OPTIMASI DENGAN METODE DAKIAN TERCURAM
|
|
- Vera Sasmita
- 7 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI DENGAN METODE DAKIAN TERCURAM Marwan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala, Jln. Syekh Abdur Rauf No. 3 Darussalam, Banda Aceh marwan.ramli@mathusk.org ABSTRACT Response surface methodology is one of the statistical and mathematical techniques is used to analyze case of some independent variables which influence dependent variables or responses, and aim to measure optimum value from the response. Method of the steepest ascent and descent is part of the response surface methodology in determining optimum response also central composite design to measure optimum value. In the first steps, if will be consider the first model and the second one. The case study of this research is an experiment of purify oxygen as response observed, temperature (T) and pressure ratio (R) as variable which are influence respond. At the beginning, the temperature T = 220 o C and pressure ratio R = 1.2 atm, by applying method of steepest ascent and descent will be figured out maximum area at the 6 th sequence and minimum area at the 4 th sequence. At the final process of determining optimum value with central composite design will be known maximum value at the temperature o C and pressure ratio atm with purifying of oxygen response, however the minimum point unappropriate with the minimum condition. Keywords: method of steepest slope, optimization, maximum response ABSTRAK Metode permukaan respon merupakan suatu teknik statistik dan matematika yang digunakan untuk menganalisis permasalahan yang terkait dengan respon serta bertujuan untuk menentukan nilai optimum dari respon itu. Metode dakian tercuram merupakan bagian dari metode permukaan respon dalam menentukan daerah respon optimum serta rancangan komposit pusat untuk menentukan titik optimum. Pada tahap awal akan diduga model orde pertama dan model orde kedua. Contoh kasus pada penelitian ini adalah suatu percobaan pemurnian oksigen sebagai respon yang diamati, suhu (T) dan rasio tekanan (R) sebagai variabelvariabel yang mempengaruhi respon. Kondisi awal percobaan pada suhu T = 220 o C dan rasio tekanan R =1.2 atm, dengan menerapkan metode dakian tercuram diketahui daerah maksimum terjadi pada lintasan ke6, pada proses akhir dalam penentuan titik optimum dengan rancangan komposit pusat dan diketahui titik maksimum berada pada suhu reaksi o C dan rasio tekanan sebesar atm dengan dugaan respon pemurnian oksigen. Kata kunci: metode dakian tercuram, optimasi, respon maksimum 34 Jurnal Mat Stat, Vol. 10 No. 1 Januari 2010: 3444
2 PENDAHULUAN Salah satu usaha manusia untuk mengembangkan ilmu dan teknologi adalah melalui kegiatan penelitian. Kegiatan penelitian merupakan suatu proses belajar yang terarah mengenai suatu masalah dan dilakukan secara iteratif. Pada sistem nyata, sering terdapat 2 atau lebih elemen pembentuk sistem saling berhubungan. Hal ini disebabkan karena pada dasarnya suatu sistem terdiri dari elemen yang saling bergantung dan bekerja sama untuk mencapai suatu tujuan. Proses bekerjanya berbagai elemen dalam sistem sangat kompleks sehingga untuk melihat hal ini dalam keadaan sebenarnya sangat sulit dan hampir mustahil. Pada umumnya, pada suatu kegiatan penelitian permasalahan yang dikemukakan akan dikaji untuk dijadikan hipotesis. Biasanya, hipotesis berbentuk pernyataan yang dapat diuji dalam tingkatan lebih lanjut berbentuk model matematika. Model matematika ini senantiasa dianggap memenuhi taksiran tertentu yang dapat menyederhanakan permasalahan yang akan diteliti. Metode dakian tercuram merupakan suatu prosedur untuk mencari daerah respon maksimum. Sebaliknya, untuk mencari daerah respon minimum disebut metode turunan tercuram. Pada tulisan akan dipresentasikan pemanfataan metode dakian tercuram pada proses