ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR"

Transkripsi

1 Bulet Ilmah Mat. Stat. da eapaa (Bmaste) Volume 0, No. (0), hal ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI PRODUKSI ANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Zaal Ap, Muhlasah Novtasa Maa, Neva Satahadew INISARI Dagam jalu meupaka salah satu metode statstka ag dguaka utuk megaalss hubuga sebab akbat ag tejad pada eges begada, jka vaabel eksoge mempegauh vaabel edoge tdak haa secaa lagsug tetap juga secaa tdak lagsug. Dalam peelta dguaka dagam jalu utuk megaalss pegauh baaka beh, uea da KCL tehadap poduks taama kedela. Metode ag dguaka utuk meduga paamete da model ag tebetuk bedasaka dagam jalu adalah metode kuadat tekecl. Hasl aalss meujukka bahwa vaabel beh ( ) da KCL ( ) memlk pegauh lagsug palg besa tehadap poduks taama kedela(). Sedagka vaabel uea ( ) memlk pegauh lagsug ag sagat kecl tehadap poduks taama kedela (). Demka utuk pegauh tdak lagsug, dketahu bahwa pegauh tdak lagsug beh ( ) tehadap poduks taama kedela () melalu uea ( ) memlk pegauh tdak lagsug ag kecl. Sedagka pegauh tdak lagsug KCL ( ) tehadap poduks taama kedela ( )melalu beh ( ) memlk pegauh tdak lagsug ag palg besa. Kata Kuc:estmas, paamete,dagam jalu PENDAHULUAN eo peelta segkal megaahka pada peguja model ag memlk hubuga ata vaabel ag kompleks. Ketekata hubuga tesebut bsa megkut pola hubuga ata vaabel saja atau pola pegauh, bak pegauh lagsug maupu tdak lagsug. Dalam pakteka, vaabel-vaabel peelta pada bdag tetetu tdak dapat duku secaa lagsug (besfat late) sehgga mash membutuhka vaabel peataa utuk meguku vaabel tesebut. Salah satu tekk statstk ag mampu megaalss pola hubuga ataa vaabel adalah dagam jalu. Dagam jalu meupaka pegembaga lebh lajut da aalss eges begada.pebedaaa adalah bahwa pada aalss jalu dapat membatu dalam mempelaja pegauh lagsug dapegauh tdak lagsug ata vaabel.pada dagam jalu vaabel depede dsebut vaabel eksoge, sedagka vaabel depede dsebut vaabel edoge.aalss jalu megguaka dagam jalu utuk meepesetaska pemasalaha dalam betuk gamba da meetuka pesamaa stuktual ag meataka hubuga ata vaabel pada dagamjalu tesebut. Bebeapa peelt megataka bahwa dagam jalu meupaka model betuk hubuga sebab akbat, sehgga hubuga ata vaabela haus seaah.pemodela pada dagam jalu dapat dlakuka dalam model stuktual atu model dguaka utuk megetahu hubuga ata vaabel late []. ujua peelta adalah utuk megaalss pegauh baaka beh, uea da KCL tehadap poduks taama kedela bak secaa lagsug maupu tdak lagsug.metode ag dguaka utuk megestmas paamete pada model dagam jaluadalah metode kuadat tekecl.lagkah petama pada peelta adalah melakuka kaja secaa teots dalam meetuka estmato paamete pada dagam jalu ag selajuta dlakuka peeapa tehadap data eges, dmaa ddalama tedapat vaabel eksoge atu beh, uea, KCL dapoduks taama kedela sebaga vaabel edoge. 79

2 80 Z. ARIPIN, M.N. MARA DAN N. SAYAHADEWI ESIMASI PARAMEER PADA DIAGRAM JALUR Dagam jalu (path dagam) dkembagka oleh Sewall Wght (94).Dagam jalu dguakautuk melukska damegujmodel hubuga ata vaabel agbebetuk sebab akbat dalam betuk gamba da meetuka pesamaa stuktual ag meataka hubuga ata vaabel padadagam jalu. Pada dagam jalu dguaka dua macam aak paah atu aak paah satu aah ag meataka pegauh lagsug da suatu vaabel eksoge ke sebuah vaabel edoge da aak paah dua aah meataka hubuga koelatf ataa vaabel eksoge. Pada vaabel eksoge tdak dpegauh vaabel-vaabel ag la dalam dagam. etap pada vaabel edoge, dpegauh vaabel-vaabel ag la []. Sebelum melakuka pehtuga dagam jalu, telebh dahulu gambaka dega jelas dagam jalu ag mecemka hubuga ataa vaabel eksoge tehadap vaabel edoge. Vaabel peelta ag daalss dalam peelta melputpoduks taama kedela ( ) dpegauh tga vaabel eksogeatu beh ( ), uea ( ) da KCL ( ).Selegkapa hubuga ata vaabel tesebut dapat dgamba sepet dalam Gamba. Gamba. Dagam Jalu Pegauh Vaabel Eksoge tehadap Vaabel Edoge Vaabel-vaabel ag dguaka dalam model dagam jalu sebeaa adalah vaabel ag sudah testadasas.vaabel ag testadasas adalah vaabel-vaabel ag dataa telah dstadasas dega meguagka dulu ata-ataa da membag dega stada devas masg-masg vaabel, bakvaabel edoge maupu vaabel-vaabel eksogea.rumus ag dguaka utuk meghtug stadasas sebaga bekut []: Dega S = stada devas () S Vaabel adalah vaabel ag belum dstadasas, sedagka adalah vaabel setelah dstadasas.sehgga pesamaa ag dguaka pada peelta sebaga bekut: Dega: =vaabel edoge testadasas = vaabel eksogetestadasas, utuk = koefse jalu ag dstadasas, utuk = vaabel gaggua Koefse jalu ag testadasa ( ) adalah suatu koefse ag meujukka pegauhlagsug vaabel eksoge tehadap vaabel edoge ag telah tesusu dalam betuk dagam jalu []. Akbata dapat dketahu vaabel eksogemaakah ag bepegauh palg besa tehadap vaabel

3 Aalss Fakto-Fakto ag Mempegauh Poduks aama Kedela... 8 edoge.apabla Pesamaa ()dtulska dalam betuk matks dega pegamata da vaabel mejad: Dega: Y,,, β ε Pedugaa paamete adalah baga da statstk ag meupaka suatu caa utuk mempedks kaaktestk da suatu populas bedasaka sampel ag dambl. Dega estmas, dapat dketahu sebeapa jauh suatu paamete populas ag tdak dketahu beada d sekta sampel (statstk sampel).salah satu metode statstka ag dapat dguaka utuk megestmas paamete populas adalah metode kuadat tekecl (MK). Metode kuadat tekecl adalah salah satu metode ag seg dguaka dalam tekk aalss ag betujua utuk memmumka kuadat kesalaha sehgga la pedugaa aka medekat la sesugguha[4]. Ddalam meaks suatupesamaa dalam sstem aalss metode kuadat tekecl seg dpaka kaea betuka sedehaa.pedugaa pesamaa dega metode kuadat tekecl pada dasaa dlakuka dega meetuka gas eges sampel ag memmumkajumlah kuadat ssaa (JKS) [5]. Dega metode kuadat tekecl, la dugaa bag paamete adalah.utuk medapatkapeduga MK bag peduga ( da ) sebaga bekut: ˆ e ˆ β ˆ, e e ˆ e Sehgga model peduga utuk Pesamaa () adalah:, maka dtetuka dua vekto Dega: peduga da peduga da Koefse adalah paamete ag laa tdak dketahu, sehgga dduga megguaka statstk sampel. Peduga MK bag dpeoleh dega meca ag memmumka jumlah kuadat ssaa (JKS),atu sebaga bekut: JKS ( Y βˆ Y e Y βˆ ) e e ( Y βˆ Y Y βˆ Y βˆ Y Y ) βˆ βˆ βˆ Nla mmum da JKS dapat dpeoleh dega meuuka JKS tehadap tuua dega ol. ˆ β, sehgga dpeoleh: ( ) ( ) (5) da meamaka

4 8 Z. ARIPIN, M.N. MARA DAN N. SAYAHADEWI Matks da matks ( )dapat dataka sebaga bekut: Y Dmaa j meupaka koefse koelas ag meujukka koelas ata vaabel. Sebaga lustas dalam peelta dguaka data dalam suatu peelta ag dlakuka oleh Puama Ida Pastma Hutasot, Fakultas Petaa, Uvestas ajugpua pada tahu 007. Data tesebut meupaka hasl pegukua tehadap taama kedela ag dambl da ttk pegamata. Pada peelta, ag meupaka vaabel eksoge adalah baaka beh ( ), uea ( ) da KCL ), sedagkapoduks taama kedela meupaka vaabel edoge. Utuk meduga hubuga ataa poduks taama kedela ( ) dega baaka beh ( ), uea ( ) da KCL ) dguakametode kuadat tekecl (MK). Data tesebut dapat dtamplka secaa detal dalam abel bekut :

5 Aalss Fakto-Fakto ag Mempegauh Poduks aama Kedela... 8 abel Baaka Beh (kg), Uea (kg), KCL kg) da Poduks aama Kedela (kg) No Beh Uea KCL Poduks taama kedela No Beh Uea KCL Poduks taama kedela Sumbe: Puama Ida Pastma Hutasot, Fakultas Petaa, Uvestas ajugpua tahu 007 Bedasaka data pada tabel abel, maka lagkah petama ag haus dlakuka adalah meetuka koelas ata vaabel.nla koefse koelas ata vaabel ( j ), dapat dhtug megguaka umus sebaga bekut [4]: j j,utuk, j,,, da j (6), j Dega: = koefse koelas ataa j da = vaabel eksoge ag testadasas = baaka pegamata Selajuta da data dhtug koelas ataa vaabel eksoge, msalka beh dega uea. 06, ,79 506, ,79 406, ,79 0,7 8,6,0 8,6,0 8,6,0 Lakuka pehtuga ag sama utuk koelas ataa beh dega KCL da uea dega KCL. Substtuska la-la koefse koelas ag dpeoleh ke dalam matks, sehgga:

6 84 Z. ARIPIN, M.N. MARA DAN N. SAYAHADEWI 0,7 0,8 0,7 0,067 0,8 0,067 Selajuta matks koelas ataa vaabel eksoge ( ) dega megguaka umus sebaga bekut [6]: aka dubah kedalam betuk ves ( ) Sehgga ves da matks adalah:,06 0,7 0,8 0,7,0 0,04 (8) 0,8 0,04,04 Dega megguaka umus koefse koelas pada pesamaa (6), maka aka dpeoleh la-la koefse koelas ata vaabel eksoge ( ) dega vaabel edoge. Substtuska la-la koefse koelas ag dpeoleh ke dalam matks, sehgga: Y 0,8 0,0 (9) 0,9 Dega mesubsttuska Pesamaa (8) da (9) ke Pesamaa (6), maka ddapatka la koefse jalu ( ) ag meupaka pegauh lagsug vaabel edoge tehadap vaabel eksoge. βˆ ˆ ˆ ˆ,06 0,7 0,8 Y Y 0,7,0 0,04 0,8 0,8 0,04 0,0,04 0,9 0,4 0,05 0, Oleh kaea tu, pesamaa eges sampela adalah: Bedasaka Pesamaa (0), maka dapat dtetuka pegauh lagsug da pegauh tdak lagsug da vaabel beh, uea da KCL tehadap poduks taama kedela, sebaga bekut:. Peetua pegauh vaabel beh ( ) tehadap vaabel poduks taama kedela ( ). Pegauh lagsug beh ( ) tehadap poduks taama kedela ( ) Pegauh tdak lagsug beh ( ) melalu uea ( )

7 Aalss Fakto-Fakto ag Mempegauh Poduks aama Kedela Pegauh tdak lagsug beh ( ) melalu KCL ( ). Peetua pegauh vaabel uea ( ) tehadap vaabel poduks taama kedela ( ). Pegauh lagsug uea ( ) tehadap poduks taama kedela ( ) Pegauh tdak lagsug uea ( ) melalu beh ( ) Pegauh tdak lagsug uea ( ) melalu KCL ( ). Peetua pegauh vaabel KCL ( ) tehadap vaabel poduks taama kedela ( ). Pegauh lagsug KCL ( ) tehadap poduks taama kedela ( ) Pegauh tdak lagsug KCL ( ) melalu beh ( ) Pegauh tdak lagsug KCL ( ) melalu uea ( ) Nla-la pegauh lagsug da pegauh tdak lagsug vaabel eksoge tehadap poduks taama kedela ag dpeoleh, dtujukka secaa lebh jelas pada Gamba : Beh -0,7 0,8 Uea Poduks aama Kedela -0,067 Gamba. Pegauh Lagsug da Pegauh tdak Lagsug Baaka Beh ( ), Uea ( ) da KCL ( ) tehadap Poduks aama Kedela ( ) Bedasaka dagam jaludketahu bahwa vaabel eksoge ag memlk pegauh lagsug palg besa tehadap vaabel edoge ( adalah vaabel beh da KCL. Sedagka vaabel uea memlk pegauh lagsug ag sagat kecl. PENUUP Bedasaka pembahasa, maka dapat dsmpulka bahwa dagam jalu meupaka tekk statstk ag dguaka utuk membetuk model statstk ag basaa dalam betuk model sebab akbat. Pedugaa da paamete pada model dagam jalu megguaka metode kuadat tekecl (MK) dlakuka dega caa meetuka pesamaa gas eges sampel ag memmumka jumlah kuadat ssaa (JKS) da medefeesalka pesamaa ag tebetuk tehadap paametea. Hasl aalss meujukka bahwa vaabel beh da KCL memlk pegauh lagsug palgbesa tehadap poduks taama kedela. Sedagka vaabel uea memlk pegauhlagsug ag sagat kecl tehadap poduks taama kedela.demka utuk pegauh tdak lagsug, dketahu bahwa pegauh tdak lagsug beh ( ) tehadap poduks taama kedela ( ) melalu uea ( ) memlk pegauh tdak lagsug ag kecl.sedagka pegauh tdak lagsug KCL ( ) tehadap poduks taama kedela ( ) melalu beh ( ) memlk pegauh tdak lagsug ag palg besa. DAFAR PUSAKA KCL [].Rakov, Macouls GA.A Fst Couse Stuctual Equato Modelg. Lawece Elbaum Assocates, Lodo; 000. []. Gudoo. Aalss Data Multvaat.BPFE, Yogakata; 0. []. Feedma DA. A Case Stud Path Aalss.Joual of Educato Statstcs. 008;():0-8.

8 86 Z. ARIPIN, M.N. MARA DAN N. SAYAHADEWI [4]. Feedma DA.Statstcal Models:heo ad Pactce. Cambdge Uvest Pess, New Yok; 009. [5]. Kusada D. Metode Statstk da Aplkasa dega Mtab da Ecel. Mada Pess, Yogakata; 004. [6]. Ato H. Dasa-Dasa Aljaba Lea, Ha, S. (alh bahasa), Ed ke-7. Iteaksaa, Jakata; 000. ZAINAL ARIPIN : Fakultas MIPA Uvestas ajugpua, Potaak,aef_gess46@ahoo.com MUHLASAH NOVIASARI M. : Fakultas MIPA Uvestas ajugpua, Potaak, NEVA SAYAHADEWI : Fakultas MIPA Uvestas ajugpua, Potaak, eva_s04@ahoo.co.d

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai BAB III MATERI DAN METODE Peelta tetag hubuga ataa bobot potog dega bobot kakas da o kakas kambg Jawaadu beta dlaksaaka pada bula Jul sampa dega Oktobe 2016 d tempat pemotoga hewa (TPH) Bustama d Jala

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMA YP Ula Badalampug yag belokas d Jl. Jedal R. Supapto No.88 Tajug Kaag Badalampug. Populas yag dguaka dalam peelta adalah seluuh sswa kelas

Lebih terperinci

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

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

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

Pemodelan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Timur Dengan Menggunakan Metode Regresi Logistik Ridge

Pemodelan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Timur Dengan Menggunakan Metode Regresi Logistik Ridge JURNAL SAINS DAN SENI IS Vol. 4, No., (015 337-350 (301-98X Pt D175 Pemodela Ideks Pembagua Mausa (IPM Povs Jawa mu Dega Megguaka Metode Reges Logstk Rdge Dw Maumee Puta da Vta Ratasa Juusa Statstka, Fakultas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1 68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas

Lebih terperinci

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

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

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

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

Lebih terperinci

ANALISIS HUBUNGAN MULTI CHANNEL LEARNING DENGAN INDEKS PRESTASI MAHASISWA MENGGUNAKAN VARIABEL UTAUT DAN ANALISIS LINTASAN

ANALISIS HUBUNGAN MULTI CHANNEL LEARNING DENGAN INDEKS PRESTASI MAHASISWA MENGGUNAKAN VARIABEL UTAUT DAN ANALISIS LINTASAN ANALII HUBUNGAN MULTI HANNEL LEARNING DENGAN INDEK PRETAI MAHAIWA MENGGUNAKAN VARIABEL UTAUT DAN ANALII LINTAAN utato Halm Paata; Ngaap Im Mak Mathematcs & tatstcs Depatmet, chool of ompute cece, Bus Uvesty

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan III. METODE PENELITIAN A. Metode Peelta Peelta betujua megetahu hubuga testas kegata ekstakulkule Pamuka, da PMR pada sswa Kelas VIII SMP Nege Guug Labuha Way Kaa dega pestas belaja IPS semeste gajl tahu

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

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

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Ceate b Smpo PDF Ceato Po (uegstee veso) http://www.smpopf.com Statstk Bss : BAB 9 IX. ANALISIS REGRESI DAN KORELASI 9. Peahulua Metoe aalss eges a koelas kembagka utuk mempelaja pola a meguku hubuga statstk

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

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

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

Lebih terperinci

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA II TINJAUAN PUSTAKA Pecobaa Multlokas Pecobaa multlokas meupaka seagkaa pecobaa ag seupa d bebeapa lokas ag mempua acaga pecobaa da pelakua ag sama U multlokas utuk vaetas taama paga membutuhka mmal 6

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi 3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB III METODOLOGI. Identifikasi masalah. Program kerja Survei pendahuluan. Karakteristik sosio ekonomi: - PDRB - Data lain yang terkait

BAB III METODOLOGI. Identifikasi masalah. Program kerja Survei pendahuluan. Karakteristik sosio ekonomi: - PDRB - Data lain yang terkait BAB III METODOLOGI Idetfkas masalah Pogam keja Suve pedahulua Stud pustaka Kaaktestk jalu taspotas: - Data sekude kods eksstg jalu - Data la ag tekat Kaaktestk soso ekoom: - PDRB - Data la ag tekat Suve

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

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

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Estimasi Densitas Mulus dengan Metode Kernel. (Kernel Method in Smooth Density Estimation)

Estimasi Densitas Mulus dengan Metode Kernel. (Kernel Method in Smooth Density Estimation) Supat da Sudago Estmas Destas Mulus dega Metode Keel (Keel Metod Smoot Desty Estmato) Ole Supat 1) da Sudago ) Let X Abstact = 1,,, be depedet obsevato data fom a dstbuto wt a ukow desty fucto f. Te fucto

Lebih terperinci

Estimasi Parameter Data Tersensor Tipe I Berdistribusi Loglogistik Menggunakan Maximum Likelihood Estimate dan Iterasi Newton-Rhapson

Estimasi Parameter Data Tersensor Tipe I Berdistribusi Loglogistik Menggunakan Maximum Likelihood Estimate dan Iterasi Newton-Rhapson Estmas Paamete Data Teseso Tpe I Bedstbus Loglogstk Megguaka Maxmum Lkelhood Estmate da Iteas Newto-Rhapso Alfes Fauk Fakultas MIPA, Uvestas Swjaya; emal: alfesfauk@us.ac.d Abstact: Suvval aalyss s oe

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

Forum Statistika dan Komputasi, April 2010 p: 8-16 ISSN :

Forum Statistika dan Komputasi, April 2010 p: 8-16 ISSN : Foum Statstka da Komputas, Apl 1 p: 8-16 ISSN : 853-8115 Vol 15 No.1 PEMODELAN RESIKO PENYAKI KAKI GAJAH (FILARIASIS DI PROVINSI PAPUA DENGAN REGRESI ZERO-INFLAED POISSON (he Rsk of Flass Dsease Papua

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk BAB III METODOLOGI PENELITIAN A. Metode Peelta Metode peelta sagat dperluka dalam sebuah peelta utuk memaham suatu objek peelta da utuk medapatka sejumlah formas tetag masalah pokok yag aka dpecahka. Ada

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda) Jural EKSPONENSIAL Volume 4, Nomor 1, Me 2013 ISSN 2085-7829 Pemodela Regres Ler Megguaka Metode Thel (Stud Kasus: Kompesas Pegawa d Bada Kepegawaa Daerah Kota Samarda) Lear Regresso Modelg Wth Thel Method

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan

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

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat 0 BAB LANDASAN TEORI. Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varael terhadap varael yag la. Varael yag pertama dseut dega ermacam-macam stlah: varael

Lebih terperinci