanjutkan dengan regresi linier. 31

4 Analisis bisa menggunakan: Shapiro-Wilk Test of Normality. nilai signifikan Shapiro-Wilk Test of Normality harus lebih besar dari (>) 0,05 Yang digunakan ketika menggunakan r- programming nilai perbandingan antara nilai skewness dengan standar error skewness yang menghasilkan rasio skewness dan perbandingan antara nilai kurtosis dengan nilai standar error kurtosis yang akan mengahasilkan rasio kurtosis. normal bila mempunyai nilai antara -2 sampai dengan 2. nilai K-S nilai probabilitas lebih besar dari (>) 0,05 maka data tersebut dikatakan normal. 32

5 Contoh Kasus: Berikut ini disajikan data mengenai penjualan tiket bus antar kota antar propinsi di terminal Lebak Bulus selama hari raya Idul Fitri. Berdasarkan data di bawah ini, ujilah apakah data tersebut terdistribusi normal! 33

6 LANGKAH-LANGKAH PENGERJAAN 1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar dibawah ini. Gambar 2.1 Tampilan menu awal R commander 34

7 2. Pilih menu Data, New data set. Masukkan nama dari data set adalah normalitas1 (tanpa spasi) kemudian tekan tombol OK Gambar 2.2 Tampilan menu New data set 35

8 Gambar 2.3 Tampilan New Data Set Kemudian akan muncul Data Editor Gambar 2.4 Tampilan Data Editor 3. Masukkan data bus dengan var1 untuk lorena, var2 untuk kramat jati dan var3 untuk safari. 36

9 Jika sudah selesai dalam pengisian data tekan tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variable yang ingin di setting. Pemilihan type, dipilih numeric pada semua variabel. Gambar 2.5 Tampilan Variabel editor lorena Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai isi data, kemudian tekan tombol X (close) 37

10 Gambar 2.6 Tampilan isi Data Editor Selanjutnya, pilih window R-commander akan muncul tampilan : 38

11 Gambar 2.7 Tampilan Sript Window 39

12 4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set maka akan muncul tampilan seperti gambar di bawah ini. Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki data yang salah. Gambar 2.8 Tampilan View normalitas1 5. Jika data sudah benar, pilih menu Statistic, Summaries, Shapiro-Wilk test of normality. Pilih lorena kemudian tekan tombol OK. Begitu juga dengan kramat jati dan safari. Karena data yang keluar hanya satu persatu tidak dapat langsung keluar dalam satu kali pengolahan. 40

13 Untuk uji normalitas Gambar 2.9 Tampilan menu olah data 41

14 Kemudian akan muncul a. Tampilan shapiro-wilk kramatjati Gambar 2.10 Tampilan shapiro-wilk kramatjati 42

15 b. Tampilan shapiro-wilk lorena Gambar 2.11 Tampilan shapiro-wilk lorena c. Tampilan shapiro-wilk safari Gambar 2.12 Tampilan shapiro-wilk safari 43

16 6. Kemudian tekan tampilan R Commander akan muncul output : Gambar 2.13 Tampilan Output kramatjati *Nilai probabilitas Shapiro-Wilk sebesar 0,1623 berarti probabilitas lebih dari 0,05; maka data untuk bus kramat jati tersebut terdistribusi normal 44

17 Gambar 2.14 Tampilan Output lorena *Nilai probabilitas Shapiro-Wilk sebesar 0,1851 berarti probabilitas lebih dari 0,05; maka data untuk bus lorena tersebut terdistribusi normal. 45

18 Gambar 2.15 Tampilan Output safari *Nilai probabilitas Shapiro-Wilk sebesar 0,4126 berarti probabilitas lebih dari 0,05; maka data untuk bus safari tersebut terdistribusi normal 46

19 Untuk membersihkan Script Window pada R Commander, lakukan langkah berikut : 1. Letakkan kursor pada Script window 2. Kilik Kanan 3. Klik kiri pada Clear window Untuk membersihkan Output Window pada R Commander, lakukan langkah berikut : 1. Letakkan kursor pada Output window 2. Kilik Kanan 3. Klik kiri pada Clear window 47

20 Skrip window Output Window Gambar 2.16 Tampilan bersihkan jendela 48

21 Latihan: 1. Berikut ini disajikan data minat masyarakat terhadap 3 jenis aliran musik dari tahun 2000 hingga TAHUN POP ROCK RNB Maka berapakah nilai signifikan shapiro Wilk test normality untuk penggemar aliran musik jenis RNB Maka berapakah nilai signifikan shapiro Wilk test normality untuk penggemar aliran musik jenis POP Maka dari data tersebut untuk aliran musik rock terdistribusi... Normal 49

UJI 2 SAMPLE BERPASANGAN. (PAIRED SAMPLE t-test)

UJI 2 SAMPLE BERPASANGAN. (PAIRED SAMPLE t-test) UJI 2 SAMPLE BERPASANGAN (PAIRED SAMPLE t-test) 4 71 Objektif: Mahasiswa dapat menguji perbedaan rata-rata antara samplesampel yang berpasangan menggunakan R-Programming 72 Paired sample t-test adalah

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua

LAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua 1 UKURAN STATISTIK Pendahuluan Ukuran statistik merupakan ukuran yang menunjukkan bagaimana

Lebih terperinci

UJI T SAMPEL BEBAS (INDEPENDENT SAMPLE T-TEST)

UJI T SAMPEL BEBAS (INDEPENDENT SAMPLE T-TEST) UJI T SAMPEL BEBAS (INDEPENDENT SAMPLE T-TEST) 3 50 Objektif Mahasiswa dapat menghitung distribusi t untuk pengujian hipotesis menggunakan R-Programming 51 Uji-t 2 sampel independen (bebas) adalah metode

Lebih terperinci

UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA)

UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA) UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA) 6 124 Objektif: Mahasiswa dapat menguji perbedaan lebih dari dua sampel atau disebut juga analisis varians menggunakan R- Programming 125 Diterapkan untuk membanding

Lebih terperinci

LAB MANAJEMEN DASAR MODUL RISET AKUNTANSI PRAKTIKUM REGULER LAB E531. Nama : NPM / Kelas : Fakultas /Jurusan :

LAB MANAJEMEN DASAR MODUL RISET AKUNTANSI PRAKTIKUM REGULER LAB E531. Nama : NPM / Kelas : Fakultas /Jurusan : LAB MANAJEMEN DASAR MODUL RISET AKUNTANSI PRAKTIKUM REGULER LAB E531 Nama : NPM / Kelas : Fakultas /Jurusan : Fakultas Ekonomi Universitas Gunadarma Kelapa dua 2013/2014 KATA PENGANTAR Assalamu alaikum

Lebih terperinci

LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM ILAB KAMPUS H

LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM ILAB KAMPUS H LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM ILAB KAMPUS H Nama : NPM/Kelas : Fakultas/Jurusan : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA)

Lebih terperinci

REGRESI LINIER BERGANDA

REGRESI LINIER BERGANDA REGRESI LINIER BERGANDA 7 150 Objektif Mahasiswa dapat menentukan persamaan regresi menggunakan R programming 151 Analisis regresi adalah studi mengenai ketergantungan suatu variabel (variaabel tak bebas)

Lebih terperinci

LAB MANAJEMEN DASAR MODUL RISET AKUNTANSI PRAKTIKUM I LAB KAMPUS H

LAB MANAJEMEN DASAR MODUL RISET AKUNTANSI PRAKTIKUM I LAB KAMPUS H LAB MANAJEMEN DASAR MODUL RISET AKUNTANSI PRAKTIKUM I LAB KAMPUS H Nama : NPM/Kelas : Fakultas/Jurusan : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UJI VALIDITAS DAN RELIABILITAS INSTRUMEN

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

LAB MANAJEMEN DASAR MODUL STATISTIKA 1 LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik

Lebih terperinci

LABORATORIUM MANAJEMEN DASAR MODUL RISET AKUNTANSI ATA 2014/2015

LABORATORIUM MANAJEMEN DASAR MODUL RISET AKUNTANSI ATA 2014/2015 LABORATORIUM MANAJEMEN DASAR MODUL RISET AKUNTANSI ATA 2014/2015 NAMA : NPM : KELAS : FAKULTAS EKONOMI UNIVERSITAS GUNADARMA DEPOK KATA PENGANTAR Assalamu alaikum Wr. Wb. Puji syukur kami panjatkan kepada

Lebih terperinci

UJI NONPARAMETRIK (CHI SQUARE / X2)

UJI NONPARAMETRIK (CHI SQUARE / X2) UJI NONPARAMETRIK (CHI SQUARE / X2) 5 92 Objektif Mahasiswa dapat menghitung uji parametik dan uji nonparametric Mahasiswa dapat menguji ada atau tidaknya interdependensi antara variable kuantitatif yang

Lebih terperinci

UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN DATA

UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN DATA UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN DATA 3 Objektif Mahasiswa dapat mengetahui ketepatan mengukur suatu alat ukur (uji validitas) Mahasiswa dapat menentukan konsistensi alat ukur (uji

Lebih terperinci

MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 )

MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 ) MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 ) Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Chi Square Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi

Lebih terperinci

LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM I LAB KAMPUS H

LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM I LAB KAMPUS H LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM I LAB KAMPUS H Nama : NPM/Kelas : Fakultas/Jurusan : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN

Lebih terperinci

LABORATORIUM MANAJEMEN DASAR MODUL METODE RISET. Nama : NPM/Kelas : Fakultas/Jurusan :

LABORATORIUM MANAJEMEN DASAR MODUL METODE RISET. Nama : NPM/Kelas : Fakultas/Jurusan : LABORATORIUM MANAJEMEN DASAR MODUL METODE RISET Nama : NPM/Kelas : Fakultas/Jurusan : FAKULTAS EKONOMI UNIVERSITAS GUNADARMA DEPOK 2015 LABORATORIUM MANAJEMEN DASAR KATA PENGANTAR Assalamu alaikum Wr.

Lebih terperinci

ANALISIS DERET BERKALA

ANALISIS DERET BERKALA ANALISIS DERET BERKALA PENDAHULUAN Analisis deret berkala merupakan prosedur analisis yang dapat digunakan untuk mengetahui gerak perubahan nilai suatu variabel sebagai akibat dari perubahan waktu. Dalam

Lebih terperinci

UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN DATA

UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN DATA Modul R UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENGUMPULAN DATA I. UJI VALIDITAS Sebelum instrument/alat ukur digunakan untuk mengumpulkan data penelitian, maka perlu dilakukan uji coba kuesioner untuk

Lebih terperinci

MANAJEMEN DASAR I ATA 15/16

MANAJEMEN DASAR I ATA 15/16 MANAJEMEN DASAR I ATA 15/16 KATA PENGANTAR Assalamu alaikum Wr. Wb. Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-nya sehingga modul praktikum Riset Akuntansi ini

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

LAB MANAJEMEN DASAR MODUL STATISTIKA 1 LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik

Lebih terperinci

BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA

BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan

Lebih terperinci

Pertemuan 6 & 7 UJI VALIDITAS DAN RELIABILITAS. Objektif:

Pertemuan 6 & 7 UJI VALIDITAS DAN RELIABILITAS. Objektif: Pertemuan 6 & 7 UJI VALIDITAS DAN RELIABILITAS Objektif: 1. Mahasiswa dapat mengetahui ketepatan mengukur suatu alat ukur (uji validitas) 2. Mahasiswa dapat menentukan konsistensi alat ukur (uji reliabilitas)

Lebih terperinci

KATA PENGANTAR. Wassalamu alaikum Warahmatullahi Wabarakatuh. Depok, Agustus Tim Litbang. LAB. MANAJEMEN DASAR i LITBANG PTA 16/17

KATA PENGANTAR. Wassalamu alaikum Warahmatullahi Wabarakatuh. Depok, Agustus Tim Litbang. LAB. MANAJEMEN DASAR i LITBANG PTA 16/17 MATEMATIKA EKONOMI 1 DERET HITUNG RISET AKUNTANSI KATA PENGANTAR KATA PENGANTAR Assalamu alaikum Warahmatullahi Wabarakatuh. Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan

Lebih terperinci

METODE RISET KATA PENGANTAR

METODE RISET KATA PENGANTAR MATEMATIKA EKONOMI 1 DERET HITUNG KATA PENGANTAR Assalamu alaikum Warahmatullahi Wabarakatuh. Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-nya sehingga modul praktikum

Lebih terperinci

MODUL 2 UJI DATA NORMALITAS, HOMOSEDASTISITAS, & LINIERITAS

MODUL 2 UJI DATA NORMALITAS, HOMOSEDASTISITAS, & LINIERITAS TUJUAN PRAKTIKUM Tujuan dari praktikum modul 2 ini adalah : 1. Mahasiswa mampu menilai kualitas data yang hendak digunakan dalam penelitian; 2. Mahasiswa mampu menelaah apakah data yang dimiliki memenuhi

Lebih terperinci

MODUL PRAKTIKUM STATISTIKA 2. Laboratorium Jurusan. Manajemen Dasar. Fakultas Ekonomi UNIVERSITAS GUNADARMA. Versi 3.1. Tahun Penyusunan 2012

MODUL PRAKTIKUM STATISTIKA 2. Laboratorium Jurusan. Manajemen Dasar. Fakultas Ekonomi UNIVERSITAS GUNADARMA. Versi 3.1. Tahun Penyusunan 2012 MODUL PRAKTIKUM STATISTIKA 2 Versi 3.1 Tahun Penyusunan 2012 Tim Penyusun 1. Ir. Rina Sugiarti, MM 2. Lies Handrijaningsih, SE.,MM 3. Budi Sulistyo SE.,MM 4. Oktavia Anna Rahayu 5. Intan Permatasari Laboratorium

Lebih terperinci

POLITEKNIK KESEHATAN SURAKARTA TAHUN

POLITEKNIK KESEHATAN SURAKARTA TAHUN MODUL PRAKTIKUM SPSS Oleh: Ig. Dodiet Aditya Setyawan, SKM. POLITEKNIK KESEHATAN SURAKARTA TAHUN 2013 LATIHAN 1: ENTRY DATA KASUS 1 Misalnya didapatkan data seperti di bawah ini dan akan memasukkannya

Lebih terperinci

DISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson

DISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai

Lebih terperinci

R Commander - Rcmdr. A. Instalasi & Menu dalam Rcmdr 1. Instalasi

R Commander - Rcmdr. A. Instalasi & Menu dalam Rcmdr 1. Instalasi + R Commander - Rcmdr Seperti kita telah pelajari dan lihat sebelumnya, R adalah perangkat lunak statistik berbasiskan perintah (command driven), yang sepertinya dapat memberi kesulitan bagi pengguna pemula

Lebih terperinci

MODUL PRAKTIKUM STATISTIKA

MODUL PRAKTIKUM STATISTIKA MODUL PRAKTIKUM STATISTIKA Versi 3.0 Tahun Penyusunan 2011 Tim Penyusun 1. Intaglia Harsanti 2. 3. Laboratorium Psikologi Jurusan Psikologi Fakultas Psikologi UNIVERSITAS GUNADARMA Daftar Isi Daftar Isi...

Lebih terperinci

Modul Praktikum Distribusi Weibull DISTRIBUSI WEIBULL. Tujuan Praktikum:

Modul Praktikum Distribusi Weibull DISTRIBUSI WEIBULL. Tujuan Praktikum: DISTRIBUSI WEIBULL Tujuan Praktikum: Membantu mahasiswa memahami materi Pegambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat I. PENDAHULUAN ini diperkenalkan oleh ahli fisikawan Swedia

Lebih terperinci

KATA PENGANTAR. Kelapa Dua, September Tim Litbang

KATA PENGANTAR. Kelapa Dua, September Tim Litbang KATA PENGANTAR Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-nya sehingga modul praktikum Statistika 1 materi ukuran statistik ini dapat terselesaikan. Modul praktikum

Lebih terperinci

PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS)

PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS) MODUL 8 PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS) Tujuan Praktikum : Mahasiswa mengenal aplikasi pengolah data statistik yaitu SPSS Mahasiswa dapat menggunakan aplikasi SPSS

Lebih terperinci

LAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T)

LAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T) LAPORAN PRAKTIKUM 8 & 9 STATISTIKA TENTANG UJI HIPOTESIS (Z OR T) DAN UJI RERATA (STUDENT T) STATISTIKA DISUSUN OLEH : MELINA KRISNAWATI 12.12.0328 SI 12 F JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN

Lebih terperinci

TABEL 3 DATA PENELITIAN

TABEL 3 DATA PENELITIAN Analisis Regresi Linier Bentuk LN (Logaritma Natural) Pengubahan data ke bentuk LN dimaksudkan untuk meniadakan atau meminimalkan adanya pelanggaran asumsi normalitas dan asumsi klasik regresi. Jika data-data

Lebih terperinci

Distribution. Contoh Kasus. Widya Rahmawati

Distribution. Contoh Kasus. Widya Rahmawati Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis

Lebih terperinci

MODUL REGRESI LINIER SEDERHANA

MODUL REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Tujuan Praktikum: Membantu mahasiswa memahami materi Pegambilan keputusan dari suatu kasus dengan menggunakan kaidah dan persamaan I. Pendahuluan Di dalam analisa ekonomi

Lebih terperinci

Pengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc

Pengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc Statistika Statistika Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi,

Lebih terperinci

Materi Bagian 01 Pengenalan Grasshopper... 4

Materi Bagian 01 Pengenalan Grasshopper... 4 1 h a l a m a n Materi Bagian 01 Pengenalan Grasshopper... 4 Konsep Dasar... 4 Konsep dasar: Proses Membuat Objek... 4 Perangkat antar muka (Interface)... 7 Interface: Workspace... 7 Interface: Grasshopper

Lebih terperinci

Signifikansi Kolmogorov Smirnov

Signifikansi Kolmogorov Smirnov UJI NORMALITAS Rumus Kolmogorov Smirnov Rumus Kolmogorov Smirnov Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan

Lebih terperinci

LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2. Nama : NPM/Kelas : Fakultas/Jurusan :

LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2. Nama : NPM/Kelas : Fakultas/Jurusan : LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2 Nama : NPM/Kelas : Fakultas/Jurusan : FAKULTAS EKONOMI UNIVERSITAS GUNADARMA KALIMALANG J1416 ATA 2012/2013 KATA PENGANTAR Puji syukur kami panjatkan kepada

Lebih terperinci

PETUNJUK PENGGUNAAN APLIKASI e- PURCHASING OBAT PANITIA

PETUNJUK PENGGUNAAN APLIKASI e- PURCHASING OBAT PANITIA PETUNJUK PENGGUNAAN APLIKASI e- PURCHASING OBAT PANITIA PEMBUATAN PAKET 1. Silahkan membuka aplikasi SPSE di LPSE masing- masing instansi atau LPSE tempat Panitia terdaftar. 2. Klik menu login Non- Penyedia.

Lebih terperinci

Nomor Case Penunjuk Sel Heading Variable Kotak-kotak Variabel

Nomor Case Penunjuk Sel Heading Variable Kotak-kotak Variabel 1 MODUL 1. MEMULAI PASW DAN MENGELOLA FILE Tujuan : 1. Mengoperasikan PASW dan menjalankan menu-menu utama dalam PASW 2. Mengatur data editor yang meliputi menyimpan data, mengganti nilai data, menghapus,

Lebih terperinci

MENGGUNAKAN PROGRAM CAMTASIA UNTUK MEMBUAT TUTORIAL VIDEO

MENGGUNAKAN PROGRAM CAMTASIA UNTUK MEMBUAT TUTORIAL VIDEO 1 MENGGUNAKAN PROGRAM CAMTASIA UNTUK MEMBUAT TUTORIAL VIDEO Setelah program terinstall dengan sempurna, kini saat bagi anda untuk konsentrasi merekam Tutorial yang akan dibuat. Namun sebelum itu, anda

Lebih terperinci

PENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1

PENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1 PENGOLAHAN DATA MENGGUNAKAN SOFTWARE EVIEWS 3.1 1. Menjalankan program Eviews: Hidupkan komputer sehingga akan muncul menu utama window. Kemudian kita arahkan mouse pada menu Program dan setelah itu kita

Lebih terperinci

PETUNJUK PROTUES. Mode Selector Toolbar berikut ini beberapa bagian selector toolbar yang umum digunakan untuk simulasi aplikasi mikrokontroler :

PETUNJUK PROTUES. Mode Selector Toolbar berikut ini beberapa bagian selector toolbar yang umum digunakan untuk simulasi aplikasi mikrokontroler : PETUNJUK PROTUES Mode Selector Toolbar berikut ini beberapa bagian selector toolbar yang umum digunakan untuk simulasi aplikasi mikrokontroler : Selection Mode Component Mode Wire Label Mode Buses Mode

Lebih terperinci

LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2. Nama : NPM/Kelas : Fakultas/Jurusan :

LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2. Nama : NPM/Kelas : Fakultas/Jurusan : LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2 Nama : NPM/Kelas : Fakultas/Jurusan : FAKULTAS EKONOMI UNIVERSITAS GUNADARMA KELAPA DUA ATA 2012/2013 KATA PENGANTAR Puji syukur kami panjatkan kepada Tuhan

Lebih terperinci

1. MENGENAL VISUAL BASIC

1. MENGENAL VISUAL BASIC 1. MENGENAL VISUAL BASIC 1.1 Mengenal Visual Basic 6.0 Bahasa Basic pada dasarnya adalah bahasa yang mudah dimengerti sehingga pemrograman di dalam bahasa Basic dapat dengan mudah dilakukan meskipun oleh

Lebih terperinci

CONTOH KASUS PENGOLAHAN DATA MENGGUNAKAN SPSS

CONTOH KASUS PENGOLAHAN DATA MENGGUNAKAN SPSS CONTOH KASUS PENGOLAHAN DATA MENGGUNAKAN SPSS 3.1 Permasalahan dan Data Penelitian Seorang peneliti muda bermaksud mengadakan penelitian tentang pelaksanaan perkuliahan program Tahun Pertama Bersama (TPB)

Lebih terperinci

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Eksponensial Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi

Lebih terperinci

ISSN : Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5)

ISSN : Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5) ISSN : 1693 1173 Uji Chi-Square pada Statistika dan SPSS Ari Wibowo 5) Abstrak Uji Chi-Square digunakan untuk pengujian hipotesa terhadap beda dua proporsi atau lebih. Hasil pengujian akan menyimpulkan

Lebih terperinci

LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2 ATA 2014/2015

LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2 ATA 2014/2015 LABORATORIUM MANAJEMEN DASAR MODUL STATISTIKA 2 ATA 2014/2015 NAMA : NPM : KELAS : FAKULTAS EKONOMI UNIVERSITAS GUNADARMA DEPOK KATA PENGANTAR Assalamu alaikum Wr. Wb. Puji syukur kami panjatkan kepada

Lebih terperinci

A. Memulai dan Struktur Visual Basic

A. Memulai dan Struktur Visual Basic BAB II PEMOGRAMAN VISUAL BASIC A. Memulai dan Struktur Visual Basic Jika program visual basic terinstalasi pada sistem operasi Microsoft Windows XP, maka Microsoft Visual Basic dapat dimulai dengan langkah

Lebih terperinci

PANDUAN PENGGUNAAN MODUL KUISIONER

PANDUAN PENGGUNAAN MODUL KUISIONER PANDUAN PENGGUNAAN MODUL KUISIONER 2015 PT. AIR MEDIA PERSADA DAFTAR ISI Pengenalan Kategori Kuisioner dan Aturan...3 1. Kategori Kuisioner...3 2. Aturan...3 Halaman Konfigurasi...4 Halaman Manajemen Kuisioner...4

Lebih terperinci

UJI PERSYARATAN ANALISIS DATA

UJI PERSYARATAN ANALISIS DATA PERTEMUAN KE-6 Materi : UJI PERSYARATAN ANALISIS DATA Uji nonparametrik digunakan apabila asumsi-asumsi pada uji parametrik tidak dipenuhi. Asumsi yang paling lazim pada uji parametrik adalah sampel acak

Lebih terperinci

BAB I SEKILAS VISUAL STUDIO.NET 2008

BAB I SEKILAS VISUAL STUDIO.NET 2008 BAB I SEKILAS VISUAL STUDIO.NET 2008 Pembahasan Materi : Mengenal IDE Visual Studio.NET 2008. Pembuatan project pada Visual Studio.NET 2008. Pengenalan kontrol yang sering digunakan, menulis kode program

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian 46 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan dipaparkan mengenai hasil penelitian dan pembahasan yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian dilakukan

Lebih terperinci

SPSS Psikologi. Bulek_niyaFn

SPSS Psikologi. Bulek_niyaFn SPSS Psikologi Bulek_niyaFn Silabus SPSS - PSIKOLOGI Penginputan Data Variabel Tipe Label Variabel Value Label NAMA String Nama karyawan GENDER Numeric Jenis Kelamin 1= Laki-laki 2= Perempuan GOLONGAN

Lebih terperinci

Prosedur Menjalankan Aplikasi Linda

Prosedur Menjalankan Aplikasi Linda Prosedur Menjalankan Aplikasi Linda Prosedur penggunaan aplikasi Linda akan dijelaskan melalui beberapa prosedur penggunaan menu yang akan membantu pengguna dalam menyesuaikan kebutuhan, antara lain: menu

Lebih terperinci

Modul #8: Membuat Model 3D dengan Adobe After Effect 3D Invigorator

Modul #8: Membuat Model 3D dengan Adobe After Effect 3D Invigorator Modul #8: Membuat Model 3D dengan Adobe After Effect 3D Invigorator A. Tujuan Mahasiswa mampu menguasai penggunaan efek 3D invigorator sebagai efek yang menghasilkan objek 3D dalam after effect. B. Langkah-langkah

Lebih terperinci

Memahami bagaimana membuat aplikasi Mengetahui apa yang dimaksud dengan Batch Mengenal langkah-langkah membuat Batch

Memahami bagaimana membuat aplikasi Mengetahui apa yang dimaksud dengan Batch Mengenal langkah-langkah membuat Batch HOME DAFTAR ISI 5 Obyektif Membuat Aplikasi Memahami bagaimana membuat aplikasi Mengetahui apa yang dimaksud dengan Batch Mengenal langkah-langkah membuat Batch 5.1 Batch Batch merupakan salah satu seri

Lebih terperinci

Membuat File Database & Tabel

Membuat File Database & Tabel Membuat File Database & Tabel Menggunakan MS.Office Access 2013 Database merupakan sekumpulan data atau informasi yang terdiri atas satu atau lebih tabel yang saling berhubungan antara satu dengan yang

Lebih terperinci

PENGENALAN INTERFACE MACROMEDIA DITECTOR MX

PENGENALAN INTERFACE MACROMEDIA DITECTOR MX PENGENALAN INTERFACE MACROMEDIA DITECTOR MX Sebelum kita mempraktekkan tutorial singkat ini, sebaiknya software Macromedia Director di-install terlebih dahulu. Untuk menjalankan program Macromedia Director

Lebih terperinci

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)

Lebih terperinci

MENGOPERASIKAN SISTEM OPERASI

MENGOPERASIKAN SISTEM OPERASI MENGOPERASIKAN SISTEM OPERASI software system operasi generasi terakhir yang dikeluarkan Microsoft adalah Windows 95 Windows 98 Windows XP dan Vista Windows 7 Windows Me Sofware yang dirancangan khusus

Lebih terperinci

APLIKASI KOMPUTER. Pokok Bahasan : MS. WORD (BAGIAN 1) Anggun Puspita Dewi, S.Kom., MM. Modul ke: Fakultas MKCU

APLIKASI KOMPUTER. Pokok Bahasan : MS. WORD (BAGIAN 1) Anggun Puspita Dewi, S.Kom., MM. Modul ke: Fakultas MKCU APLIKASI KOMPUTER Modul ke: Pokok Bahasan : MS. WORD (BAGIAN 1) Fakultas MKCU Anggun Puspita Dewi, S.Kom., MM Program Studi Sistem Informasi & MarComm www.mercubuana.ac.id PENGERTIAN MICROSOFT WORD Microsoft

Lebih terperinci

SPSS FOR WINDOWS BASIC. By : Syafrizal

SPSS FOR WINDOWS BASIC. By : Syafrizal SPSS FOR WINDOWS BASIC By : Syafrizal SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah Langkah pertama

Lebih terperinci

APLIKASI EVIEWS DALAM EKONOMETRIKA. Oleh : RAHMANTA

APLIKASI EVIEWS DALAM EKONOMETRIKA. Oleh : RAHMANTA APLIKASI EVIEWS DALAM EKONOMETRIKA Oleh : RAHMANTA SOSIAL EKONOMI PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS SUMATERA UTARA MEDAN 2 0 0 9 2 APLIKASI EVIEWS DALAM EKONOMETRIKA 1. Membuat File Baru, Menyimpan

Lebih terperinci

BAB 6 LAYAR WINDOW 6.1. WINDOW VIEW

BAB 6 LAYAR WINDOW 6.1. WINDOW VIEW BAB 6 LAYAR WINDOW 6.1. WINDOW VIEW View menampilkan data data input file yang sudah didefinisikan.a pada jendela ini mempunyai format seperti spredsheet. Data dapat dengan mudah diperiksa baik terhadap

Lebih terperinci

Tabel, List. Tempatkan kursor pada dokumen windor, kemudian pilih salah satu cara berikut : Insert Table

Tabel, List. Tempatkan kursor pada dokumen windor, kemudian pilih salah satu cara berikut : Insert Table Tabel, List 1. Tabel Tabel adalah objek yang terdiri dari kolom dan baris. Tabel dalam halaman / dokumen Web sebenarnya terdiri dari tag-tag HTML, yaitu tag , tag , tag . 1.1. Menyisipkan

Lebih terperinci

BAB 3 LAYAR WINDOW 3.1. WINDOW VIEW

BAB 3 LAYAR WINDOW 3.1. WINDOW VIEW BAB 3 LAYAR WINDOW 3.1. WINDOW VIEW View menampilkan data data input file yang sudah didefinisikan.a pada jendela ini mempunyai format seperti spredsheet. Data dapat dengan mudah diperiksa baik terhadap

Lebih terperinci

PEMROGRAMAN DASAR XI TKJ SMK NEGERI 1 KUPANG

PEMROGRAMAN DASAR XI TKJ SMK NEGERI 1 KUPANG Pengenalan Bagian Utama Delphi 7 Gambar 1.1 IDE (Integrated Development Environment) Delphi 7 atau lingkungan pengembangan terpadu merupakan lingkungan kerja Delphi 7 yang terbagi menjadi delapan bagian

Lebih terperinci

NAMA : NPM : KELAS : KP : TUTOR : ASBAR : LAB. MANAJEMEN DASAR vii LITBANG PTA 16/17

NAMA : NPM : KELAS : KP : TUTOR : ASBAR : LAB. MANAJEMEN DASAR vii LITBANG PTA 16/17 NAMA : NPM : KELAS : KP : TUTOR : ASBAR : LAB. MANAJEMEN DASAR vii LITBANG PTA 16/17 KATA PENGANTAR KATA PENGANTAR Dengan menyebut nama Allah, kami panjatkan puji dan syukur ata kehadirat-nya, yang telah

Lebih terperinci

MICROSOFT WORD. Berikut ini adalah beberapa istilah yang akan dipakai dalam mengoperasikan Microsoft Word 2007:

MICROSOFT WORD. Berikut ini adalah beberapa istilah yang akan dipakai dalam mengoperasikan Microsoft Word 2007: MICROSOFT WORD 1. Mengenal Microsoft Word Microsoft Word merupakan program aplikasi pengolah kata (word processor) yang yang biasa digunakan untuk membuat laporan, dokumen berbentuk surat kabar, label

Lebih terperinci

Proses Pengambilan Token oleh Nasabah

Proses Pengambilan Token oleh Nasabah Token & Velis Menu Pengertian Velis Menu Merupakan aplikasi yang digunakan untuk mengatur distribusi, registrasi, aktivasi, penggunaan, pengembalian, mengetahui status serta sistem pelaporan Token PIN

Lebih terperinci

PRAKTIKUM 10 REPORT LANJUTAN 72 C. TUGAS PENDAHULUAN Buat perancangan report untuk pegawai dan kerja seperti contoh dibawah ini : D. PERCOBAAN Buka da

PRAKTIKUM 10 REPORT LANJUTAN 72 C. TUGAS PENDAHULUAN Buat perancangan report untuk pegawai dan kerja seperti contoh dibawah ini : D. PERCOBAAN Buka da Praktikum 10 Report Lanjutan A. TUJUAN 1. Menjelaskan tentang pengurutan dan pengelompokan data pada report 2. Menjelaskan tentang penambahkan header dan footer pada report 3. Menambahkan data dalam bentuk

Lebih terperinci

BAB I. Introduction to SPSS for Windows

BAB I. Introduction to SPSS for Windows BAB I Introduction to SPSS for Windows Sekilas tentang SPSS Menjalankan SPSS for Windows Membaca Data Memperbaiki (edit) Data Entri Data dan Statistik Deskriptif Interpretasi Output Sekilas tentang SPSS

Lebih terperinci

PERSIAPAN ANALISIS DATA (Pemilihan. Jenis Analisis Data)

PERSIAPAN ANALISIS DATA (Pemilihan. Jenis Analisis Data) PERSIAPAN ANALISIS DATA (Pemilihan Jenis Analisis Data) RANCANGAN Pengolahan & Analisis Data (RPA) Harus memperhatikan: Rumusan masalah & tujuan: Berkaitan dengan hubungan Berkaitan dengan perbedaan Hipotesis:

Lebih terperinci

Mengenal Tabel Base BAB

Mengenal Tabel Base BAB BAB Mengenal Tabel Base 14 Pada Bab ini anda akan mempelajari cara : Mengenal Lingkungan Tabel Base Setting Field Tabel Base Deskripsi Field Tabel Base Mengisi Field Tabel Base Mengedit Field Tabel Base

Lebih terperinci

BAB IV PENGARUH PERHATIAN ORANG TUA TERHADAP AKHLAK ANAK DI DESA MAJALANGU KECAMATAN WATUKUMPUL KABUPATEN PEMALANG

BAB IV PENGARUH PERHATIAN ORANG TUA TERHADAP AKHLAK ANAK DI DESA MAJALANGU KECAMATAN WATUKUMPUL KABUPATEN PEMALANG BAB IV PENGARUH PERHATIAN ORANG TUA TERHADAP AKHLAK ANAK DI DESA MAJALANGU KECAMATAN WATUKUMPUL KABUPATEN PEMALANG A. Analisis Hasil Angket Tentang Perhatian orang tua di Desa Majalangu Kecamatan Watukumpul

Lebih terperinci

BAB 3 PENGOLAHAN DATA

BAB 3 PENGOLAHAN DATA BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu

Lebih terperinci

Ditulis Guna Melengkapi Sebagian Syarat Untuk Mencapai Jenjang Sarjana Strata Satu (S1) Jakarta 2017

Ditulis Guna Melengkapi Sebagian Syarat Untuk Mencapai Jenjang Sarjana Strata Satu (S1) Jakarta 2017 UNIVERSITAS GUNADARMA FAKULTAS EKONOMI PENGARUH KOMPENSASI DAN KEPUASAN KERJA TERHADAP PERSEPSI KINERJA KARYAWAN BANK BNI BEKASI Disusun Oleh : Nama : Mikha Pra Setianingsih Npm : 15213484 Jurusan : Manajemen

Lebih terperinci

LATIHAN 3 : QUERY DATABASE

LATIHAN 3 : QUERY DATABASE LATIHAN 3 : QUERY DATABASE Start ArcMap dan buka peta existing Menambahkan map tips Identify Mencari objek Membuat query spasial Membuat layer hasil query Menyimpan layer data. Menyimpan dokumen peta dan

Lebih terperinci

Solusi MATLAB. Double Click salah satu kotak input sehingga muncul Membership Function Editor. Pada Membership Function Editor:

Solusi MATLAB. Double Click salah satu kotak input sehingga muncul Membership Function Editor. Pada Membership Function Editor: PRAKTIKUM 2 Studi Kasus 2: Metode Sugeno Suatu perusahaan mampu memproduksi rata-rata 50.000 unit barang per hari, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 75.000 unit. Barang yang tersedia

Lebih terperinci

Mengenal E Views. Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window

Mengenal E Views. Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window Mengenal E Views Membuat workfile baru Workfile baru dapat dibuat dengan cara: 1. Memilih menu file > New > Workfile, atau 2. Mengetikkan New pada command window Jika data Anda merupakan data tahunan,

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 STATISTIK

BAB 1 PENDAHULUAN 1.1 STATISTIK BAB 1 PENDAHULUAN 1.1 STATISTIK Ilmu statistik dibagi menjadi 2 yaitu: 1. Statistik Deskriptif Statistik deskriptif bertujuan untuk menggambarkan berbagai karakteristik data seperti mean, median, modus

Lebih terperinci

Modul ke: Aplikasi Komputer. Fakultas Teknik HERY NURMANSYAH, S.T., M.T. Program Studi Teknik Industri.

Modul ke: Aplikasi Komputer. Fakultas Teknik HERY NURMANSYAH, S.T., M.T. Program Studi Teknik Industri. Modul ke: Aplikasi Komputer Fakultas Teknik HERY NURMANSYAH, S.T., M.T. Program Studi Teknik Industri www.mercubuana.ac.id Materi Pembelajaran Microsoft Word 2010 Pengertian Ms.Word 2010 Microsoft Word

Lebih terperinci

UJI NORMALITAS DATA DAN VARIANS. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009

UJI NORMALITAS DATA DAN VARIANS. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 Dengan Materi: UJI NORMALITAS DATA DAN VARIANS Presented by: Andi Rusdi, S.Pd. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 UJI NORMALITAS DATA DAN VARIANS Uji Prasyarat Infrensial (Statistik induktif)

Lebih terperinci

BAB IV DESKRIPSI DAN ANALISI DATA

BAB IV DESKRIPSI DAN ANALISI DATA BAB IV DESKRIPSI DAN ANALISI DATA A. Deskripsi Data Hasil Penelitian 1. Deskripsi Data Umum Penelitian Deskripsi data umum berisi mengenai gambaran umum tempat penelitian yakni di SMP N 1 Pamotan. SMP

Lebih terperinci

BAB IV ANALISIS HASIL PENELITIAN

BAB IV ANALISIS HASIL PENELITIAN BAB IV ANALISIS HASIL PENELITIAN 4.1 Menghitung Return Karena penelitian ini mengukur potensi kerugian maksimum dari saham BMRI. Maka, langkah pertama adalah menghitung return hariannya dengan rumus (2-3)

Lebih terperinci

BAB IV ANALISIS HASIL

BAB IV ANALISIS HASIL BAB IV ANALISIS HASIL Berikut ini merupakan pembahasan terhadap hasil olahan data dengan menggunakan SPSS versi 15. Peneliti melakukan pengolahan data terhadap122 sampel yang memenuhi kriteria penelitian.

Lebih terperinci

MODUL PEMBELAJARAN APLIKASI KOMPUTER BERBASIS MICROSOFT POWERPOINT DAN INTERNET

MODUL PEMBELAJARAN APLIKASI KOMPUTER BERBASIS MICROSOFT POWERPOINT DAN INTERNET MODUL PEMBELAJARAN APLIKASI KOMPUTER BERBASIS MICROSOFT POWERPOINT DAN INTERNET Oleh : DWI HARSONO, MPA JURUSAN PENDIDIKAN ADMINISTRASI FAKULTAS ILMU SOSIAL DAN EKONOMI UNIVERSITAS NEGERI YOGYAKARTA 2009

Lebih terperinci

Workshop Singkat Membuat Game Shooter

Workshop Singkat Membuat Game Shooter Workshop Singkat Membuat Game Shooter Membuat project baru Dari start menu, aktifkan Construct 2 Buatlah sebuah project baru dengan memilih menu New Pilih New empty project, kemudian klik Open 1 Pada bagian

Lebih terperinci

Buku Manual. Download, Aplikasi Aspak, dan Tanya Jawab.

Buku Manual. Download, Aplikasi Aspak, dan Tanya Jawab. Buku Manual Gambar diatas adalah halaman awal yang akan muncul pada saat pertama kali membuka situs aspak.buk.depkes.go.id. Lalu dibawah judul terdapat beberapa link yaitu : Beranda, Halaman Download,

Lebih terperinci

MENGATUR KOLEKSI FOTO

MENGATUR KOLEKSI FOTO MENGATUR KOLEKSI FOTO Setelah mempelajari bab ini, Anda diharapkan dapat: Membuat tanda star Membuat caption (keterangan) Menampilkan caption Mengedit dan menghapus caption Membuat keyword Menambahkan

Lebih terperinci

Distribusi Frekuensi dan Statistik Deskriptif Lainnya

Distribusi Frekuensi dan Statistik Deskriptif Lainnya BAB 2 Distribusi Frekuensi dan Statistik Deskriptif Lainnya Misalnya seorang penjaga gudang mencatat berapa sak gandum keluar dari gudang selama 15 hari kerja, maka diperoleh distribusi data seperti berikut.

Lebih terperinci

Analisis Korelasi dan Regresi Sederhana

Analisis Korelasi dan Regresi Sederhana Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada

Lebih terperinci

MODUL 1 SAMPLE t-test

MODUL 1 SAMPLE t-test MODUL SAMPLE t-test TUJUAN. Mahasiswa mampu memahami Uji Hipotesis Sample t-test. Mampu menyeleseikan persoalan Uji Hipotesis Sample t-test dengan software SPSS DESKRIPSI Salah satu cabang ilmu statistik

Lebih terperinci

MODUL I PENDAHULUAN. Modul SPSS 1 - Pendahuluan STATISTIK

MODUL I PENDAHULUAN. Modul SPSS 1 - Pendahuluan STATISTIK MODUL I PENDAHULUAN STATISTIK Pada mulanya, kata statistik diartikan sebagai keterangan-keterangan yang dibutuhkan oleh negara dan berguna bagi negara. Keterangan-keterangan tersebut umumnya dipergunakan

Lebih terperinci

MATERI PERTEMUAN KE 3 SABTU, 5 APRIL 2014 EXPLORER. Buka kembali contoh soal pada pertemuan kedua minggu kemarin sbb:

MATERI PERTEMUAN KE 3 SABTU, 5 APRIL 2014 EXPLORER. Buka kembali contoh soal pada pertemuan kedua minggu kemarin sbb: MATERI PERTEMUAN KE 3 SABTU, 5 APRIL 2014 EXPLORER Buka kembali contoh soal pada pertemuan kedua minggu kemarin sbb: Seorang guru SMA ingin mengetahui rata-rata nilai matematika siswa kelas 3A yang terdiri

Lebih terperinci

Panduan Menggunakan Microsoft Project

Panduan Menggunakan Microsoft Project Panduan Menggunakan Microsoft Project Magister Kebijakan dan Manajemen Pelayanan Kesehatan Ilmu Kesehatan Masyarakat Universitas Gadjah Mada Gedung IKM Lt.1 Jl. Farmako, Sekip Utara, Jogjakarta Telp/Fax:0274-542900

Lebih terperinci