pemurnian oksigen. Dalam hal ini, respon dipengaruhi oleh beberapa faktor, di antaranya adalah suhu( o C) dan rasio tekanan (atm) (Montgomery, 2001). Oleh karena itu, diasumsikan bahwa respon pada kasus ini, respon hanya dipengaruhi oleh 2 faktor sehingga model matematika orde satu dapat dituliskan sebagai, (1) dengan, dan adalah konstanta yang akan ditentukan dan dan berturutturut menyatakan variabel yang mempengaruhi respon. Di sini, prediksi faktor yang menghasilkan nilai respon yang optimum dihitung dengan menggunakan metode permukaan respon (Amago, 2001). Diketahui bahwa metode ini merupakan suatu teknik untuk menganalisis permasalahan respon, yang dipengaruhi beberapa variabel bebas, dengan tujuan mendapatkan nilai optimum respon (Mendenhall, 1996). Akan tetapi, apabila model tersebut tidak cocok, yang ditandai dengan terdapatnya lengkungan dalam sistem, maka analisis dilanjutkan dengan menentukan model respon orde dua, yang dapat duliskan sebagai berikut (Khuri, 2003). (2) METODE PENELITIAN Data Data yang digunakan pada penelitian ini adalah data sekunder (Montgomerry, 2001). Respon yang akan diamati merupakan pemurnian oksigen yang dipengaruhi oleh 2 faktor, yaitu suhu ( o C) dan rasio tekanan (atm). Data ini merupakan data suatu industri kimia yang memproduksi oksigen dengan cara mencairkan udara dan membaginya ke dalam komponenkomponen gasnya, dengan destilasi fraksinasi (destilasi bertingkat). Pemurnian oksigen merupakan fungsi dari perbandingan suhu kondensor dan rasio tekanan antara kolom teratas dan kolom terbawah. Kondisi arus operasi pada suhu T = 220 o C dan rasio tekanan R =1,2 atm. Data dimaksud disajikan pada Tabel 1 berikut ini. Optimasi dengan Metode Dakian... (Marwan) 35
3 Tabel 1 Data Percobaan Pemurnian Oksigen Suhu Rasio tekanan Pemurnian atm Metode Dakian Tercuram Metode dakian tercuram adalah prosedur yang berisi rangkaian percobaan secara serial sepanjang lintasan terjadinya peningkatan maksimum nilai respon. Metode ini digunakan untuk menentukan daerah percobaan yang memuat nilai maksimum dari respon (Gaspersz, 1992; Khuri, 2001; Montgomery, 2001; Myers, 1971). Prosedur Metode dakian tercuram digunakan untuk menentukan model matematika yang menyatakan hubungan faktor dengan respon. Prosedur yang digunakan dalam menentukan daerah optimum pada awalnya akan diduga model orde pertama dan orde kedua (Aunuddin, 2005). Untuk membangun model orde pertama, terlebih dahulu ditetapkan daaerah eksplorasi pada titiktitik sekitar daerah operasi saat ini, yaitu daerah percobaan awal pada taraf suhu 225 o C sampai dengan 215 o C dan taraf faktor rasio tekanan reaksi 1,1 atm sampai dengan 1,3 atm. Data dikumpulkan dengan menggunakan percobaan faktorial 2x2 atau 2 2 yang diperluas dengan 4 titik pusat, di mana sebagai titik pusatnya adalah pada taraf suhu reaksi T = 220 o C dan taraf rasio tekanan reaksi 1,2 atm. Dengan demikian, titik pusat adalah T = 220 o C dan 1,2 atm, yang dalam variabel kode berturutturut dituliskan 0 dan 0. Pengulangan pengamatan pada titik pusat dimaksudkan untuk menduga galat percobaan serta memeriksa ketepatan model orde pertama (Gaspersz, 1992). Selanjutnya, untuk menduga parameter model orde pertama akan dilakukan transformasi variabel dan ke dalam variabel kode dan yang saling orthogonal dalam bentuk,, (3) (4) Dengan menggunakan (3) dan (4), diperoleh nilai kode dan sebagaimana disajikan pada Tabel Jurnal Mat Stat, Vol. 10 No. 1 Januari 2010: 3444
4 Tabel 2 Data Hasil Transformasi x 1 x 2 Y HASIL DAN PEMBAHASAN Analisis Model Orde Satu Pada percobaan pemurnian oksigen ini, diketahui 2 faktor yang mempengaruhi model, yaitu suhu dan rasio tekanan. Dalam mengkaji hubungan antar faktor dan model, digunakan metode kuadrat terkecil. Untuk kondisi awal akan diduga model orde satu (5) Pengujian model (5) sebagai penduga yang cukup baik akan digunakan uji untuk simpangan (lack of fit). Uji ini bertujuan untuk menguji keberadaan lengkungan dalam model (Walpole, 1995). Tabel 3 Analisis Ragam Model Orde Satu Sumber db JK KT F hit Regresi Residual Error Lack of Fit Pure Error Total Berdasarkan Tabel 3, terlihat bahwa nilai uji simpangan = 0,90 <.;, = 9,55. Ini artinya bahwa tidak terdapat lengkungan dalam model. Selain itu, terlihat pula bahwa nilai = 24,53.;; =5,79. Ini memberikan makna bahwa minimal terdapat satu variabel yang mempengaruhi respon. Berdasarkan hasil uji secara individu, diketahui bahwa variabel tidak memberikan pengaruh terhadap respon. Namun demikian, secara umum model (5) dapat digunakan untuk menentukan lintasan dakian tercuram. Optimasi dengan Metode Dakian... (Marwan) 37
5 Lintasan Dakian Tercuram Penentuan arah lintasan dakian dan turunan tercuram diawali dengan pergerakan titik pusat, 0,0. Dari model 5, diketahui bahwa arah dan bersifat positif (naik), dengan besarnya koefisien masingmasing adalah 0.85 dan Dengan demikian, akan terbentuk lintasan dakian dan turunan tercuram, dengan gerakan sebesar 0.85 unit pada arah untuk setiap 0.25 unit pada arah. Pada kasus ini, digunakan jarak (interval) antara taraf variabel sebagai ukuran langkah dasar. Penetapan 5 dari suhu adalah ekivalen dengan langkah sebesar 1. Jadi, langkahlangkah sepanjang lintasan dakian dan turunan tercuram adalah 1 unit dan unit. Selanjutnya, dihitung titiktitik sepanjang lintasan serta mengamati hasil pada titik tersebut sampai ditemukan penurunan dalam respon apabila percobaan terus dilakukan (Gaspersz, 1992). Daerah Dakian Tercuram Hasil eksplorasi sepanjang lintasan dakian tercuram dengan menggunakan 1 dan disajikan pada Tabel 4. Tabel 4 Percobaan Dakian Tercuram Langkahlangkah x 1 x 2 T R Basis Respon yang diamati ( Y ) (baca:delta) Basis Basis Basis Basis Basis Basis Basis Berdasarkan percobaan dakian tercuram yang disajikan pada Tabel 4, terlihat bahwa peningkatan respon Y terjadi hingga pada lintasan ke6 dan terjadi penurunan pada lintasan ke7. Hasil percobaan respon Y menunjukkan bahwa dalam rentang respon antara 75 dan 90, respon maksimum terjadi di sekitar titik 6 dan atau pada suhu 190 dan rasio tekanan atm. Gambar 1 menyajikan grafik respon berdasarkan data pada Tabel 4. Selanjutnya akan ditentukan daerah yang berada di sekitar kondisi operasi yang optimum guna membantu dalam merancang percobaan selanjutnya. 38 Jurnal Mat Stat, Vol. 10 No. 1 Januari 2010: 3444
6 Gambar 1 Grafik Respon Dakian Tercuram Berdasarkan Data pada Tabel 4 Kondisi Operasi Maksimum Pada bagian ini, akan ditentukan operasi optimum pada proses percobaan pemurnian oksigen (Y) yang dipengaruhi oleh suhu (T) dan rasio tekanan (R). Berdasarkan percobaan dakian tercuram di sepanjang lintasan (Tabel 4) diketahui bahwa daerah operasi maksimum terjadi di sekitar titik x 1 = 6 dan x 2 = atau berada pada suhu T = 190 o C dan R = atm. Dari informasi ini, akan dibangun data percobaan lebih lanjut dengan mengambil titik pusat pada suhu 190 o C dan rasio tekanan atm agar ditemukan kondisi operasi maksimum. Pada tahap ini, akan dibangun model orde dua dengan menggunakan rancangan komposit pusat untuk mengumpulkan data percobaan baru tersebut. Diketahui bahwa terdapat 2 variabel diujikan pada percobaan pemurnian oksigen, yaitu x 1 yang mewakili suhu pemurnian (T) dan x 2 yang mewakili rasio tekanan (R) sehingga ditetapkan besaran α = 2 = (Montgomery, 2001). Selanjutnya, agar model orde kedua yang dibangun dapat diperiksa ketetapan modelnya, maka perlu melakukan pengulangan pengamatan, yang dilakukan sebanyak 4 kali pada titik pusat (x 1 = 0 dan x 2 = 0). Dengan demikian, percobaan menggunakan rancangan komposit pusat akan dilakukan pada titiktitik percobaan yang telah didefinisikan di mana pada titik pusat akan dilakukan ulangan, sedangkan pada titiktitik lainnya tidak dilakukan pengulangan pengamatan. Pada kasus pemurnian oksigen ini, titiktitik pusat bersesuaian dengan T = 190 o C dan R = atm untuk daerah maksimum. Pada percobaan awal (Tabel 3), ditetapkan titik pusat T = 220 dan R =1.2 atm, maka bentuk hubungan x 1 dengan serta x 2 dengan R dapat dimodifikasi ke dalam persamaan berikut, (6)... (7) Berdasarkan sifat dari rancangan komposit pusat dan pengulangan pengamatan yang dilakukan pada titik pusat, maka dapat dirancang suatu percobaan dengan mengambil titiktitik dan atau titiktitik dan yang bersesuaian. Percobaan dilakukan kembali sehingga memperoleh data seperti Tabel 5. Optimasi dengan Metode Dakian... (Marwan) 39
7 Tabel 5 Percobaan untuk Daerah Maksimum Variabel Kode Variabel Asli x 1 x 2 T R Respon (Y) Untuk memudahkan proses komputasi dalam membangun model orde kedua, data pada Tabel 5 disusun kembali sebagaimana disajikan pada Tabel 6. Tabel 6 Dugaan Model Orde Dua Daerah Maksimum x 1 x 2 x 1 2 x 2 2 x 1 x 2 Y Selanjutnya, akan dilakukan pendugaan parameter model orde kedua dengan menggunakan metode kuadrat terkecil. Hasil perhitungan dengan menggunakan software Minitab disajikan pada Tabel Jurnal Mat Stat, Vol. 10 No. 1 Januari 2010: 3444
8 Tabel 7 Analisis Ragam Model Orde Dua Sumber db JK KT F P Regresi Linear Kuadrat Interaksi Ressidual Error Lack of Fit Pure Error Total Gambar 2 Permukaan Respon Maksimum Berdasarkan output diketahui bahwa model orde kedua kasus di atas dapat dituliskan sebagai 87,8 0,102 0,108 0,861 0,167 0,504. (8) Pengujian koefisien regresi secara parsial untuk model (8) dapat dilihat pada Tabel 7. Terlihat bahwa nilai P value dengan derajat kepercayaan α = 5% uji koefisien regresi signifikan untuk dan x 1 x 2. Hal ini berarti bahwa kedua suku tersebut berpengaruh pada model. Selanjutnya, akan ditentukan titiktitik x 1 dan x 2 yang memaksimumkan model (8), dengan menerapkan kondisi optimasi. Berdasarkan model (8), diperoleh matriks Hessian yang dituliskan sebagai (Stewart, 2003) Dapat ditunjukkan bahwa merupakan nilai ekstrim yang bersifat definit negatif. Dengan demikian, model orde dua (8) memenuhi syarat cukup untuk kondisi maksimum. Akibatnya, titik stasioner x 1 = 0.06 dan 0.41 adalah titik maksimum. Substitusi dan pada model (8) memberikan nilai dugaan respon maksimum Grafik permukan respon maksimum disajikan pada Gambar 2 dan kontur plotnya pada Gambar 3. x 1 = 0.06 Optimasi dengan Metode Dakian... (Marwan) 41
9 Gambar 3 Kontur Respon Maksimum Jelas bahwa pada suhu dan rasio tekanan sebesar atm adalah kondisi pemurnian oksigen yang maksimum sebesar Uji Orde Model dengan Nilai Duga Galat Pada tahap ini, akan ditinjau nilai galat model orde satu (5) dan model orde dua (8) untuk percobaan yang diduga mengandung titik maksimum. Nilai duga galat model dapat dilihat pada Tabel 8 dan Tabel 9, yaitu nilai galat model orde satu dan galat model orde dua, yang menunjukkan adanya nilai galat yang besar pada titik tertentu untuk model orde kedua (8). Tabel 8 Galat Model Orde Satu ₁ ₂ Ŷ Jumlah 0.32 Sesuai dengan data pada Tabel 9, apabila koefisien dan variabel yang tidak signifikan dihilangkan dari model karena diduga menjadi penyebab nilai galat yang besar diperoleh Hasil pengujian model (9) dapat dilihat pada Tabel (9) 42 Jurnal Mat Stat, Vol. 10 No. 1 Januari 2010: 3444
10 Tabel 9 Galat Model Orde Dua ₁ ₂ Ŷ Jumlah Tabel 10 Analisis Ragam Model (9) Sumber db JK KT F hit Regresi Residual Error Lack of Fit Pure Error Total Dari model (9) dihitung nilai galat baru pada Tabel 11 yang menunjukkan bahwa nilai ragam galat yang diperoleh lebih besar dari dan. Tabel 11 Nilai Galat Baru ₁ ₂ Ŷ Jumlah Dengan demikian, secara umum model orde dua (9) lebih baik untuk menduga hasil percobaan pemurnian oksigen dibandingkan dengan model orde satu (5) dan model (8). Hal ini juga dapat dilihat pada Gambar 4. Gambar ini menyajikan grafik galat untuk ketiga model. Terlihat bahwa secara umum galat untuk model (9) lebih kecil dibandingkan dengan model (5) dan model (8). Optimasi dengan Metode Dakian... (Marwan) 43
11 ε₁ ε₂ ε₃ Gambar 4 Nilai Galat Model PENUTUP Telah diuraikan penggunaan metode dakian tercuram untuk menentukan nilai optimum. Sebagai studi kasus, diambil data hasil percobaan pemurnian oksigen di suatu industri kimia. Pemurnian dilakukan pada suhu (T) dan rasio tekanan (R) tertentu, dengan kondisi awal percobaan pada suhu T = 220 o C dan rasio tekanan R =1.2 atm. Berdasarkan hasil perhitungan, diperoleh bahwa daerah maksimum terjadi pada lintasan ke6, pada proses akhir dalam penentuan titik optimum dengan rancangan komposit pusat, dan diketahui titik maksimum berada pada suhu reaksi o C dan rasio tekanan sebesar atm dengan dugaan respon pemurnian oksigen. DAFTAR PUSTAKA Amago, T. (2001). Sizing optimization using respond surface method in FOA. Research Report, Japan: Research Domain 14. Aunuddin. (2005). Statistika, rancangan, dan analisis data, Bogor: IPB Press. Gaspersz, V. (1992). Teknik analisis dalam penelitian percobaanm, Bandung: Tarsito. Khuri, A.I. (2003). Advanced calculus with applications in statistics, Canada: Wiley Interscience. Mendenhall, W. (1996). Statistics for management and economics, Boston: Duxbury Press. Montgomery, D.C. (2001). Design and analysis of experiments, 5 th ed., New York: John Wiley & Sons, Inc. Myers, R.H. (1971). Response surface methodology, Boston: Allyn & Bacon, Inc. Stewart, J. (2003). Kalkulus, edisi keempat, jilid kedua, Jakarta: Erlangga. Walpole, R.E., and Myers, R.H. (1995). Ilmu peluang dan statistika untuk insinyur dan ilmuan, Bandung: Institut Teknologi Bandung. 44 Jurnal Mat Stat, Vol. 10 No. 1 Januari 2010: 3444
Analisis Model Regresi Linear Berganda dengan Metode Response Surface
Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciJurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciPENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI
E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN
Lebih terperinciDESAIN EKSPERIMEN & SIMULASI 5
DESAIN EKSPERIMEN & SIMULASI 5 (DS.1) OPTIMISASI RESPON EKSPERIMEN MENGGUNAKAN DESAIN BOX-BEHNKEN Budhi Handoko Staf Pengajar Jurusan Statistika FMIPA Unpad Email: budhihandoko@unpad.ac.id Abstrak Salah
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmiah Widya Teknik Volume 6 Nomor 07 ISSN 4-750 OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Maria Agnes Octaviani, Dian Retno Sari Dewi*, Luh Juni
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciBAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada
BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
Lebih terperinciPertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciOPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE
JURNAL TEKNIK INDUSTRI VOL., NO., DESEEMBER 999: 8-29 OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas Kristen
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciMETODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k
METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k SKRIPSI Oleh: RUTH SONANDA MARTASPICA J2E 006 034 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciBAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN
30 BAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN 3.1 Perancangan Aplikasi 3.1.1 Gambaran Umum Perancangan Model program aplikasi yang dirancang akan digambarkan dengan menggunakan
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding
JURNAL TEKNIK INDUSTRI VOL. 4, NO., JUNI 2002: 36-44 OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding Jani Rahardjo Dosen Fakultas Teknologi Industri, Jurusan
Lebih terperinciOptimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk
JURNAL TEKNIK MESIN Vol. 1, No. 2, Oktober 1999 : 170-175 Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciPenentuan Parameter Setting Mesin Pada Proses Corrugating
MediaTeknika Jurnal Teknologi Vol.11, No.1, Juni 2016 22 Sylvia Ongkowijoyo 1, Ig. Jaka Mulyana 2, Julius Mulyono 3 1,2,3 Jurusan Teknik Industri, Fakultas Teknik, Universitas Katolik Widya Mandala Surabaya,
Lebih terperinciPendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi
Statistika, Vol. No., Mei Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi MARZUKI, HIZIR SOFYAN, ASEP RUSYANA Jurusan Matematika FMIPA Universitas Syiah Kuala Jl.
Lebih terperinciOPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY
OPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY Disusun Oleh : George Kevin Wijaya 5303012009 FAKULTAS TEKNIK JURUSAN TEKNIK INDUSTRI
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
Lebih terperinciBAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),
Lebih terperinciANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG
Vol. 11, No. 2, 93-104, Januari 2015 ANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG ENDY NUR CAHYANTO*, NASRAH SIRAJANG*, M. SALEH AF* dy Nur Cahyanto, ABSTRAK Penelitian ini
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK (Choice the Best Linear Regression Multilevel Models)
, Oktober 2009 p : 1-7 ISSN : 0853-8115 Vol 14 No.2 PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK Bertho Tantular 1, Aunuddin 2, Hari Wijayanto 2 1 Jurusan Statistika FMIPA Universitas Padjadjaran
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciPertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression
Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
Lebih terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinciMETODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA. Nuryanti *, Djati H Salimy **
Risalah Lokakarya Komputasi dalam Sains dan Teknologi Nuklir: 6-7 Agustus 8(373-39) METODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA Nuryanti *, Djati H Salimy ** ABSTRAK METODE PERMUKAAN
Lebih terperinciAPLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT
APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT Ivan Aris Nugroho 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen Teknologi, Institut
Lebih terperinciSIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA
Agusrawati //Paradigma, Vol. 16 No.1, April 2012, hlm. 31-38 SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA Agusrawati 1) 1) Jurusan Matematika FMIPA Unhalu, Kendari, Sulawesi Tenggara
Lebih terperinciAPLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS. Abstrak
APLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS Andriani Lubis 1*) 1) Fakultas Pertanian, Universitas Syiah Kuala, Banda Aceh, 23111 *) andriani_loebis@yahoo.com Abstrak
Lebih terperinciE-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:
PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciREGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 167 174 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL ALDILA SARTI Program Studi Matematika, Fakultas Matematika
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciESTIMASI KOMPONEN VARIAN PADA RANCANGAN ACAK KELOMPOK DENGAN MODIFIKASI HARTLEY-ROU
ESTIMASI KOMPONEN VARIAN PADA RANCANGAN ACAK KELOMPOK DENGAN MODIFIKASI HARTLEY-ROU Lismayani Usman 1, Raupong 2, Andi Kresna Jaya 3 Program studi Statistika, Jurusan Matematika, FMIPA, Universitas Hasanuddin
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)
Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm.11 18 11 ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo,
Lebih terperinciKata Pengantar. Medan, 11 April Penulis
Kata Pengantar Puji syukur penulis panjatkan kepada Tuhan YME, bahwa penulis telah menyelesaikan tugas mata kuliah Matematika dengan membahas Numerical Optimization atau Optimasi Numerik dalam bentuk makalah.
Lebih terperinciMENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL
MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
17 BAB TINJAUAN PUSTAKA Pada bab ini akan diuraikan teori dan metode yang digunakan untuk mendukung analisis data. Teori dan metode itu diantaranya adalah rancangan faktorial, analisis regresi dan metode
Lebih terperinciBAB I PENDAHULUAN RANCANGAN CROSSOVER TIGA PERIODE DENGAN DUA PERLAKUAN DUA PERLAKUAN. Disusun Oleh: Diasnita Putri Larasati Ayunda
RANCANGAN CROSSOVER TIGA PERIODE DENGAN DUA PERLAKUAN SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan guna Memperoleh
Lebih terperinciPengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat)
Statistika, Vol. 14 No. 2, 69 76 November 2014 Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat) Jurusan Matematika, Fakultas Sains dan
Lebih terperinciPercobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.
Lebih terperinciE-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciSKRIPSI OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE
SKRIPSI OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Disusun Oleh : Maria Agnes Octaviani Tanuwardaja 5303012028 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dapat digolongkan penelitian deskriptif kuantitatif, karena
BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Penelitian ini dapat digolongkan penelitian deskriptif kuantitatif, karena melalui penelitian ini dapat dideskripsikan fakta-fakta yang berupa kemampuan
Lebih terperinciPENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA BARAT
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 122 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA
Lebih terperinciPENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi kasus: Cara Mengajar Dosen Jurusan Statistika UNDIP)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinci(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN. Oleh Budhi Handoko 1), Sri Winarni 2)
(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN Oleh Budhi Handoko ), Sri Winarni ),) Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung Email ) : budhihandoko@unpad.ac.id Email ) : sri.winarni@unpad.ac.id
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciBAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan
BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks
Lebih terperinciPENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI
PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciDESAIN FAKTORIAL FRAKSIONAL 2 k-p SERTA ANALISISNYA BERBASIS WEB. Candra Aji dan Dadan Dasari 1 Universitas Pendidikan Indonesia ABSTRAK
DESAIN FAKTORIAL FRAKSIONAL k-p SERTA ANALISISNYA BERBASIS WEB Candra Aji dan Dadan Dasari Universitas Pendidikan Indonesia ABSTRAK Dalam eksperimen faktorial k, yakni eksperimen yang melibatkan k buah
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1
Lebih terperinciANALISIS KONJOIN UNTUK MENILAI PEMBUKAAN PROGRAM STUDI STATISTIKA DI UNIVERSITAS SYIAH KUALA. Abstrak
ANALISIS KONJOIN UNTUK MENILAI PEMBUKAAN PROGRAM STUDI STATISTIKA DI UNIVERSITAS SYIAH KUALA Asep Rusyana, Nanny Salwa, Muzamil, Jurusan Matematika FMIPA Unsyiah arusyana@yahoo.com Abstrak Analisis konjoin
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN
Lebih terperinciANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (015), hal 379 386. ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Silvia Widayanti, Muhlasah Novitasari Mara, Neva Satyahadewi
Lebih terperinciBAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
Lebih terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciPENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE
PENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE Muhammad Lukman, Ahmad Zubaid Firdaus, Rahadian Galih Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Malang
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciOptimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface
Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface Moh. Muria Armansyah S. 1*, Endang Pudji Purwanti 2, dan Bayu Wiro Karuniawan
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciBAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu
Lebih terperinciANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN DISTRIBUTED LAG MODEL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 221-227 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN
Lebih terperinciPADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN
PERBANDINGAN ANALISIS INTERBLOK DAN INTERGRADIEN PADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN Fadhlul Mubarak Nasution, Anisa, Raupong Program Studi Statistika, FMIPA,
Lebih terperinciABSTRAK. Pada prakternya tolak ukur yang dapat dilihat oleh keberhasilan mahasiswa adalah
PEMODELAN PRESTASI MAHASISWA TERHADAP MATAKULIAH WAJIB DENGAN ANALISIS REGRESI Anik Rufaidah Program Studi Teknik Industri Sekolah Tinggi Teknik Qomaruddin Jalan Raya No. 01 Bungah Gresik 61152 Indonesia
Lebih terperinciSKRIPSI. OPTIMASI SETTING MESIN CAMBERING PRODUK PARABOLIC LEAF SPRING DENGAN METODE RESPON SURFACE (Studi kasus : PT. XYZ.)
SKRIPSI OPTIMASI SETTING MESIN CAMBERING PRODUK PARABOLIC LEAF SPRING DENGAN METODE RESPON SURFACE (Studi kasus : PT. XYZ.) Disusun Oleh: Evelyn Dwi Lavinia (5303012007) JURUSAN TEKNIK INDUSTRI FAKULTAS
Lebih terperinciBAB 2 LANDASAN TEORI. regresi adalah sebuah teknik statistik untuk membuat model dan menyelediki
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan, dan hal tersebut biasanya diselidiki sifat hubungannya.
Lebih terperinciOPTIMASI WAKTU SIKLUS PRODUKSI KEMASAN PRODUK 50 ML PADA PROSES BLOW MOULDING DENGAN METODE RESPON PERMUKAAN ABSTRACT
Gibran M., K., Jurnal ROTOR, Volume 9., Nomor 1, April 016 OPTIMASI WAKTU SIKLUS PRODUKSI KEMASAN PRODUK 50 ML PADA PROSES BLOW MOULDING DENGAN METODE RESPON PERMUKAAN M. Kahlil Gibran 1, FX Kristianta
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciLAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE
LAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE LA-1 Rancangan Percobaan Optimasi Hidrolisis Selulosa dari Tandan Kosong Kelapa Sawit Rancangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan anatara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama digunakan
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:
BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh
Lebih terperinciKata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI
Lebih terperinciSimulasi Perpindahan Panas pada Lapisan Tengah Pelat Menggunakan Metode Elemen Hingga
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-13 Simulasi Perpindahan Panas pada Lapisan Tengah Pelat Menggunakan Metode Elemen Hingga Vimala Rachmawati dan Kamiran Jurusan
Lebih terperinciPerancangan Percobaan
Fakultas/Prodi Mata Kuliah/Kode : MIPA/Statistika Semester / SKS : Genap/ 3(2-2) Deskripsi Mata Kuliah Standar Kompetensi Mata Kuliah Prasyarat : Pe Percobaan/STK222 Pe Percobaan : Mata kuliah pe membahas
Lebih terperinciModel Regresi Linear Produksi Padi di Indonesia dengan Estimasi-M
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 1, May 2007, 39 46 Model Regresi Linear Produksi Padi di Indonesia dengan Estimasi-M Hasih Pratiwi, Yuliana Susanti, dan Monaluvy Septiningrum Jurusan
Lebih terperinciPERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell
September 03 PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL k MELALUI METODE BISSELL IRAWATY, ANISA DAN HERDIANI, E.T. 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinci