FUZZY QUANTIFICATION THEORY I UNTUK ANALISIS HUBUNGAN ANTARA PENILAIAN KINERJA DOSEN OLEH MAHASISWA, KEHADIRAN DOSEN, DAN NILAI KELULUSAN MAHASISWA

Ukuran: px
Mulai penontonan dengan halaman:

Download "FUZZY QUANTIFICATION THEORY I UNTUK ANALISIS HUBUNGAN ANTARA PENILAIAN KINERJA DOSEN OLEH MAHASISWA, KEHADIRAN DOSEN, DAN NILAI KELULUSAN MAHASISWA"

Transkripsi

1 edia Ifomatia, Vol., No., Jui 004, -0 ISSN: FUZZY QUANTIFICATION THEORY I UNTUK ANAISIS HUBUNGAN ANTARA PENIAIAN KINERJA DOSEN OEH AHASISWA, KEHADIRAN DOSEN, DAN NIAI KEUUSAN AHASISWA Si Kusumadewi Juusa Tei Ifomatia, Faultas Teologi Idusti,Uivesitas Islam Idoesia Jl. Kaliuag Km. 4 Yogyaata 5550 Telp. (074) ext., Fas. (074) ext cicie@fti.uii.ac.id ABSTRAK Fuzzy quatificatio theoy I, adalah suatu metode utu meetua hubuga ataa vaiabel ualitatif yag dibeia dega ilai ataa 0 sampai, da vaiabelvaiabel umeis dalam fuzzy goup yag dibeia dalam sampel. Pada peilitia ii, fuzzy quatificatio theoy aa diguaa utu meetua sebeapa besa fatofato ualitatif peilaia mahasiswa tehadap ieja dose Juusa Tei Ifomatia Uivesitas Islam Idoesia, mempegauhi hubuga ataa ehadia dose da ilai ahi mahasiswa. Hasil peelitia mejua bahwa fato emampua dose medoog mahasiswa utu bepea atif memilii pegauh yag palig tiggi diataa fatofato yag laiya dalam aitaya dega pegauh ataa ehaia dose megaja dega ilai elulusa mahasiswa B. Pegauh ii aa sagat uat apabila ehadia dose megaja lebih dai 0 ali. Kata uci: fuzzy quatificatio theoy, fuzzy goup, ualitatif. PENDAHUUAN Tecapaiya tujua poses belaja megaja dalam suatu peguua tiggi tida telepas dai peaa dose da mahasiswa. Keativa paa dose dalam membeia peuliaha da eatifa mahasiswa dalam megiuti poses belaja megaja mejadi uci utama susesya poses belaja megaja. Susesya poses belaja megaja, bagi mahasiswa, dapat dilihat dega alat uu beupa ilai ahi yag dipeoleh. Biasaya, seoag mahasiswa diataa memilii ilai bai dalam suatu matauliah, apabila mahasiswa tesebut medapata ilai lebih dai atau sama dega B. Demiia pula, seoag dose diataa suses dalam poses belaja megaja, apabila ilai ieja yag dipeolehya juga bai. Juusa Tei Ifomatia Faultas Teologi Idusti Uivesitas Islam Idoesia selama ii telah meeapa evaluasi tehadai ieja dose dega megguaa alat uu yag dieal dega Nilai Kieja Dose (NKD). Salah satu vaiabel yag diguaa utu meghitug NKD adalah peilaia dai

2 mahasiswa yag megambil matauliah yag diampu oleh dose yag besaguta. Peilaia oleh mahasiswa dilaua melalui pegisia uisioe. Pada semeste geap tahu aademi 003/004, ada 8 petayaa yag dibeia dalam uisioe, yaitu: ejelasa & semagat dose dalam membeia uliah; emampua dose meguasai elas; emampua dose medoog mahasiswa utu bepea atif; taggapa & ejelasa dose mejawab petayaa mahasiswa; emampua dose memotivasi mahasiswa utu belaja; hubuga cotoh soal da tugas dega matei yg dibeia; disipli dose tehadap aloasi watu yag dibeia; da esesuaia matei uliah dega silabus/satua Acaa Peualiaha (SAP). Setiap petayaa memilii ilai ataa (buu, sampai 4 (sagat bai. Selai peilaia mahasiswa yag besifat ualitatif, NKD juga dipegauhi oleh vaiabel ehadia dose dalam megaja, yag jelas teuu. Utu meghubuga ataa fato ualitatif da uatitatif, dapat diguaa fuzzy quatificatio theoy. Ada 3 metode fuzzy quatificatio theoy. Fuzzy quatificatio theoy I, aa meetua hubuga ataa vaiabel ualitatif yag dibeia dega ilai ataa 0 sampai, da vaiabel-vaiabel umeis dalam fuzzy goup yag dibeia dalam sampel. Pada peelitia ii, aa dicoba utu meguu pegauh fato-fato ualitatif (peilaia mahasiswa) tehadap hubuga ataa ehadia dose dega posetase ilai elulusa mahasiswa B.. TUJUAN PENEITIAN Peelitia ii betujua utu meetua sebeapa besa fato-fato ualitatif peilaia mahasiswa tehadap ieja dose Juusa Tei Ifomatia, mempegauhi hubuga ataa ehadia dose da ilai ahi mahasiswa, dega megguaa fuzzy quatificatio theoy I. 3. DASAR TEORI 3. Teoi Quatifiasi Secaa umum metode uatifiasi megguaa data-data asa sepeti hasil evaluasi da pedapat oag yag maa uatitas da pemahaa tetag data-data tesebut tida secaa omal diespesia secaa umeis. Biasaya, suatu pedapat atau evaluasi tehadap suatu ativitas aa diepesetasia dalam betu ualitatif secaa liguisti, sepeti: bai, cuup, buu, puas, dll. Padahal sebeaya, utu membadiga pedapat atau evaluasi aa lebih mudah apabila espesi yag bebetu ualitatif tesebut digati dega betu umeis. Utu epelua tesebut, maa dibutuha metode uatifiasi. Fuzzy quatificatio theoy adalah metode utu megedalia data-data ualitatif dega megguaa teoi himpua fuzzy. Pegedalia disii lebih dimasuda utu mejelasa ejadia-ejadia fuzzy megguaa ilai dalam etag [0, ] yag megespesia pedapat-pedapat secaa ualitatif (Kusumadewi, 004). Kusumadewi Fuzzy Quatificatio Theoy I utu Aalisis Hubuga Ataa Peilaia Kieja

3 Apabila tedapat sampel data x (=,,...,), dega deajat eaggotaa pada fuzzy goup B adalah µ B [x ], da tedapat S fuzzy goup, maa dapat dicai total mea m da mea m Bi (i=,,...,s) sebagai beiut: S m = x µ Bi[ x] () N i= = m Bi = x µ Bi[ x N Bi ] () ( ) i= dega N B ) = = ( µ [ ] (3) N = S i= B i B x N( ) (4) Total vaiasi T, vaiasi ata fuzzy goup B, da vaiasi dalam suatu fuzzy goup E dapat ditetua sebagai beiut: T = B = E = S = i= S = i= S = i= ( x m) µ [ x ] (5) Bi ( m m) µ [ x ] (6) Bi dalam hal ii, T = B + E. Bi ( x m ) µ [ x ] (7) Bi Bi 3. Fuzzy Quatificatio Theoy I Tujua dai Fuzzy Quatificatio Theoy I (aalisis egesi ualitatif) adalah meetua hubuga ataa vaiabel ualitatif yag dibeia dega ilai ataa 0 sampai, da vaiabel-vaiabel umeis dalam fuzzy goup yag dibeia dalam sampel. Tabel Kaateisti Fuzzy Quatificatio Theoy I No. ( 3 Exteal data (y) y y y 3 Kategoi A... A i... A P µ ()... µ i ()... µ P () µ ()... µ i ()... µ P () µ (3)... µ i (3)... µ P (3) Fuzzy goup (B) µ B () µ B () µ B (3) y µ (... µ i (... µ P ( µ B ( N y µ ()... µ i ()... µ P () µ B () edia Ifomatia, Vol., No., Jui 004 3

4 Pada Tabel meujua aateisti Fuzzy Quatificatio Theoy I. Pada tabel tesebut tedapat buah sampel. Exteal Stadad (y) meujua fugsi tujua. y adalah fugsi tujua dai sampel e-. µ i ( adalah deajat suatu taggapa tehadap ategoi ulitatif e-i (i=,,..., P) pada sampel e- yag dibei ilai [0, ]. Fuzzy Quatificatio Theoy I sama halya meetua suatu fugsi liea dai bebeapa ategoi (Teao et al., 99): P y( = a i µ ( (8) i= i Pesamaa, tetu saja dihaapa vaiasi tujua membeia ilai eo yag sagat ecil. Utu epelua tesebut, dapat disusu betu matis: y = [y, y,..., y ] (9) µ B() G = 0 0 O (0) µ ( ) B µ () X = [ µ i ( ] = µ ( µ ( ) µ () i µ ( i µ ( ) i µ P () µ P ( µ ( ) P () a = [a, a,..., a ] () Dega demiia, eo vaiace utu fuzzy goup B adalah σ B = ( y Xa)' G( y Xa) (3) N( B) dai σ B σ B a = X' Gy + X' GXa = 0 (4) Bobot ategoi a yag memiimuma eo vaiace dibeia dega pesamaa sebagai beiut: a = (X GX) - X Gy (5) 4 Kusumadewi Fuzzy Quatificatio Theoy I utu Aalisis Hubuga Ataa Peilaia Kieja

5 Utu medapata pegauh setiap ategoi pada vaiabel y, apabila peubaha pada ategoi-ategoi yag lai besifat tetap dapat dilihat melalui oefisie oelasi pasial. Fuzzy mea da fuzzy covaiace utu ategoi e-i da y( adalah sebagai beiut: σ ij ij = (6) σ σ iy ii ii jj σ iy = (7) σ σ yy Disii, X i ( = a i µ i (. Dega megguaa covaiace tesebut, oefisie oelasi fuzzy ij da iy dapat dicai sebagai beiut:\ X i y N N = = = = = = Xi ( µ B ( (8) y( µ B ( (9) σ ij = Xi( X i X j ( X j µ B ( (0) N = = σ iy = Xi( X i y( y j µ B ( () N = = σ yy = y( y µ j B ( () N = = Dai sii dapat dibetu metis R dega eleme-eleme sebagai beiut: R = K y K y K yk y y Ky (3) Ives dai matis R adalah: edia Ifomatia, Vol., No., Jui 004 5

