7/26/2010. Latar Belakang OLEH : WASA YULIA Peranan perguruan tinggi: -informasi -pengetahuan -pemahaman -wadah bagi mahasiswa

Ukuran: px
Mulai penontonan dengan halaman:

Download "7/26/2010. Latar Belakang OLEH : WASA YULIA Peranan perguruan tinggi: -informasi -pengetahuan -pemahaman -wadah bagi mahasiswa"

Transkripsi

1 7/6/1 ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS BAB I PENDAHULUAN Latar Belaag Pegembaga Kewrausahaa Salah satu upaya pembeaha sstem dalam dua pedda pedda agar terjadeselarasa atara pedda da dua erja ITS, Kurulum 9 Program Kewrausahaa Mahasswa Pegatar Techopreeurshp (DIKTI bersama pergurua tgg) OLEH : WASA YULIA Etrepreeur : tdaa mecptaa da megembaga sedr sumbersumber peghaslaya Peraa pergurua tgg: -formas -pegetahua -pemahama -wadah bag mahasswa Usaha mahasswa ITS: -Sala ecl, alaga setar, sepert MLM, les prvat -Mash sedt yag memafaata lmu d ulah Perumusa Masalah Baya fator yag mempegaruh seseorag terdorog utu berwrausaha Iteral: - Keprbada -Usa -Pedda Esteral -lguga eluarga -lguga geografs Apa saja fator-fator yag berpegaruh terhadap epemla usaha madr mahasswa ITS Ig megetahu araterst mahasswa ITS Peelta terdahulu: 1. Chols(1991):latar belaag eluarga berpegaruh dalam motvas da usaha madr mahasswa ITS. Meyta(6):pola asuh demorats berpegaruh terhadap pembetua jwa wrausaha Bagamaa araterst mahasswa ITS yag meml usaha madr maupu yag tda meml dtjau dar varabel demograf? Fator-fator apa sajaah yag berpegaruh terhadap epemla usaha madr mahasswa ITS? 3 4 Tujua Peelta Medesrpsa araterst mahasswa berdasara varabel demograf. Megaalss pemodela atara fator- fator yag berpegaruh terhadap epemla usaha madr mahasswa ITS. Mafaat Peelta Membera formas tetag araterst mahasswa ITS yag meml usaha madr maupu yag tda beserta fator-fator yag berpegaruh terhadap doroga mahasswa ITS utu meml suatu usaha madr. Sehgga dapat djada masua bag pha sttut dalam raga membera pedda ewrausahaa epada mahasswa 5 6 1

2 7/6/1 Batasa Peelta Mahasswa ITS program stud S1 da D3 agata Sela tu batasa peelta dguaa utu usaha madr mahasswa termasu ddalamya bss MLM (Mult Level Maretg) ) da les prvat dar LBB (Lembaga Bmbga Belajar) ba yag bermodal sedr, eluarga maupu ml orag la. 7 BAB II TINJAUAN PUSTAKA Uj Valdtas dguaa utu memasta sejauh maa emampua alat uur dapat tepat meguur aspe yag dmasuda 6 d rs _ htug 1 ( 1) dega d [ R ( X ) R ( Y ) ] 1 R(X ) pergat utu sampel X R(Y ) pergat utu sampel Y. selsh atara R(X ) da R(Y ) d 8 Hpotess H : pertayaa tda dapat meguur aspe yag sama H 1 : pertayaa meguur aspe yag sama Tola Ho ja la orelas r xy > r tabel Dguaa aprosmas utu sampel besar (>3) yatu ddeat dega dstrbus ormal. z htug r htug 1 Tola H ja z htug > z tabel (.5 α / ) Uj Relabltas (Alpha Crobach) Keadala suatu peguura yatu stabltas da osstes dmaa strume meguur osep da membatu la etepata sebuah peguura (Seara, 4) S p p 1 α c 1 1 S xt jumlah belaha yag dbuat S p stadard devas sor pada masg-masg belaha S xt stadard devas uadrat dar total sor Bla la α c medeat la 1 maa realbltasya sema ba da bla dbawah,6 reabltasya daggap buru. 9 1 Regres Logst Ber Merupaa model regres logst dega varabel respo (Y) bersala omal dega ategor ber yatu mem dua ategor la da 1 (Agrest, 199). Dmaa model regres logst adalah sebaga berut (Hosmer, ) : exp( β + β 1 x β x ) π ( x) 1 + exp( β + β 1x β x adalah bayaya varabel predtor. Sehgga betu trasformas logt : g ( x ) β + β 1 x 1 + β x β x 11 Regres Logst Ber Peguja Parameter 1. Uj Sereta Uj dguaa utu memersa ebermaaa setap oefse β secara bersama-sama dalam model H : β β 1... β H 1 : mmal ada satu β Statst uj G atau Lelhood Rato Test,, yatu (Hosmer, ) 1 l 1 G ( π y ) y (1 πˆ )1 y Dmaa y ; 1 ( 1 y ) ; 1 1 Ja G > X ( α, ) ; adalah bayaya parameter maa Ho dtola

3 7/6/1 Regres Logst Ber. Uj Parsal Uj dlaua utu megetahu apaah varabel predtor sgfa berpegaruh terhadap varabel respoya secara dvdu. Hpotess yag dguaa adalah : H : β H 1 : β Statst uj Wald : ˆ W ( wald ) β ( ˆ β ) SE Ja W > Z α / atau W > X ( α, v) dega v adalah derajat bebas maa Ho dtola 13 Regres Logst Ber Uj Kesesuaa Model Dguaa utu megetahu eefetfa model dalam mejelasa varabel respo. Hpotessya adalah : Ho : model sesua H1 : model tda sesua Statst uj (Hosmer, ): g ( O ) Cˆ ' &&& π g 1 ' &&& π ( 1 &&& π ) g baya elompo jumlah subje pada elompo e- O jumlah la dar varabel respo pada c ombas varabel predtor m jπˆ ( x j ) &&& π j C 1 ' rata-rata tasra probabltas dmaa m j adalah bayaya subye dega c ombas varabel predtor. Daerah rts tola Ho ja Ĉ > X ( α, g ) 14 Defs Etrepreeur (Wrausaha) Meurut Meredth (): Orag yag mem emampua melhat da mela esempataesempata bss,megumpula sumber-sumber daya yag dbutuha gua megambl eutuga darpadaya da megambl tdaa yag tepat gua memasta suses As ad () Prbad yag mampu berdr d atas euata sedr,mampu megambl eputusa utudr sedr, mampu meetapa tujua yag dcapa atas dasar pertmbagaya sedr. Sehgga wrausahawa atau etrepreeur adalah seseorag yag merdea lahr da bat Seseorag yag meml emampua melhat da memafaata peluag-peluag usaha serta megumpula da megatur sumber-sumber daya yag ada utu meghasla sedr sumber pedapataya secara madr. 15 Mat berwrausaha Mat adalah sap yag membuat orag seag aa obye stuas atau de-de tertetu (As ad, ) Espres Peryataa Atf melaua egata yag mejad obye esuaaya Meurut Utam (7), ator-fator yag mempegaruh mat berwrausaha melput dua aspe yatu : 1. Aspe Iteral a. Demograf Usa b. Keprbada Pedda c. Motf prbad - Motf utu berreas - Motf utu beerja. Aspe Esteral a. Lguga eluarga b. Lguga geografs atau lguga beerja 16 Karater eprbada atau cr-cr wrausaha(shae,3) 1. Estravers. Agreebleeess (Kesepahama) 3. Bera megambl reso 4. Kebutuha berprestas da depede 5. Evaluas dr 6. Overcofdece Peelta sebelumya o Chols (1991) Latar belaag eluarga mahasswa dega peerjaa ewrausahaa berpegaruh postf terhadap motvas usaha da usaha madr mahasswa ITS o Meyta (6) Dega metode Structural Equato Modellg (SEM), terdapat pegaruh atara pola asuh orag tua secara demorats terhadap pembetua jwa wrausaha,stud asus mahasswa Te Idustr ITS o Yohso (3) Fator-fator yag memotvas seseorag utu mejad wrausaha ada 3 yatu :

4 7/6/1 Fator Kesempata, yag terdr dar : - megata poss jabata - memperoleh ebaggaa pada saat meujua dettas dr - jes varas peerjaa yag baya - reatftas bss yag tgg - tempat usaha yag dsesuaa dega jes usaha - megata emampua berbss Fator Kebebasa, yag terdr dar : - peghasla yag dperoleh megat - meetua loas tempat erja yag dga - watu erja dapat dotrol Fator Kepuasa mejala hdup, yag terdr dar : - tda ada perbedaa osep dalam beerja d ator - trauma pada pmpa yag buru - tda ada teaa dar pmpa 19 BAB III METODOLOGI PENELITIAN 1. Sumber Data - Data prmer, pegambla sampel yag dguaa adalah samplg utu propors (Cochra, 1991). z PQ d 1 z PQ N d Keteraga: jumlah mmal uura sampel yag harus dambl z la bau dar tabel dstrbus ormal dega tgat epercayaa α P la peduga propors mahasswa yag meml usaha madr dar populas Q 1 - P d batas esalaha tasra atara pˆ dega P Berdasara survey pedahulua yag dlaua ddapata hasl sebaga berut : Propors mahasswa yag meml usaha madr (P),4. Jumlah populas (N) 9373 serta dguaa la d,8 da Z1,96 pada tgat epercayaa α sebesar,5. jumlah mmal adalah 18,65 19 Uura sampel pada tap jurusa : N N N Jumlah populas tap jurusa N Jumlah populas Jumlah mmal sampel yag dambl tap jurusa Jumlah mmal uura sampel 1 Program stud N Program stud N Fsa 4,35 3 Te Idustr (S1) 468 5,4 5 Matemata 6,6 3 Te Materal 19,19 3 Statst (D3) 1 1,38 Te Spl (D3) 375 4,33 5 Statst (S1) 66 3,7 4 Te Spl (S1) 61 6,93 7 Kma 7,6 3 Arstetur 318 3,67 4 Bolog 186,14 3 Te Lguga(S1) 36 3,76 4 Te Mes (D3) 61 3,1 3 Desa Produ 5 5,79 6 Te Mes (S1) 651 7,51 8 Te Geodes 164 1,89 Te Eletro(D3) 15,48 3 Perecaaa Wlayah Da Kota 195,5 3 Te Eletro(S1) 8 9,6 1 Te Perapala 35 3,75 4 Te Kma (D3) 174,1 Te Sstem Perapala 34 3,74 4 Te Kma (S1) 541 6,4 6 Te Kelauta 35 4,6 4 Te Istrumetas Tabel 3.1 Keraga samplg 119 1,37 Te Iformata 551 6,36 7 Te Fsa (S1) Sstem Iformas 367 4,3 5 Idetfas Varabel Varabel respo (Y) : mahasswa meml usaha madr Y 1, ja meml Y, ja tda meml Varabel Demograf : Varabel Jes Kelam Usa (x 1 ) Faultas Kategor Pra;1Wata terbua 1FMIPA;FTI;3FTSP 4FTK;5FTIF Agata 15;6 37;48 Daerah asal 1mahasswa yag berasal dar mahasswa yag berasal dar luar Pegeluara setap bula 1 ja < Rp 7. ja Rp 7. s.d 9. Varabel Sumber daa yag ddapata utu eperlua setap har Tempat tggal selama mejad mahasswa d ITS Peerjaa orag tua/ayah Pedda terahr ayah da bu Kategor 1 rma orag tua; rma bua orag tua 3 beasswa ; 4peghasla dar usaha sedr 5 laya 1 otra bersama tema; os 3 rumah orag tua 4 rumah eluarga (bua orag tua); 5 laya 1 pegawa eger spl; 4 TNI/POLRI pegawa swasta; 5 laya 3wraswasta 1 SD; SMP&sederajat 3SMA&sederajat; 4 Dploma 5 S1; 6 S; 7 S3; 8 laya IPK (x) 1ja <,; ja, IPK <,5 3ja,5 IPK < 3, 4 ja 3, IPK < 3,5; 5ja 3,5 Perah meml pegalama mejalaa usaha tda;1 ya 3ja > Rp

5 7/6/1 Varabel Perah megut egata ewrausahaa sepert pelatha, semar, lomba bss pla, dsb Ig membua usaha utu meyalura de/ajag reatftas Ig membua usaha utu me-meuh meuh ebutuha hdup/beerja Kategor tda;1 ya tda;1 ya tda;1 ya Varabel Predtor : Estravers (x3) Kesepahama (x4) Bera megambl reso (x5) Berega utu selalu berprestas da depede (x6) Evaluas dr / Locus of cotrol (x7) Overcofdece (x8) Pegaruh lguga eluarga (x9) Pegaruh tema d lguga ampus (x1) Kesempata (x11) Kebebasa (x1) Kepuasa mejala hdup (x13) 5 6 Mula Aalss data Meetua permasalaha da tujua Dagram batag da tabulas slag varabel y da varabel demograf Peetua Varabel Meracag usoer Survey pedahulua Uj valdtas da relabltas Membuat regres logst dvdu setap varabel x da varabel y Varabel sgfa Ya Regres logst bergada Tda Varabel deluara Perbaa usoer Survey Aalss data 7 Varabel sgfa Ya Fator-fator yag berpegaruh terhadap epemla usaha da besar pegaruhya Selesa Tda Varabel deluara 8 BAB IV ANALISIS DAN PEMBAHASAN Uj valdtas Uj valdtas pada peelta dlaua pada varabel yag memuat sebuah ostru (osep). Pedeata la tabel yag dpaa adalah tabel Z area jumlah lebh dar 3,yatu Z tabel(,5-α/) 1,96 Tabel Hasl uj valdtas megguaa orelas Spearma Varabel Estravers (x3) Pertayaa No Korelas Spearma Zhtug a a a a a a Varabel Kesepahama (x4) Bera megambl reso (x5) Kebutuha utu berprestas da depede (x6) No Korelas spearma Zhtug Varabel No b Korelas spearma Zhtug d b d b d b Kebutuha d b utu berprestas da d b depede (x6) d b Evaluas dr(x7) e b e b e c e c e c e c f d Overcofdece (x8) f d f d f d f

6 7/6/1 Varabel Pegaruh lguga eluarga (x9) Pegaruh tema d ampus (x1) Kesempata (x11) No Korelas spearma Zhtug Varabel No Korelas spearma Zhtug Kesempata (x11) Kebebasa (x1) Kepuasa mejala hdup (x13) Semua tem pertayaa mem la Z htug tabel(,475) 1,96 sehgga tola Ho. Z tabel(,475) htug > Berart pertayaa telah dapat meguur aspe yag sama atau vald 31 Uj Relabltas Megetahu ehadala atau tgat osstes alat uur dalam meguur hal yag sama. Tabel Hasl uj reabltas megguaa alpha crobach Varabel Crobach's alpha Estravers (x3).88 Kesepahama (x4).76 Bera megambl reso (x5).67 Kebutuha utu berprestas&depede(x6).795 Evaluas dr (x7).75 Over cofdece&tus (x8).748 Pegaruh lguga eluarga (x9).74 Pegaruh lguga pergaula ampus (x1).67 Kesempata (x11).83 Kebebasa (x1).783 Kepuasa mejala hdup (x13) Karaterst Mahasswa ITS yag Meml Usaha Madr da yag Tda Meml Usaha Madr 7% 8% 4% 4% 8% 84% % % 6% o tra d g tem a 48 1 o s 5 18 ru m ah o rtu 5 rm h elu arg a b o rtu la ya td % 7.9% 14.96% 9.4 Luar % % Luar < Rp 7. Rp 7. s.d Rp c %.36% 3.1 Luar >Rp.9. tda pya usaha td Tempat Tggal Besar Pegeluara da Daerah Asal Presetase yag meml usaha madr.78% 11.11% Presetase jes usaha 36.11% 5..78% 16.67% PULSA BIMBEL JASA RETAIL DESAIN LAINNYA Presetase jes usaha 1 1 1% 7% 3% 8% 1 Sumber Pegahsla % 7% 4% 1 % 6% % 1% % 4% 3% FMIPA FTI FTSP FTK FTIF Jes Kelam da Faultas 1% % TDK PNYA % 3.1% 3.1% 1.6% SD SMP 4.4% SMA 7.9% 4.7% 3.1% DIPLOMA 8.3% S1 7.1% 3.9% 3.1% S S3 Pedda Terahr Ayah 1.6% tda % 6.3% 3.1% 3.1% SD SMP 3.6% SMA 7.1% 8.7% DIPLO MA 3.9% 19.7% S1 6.3% 4.7% 3.9% S Pedda Terahr Ibu S3.8% tda 34 Peerjaa Orag Tua Mahasswa yag tda meml usaha Mahasswa yag usaha madr madr % 16% 3% 41% 38% 7% 31% 16% 6% Pegalama Puya Usaha Tda usaha madr Puya usaha madr 3% % % <. usa (tahu) 36.1% 31.9% % 4.4% 5.6% 6.6% 5.6%.<IPK<.5.5<IP K<3. IPK 3.<IP K<3.5 >3.5 Tabel epemla da usa tda Kepemla usaha madr Tda Puya Total Total Iut egata ewrausahaa Tda usaha madr Puya usaha madr 33% 31% 67% 69% Motf prbad Motf utu berreas ya tda Jumlah Kepemla usaha da agata Agat a tda Usaha Tot Motf utu beerja 114 ya jumlah 13 tda 36 6

7 7/6/1 Aalss Regres Logst Ber Aalss Regres Logst Idvdu Membuat model regres logst secara dvdu utu masg-masg varabel predtor terhadap varabel respo. Tabel Uj ebermaaa parameter dalam model regres logst secara dvdu Varabel B Wald Exp(B) Usa (x1) IPK (x) Estravers (x3) Kesepahama (x4) Bera megambl reso (x5) Berega utu berprestas&depede (x6) Evaluas dr (x7) Overcofdece (x8) Pegaruh lguga eluarga (x9) Pegaruh tema d ampus (x1) Kesempata (x11) H : β H 1 : β 1,, p α,15 Statst uj : Wald W Statst uj W semua varabel lebh besar dar X (,15,1),174. Sehgga esmpula yag dambl adalah tola H. Secara dvdu semua varabel predtor sgfa mem hubuga dega varabel respo. Kebebasa (x1) ˆ β ( SE( ˆ β )) Pemodela Regres Logst Bergada Megguaa metode bacward stepwse codtoal ddapata model regres logst bergada yag terba : exp( 1,81 x,19 x5 +,176 x7 +,158 x9 ) π( x) 1+ exp( 1,81 x,19 x +,176 x +,158 x ) Varabel predtor yag masu dalam model: varabel IPK, bereprbada bera megambl reso, evaluas dr da pegaruh lguga eluarga 1. Uj Sereta Utu megetahu apaah eempat varabel tersebut sgfa dalam model H : β1 β... β H1 : Palg tda ada satu β Statst uj : atau lelhood rato test Ddapata la G 38,17 > χ (α, p) 6,884. Kesmpula tola H ; palg tda mmal ada satu varabel predtor yag sgfa berpegaruh terhadap epemla usaha madr mahasswa ITS.. Uj Parsal Utu megetahu varabel maa yag meml pegaruh secara parsal H : β H 1 : β, 1,...p α,15 Statst uj Wald 4 Tabel Uj Kebermaaa parameter Regres Logst Bergada Varabel B Wald p-value IPK Reso Evaluas dr Pegaruh lguga eluarga Nla statst uj wald lebh besar dar la Z α/ 1,44. Sehgga eempat varabel tersebut tda sama dega ol atau berpegaruh terhadap epemla usaha madr mahasswa ITS. 3. Uj Kesesuaa Model H : model telah sesua H 1 : model tda sesua ddapata la Ĉ 1,64 < X (,15;8) 1,196 esmpula : gagal tola H atau model yag terbetu telah sesua 41 Itepretas Model Regres Logst Bergada Tabel la odds raso model regres logst bergada Varabel Exp (B) IPK.339 Bera Megambl Reso.87 Evaluas dr Pegaruh lguga eluarga Sor IPK mahasswa a 1 satua emuga mahasswa meml usaha madr a,339 al Sor bera megambl reso a 1 satua emuga mahasswa meml usaha madr aa a sebesar,87 al Sor evaluas dr a 1 satua emuga mahasswa meml usaha madr a 1,193 al Sor pegaruh lguga eluarga a 1 satua emuga meml usaha madr a 1,171 al 4 7

8 7/6/1 Hasl Ketepata Klasfas Tabel Hasl lasfas mahasswa yag meml usaha madr da yag tda meml Observas tda Preds usaha Presetase Ketepata tda % % Total 7.1% Peluag esalaha lasfas berdasar uura la Apparet Error Rates (APER) adalah : (31+ 7) APER x1 9,9% 17 BAB V KESIMPULAN DAN SARAN Kesmpula 1. - Sebaga besar mahasswa ITS tda meml usaha madr. - Yag palg baya meml usaha madr adalah mahasswa pra dar FTI. Mahasswa wata yag palg baya meml usaha madr dar FMIPA. Da yag palg sedt usaha madr adalah pra dar FMIPA. - Sebaga besar mahasswa yag usaha besar pegeluara dalam satu bula urag dar Rp7. da berasal dar luar. - Mahasswa yag usaha madr justru palg baya bertempat tggal d rumah orag tua da sebaga besar peerjaa orag tua merea adalah PNS. - Prestas aadem edua elompo mahasswa ITS pada umumya berada pada sara IPK 3, s.d 3, Varabel yag berpegaruh terhadap epemla usaha madr adalah IPK, bera megambl reso, evaluas dr da pegaruh lguga eluarga. - Berdasara la odds rato yag palg besar pegaruhya utu megata peluag mahasswa meml usaha madr yatu eprbada evaluas dr da pegaruh lguga eluarga. Sara 1. Perlu adaya peyampaa formas tetag mafaat yag aa ddapata tetag ewrausahaa epada pha eluarga mahasswa agar mahasswa terdorog da lebh percaya dr utu berwrausaha.. Perlu dtumbuhaya sap evaluas dr agar mahasswa meml eyaa utu mecoba sebuah usaha madr. 3. Peguura fator pegaruh epemla usaha madr megguaa varabel la agar ddapata formas la tetag pegaruh epemla usaha madr. 45 DAFTAR PUSTAKA Agrest, A. (199). Categorcal Data Aalyss. New Yor : Joh Wlley ad Sos. USA As ad, Moh. (). Ser Ilmu Sumber Daya Mausa: Psolog Idustr. Eds e-empat, empat, Peerbt Lberty, Yogyaarta. Chols, Fuad (1991). Pegaruh Latar Belaag Keluarga Terhadap Motvas Wrausaha da Usaha Madr d alaga mahasswa ITS. Pusat Peelta ITS,. Cochra, Wllam G. (1991). Te Peara Sampel, Ser terjemaha eds etga, Peerbt Uverstas Idoesa, Jaarta. Crobach, L. J. (1946). Respose sets ad test valdatg. Educatoal ad Psycholgcal Measuremet,, 6, Hosmer, DW da Lemeshow.. Aplled Logstc Regresso.. Joh Wlley ad Sos. USA Irwad. (9). Dar,18 Perse Meuju Perse Wrausaha.. Dretorat Jedral Pedda Tgg. 3 Desember 9. cotet&do_pdf1&d 464 (taggal ases 8 Jauar 1) 46 Le, C.T. (1998). Appled Categorcal Data Aalyss.. Joh Wley ad Sos, Ic. USA Meredth, Geoffrey G, et al. (). Kewrausahaa: Teor da Prate, Ser terjemaha, Pustaa Bama Pressdo, Jaarta. Meyta, Vey A. (6). Pegaruh Pola Asuh terhadap pembetua jwa wraswasta berdasara metode Structural Equato Modellg (stud asus mahasswa agata -55 Te Idustr ITS). Tugas Ahr, Te Idustr ITS Nasuto, Arma Ham d. (1). Membagu Sprt Etrepreeur Muda Idoesa, Suatu Pedeata Prats da Aplatf.. Grameda, Jaarta. Tmmos, Jeffry A da Spell, Stephe. (4). New Veture Creato, Etrepreeurshp for the 1st cetury.. Yogyaarta, Peerbt Ad. Sarosa, Peter. Youg Etrepreeur.. Eboo Referes Nasoal Archve.URL: (taggal ases 15 November 9) 47 Seara, U. (4). Research Methods for Busess.. Jaarta : Salemba Empat Sgarmbu, Masr da Effed, Sofa. (1989). Metode Peelta Surva,, eds revs, LP3ES, Jaarta. Shae, S. 3. A Geeral Theory of Etrepreeurshp the Idvdual opportutynexus. USA: Edward Elgar Warto, Paulus. (3). Frst Step to be a Etrepreeur, Bera Megambl Reso utu Mejad Kaya. PT.Elex Meda Komputdo, Jaarta. Yohso, d. (3). Motvas Alumus UK Petra mejad Etrepreeurs. Jural maajeme da ewrausahaa vol 5, o September 3: /1569 (taggal ases 18 Jauar 1).URL: URL: LulusaPT.Haya Jad Pecar.Kerja. 1 Jauar 1. (taggal ases 3 Maret 1) 48 8

9 7/6/1 SEKIAN TERIMA KASIH 49 9

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

8.4 GENERATING FUNCTIONS

8.4 GENERATING FUNCTIONS 8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID) PEELUSURA KARAKTERISTIK PERILAKU KOSUME DEGA METODE AUTOMATIC ITERACTIO DETECTIO AID Agus Rusgyoo Staf Pegajar Prod Statsta Jurusa Matemata FMIPA UDIP Abstract AID methods used to see relato betwee respos

Lebih terperinci

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA

Lebih terperinci

KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK) DI SURABAYA UTARA. Oleh : Lina Firdausiyah ( )

KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK) DI SURABAYA UTARA. Oleh : Lina Firdausiyah ( ) KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK DI SURABAYA UTARA Oeh : La Frdausah (36 Pembmbg : Prof. Dra. Susat Luwh, M.Stat, PhD. da Wbawat, S.S., M.S. ABSTRAK Keas Laaa Khusus (KLK merupaa saah satu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA MEA QUARE ERROR TERKEIL DARI KOMBIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPULAI PADA AMPLIG AAK BERTRATA R Kurat *, gt ugarto, Ruam Efed Maasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

Oleh : H. BERNIK MASKUN

Oleh : H. BERNIK MASKUN Uverstas Padjadjara, 3 November 00 (D.5) ANALISIS VARIANS UNTUK MENGUJI KEKUATAN LEKAT SEMEN ADHESIF PADA PERMUKAAN LOGAM KARENA EMPAT MACAM PERLAKUAN (Stud Esperme pada Bdag Ortodot Kedotera Gg) Oleh

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci