UJI BREDENKAMP, HILDEBRAND, KUBINGER DAN FRIEDMAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "UJI BREDENKAMP, HILDEBRAND, KUBINGER DAN FRIEDMAN"

Transkripsi

1 UJI BREDENKAP, HILDEBRAND, KUBINGER DAN FRIEDAN Firi Caur Lesari ABSTRACT Saisics is a science ha has imporan role in decision making The decision is made based on he daa and uses cerain mehods, especially saisical mehods Error in choosing a es in saisical mehods can resul in an incorrec decision Saisical mehods are divided ino wo pars, parameric saisical mehod and nonparameric saisical mehod Parameric saisical mehod is used if he daa mee cerain assumpions If he daa do no mee ha assumpions, nonparameric saisical mehod is beer o use One of he ess in parameric saisical mehod is wo-way ANOVA The books ha revolve now, publicize ha a relevan es for wo-way ANOVA on nonparameric saisical mehod is Friedman es and hey menion ha a deficiency of nonparameric saisical mehod is ha we canno know an ineracion beween he row and column facor as in wo-way ANOVA Bu, his aricle gives a conradicion and an answer for ha opinion The relevan ess on nonparameric saisical mehod have proved Those ess, known as Bredenkamp, Hildebrand and Kubinger, have he same funcion wih wo-way ANOVA, o know he difference of row facor, column facor, and an ineracion beween he row and column facor The formulas in Bredenkamp, Hildebrand and Kubinger ess are derived from wo-way ANOVA formulas, especially facorial experimenal design Whereas Friedman es is derived from he formula of Randomized Block Design (RBD Keywords: bredenkamp, hildebrand, kubinger, firedman, ANOVA ABSTRAK Saisika adalah ilmu yang mempunyai peran pening dalam pengambilan kepuusan Kepuusan diambil berdasarkan daa dan menggunakan meode erenu, salah saunya meode saisik Kesalahan dalam memilih uji yang epa pada meode saisik dapa menghasilkan kepuusan yang salah eode saisik erbagi menjadi dua yaiu meode saisik paramerik dan nonparamerik eode saisik paramerik digunakan jika daa memenuhi asumsi-asumsi erenu Jika daa idak memenuhi asumsi-asumsi ersebu, meode saisik nonparamerik lebih epa unuk digunakan Salah sau uji dalam meode saisik paramerik adalah ANAVA dua arah Buku-buku yang beredar saa ini mempublikasikan bahwa padanan unuk ANAVA dua arah pada meode saisik nonparamerik adalah uji Friedman dan menyebukan bahwa kekurangan dari meode saisik nonparamerik adalah idak bisa dikeahuinya ineraksi anara fakor baris dan kolom seperi pada ANAVA dua arah Namun, arikel ini menyuguhkan sanggahan dan jawaban aas pendapa ersebu Padanan ANAVA dua arah pada meode saisik nonparamerik erbuki ada Uji ersebu yang dikenal dengan nama Bredenkamp, Hildebrand dan Kubinger, mempunyai fungsi yang sama dengan uji ANAVA dua arah yaiu digunakan unuk mengeahui perbedaan fakor baris, fakor kolom, dan ineraksi anara fakor baris dan kolom Rumus-rumus dalam uji Bredenkamp, Hildebrand dan Kubinger diurunkan dari rumus ANAVA dua arah khususnya rancangan percobaan fakorial Sedangkan uji Friedman diurunkan dari rumus-rumus dari rancangan percobaan Rancangan Acak Kelompok (RAK Kaa kunci: bredenkamp, hildebrand, kubinger, friedman, ANAVA Jurusan Saisik, Sekolah Tinggi Ilmu Saisik, Jln Dr Suomo, Jakara, Indonesia, firicaurlesari@yahoocom Uji Bredenkamp, (Firi Caur Lesari 35

2 PENDAHULUAN Saisika merupakan ilmu yang sanga luas aplikasinya di berbagai bidang kehidupan Peran pening saisika adalah dalam hal pengambilan kepuusan (inferensi Kepuusan diambil berdasarkan daa dan menggunakan meode erenu, salah saunya meode saisik Secara garis besar, meode saisik erbagi menjadi dua, yaiu meode saisik paramerik dan nonparamerik eode saisik paramerik digunakan jika daa memenuhi asumsi-asumsi erenu aau disribusi populasinya dikeahui Sedangkan jika daa idak memenuhi asumsi iu aau disribusi populasinya idak dikeahui aau diragukan, maka meode saisik nonparamerik aau uji bebas sebaran (disribuion free lebih epa unuk digunakan Keerangan lebih rinci enang penggunaan meode saisik nonparamerik dikemukakan oleh Djarwano (003 Dalam bukunya yang berjudul Saisik Nonparamerik, disebukan bahwa meode saisik nonparamerik digunakan dalam kondisi: benuk disribusi populasinya idak dikeahui, daa berbenuk nominal aau ordinal, dan ukuran sampel aau sampelsampel peneliiannya kecil dengan sifa disribusi populasinya idak dikeahui secara pasi Djarwano (003 menyebukan pula kelebihan meode saisik nonparamerik, salah saunya adalah sederhana dalam perhiungannya eskipun meode saisik nonparamerik lebih mudah dalam hal perhiungan, pada kenyaaannya idak sediki prakisi peneliian lebih memilih menggunakan meode saisik paramerik dan mengabaikan berbagai asumsi yang ada Hal ini mungkin disebabkan sedikinya pengeahuan enang saisika, eruama meode saisik nonparamerik Kesalahan dalam memilih meode saisik yang epa ini menyebabkan kesalahan dalam pengambilan kepuusan Oleh karena iu, perlu adanya pengkajian erhadap uji-uji dalam meode saisik unuk menghindari erjadinya kesalahan ersebu Seperi halnya meode saisik paramerik, meode saisik nonparamerik melipui banyak sekali uji Pada meode saisik paramerik, dikenal uji perbedaan raa-raa dua populasi independen dan dependen (berpasangan Sedangkan pada meode saisik nonparamerik, uji yang fungsinya sama dengan kedua uji ersebu beruru-uru adalah uji ann Whiney dan Wilcoxon Adapun uji beda raa-raa lebih dari dua populasi independen, pada meode saisik paramerik memiliki padanan dalam meode saisik nonparamerik, dikenal dengan nama uji Kruskal Wallis Sedangkan unuk padanan ANAVA (Analisis Variansi dua arah pada meode saisik nonparamerik belum dikeahui banyak orang Buku saisik nonparamerik yang beredar di pasaran, umumnya idak membahas enang uji padanan ANAVA dua arah yang melibakan fakor ineraksi seperi layaknya ANAVA dua arah Bahkan Djarwano (003 dalam bukunya menyebukan bahwa salah sau kekurangan meode saisik nonparamerik adalah idak dapa menenukan fakor ineraksi seperi dalam analisis variansi Padahal ada uji dalam meode saisik nonparamerik yang dikenal dengan nama uji Bredenkamp, Hildebrand, dan Kubinger yang mengungkap fakor ineraksi seperi layaknya ANAVA dua arah Uji Bredenkamp, Hildebrand, dan Kubinger Layou daa pada keiga uji, yaiu Bredenkamp, Hildebrand, dan Kubinger secara umum sebagai beriku 36 Jurnal a Sa, Vol 9 No Juli 009: 35-4

3 Fakor Kolom(j Fakor Baris(i 3 n 3 n 3 n m m m3 mn 3 n l l l l3 ln l l l3 ln m m m3 mn lm lm lm3 lmn Uji Bredenkamp Semua nilai diransformasi dalam benuk ranking R Jika erdapa yang nilainya sama, maka pembenukan rankingnya adalah dengan membua raa-raa dari ranking yang nilainya sama Perama, Uji Hipoesis Perbedaan Baris Ho = perbedaan baris idak signifikan Ha = perbedaan baris signifikan Saisik uji = a a R i 3( N + N ( N + Chi Square able = a i= Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Kedua, Uji Hipoesis Perbedaan Kolom Ho = perbedaan kolom idak signifikan Ha = perbedaan kolom signifikan Saisik uji = b b R j 3( N + N ( N + Chi Square abel = b j = Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Keiga, Uji Hipoesis Ineraksi Ho = ineraksi anara fakor baris dan fakor kolom idak signifikan Ha = ineraksi anara fakor baris dan fakor kolom signifikan Uji Bredenkamp, (Firi Caur Lesari 37

4 Saisik uji = a b ab ( R + 3 ( + ij R R N i j N ( N + b a i= j = Chi Square abel = ( a ( b Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Uji Hildebrand Perama, Uji Hipoesis Perbedaan Baris Semua nilai diransformasi = ij + i unggal ( R Jika erdapa dengan membua raa-raa dari ranking yang nilainya sama Ho = perbedaan baris idak signifikan Ha = perbedaan baris signifikan Saisik uji = a ( Ri R ( N + Chi Square abel = a i= a Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Kedua, Uji Hipoesis Perbedaan Kolom Semua nilai diransformasi = ij + j unggal ( R Jika erdapa dengan membua raa-raa dari ranking yang nilainya sama Ho = perbedaan kolom idak signifikan Ha = perbedaan kolom signifikan Saisik uji = b ( R j R ( N + Chi Square abel = b j = b Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel diransformasi ke dalam ranking yang nilainya sama, maka pembenukan rankingnya adalah diransformasi ke dalam ranking yang nilainya sama maka pembenukan rankingnya adalah Keiga, Uji Hipoesis Ineraksi Nilai diransformasi = i j + diransformasi ke dalam ranking unggal ( R Jika erdapa yang nilainya sama maka pembenukan rankingnya adalah dengan membua raa-raa dari ranking yang nilainya sama Ho = ineraksi anara fakor baris dan fakor kolom idak signifikan Ha = ineraksi anara fakor baris dan fakor kolom signifikan 38 Jurnal a Sa, Vol 9 No Juli 009: 35-4

5 Saisik uji = Chi Square abel = ab( N + ( a ( b a b i= j = ( R ij Ri R j R Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Uji Kubinger Perama, Uji Hipoesis Perbedaan Baris Semua nilai diransformasi ke dalam ranking unggal R Kemudian hasil ranking ini diransformasi menjadi R R = R Rij + Ri R diranking kembali menjadi R Pembenukan ranking dalam proses ransformasi di aas jika erdapa yang nilainya sama, maka pembenukan rankingnya adalah dengan membua raa-raa dari ranking yang nilainya sama Demikian pula dalam pembenukan ranking dari R menjadi R Ho = perbedaan baris idak signifikan Ha = perbedaan baris signifikan Saisik uji = a ( R i R ( N + Chi Square abel = Daerah kriik a i= a = Ho diolak jika saisik uji lebih dari Chi Square abel Kedua, Uji Hipoesis Perbedaan Kolom Semua nilai diransformasi ke dalam ranking unggal R Kemudian hasil rangking ini diransformasi menjadi R R = R Rij + R j R diranking kembali menjadi R Pembenukan ranking dalam proses ransformasi di aas jika erdapa yang nilainya sama, maka pembenukan rankingnya adalah dengan membua raa-raa dari ranking yang nilainya sama Demikian pula dalam pembenukan ranking dari R menjadi R Ho = perbedaan kolom idak signifikan Ha = perbedaan kolom signifikan Saisik uji = b ( R j R ( N + Chi Square abel = b j = b Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Keiga, Uji Hipoesis Ineraksi Semua nilai diransformasi ke dalam ranking unggal R Kemudian hasil rangking ini diransformasi menjadi R R = R Ri + R j R diranking kembali menjadi R Pembenukan ranking dalam proses ransformasi di aas jika erdapa yang nilainya sama, maka pembenukan rankingnya adalah dengan membua raa-raa dari ranking yang nilainya sama Demikian pula dalam pembenukan ranking dari R menjadi R Uji Bredenkamp, (Firi Caur Lesari 39

6 Ho = ineraksi anara fakor baris dan fakor kolom idak signifikan Ha = ineraksi anara fakor baris dan fakor kolom signifikan Saisik uji = a b ( R ij R i R j R ab( N + i= j = Chi Square abel = ( a ( b Daerah kriik = Ho diolak jika saisik uji lebih dari Chi Square abel Persamaan dan Perbedaan Uji Bredenkamp, Hildebrand dan Kubinger Persamaan uji Bredenkamp, Hildebrand, dan Kubinger adalah keiga-iganya diurunkan dari rumus-rumus yang ada dalam ANAVA dua arah dengan ujuan yang sama, yaiu mengeahui perbedaan fakor baris, fakor kolom, dan ineraksi anara fakor baris dan kolom Sedangkan perbedaan uji Bredenkamp, Hildebrand, dan Kubinger erleak pada proses ransformasi dan pembenukan rankingnya Lebih jauh mengenai perbedaan keiga uji ini diungkap oleh Hühn dan Léon (995 bahwa berdasarkan peneliian yang berulang-ulang unuk kasus yang beraneka ragam, diperoleh kesimpulan bahwa uji Hildebrand dan Kubinger memiliki keakuraan yang relaif sama dalam mendeeksi perbedaan fakor baris, fakor kolom, dan ineraksi anara fakor baris dan kolom Sedangkan uji Bredenkamp dalam mendeeksi perbedaan fakor baris, fakor kolom, dan ineraksi anara fakor baris dan kolom mempunyai keakuraan yang relaif lebih rendah daripada uji Hildebrand dan Kubinger Perkembangan eode Saisik Nonparamerik unuk ANAVA Dua Arah Pada perkembangan selanjunya, uji unuk padanan ANAVA dua arah diemukan lagi oleh Hemansperger dan Elmore (00 Berbeda dengan keiga uji sebelumnya, Hemansperger dan Elmore menceuskan idenya dengan membua rangking unggal dari residualnya aau errornya Jika dijabarkan dalam rumus, maka akan diperoleh suau hasil sebagai beriku = = μ ˆ α ˆ β ˆ i j ( ( i ( j = i j + Semua nilai diransformasi = i j + diransformasikan ke dalam ranking unggal ( R Kemudian, unuk mengeahui perbedaan baris, kolom dan ineraksi fakor baris dan kolom, dapa dilakukan dengan cara yang sama dengan uji Bredenkamp, Hildebrand dan Kubinger Adanya uji-uji unuk padanan ANAVA dua arah ersebu di aas dapa dikembangkan lagi unuk kasus dengan rancangan percobaan yang lain seperi ANAVA dengan pola daa bersarang, bujursangkar lain, dan lain lain Kemudian, unuk sau rancangan percobaan, dapa dikembangkan lagi dengan berbagai variasi ransformasi Uji Friedman Rumus dalam uji Friedman diurunkan dari konsep rancangan percobaan RAK (Rancangan Acak Kelompok aau biasa juga dikenal sebagai RBD (Randomized Block Design Rancangan Acak 40 Jurnal a Sa, Vol 9 No Juli 009: 35-4

7 Kelompok mempunyai ciri adanya kelompok dalam jumlah yang sama Seiap kelompok dikenakan perlakuan-perlakuan (Gaspersz, 995 Pada Rancangan Acak Kelompok, yang diperhaikan adalah di samping perlakuan dan pengaruh gala (error, masih diliha juga adanya kelompok yang berbeda Sauan percobaan dalam Rancangan Acak Kelompok idak perlu homogen, di mana sauan-sauan percobaan ersebu dapa dikelompokkan ke dalam kelompok-kelompok erenu sehingga sauan percobaan dalam kelompok iu homogen Dengan demikian, proses pengelompokan berguna unuk membua keragaman dalam kelompok menjadi sekecil mungkin dan keragaman anar kelompok menjadi sebesar mungkin Suau pengelompokan yang epa akan meningkakan perbedaan di anara kelompok semenara akan meninggalkan sauan percobaan di dalam kelompok lebih homogen Sedangkan layou daa unuk rancangan acak kelompok diampilkan dalam abel di bawah ini: Kelompok 3 r Perlakuan (i r r r Dari berbagai uraian di aas, erliha beapa keanya asumsi dalam analisis ragam unuk rancangan acak kelompok Asumsi bahwa gala harus berdisribusi normal dan bebas dengan nilai engah nol dan ragam σ, kadang-kadang suli dipenuhi enghadapi sebaran daa yang diragukan kenormalannya, maka perlu dicari eknik-eknik analisis yang mampu mengaasi hal ini Di samping alernaif ransformasi daa agar mendekai sebaran normal, erdapa meode lain yang idak erganung pada asumsi kenormalan ersebu Salah sau uji dalam meode nonparamerik yang relevan digunakan unuk menganalisis daa hasil percobaan berdasarkan rancangan acak kelompok yang idak membuuhkan asumsi kenormalan daa adalah uji Friedman (Gaspersz, 995 Uji Friedman menenukan apakah jumlah rank dari seiap perlakuan berbeda secara nyaa Hipoesis unuk uji ini adalah: Ho : τ = τ = = τ i aau τ i =0 (i=,,, aau seiap ranking dari perlakuan dalam kelompok adalah sama Ha : minimal ada sau τ i 0 unuk i=,,, aau minimal ada sau perlakuan yang berbeda dengan lainnya Hipoesis di aas dirumuskan unuk menguji bahwa idak ada pengaruh perlakuan erhadap respons yang diamai aau dengan kaa lain pengaruh perlakuan erhadap respons adalah nol Saisik uji = = T ( Ri 3r( + r( + i= r R i = banyaknya kelompok = banyaknya perlakuan = jumlah ranking dari perlakuan ke-i Ho diolak jika T > α, Ho dierima jika T α, Uji Bredenkamp, (Firi Caur Lesari 4

8 PENUTUP Berdasarkan penjelasan enang uji-uji pada meode saisik nonparamerik ersebu, dapa diarik sebuah kesimpulan enang perbedaan uji Bredenkamp, Hildebrand, Kubinger, dan Friedman Layou daa unuk uji Bredenkamp, Hildebrand, dan Kubinger sanga berbeda dengan layou daa unuk uji Friedman Uji Bredenkamp, Hildebrand, dan Kubinger dikembangkan dari rancangan percobaan fakorial Sedangkan uji Friedman dikembangkan dari rancangan acak kelompok Dari segi ujuan, uji Bredenkamp, Hildebrand, dan Kubinger digunakan unuk mengeahui perbedaan fakor baris, fakor kolom, dan ineraksi anara fakor baris dan kolom Sedangkan uji Friedman digunakan unuk mengeahui ada idaknya perbedaan perlakuan saja Oleh karena iu, uji yang epa sebagai padanan ANAVA dua arah dalam meode saisik nonparamerik adalah uji Bredenkamp, Hildebrand, dan Kubinger DAFTAR PUSTAKA Bain, LJ, and Engelhard, (99 Inroducion o probabiliy and mahemaical saisics, nd ed, California: Duxbury Press Conover, WJ (980 Pracical nonparameric saisics, nd ed, Canada: John Wiley & Sons, Inc Djarwano, PS (003 Saisik nonparamerik, edisi 003/004, ogyakara: BPFE Gaspersz, V (995 Teknik analisis dalam peneliian percobaan, edisi perama, Bandung: Tarsio Hemansperger, P T, and Elmore, R (00 Tes for ineracion in a wo-way layou: Should hey be included in a nonparamerics course? Rerieved from hp://wwwsaaucklandacnz/~iase/publicaions//3g4_hepdf Hühn,, and Léon, J (995 Nonparameric analysis of culivar performance rials: Experimenal resuls and comparison of differen procedures based on ranks, Agronomy Journal, 87, Hühn,, and Léon, J (995 Nonparameric analysis of culivar performance rials - experimenal resuls and comparison of differen procedures based on ranks Rerieved from hp://wwwscilib univkievua/ariclephp? 0904 Neer, J, Wasserman, W, and Kuner, H (990 Applied linier saisical models: Regression, analysis of variance, and experimenal design, 3 rd ed, Boson: Rhicard D Irwin, Inc 4 Jurnal a Sa, Vol 9 No Juli 009: 35-4

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik Jawab p = proporsi sekrearis di seluruh perkanoran di Bandung yang diperlengkapi dengan kompuer di ruang kerjanya Karena p idak dikeahui, asumsikan nilainya.5 q = 1 p =.5 Tingka keyakinan 95% =.5 dan /

Lebih terperinci

Volume 1, Nomor 1, Juni 2007 ISSN

Volume 1, Nomor 1, Juni 2007 ISSN Volume, Nomor, Juni 7 ISSN 978-77 Barekeng, Juni 7 hal6-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variance Mulivaria Analysis for Experimen wih Complee Random

Lebih terperinci

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember)

Estimasi Fungsi Tahan Hidup Virus Hepatitis di Kabupaten Jember (Estimating of Survival Function of Hepatitis Virus in Jember) Jurnal ILMU DASAR Vol. 8 No. 2, Juli 2007 : 135-141 135 Esimasi Fungsi Tahan Hidup Virus Hepaiis di Kabupaen Jember (Esimaing of Survival Funcion of Hepaiis Virus in Jember) Mohamad Faekurohman Saf Pengajar

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

Statistika Inferensi Tentang Ratarata Dua Populasi Independen

Statistika Inferensi Tentang Ratarata Dua Populasi Independen Saisika Inferensi Tenang aaraa Dua Populasi Independen Populasi aa-raa = µ (idak dikeahui) Sampel Ukuran = n (besar) aa-raa = X Deviasi Sandar = S Uji Hipoesis enang Perbedaan aa-raa Sampel Besar Saisik

Lebih terperinci

Muhammad Firdaus, Ph.D

Muhammad Firdaus, Ph.D Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi. PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar

Lebih terperinci

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER

ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.

Lebih terperinci

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.. Hasil Peneliian 4... Daa Hasil Peneliian Dari hasil peneliian diperoleh daa kemampuan dribble. hasilnya sebagai mana pada abel I (dilampirkan) 4... Deskripsi

Lebih terperinci

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD

Lebih terperinci

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan

Lebih terperinci

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional. JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen

Lebih terperinci

Analisis Model dan Contoh Numerik

Analisis Model dan Contoh Numerik Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.

Lebih terperinci

Model Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))

Model Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB)) Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,

Lebih terperinci

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion

Lebih terperinci

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar Kumpulan Makalah Seminar Semiraa 013 Fakulas MIPA Universias Lampung Penduga Daa Pada Rancangan Bujur Sangkar Lain Dasar Idhia Sriliana Jurusan Maemaika FMIPA UNIB E-mail: aha_muflih@yahoo.co.id Absrak.

Lebih terperinci

RANK DARI MATRIKS ATAS RING

RANK DARI MATRIKS ATAS RING Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

Sekilas Pandang. Modul 1 PENDAHULUAN

Sekilas Pandang. Modul 1 PENDAHULUAN Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan

BAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan

Lebih terperinci

TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh:

TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh: Arikel Skripsi TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI Diajukan Unuk Memenuhi Sebagian Syara Guna Memperoleh Gelar Sarjana Pendidikan

Lebih terperinci

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

Lebih terperinci

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk) Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

PEMODELAN PRODUKSI SEKTOR PERTANIAN

PEMODELAN PRODUKSI SEKTOR PERTANIAN Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime

Lebih terperinci

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu 1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh

Lebih terperinci

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non

Lebih terperinci

PEMBELAJARAN 5 STATISTIK NON PARAMETRIK

PEMBELAJARAN 5 STATISTIK NON PARAMETRIK PEMBELAJARAN 5 STATISTIK NON PARAMETRIK Kompeensi Dasar paramerik. Mahasiswa memahami enang beberapa eknik analisis saisik non Indikaor Pencapaian Mahasiswa dapa: a. Menjelaskan, menghiung dan menerapkan

Lebih terperinci

Diagram Kendali Robust untuk Monitoring Dispersi

Diagram Kendali Robust untuk Monitoring Dispersi Prosiding Saisika ISSN: 460-6456 Diagram Kendali Robus unuk Monioring Dispersi Rima Kurnia Sari, Suwanda, 3 Lisnur Wachidah,,3 Prodi Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Universias Islam

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi

Lebih terperinci

REGRESI LINIER SEDERHANA (PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS)

REGRESI LINIER SEDERHANA (PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS) REGRESI LINIER SEDERHANA (PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS) PowerPoin Slides by Yana Rohmana Educaion Universiy of Indonesian 007 Laboraorium Ekonomi & Koperasi Publishing Jl. Dr. Seiabudi 9

Lebih terperinci

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami 11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga

Lebih terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi

Lebih terperinci

VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE

VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE Indra Nurhadi Program Sudi Manajemen Ekonomi, Fakulas Ekonomi, Universias Gunadarma Jl. Akses Kelapa Dua Cimanggis,

Lebih terperinci

Pengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia

Pengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang

Lebih terperinci

EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON. Oleh: Nurul Hidayati

EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON. Oleh: Nurul Hidayati EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON Oleh: Nurul Hidayai Mahasiswa S1 Pendidikan Maemaika, Fakulas Keguruan dan

Lebih terperinci

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP

PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC

Lebih terperinci

PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Studi pada karyawan tetap PT PG Tulangan Sidoarjo)

PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Studi pada karyawan tetap PT PG Tulangan Sidoarjo) PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Sudi pada karyawan eap PT PG Tulangan Sidoarjo) Niken Dwi Okavia Heru Susilo Moehammad Soe`oed Hakam Fakulas Ilmu Adminisrasi

Lebih terperinci

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK. PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk

Lebih terperinci

Metode Regresi Linier

Metode Regresi Linier Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi

Lebih terperinci

ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI

ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI Yusep Suparman Universias Padjadjaran yusep.suparman@unpad.ac.id ABSTRAK.

Lebih terperinci

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber

Lebih terperinci

III KERANGKA PEMIKIRAN

III KERANGKA PEMIKIRAN III KERANGKA PEMIKIRAN 3.1 Teori Risiko Produksi Dalam eori risiko produksi erlebih dahulu dijelaskan mengenai dasar eori produksi. Menuru Lipsey e al. (1995) produksi adalah suau kegiaan yang mengubah

Lebih terperinci

UJI MULTIKOLINEARITAS DAN PERBAIKAN MULTIKOLINEARITAS

UJI MULTIKOLINEARITAS DAN PERBAIKAN MULTIKOLINEARITAS BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA UJI MULTIKOLINEARITAS DAN PERBAIKAN MULTIKOLINEARITAS 6.1. Uji Mulikolinearias Sebagaimana dikemukakan di aas, bahwa salah sau

Lebih terperinci

Proyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran

Proyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran Saisika, Vol. 10 No. 2, 129 138 Nopember 2010 Proyeksi Penduduk Provinsi Riau 2010-2015 Menggunakan Meode Campuran Ari Budi Uomo, Yaya Karyana, Tei Sofia Yani Program Sudi Saisika, Universias Islam Bandung

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun

Lebih terperinci

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI 7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan

Lebih terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,

Lebih terperinci

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa

Lebih terperinci

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PEELITIA Salah sau komponen peneliian yang mempunyai ari pening dalam kaiannya dengan proses sudi secara komprehensif adalah komponen meode peneliian. Meode peneliian menjelaskan bagaimana

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 3 METODOLOGI PEMECAHAN MASALAH BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah

Lebih terperinci

MENINGKATKAN KEMAMPUAN MEMECAHKAN MASALAH SISWA MELALUI PEMBELAJARAN PEMBERIAN TUGAS LEMBARAN KERJA SECARA KELOMPOK. Oleh: Yoyo Zakaria Ansori

MENINGKATKAN KEMAMPUAN MEMECAHKAN MASALAH SISWA MELALUI PEMBELAJARAN PEMBERIAN TUGAS LEMBARAN KERJA SECARA KELOMPOK. Oleh: Yoyo Zakaria Ansori MENINGKATKAN KEMAMPUAN MEMECAHKAN MASALAH SISWA MELALUI PEMBELAJARAN PEMBERIAN TUGAS LEMBARAN KERJA SECARA KELOMPOK Oleh: Yoyo Zakaria Ansori Peneliian ini dilaarbelakangi rendahnya kemampuan memecahkan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein

BAB 2 TINJAUAN TEORITIS. dari bahasa Yunani yang berarti Demos adalah rakyat atau penduduk,dan Grafein BAB 2 TINJAUAN TEORITIS 2.1 Pengerian Demografi Keadaan penduduk sanga era kaiannya dengan demografi. Kaa demografi berasal dari bahasa Yunani yang berari Demos adalah rakya aau penduduk,dan Grafein adalah

Lebih terperinci

PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN

PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN Oong Karyono Teknik Indusri, Fakulas Teknik Universias Majalengka Email : oong_karyono@rockemail.com ABSTRAK Rumah saki umum daerah (RSUD) Kabupaen

Lebih terperinci

PENGARUH GAJI, UPAH, DAN TUNJANGAN KARYAWAN TERHADAP KINERJA KARYAWAN PADA PT. XYZ

PENGARUH GAJI, UPAH, DAN TUNJANGAN KARYAWAN TERHADAP KINERJA KARYAWAN PADA PT. XYZ PENGARUH GAJI, UPAH, DAN TUNJANGAN KARYAWAN TERHADAP KINERJA KARYAWAN PADA PT. XYZ Khairunnisa aubara 1, Ir. Sugiharo Pujangkoro, MM 2, uchari, ST, M.Kes 2 Deparemen Teknik Indusri, Fakulas Teknik, Universias

Lebih terperinci

BAB 3 LANDASAN TEORI

BAB 3 LANDASAN TEORI BAB 3 LANDASAN TEORI 3.1. Deskripsi Teori 3.1.1. Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien unuk penjualan produknya, perusahaan memerlukan suau cara yang epa, sisemais dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN M-6 PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN Enny Suparini 1) Soemarini 2) 1) & 2) Deparemen Saisika FMIPA UNPAD arhinii@yahoo.com 1) ine_soemarini@yahoo.com 2) Absrak

Lebih terperinci

PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F

PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F Zihaul Haq 1, Bowo Nurhadiono, S.Si, M.Kom 2 1 Mahasiswa Teknik Informaika, Universias Dian Nuswanoro Semarang 2 Dosen Pembimbing Teknik Informaika, Universias

Lebih terperinci

PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013

PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013 Jurnal Lensa Kependidikan Fisika Vol. 1 Nomor 1, Juni 13 ISSN: 338-4417 PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 1/13

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang

Lebih terperinci

e-journal. Volume 06 Nomor 03 Tahun 2017, Edisi Yudisium Periode Agustus 2017, Hal 7-11

e-journal. Volume 06 Nomor 03 Tahun 2017, Edisi Yudisium Periode Agustus 2017, Hal 7-11 PERBEDAAN PENERAPAN ANTARA MODEL PEMBELAJARAN LANGSUNG DAN PEMBELAJARAN BERDASARKAN MASALAH PADA KOMPETENSI MEMBUAT POLA CELANA PANJANG (SLACK) DI SMK NEGERI 3 KEDIRI Aufa Rohmaul Laili Mahasiswi Program

Lebih terperinci

METODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya

METODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya III. METODE PENELITIAN A. Meode Dasar Peneliian Meode yang digunakan dalam peneliian ini adalah meode kuaniaif, yang digunakan unuk mengeahui dan pembahasannya mengenai biaya - biaya usaha melipui biaya

Lebih terperinci

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X

USULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri

Lebih terperinci

IDENTIFIKASI POLA DATA TIME SERIES

IDENTIFIKASI POLA DATA TIME SERIES IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya

Lebih terperinci

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi

Lebih terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion

Lebih terperinci

BAB 2 DASAR TEORI. Studi mengenai aspek teknis dan produksi ini sifatnya sangat strategis, sebab

BAB 2 DASAR TEORI. Studi mengenai aspek teknis dan produksi ini sifatnya sangat strategis, sebab 13 BAB 2 DASAR TEORI 2.1 Aspek Teknis Sudi mengenai aspek eknis dan produksi ini sifanya sanga sraegis, sebab berkaian dengan kapasias proyek, lokasi, aa leak ala produksi, kajian aas bahan dan sumbernya,

Lebih terperinci

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina

Lebih terperinci

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK

KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan

Lebih terperinci

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung

Lebih terperinci