6 R = K y K y K K KK yk y y Ky yy (4) Kemudia vaiabel y da oefisie oelasi pasialya, iy dega i=,,..., i-, i+,..., K adalah: iy iy = (5) ii yy Koefisie oelasi pasial ii meujua pegauh vaiabel e-i pada vaiabel y apabila vaiabel laiya tetap. 4. ETODOOGI PENEITIAN Peelitia dilaua melalui lagah-lagah sebagai beiut: a. Peetua esteal data, ategoi, da fuzzy goup. b. Peyelesaia masalah dega memposes data iput pada poi (a) megguaa fuzzy quatificatio theoy I. c. Aalisis tehadap setiap fato (fuzzy goup). 5. HASI PENEITIAN 5. Peetua esteal data, ategoi, da fuzzy goup Pada peelitia ii, diguaa data hasil evaluasi ieja dose, jumlah ehadia, da distibusi ilai ahi mahasiswa di Juusa Tei Ifomatia pada semeste geap tahu aademi 003/004. Data tesebut sepeti telihat pada Tabel. Tabel. Data matauliah, ehadia, da peilaia mahasiswa No Kode Jumlah %ulus Hasil peilaia mahasiswa* Kelas matauliah ehadia >= B N N N3 N4 N5 N6 N7 N a 0,00,87,73,87 3,00,87 3,00,73 3, b 4,7,53,53,40,73,47,93,80, c 3,66,80,87,60 3,07,60,87,67 3, d 0,7,87,93,67 3,00,87 3,07,87 3, a 7,05 3, 3,4,79 3,4,79,93 3,07 3, b,35 3,36 3,9,7 3,07,93 3,4 3, 3, c 9,77,93 3,4,86 3,00,93 3,07,86 3, d 4,67,33,40,53,47,53,87,40, a 88,4 3,69 3,54 3,46 3,54 3,3 3,38 3,3 3, b 0 73,9 3,69 3,54 3,46 3,46 3,3 3,38 3,3 3, c 73,33,47,33,47,73,7,67,53, a 69,47 3,00 3,00,83 3,00,9 3,5 3,7 3, a 9 8,7 3,00,86,86 3,00 3,4 3,4 3,4 3,00 6 Kusumadewi Fuzzy Quatificatio Theoy I utu Aalisis Hubuga Ataa Peilaia Kieja

7 b 9 87,50 3,63 3,3 3,50 3,5 3,3 3,38 3,3 3, c 9 83,33 3,64 3,57 3,43 3,36 3,43 3,50 3,9 3, a 8,5 3,57 3,43 3,36 3,4 3,4 3,36 3,43 3, b 88,89 3,40 3,53 3,0 3,33 3,7 3,53 3,33 3, c 60,00 3,77 3,77 3,00 3,38 3,38 3,54 3,3 3, a 9 33,75 3,3,67,47,73,73 3,00 3,3 3, b 0 50,55,67,73,67,87,67,87,87 3, c 9 44,44,60,33,47,80,53,73,93,87 Tabel. lajuta No Kode Jumlah %ulus Hasil peilaia mahasiswa* Kelas matauliah ehadia >= B N N N3 N4 N5 N6 N7 N d 0 55,56,79,36,,50,7,7,64, a 59,,7,08,4,75,7 3,00 3,00 3, b 56,5,80,67,67 3,00,73 3,3 3,0 3, c 49,37,7,0,3,73,53 3,7 3,0 3, d 68,75,0,7,33,60,07,87 3,40, a 0 48,48,79,43,7,86,64 3,00 3,00, a 3,53 3,3 3,00,80 3,00,73,40 3,7 3, b 6,4 3,07 3,07,93 3,3 3,00 3,40 3,47 3, c 48,75,60,70,80,80,60,80,70, d 5,5,50,50,50,70,50,80,0, a 0 5,64 3,00 3,3 3,0 3,0,80 3,00,87 3, a 0 60,00,70,50,60,90,70 3,00,90 3, a 0 38,46 3,33 3,0,87 3,0 3,3 3,40 3,0 3, a 3,86,73,09,36,73,36,9 3,00, b 40,59 3,3,80,73 3,00,73 3,0 3,33 3, c 4,7,78,44,44 3,00,89 3,00 3, 3, a 0 40,00 3,08 3,5,6 3,08,77,9,46 3, b 33,75 3,36 3, 3,00 3,4,93 3,4 3,9 3, c 9 43,00,5,75,88,38,00 3,5 3,3 3, d 9 3,58,3,3,7,7,3,73,00, a 0 83,33,40,60,00,40,00,87,67, b 0 89,33,83,67,67,9,67,4,7, c 7 48,89,86,7,57,7,57 3,4,86 3, d 7,50 3,00 3,4 3,00 3,43,43 3,4 3,9 3, a 39,3 3,00 3,08,83 3,08 3,00,9,58 3, b 40,00 3,4 3,4 3,00 3,4 3,00,86,7 3, c 36,99 3,00,89,78,78,89,78 3,00, a 36,76,93,87,60 3,3,47 3,07,60 3, b, 3,07,93,79 3,07,93 3,4,93, c 56,94 3,3,93,60 3,07,87 3,7,80 3, d 36,99 3,4 3,4,86 3,07,86 3,9 3,9 3, a 0 5,7 3,07,73 3,07 3,07,80 3,00,67 3, b 55,4 3,00 3,07 3,3,93,80 3,3,87 3, c 0 48,57,93,80 3,00,87,80,80,67, d 0 55,7 3,7 3,33 3,0,87,87 3,33,87 3, a 8 93,00,93,73,67 3,07,67,87 3,00, a 9,33,63,50,88 3,00,3 3,00 3,5 3, b 5,00,53,47,0,93,47 3,07 3,60 3, c,94 3,5,69,46 3,5,69 3,46 3,69 3, d 4,8 3,50 3,4 3,00 3,08 3,08 3,5 3,7 3, a 0 53,76,80,67,73,53,47,73,73 3, a 9 8,99 3,07,60,53 3,0,93 3,7 3,0 3, a 0 4, 3,0 3,00,80 3,0,90 3,00 3,0, a 0 60,00,8,8,73 3,00,55,9,45,8 edia Ifomatia, Vol., No., Jui 004 7

8 a 9 39,47,7,0,0,93,3,80,07, b 8 6,65,63,50,38 3,00,50 3,00,63 3, c 8 57,4,7,43,7 3,00,43 3,00 3,00 3, d 9 4,05,85,77 3,00 3,08,9 3,3,85 3, a 6 43,4,87,53,53 3,3,40,73,40, a 48,3 3,4 3,00,79 3,07,79 3,07 3,00, a 7,03,9 3,00,58,67,9,83,67, a 9 6,00,40,53,7,87,33 3,07,87,87 Tabel. lajuta No Kode Jumlah %ulus Hasil peilaia mahasiswa* Kelas matauliah ehadia >= B N N N3 N4 N5 N6 N7 N a 8,4 3,43 3,9,93 3,07,7 3,4 3,79, a 0 48,059,9,67,75 3,00,50 3,00,9 3, b 56,665,86,86,86 3,07,86 3,36 3,00 3, c 0 45,679,90,60 3,0 3,00,70 3,00 3,00 3, d 0 49,387,69,75,88 3,06,44,75,50,94 Keteaga: *) Rata-ata hasil peilaia mahasiswa melalui uisioe, dega sala (buu sampai 4 (sagat bai, yag meliputi fato-fato: N : Kejelasa da semagat dose dalam membeia uliah N : Kemampua dose meguasai elas N3 : Kemampua dose medoog mahasiswa utu bepea atif N4 : Taggapa da ejelasa dose mejawab petayaa mahasiswa N5 : Kemampua dose memotivasi mahasiswa utu belaja N6 : Hubuga cotoh soal da tugas dega matei yg dibeia N7 : Disipli dose tehadap aloasi watu yag dibeia N8 : Kesesuaia matei uliah dega silabus/satua Acaa Peualiaha (SAP) Utu membetu Tabel, ilai y dipeoleh dai %ulus >= B utu data e-; ilai µ i ( pada setiap ategoi e-i (dalam asus ii haya megguaa ategoi, yaitu ehadia dose) dipeoleh dai pesamaa (6) beiut: ( ) ( Hadi µ ) = (6) Sedaga ilai µ B ( pada setiap fuzzy goup e-j (j=,,...,8) dipeoleh dai pesamaa (7) beiut: N B j( µ B ( = (7) 5. Peyelesaia dega Fuzzy Quatificatio Theoy I Dega megguaa egesi liea bisa dipeoleh hubuga ataa ehadia dose megaja (x) dega ilai elulusa mahasiswa B (y) tapa mempetimbaga fato-fato laiya, sebagai: y = -7,3988 µ[x] + 69,86 (8) atau y = -,83 x + 69,86 (9) dega oefisie oelasi sebesa -0,4; yag beati bahwa bayaya ehadia dose tida beoelasi dega ilai elulusa mahasiswa B. 8 Kusumadewi Fuzzy Quatificatio Theoy I utu Aalisis Hubuga Ataa Peilaia Kieja

9 Utu setiap fuzzy goup e-i (i=,,...,8), dega megguaa pesamaa (9) (0) da (), dipeoleh veto y yag meupaa hasil taspos dai veto bais y (ilai elulusa mahasiswa B ). atis G, meupaa matis bujusaga beuua 78x78 dega eleme-eleme diagoalya beisi µ B (, ilai eaggotaa data e- pada fuzzy goup B e-i da eleme-eleme laiya ol. atis X, haya beuua 78x dega eleme bais e- adalah µ ( beisi deajat eaggotaa sampel e- pada ehadia dose megaja. Sedaga y, adalah veto beuua 78x dega eleme bais e- adalah ilai elulusa mahasiswa B. Veto bobot ategoi (a) haya beisi satu eleme, yag dapat dipeoleh dega pesamaa (5). Tabel 3 meujua bobot ategoi a. Tabel 3 Bobot ategoi. Fuzzy goup sebagai oefisie µ[x] Bobot ategoi sebagai oefisie x Kejelasa da semagat dose dalam membeia uliah 5,883 4,657 Kemampua dose meguasai elas 50,8074 4,339 Kemampua dose medoog mahasiswa utu bepea atif 5,33 4,776 Taggapa da ejelasa dose mejawab petayaa mahasiswa 50,6966 4,47 Kemampua dose memotivasi mahasiswa utu belaja 50,9738 4,478 Hubuga cotoh soal da tugas dega matei yg dibeia 5,074 4,5 Disipli dose tehadap aloasi watu yag dibeia 50,683 4,36 Kesesuaia matei uliah dega silabus/satua Acaa Peualiaha (SAP) 50,7656 4,305 Sehigga, dai pesamaa () dipeoleh ilai esteal data (y i ) utu setiap fuzzy goup e-i: y = 5,883 µ[x]; atau y = 4,657 x; y = 50,8074 µ[x]; atau y = 4,339 x; y 3 = 5,33 µ[x]; atau y 3 = 4,776 x; y 4 = 50,6966 µ[x]; atau y 4 = 4,47 x; y 5 = 50,9738 µ[x]; atau y 5 = 4,478 x; y 6 = 5,074 µ[x]; atau y 6 = 4,5 x; y 7 = 50,683 µ[x]; atau y 7 = 4,36 x; y 8 = 50,7656 µ[x]; atau y 8 = 4,305 x; Koefisie oelasi ataa ilai esteal data pada setiap fuzzy goup (y i ) dega ilai elulusa mahasiswa B sama dega, yag beati bahwa setiap edia Ifomatia, Vol., No., Jui 004 9

10 fuzzy goup memilii oelasi yag sagat uat dega ilai elulusa mahasiswa B. Pada Tabel 3 telihat bahwa bobot ategoi tebesa tejadi pada fato emampua dose medoog mahasiswa utu bepea atif. Hal ii beati bahwa fato emampua dose medoog mahasiswa utu bepea atif memilii pegauh yag palig tiggi diataa fato-fato yag laiya dalam aitaya dega pegauh ataa ehaia dose megaja dega ilai elulusa mahasiswa B. Sedaga bobot ategoi teecil tejadi pada fato disipli dose tehadap aloasi watu yag dibeia. Hal ii beati bahwa fato disipli dose tehadap aloasi watu yag dibeia memilii pegauh yag palig edah diataa fato-fato yag laiya dalam aitaya dega pegauh ataa ehaia dose megaja dega ilai elulusa mahasiswa B. Utu setiap fuzzy goup, titi potog ilai esteal data dega pesamaa (8) medeati titi (0,89; 45). Hal ii beati bahwa setiap fuzzy goup aa membeia pegauh yag sagat beati apabila jumlah ehadia dose megaja lebih dai (0,89 x ) = 0 ali. Utu jumlah ehadia lebih dai 0 ali, maa setiap fuzzy goup aa membeia oelasi positif dega posetase ilai elulusa mahasiswa B mecapai aga lebih dai 45%. 6. SIPUAN Bedasaa hasil peelitia, dapat disimpula bahwa: a. Peilaia mahasiswa tehadap ieja dose yag dibeia secaa ualitatif sagat mempegauhi pegauh ehadia dose tehadap ilai elulusa mahasiswa B. b. Fato utama yag palig bepegauh adalah emampua dose medoog mahasiswa utu bepea atif, yag beati bahwa Juusa Tei Ifomatia haus megupayaa suatu metode bau dalam poses belaja megaja yag lebih megutamaa pea mahasiswa dalam poses belaja megaja tesebut. c. Fato-fato ualitatif tesebut aa sagat bepegauh apabila ehadia dose megaja lebih dai 0 ali, yag beati bahwa edepa Juusa Tei Ifomatia haus lebih megupayaa caa utu meigata edisiplia dose utu hadi megaja. PUSTAKA Kusumadewi, S.. (004). Apliasi ogia Fuzzy Utu Peduug Keputusa. Yogyaata: Gaha Ilmu. Teao, T., Asai, K., da Sugeo,. (99). Fuzzy Systems Theoy ad Its Applicatios. odo: Academic Pess. 0 Kusumadewi Fuzzy Quatificatio Theoy I utu Aalisis Hubuga Ataa Peilaia Kieja

Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN:

Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN: eda Ifomata, Vol., No., Ju 004, -0 ISSN: 0854-4743 FUZZY QUANTIFICATION THEORY I UNTUK ANAISIS HUBUNGAN ANTARA PENIAIAN KINERJA DOSEN OEH AHASISWA, KEHADIRAN DOSEN, DAN NIAI KEUUSAN AHASISWA ENGGUNAKAN

Lebih terperinci

Analisis regresi linear ganda bertujuan untuk mencari bentuk hubungan linear antara satu variabel terikat Y dan k variabel bebas X1, X2, X3,..., Xk.

Analisis regresi linear ganda bertujuan untuk mencari bentuk hubungan linear antara satu variabel terikat Y dan k variabel bebas X1, X2, X3,..., Xk. EGESI DAN KOELASI LINEA GANDA Aalisis egesi liea gada etujua utu mecai etu huuga liea ataa satu vaiael teiat da vaiael eas,, 3,...,. Meetua pesamaa egesi liea gada Pesamaa egesi pada da adalah Dega metode

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

KORELASI DAN REGRESI BERGANDA

KORELASI DAN REGRESI BERGANDA KORELASI DAN REGRESI BERGANDA KORELASI BERGANDA Koelasi begada meupaka alat uku megeai hubuga yag tejadi ataa vaiabel depede () dega dua atau lebih vaiabel idepede,. Dega koelasi begada kekuata atau keeata

Lebih terperinci

Jl. Barang Tongkok Kampus Gn. Kelua Samarinda-Kalimantan Timur 1, 2,

Jl. Barang Tongkok Kampus Gn. Kelua Samarinda-Kalimantan Timur   1, 2, Jual Baeeg Vol. 7 o. Hal. 1 0 (01) AALISIS KORELASI SOMERS D PADA DATA TIGKAT KEYAMAA SISWA-SISWI SMP PLUS MELATI SAMARIDA Somes d Coelate Aalysis o The Data Comfotable Level of Studets i Plus Melati Samaida

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

Lebih terperinci

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia

Lebih terperinci

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh, Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 1, No.2, September 2012 IfiityJual Ilmiah Pogam Studi Matematia STKIP Siliwagi Badug, Vol, No., Septembe HIMPUNAN KOMPAK PADA RUANG METRIK Oleh : Cee Kustiawa Juusa Pedidia Matematia FPMIPA Uivesitas Pedidia Idoesia eeustiawa@yahoo.om

Lebih terperinci

Pemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan

Pemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan Pemetaa Liea Yag Megawetka Ives azi Matiks Atas Lapaga ibeika matiks x atas lapaga Sutopo Juusa Matematika Fakultas Matematika da Pegetahua Alam Uivesitas Gadjah Mada sutopo_mipa@ugm.ac.id Abstact F lapaga

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

Ring Noetherian dan Ring Artinian

Ring Noetherian dan Ring Artinian Jual Saismat, Maet 2013, Halama 79-83 ISSN 2086-6755 htt://ojs.um.ac.id/idex.h/saismat Vol. II, No. I Rig Noetheia da Rig Atiia The Atiia Rig ad The Noetheia Rig Fitiai Juusa Matematia Seolah Tiggi Ilmu

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi

Lebih terperinci

Pengantar Analisis Real

Pengantar Analisis Real Bacaa Waga KSA Pegata Aalisis Real Itoductio to eal aalysis Diumpula dai bebagai sumbe oleh: Abu Abdillah KOMUNITAS STUDI ALKWARIZMI UNAAHA 03 PERSEMBAHAN Utu baha bacaa waga KSA (Komuitas Studi Al Khwaizmi).

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA 4/3/05 REGRESI LINER BERGND DN REGRESI (TREND) NONLINER Oleh : Fauza mi Sei, 3 pil 05` GDL (07.30-0.50) Regesi Dai deajat (pagkat) tiap peuah eas Liie (ila pagkatya ) No-liie (ila pagkatya uka ) Dai ayakya

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD)

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) Muhamad Zaki Riyato NIM: 02/156792/PA/08944 E-mail: zaki@mail.ugm.ac.id http://zaki.math.web.id Dose Pembimbig: Pof. D. Si Wahyui Pedahulua Sebelum melagkah

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN Dose Pegampu : Pof. D. Si Wahyui DISUSUN OLEH: Nama : Muh. Zaki Riyato Nim : 02/156792/PA/08944 Pogam Studi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

ANALISIS REGRESI BERGANDA

ANALISIS REGRESI BERGANDA Matei kuliah Aalisis Multivaiat Aalisis Regesi Begada : Tekik Idusti WiMa Madiu ANALISIS REGRESI BERGANDA Cotoh : Dai hasil peelitia dipeoleh data seagai eikut : Aalisis : 3 0 7 7 3 3 5 4 4 7 6 4 5 3 8

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi II. TINJAUAN PUSTAKA Pada bab ii aka dibeika bebeapa kosep dasa, istilah istilah da defiisi yag eat kaitaya dega masalah yag haus dibahas yaitu megeai bayakya caa megkostuksi Dyck path dega pajag k upstokes

Lebih terperinci

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

BAB III METODE PENELITIAN. Dipilihnya Bappeda Kabupaten Labuhanbatu Selatan sebagai objek penelitian

BAB III METODE PENELITIAN. Dipilihnya Bappeda Kabupaten Labuhanbatu Selatan sebagai objek penelitian 37 BAB III METODE PENELITIAN 3.. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di Bappeda Kabupate Labuhabatu Selata. Dipilihya Bappeda Kabupate Labuhabatu Selata sebagai objek peelitia kaea peeliti

Lebih terperinci

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT PBANDINGAN PENAKSIR REGRESI LINI SEDHANA PADA SAMPLING BPINGKAT, SAMPLING EKSTRIM BPINGKAT DAN SAMPLING MEDIAN BPINGKAT E. W. Aitoag *, Haiso, R. Efedi Mahasiswi Pogam S Matematika Dose Juusa Matematika

Lebih terperinci

BAB 1 PENDAHULUAN. statistik dipergunakan untuk mencapai hasil yang dapat diramalkan.

BAB 1 PENDAHULUAN. statistik dipergunakan untuk mencapai hasil yang dapat diramalkan. BAB PENDAHULUAN.. Lata Belakag Tidak seoagpu yag dapat meamalka apa yag aka tejadi dimasa yag aka datag secaa sempua, meskipu dega megguaka bebagai alat aalisis. Setiap amala yag dilakuka tidak telepas

Lebih terperinci

Penggunaan Transformasi z

Penggunaan Transformasi z Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:

Lebih terperinci

Statistika Non Parametrik

Statistika Non Parametrik . Pedahulua Statistika No Paametik Kelebiha Uji No Paametik: - Pehituga sedehaa da cepat - Data dapat beupa data kualitatif (Nomial atau Odial) - Distibusi data tidak haus Nomal Kelemaha Uji No Paametik:

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,

Lebih terperinci

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

Bab 16 Integral di Ruang-n

Bab 16 Integral di Ruang-n Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

III. METODE PENELITIAN. menggunakan kuesioner sebagai teknik pokok. Penelitian yang bersifat

III. METODE PENELITIAN. menggunakan kuesioner sebagai teknik pokok. Penelitian yang bersifat III. METODE PENELITIAN A. Metode Penelitian Penelitian ini menggunakan metode penelitian kuantitatif, kaena dalam pengumpulan data, penulis menghimpun infomasi dai paa esponden menggunakan kuesione sebagai

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

BAB III RANCANGAN PENELITIAN. tujuan utama yang ingin dicapai melalui penelitian ini adalah untuk memperoleh

BAB III RANCANGAN PENELITIAN. tujuan utama yang ingin dicapai melalui penelitian ini adalah untuk memperoleh 44 BAB III RACAGA PEELITIA.. Tujuan Penelitian Bedasakan pokok pemasalahan yang telah diuaikan dalam Bab I, maka tujuan utama yang ingin dicapai melalui penelitian ini adalah untuk mempeoleh jawaban atas

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

p q r sesuai sifat operasi hitung bentuk pangkat

p q r sesuai sifat operasi hitung bentuk pangkat Adi Nuhidayat, S.Pd PEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMK KELOMPOK PARIWISATA, SENI DAN KERAJINAN, TEKNOLOGI KERUMAHTANGGAAN, PEKERJAAN SOSIAL, DAN ADMINISTRASI PERKANTORAN TAHUN PELAJARAN

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

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

EKSISTENSI INVERS GRUP DARI MATRIKS BLOK. Mahasiswa Program S1 Matematika 2

EKSISTENSI INVERS GRUP DARI MATRIKS BLOK. Mahasiswa Program S1 Matematika 2 ESSTENS NVERS GRU DR TRS LO Riaa Wedya Rola ae usaii ahasiswa ogam S atematika Dose Juusa atematika Fakultas atematika da lmu egetahua lam ampus iawidya ekabau 89 doesia email: iaa_wedya@yahoocom STRCT

Lebih terperinci

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap

Lebih terperinci

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) (Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

MOMEN, KEMIRINGAN, DAN KURTOSIS

MOMEN, KEMIRINGAN, DAN KURTOSIS 00 MOMEN, KEMIRINGAN, DAN KURTOSIS Achmad Samsudi, S.Pd., M.Pd. Juusa Pedidika Fisika FPMIPA Uivesitas Pedidika Idoesia /8/00 MODUL MOMEN, KEMIRINGAN, DAN KURTOSIS Achmad Samsudi, S.Pd., M.Pd. Pedahulua

Lebih terperinci

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri

Lebih terperinci

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit

Lebih terperinci

PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA.

PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA. PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA. Wachyudi Duda, Kuiati, da Ai Adiyati. Pogam Studi Matematika Fakultas

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN ( RPP 7 ) A.Standar Kompetensi 1. Menerapkan konsep dan prinsip gejala gelombang dalam menyelesaikan masalah.

RENCANA PELAKSANAAN PEMBELAJARAN ( RPP 7 ) A.Standar Kompetensi 1. Menerapkan konsep dan prinsip gejala gelombang dalam menyelesaikan masalah. RENCANA PELAKSANAAN PEMBELAJARAN ( RPP 7 ) Mata Pelajaa Nama Guu Sekolah Kelas / Semeste Kabupate Povisi : FISIKA : I Made Ridiyasa : SMA N Blahbatuh : XII (Dua belas) / Semeste I : Giaya : Bali A.Stada

Lebih terperinci

PERHITUNGAN BIAYA TAMBAHAN DALAM PENDANAAN PROGRAM PENSIUN DENGAN METODE ACCRUED BENEFIT COST

PERHITUNGAN BIAYA TAMBAHAN DALAM PENDANAAN PROGRAM PENSIUN DENGAN METODE ACCRUED BENEFIT COST Buleti Ilmiah Mat. Stat. da Teapaya (Bimaste) Volume 03, No.1 (2014), hal 63 68. PERHITUNGAN BIAYA TAMBAHAN DALAM PENDANAAN PROGRAM PENSIUN DENGAN METODE ACCRUED BENEFIT COST Septiaa, Dada Kusada, Neva

Lebih terperinci

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas

Lebih terperinci

BAB III METODE PENELITIAN. adalah untuk mengetahui kontribusi motivasi dan minat bekerja di industri

BAB III METODE PENELITIAN. adalah untuk mengetahui kontribusi motivasi dan minat bekerja di industri BAB III METODE PENELITIAN A. Jenis Penelitian Bedasakan pemasalahan, maka penelitian ini temasuk penelitian koelasional yang besifat deskiptif, kaena tujuan utama dai penelitian ini adalah untuk mengetahui

Lebih terperinci

BAB III METODE PENELITIAN. bertujuan untuk mengetahui hubungan antara dua variabel atau lebih (Sugiyono,

BAB III METODE PENELITIAN. bertujuan untuk mengetahui hubungan antara dua variabel atau lebih (Sugiyono, BAB III METODE PENELITIAN 3.1 Desai Peelitia Peelitia ii adalah peelitia asosiatif/hubuga yaitu peelitia betujua utuk megetahui hubuga ataa dua vaiabel atau lebih (Sugiyoo, 01).Selajutya, utuk pedekata

Lebih terperinci

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dega caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia adalah

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia yag peulis lakuka adalah peelitia kuatitatif, kaea peelitia ii betujua utuk megetahui adaya koelasi ataa tigkat kecedasa (IQ), motivasi bepestasi,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB TINJAUAN TEORITIS.. Aalisis Koelasi Aalisis koelasi adalah metode statistika yag diguaka utuk meetuka kuatya atau deajat huuga liie ataa dua vaiael atau leih. Semaki yata huuga liie (gais luus), maka

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial 5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Suharsimi Arikunto (2006:136) metode penelitian adalah cara yang

III. METODOLOGI PENELITIAN. Menurut Suharsimi Arikunto (2006:136) metode penelitian adalah cara yang III. METODOLOGI PENELITIAN A. Metode Peelitia Meuut Suhasimi Aikuto (006:136) metode peelitia adalah caa yag diguaka oleh peeliti dalam megumpulka data peelitia, dapat beupa agket, wawacaa, pegamata atau

Lebih terperinci

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ, BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi

Lebih terperinci

Liston Hasiholan 1) dan Sudradjat 2)

Liston Hasiholan 1) dan Sudradjat 2) EVALUASI KINERJA KARYAWAN MENGGUNAKAN METODE PEMROGRAMAN LINEAR FUY *) Liston Hasiholan 1) dan Sudadjat 2) ABSTRAK Pengukuan kineja kayawan meupakan satu hal yang mutlak dilakukan secaa peiodik oleh suatu

Lebih terperinci

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS

Bab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

Dan koefisien korelasi parsial antara Y, X 2 apabila X 1 dianggap tetap, dinyatakan sebagai r y 2.1 rumusnya sebagai berikut:

Dan koefisien korelasi parsial antara Y, X 2 apabila X 1 dianggap tetap, dinyatakan sebagai r y 2.1 rumusnya sebagai berikut: Koelasi Pasial Koelasi Pasial beupa koelasi antaa sebuah peubah tak bebas dengan sebuah peubah bebas sementaa sejumlah peubah bebas lainnya yang ada atau diduga ada petautan dengannya, sifatnya tetentu

Lebih terperinci

Bab 6: Analisa Spektrum

Bab 6: Analisa Spektrum BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

APLIKASI TRANSFORMASI SCHWARZ-CHRISTOFFEL PADA SUMBU X DI BIDANG-Z SKRIPSI. oleh: KURNIATI NIM

APLIKASI TRANSFORMASI SCHWARZ-CHRISTOFFEL PADA SUMBU X DI BIDANG-Z SKRIPSI. oleh: KURNIATI NIM APLIKASI TRANSFORMASI SCHWARZ-CHRISTOFFEL PADA SUMBU X DI BIDANG-Z SKRIPSI oleh: KURNIATI NIM. 6558 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG

Lebih terperinci

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri

Lebih terperinci

Kuliah 9 Filter Digital

Kuliah 9 Filter Digital TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Idah Susilawati, S.T.,.Eg. Progra Studi Tei Eletro Progra Studi Tei Iforatia Faultas Tei da Ilu Koputer Uiversitas ercu Buaa Yogaarta 9 Kuliah

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA

S T A T I S T I K A OLEH : WIJAYA S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 ANALISIS KORELASI 1. Koefisien Koelasi Peason Koefisien Koelasi Moment

Lebih terperinci

PENGARUH TINGKAT PENDIDIKAN ORANG TUA TERHADAP HASIL BELAJAR SISWA PADA MATA PELAJARAN EKONOMI KELAS VIII SMP NEGERI 1 PEUSANGAN SELATAN

PENGARUH TINGKAT PENDIDIKAN ORANG TUA TERHADAP HASIL BELAJAR SISWA PADA MATA PELAJARAN EKONOMI KELAS VIII SMP NEGERI 1 PEUSANGAN SELATAN PENGARUH TINGKAT PENDIDIKAN ORANG TUA TERHADAP HASIL BELAJAR SISWA PADA MATA PELAJARAN EKONOMI KELAS VIII SMP NEGERI 1 PEUSANGAN SELATAN Aizal Mahasiswa Pedidika Ekoomi M. Saleh Aksa Dose Pedidika Ekoomi

Lebih terperinci

Menentukan Pembagi Bersama Terbesar dengan Algoritma

Menentukan Pembagi Bersama Terbesar dengan Algoritma Meetuka Pembagi Besama Tebesa dega Algoitma Macelius Hey M. (135108) Pogam Studi Tekik Ifomatika Sekolah Tekik Elekto da Ifomatika Istitut Tekologi Badug, Jl. Gaesha 10 Badug 4013, Idoesia 135108@std.stei.itb.ac.id

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

KORELASI. menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi. kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.

KORELASI. menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi. kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi. KORELASI Tedapat tiga macam bentuk hubungan anta vaiabel, yaitu hubungan simetis, hubungan sebab akibat (kausal) dan hubungan Inteaktif (saling mempengauhi). Untuk mencai hubungan antaa dua vaiabel atau

Lebih terperinci

PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE

PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE ISSN: 339-54 JURNAL GAUSSIAN, Volue 4, Noo, ahu 05, Halaa 3 - Olie di: http://ejoual-s.udip.ac.id/ide.php/gaussia PEMODELAN INGKA PENGANGGURAN ERBUKA DI JAWA ENGAH MENGGUNAKAN REGRESI SPLINE Seta Satia

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA

SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua

Lebih terperinci

BAB IV ANALISIS HUBUNGAN UMPAN BALIK DENGAN MOTIVASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 9 BATANG

BAB IV ANALISIS HUBUNGAN UMPAN BALIK DENGAN MOTIVASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 9 BATANG BAB IV ANALISIS HUBUNGAN UMPAN BALIK DENGAN MOTIVASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA SMP NEGERI 9 BATANG Setelah data dai kedua vaiabel yaitu vaiabel X dan vaiabel Y tekumpul seta adanya teoi yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP KREDIT YANG DISALURKAN SERTA DAMPAKNYA TERHADAP RENTABILITAS PERUSAHAAN

PENGARUH MODAL KERJA TERHADAP KREDIT YANG DISALURKAN SERTA DAMPAKNYA TERHADAP RENTABILITAS PERUSAHAAN Jural Autasi FE Usil, Vol. 4, No., 009 ISSN : 907-9958 PENGARUH MODAL KERJA TERHADAP KREDIT YANG DISALURKAN SERTA DAMPAKNYA TERHADAP RENTABILITAS PERUSAHAAN Rai Rahma Dose Jurusa Autasi Faultas Eoomi Uiversitas

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.

Lebih terperinci

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1 BAHAN AJAR POLA, BARISAN DAN DERET BILANGAN Oleh : Muhammad Imo H 0 Modul Baisa da Deet Hal. BARISAN DAN DERET A. POLA BILANGAN. Pegetia Baisa Bilaga Baisa bilaga adalah uuta bilaga-bilaga dega atua tetetu.

Lebih terperinci

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci