SIMULASI BISNIS PROGRAM PENENTUAN HARGA DASAR DENGAN MELIHAT JUMLAH VARIASI PRODUK CACAT (STUDI KASUS PT. MITRAGARMENT INDORAYA)

Ukuran: px
Mulai penontonan dengan halaman:

Download "SIMULASI BISNIS PROGRAM PENENTUAN HARGA DASAR DENGAN MELIHAT JUMLAH VARIASI PRODUK CACAT (STUDI KASUS PT. MITRAGARMENT INDORAYA)"

Transkripsi

1 SIMULASI BISNIS PROGRAM PENENTUAN HARGA DASAR DENGAN MELIHAT JUMLAH VARIASI PRODUK CACAT (STUDI KASUS PT. MITRAGARMENT INDORAYA) Aak Agug Gede Putra Diatmika 1) I Gede Arya Utama 2) 1) Program Studi Sistem Iformasi Sekolah Tiggi Maajeme Iformatika & Tekik Komputer Surabaya (STIKOM), putra_lad@yahoo.com 2) Program Studi Sistem Iformasi Sekolah Tiggi Maajeme Iformatika & Tekik Komputer Surabaya (STIKOM), arya@stikom.edu Abstract: With this busiess simulatio program of productio basic price determiatio, could help i aalysig the effect of the productio basic price because of some defect product umber, request of the distributor ad retail variatio. This busiess simulatio program is usig some productio orderig strategy such as orderig strategy for all kids of orderig, small umber of orderig or accordig to the productio request umber percetage. The advatage of this strategy is to aswer the productio orderig of the costumer ad able to simulate basic price of defect product as sellig price to the retail. Keyword: Busiess Simulatio, Iformatio Systems, Predictio, Decisio Support System PT. Mitragarmet Idoraya merupaka salah satu perusahaa garme terkemuka di pulau bali dimaa pasar potesialya sudah memasuki kawasa dalam egeri da luar egeri. Hasil produksiya sudah mecapai hampir lusi per tahu, dega order permitaa produksi yag semaki bertambah. Maki bayak order permitaa megakibatka semaki bayakya proses produksi yag dilakuka dalam memeuhi permitaa kosume, ii dilakuka haya utuk memajaka kosume dega pelayaa yag cepat da tepat tapa meguragi mutu atau kualitas dari suatu produk. Aka tetapi semaki bayakya proses produksi kemugkia terjadiya produk cacat dapat terjadi, sebagai akibat dari kesalaha-kesalaha proses produksi seperti kesalaha para teaga kerja, kesalaha mesi serta akibat keteledora dari pihak pegelola produksi. Hasil produksi yag diakibatka oleh produksi cacat, meyebabka pejuala produksi serta keutuga perusaha tidak diperoleh secara maksimal sedagka kualitas produksi cacat masih dapat dikataka cukup baik. Utuk itu perusahaa mempuyai kebijaksaaa bahwa hasil produksi yag diakibatka oleh produk cacat aka dijual kepada retail sedagka hasil produksi tapa cacat aka dijual kepada distributor. Pada umumya perusahaa mejual produksi cacat sesuai dega harga dasar produksi, aka tetapi produksi cacat yag dijual haya mampu meutupi biaya-biaya produksi saja. Utuk itu diperluka suatu program yag mampu mesimulasika dalam meetuka harga dasar produksi cacat yag sesuai sebagai harga jual kepada retail, sehigga harga jualya tidak haya meutupi biaya produksi tetapi dapat meghasilka keutuga. Program Simulasi Bisis dega beberapa strategi layaa pesaa yag aka dibagu peulis, mempuyai tujua membatu pihak maajeme dalam proses pegambil keputusa tetag pemeuha permitaa produksi serta peetua harga jual produksi cacat dega mesimulasika harga dasar produksi yag sesuai, berdasarka jumlah variasi produksi cacat serta jumlah permitaa produksi. Sehigga diharapka mampu memaksimalka keutuga perusahaa. PT. Mitragarmet Idoraya pada akhirya berusaha mecari solusi dega megguaka simulasi bisis strategi layaa pesaa utuk meetuka harga dasar produk yag terjadi dega melihat jumlah produksi cacat yag bervariasi. Disii peeliti berusaha membatu pihak perusahaa dalam pegembaga program tersebut. 1

2 2 METODE Model yag diguaka dalam pembuata Program Simulasi ii yaitu : Dega cara megumpulka iformasi, pecaria data, pegolaha data yag dilakuka dega cara meracag database da membuat sistem. Dimaa data yag diharapka dapat memberika iformasi yag atiya bisa meetuka harga dasar produksi cacat dega melihat jumlah variasi produk cacat dega megguaka model simulasi bisis megguaka beberapa strategi pelayaa pesaa. Berikut strategi yag diterapka pada simulasi bisis ii. 1. Utuk distributor a. Strategi I (Membagi jumlah produk yag dipesa oleh distributor atau persetase) Berikut rumus yag diguaka utuk membagi jumlah produk yag dihasilka dega jumlah pesaa yag dimita distributor. i = Hasil produk X = Produk yag dipesa (X1,X2,X3,...da seterusya) N = Jumlah pesaa distributor X1 / N x 100 % x i X2 / N x 100 % x i X3 / N x 100 % x i X4 / N x 100 % x i X N...(1) x 100 % x i b. Strategi II (Memperioritaska pesaa terbayak). c. Strategi III (Memperioritaska pesaa terkecil). 2. Strategi diatas juga diterapka utuk pelayaa produk cacat yag dipesa oleh retail, dari hasil perhituga strategi diatas aka dihitugka rata-rata harga dasar produksi cacat masigmasig retail sehigga didapatka harga jual produksi cacat. Peyelesaia tugas akhir yag peulis buat merupaka program simulasi bisis dega melibatka sejumlah data yag diguaka utuk megembagka sistem, yag tetuya data-data tersebut merupaka data-data riil yag berhubuga lagsug dega kejadia-kejadia tetag jumlah permitaa eksportir pada masa lalu di PT. Mitragarmet Idoraya. Dari data-data tersebutlah peeliti membuat gambara umum peyelesaia program simulasi bisis yag berhubuga dega permitaa da harga jual produk yag dihubugka dega produk yag gagal dijual (rusak/cacat) dimaa produk cacat dapat dijual kembali ke pegecer sehigga dapat meutupi biaya produksi. Gambar 1 meujukka gambara umum peyelesaia program simulasi megguaka model Simulasi Bisis.

3 3 Start Settig Permitaa Kosume, Hasil Produksi da Produk Cacat tiap Miggu Proses Perhituga Permitaa Kosume serta Hasil Produksi tiap Miggu Data Permitaa da Data Hasil Produksi Uji Distribusi Ekspoesial Uji Distribusi Poisso Tidak Tidak Uji Distribusi Normal Ho Diterima Ho Diterima Ho Diterima Ya Ya Ya Simpa data Uji Distribusi Bagkitka Bilaga Empiris Selesai Gambar 1. Alur Peyelesaia Program Simulasi Produksi PT. Mitragarmet Idoraya Proses Pembuata Distribusi Frekuesi Data Uji Distribusi Bagkitka Bilaga Data Simulasi Proses Simulasi Bisis Data Hasil Simulasi Adapu lagkah-lagkah peyelesaia metode simulasi bisis seperti yag ada dalam gambar 1, aka dijelaska lebih rici sebagai berikut : 1. Settig data permitaa kosume, hasil produksi da produksi cacat tiap miggu. Yag dimaksud disii adalah memasuka data distribusi permitaa, hasil produksi da produksi cacat kedalam sistem yag atiya diguaka variabel dalam proses simulasi. Variabelvariabel iilah yag atiya aka berpegaruh terhadap data yag diperluka dalam proses simulasi. 2. Proses perhituga permitaa kosume serta hasil produksi tiap miggu Proses ii dihitug berdasarka salah satu strategi layaa pesaa yag dipilih misalya strategi persetase, besar atau kecil. Strategi ii diguaka utuk pemeuha order produksi. 3. Pembuata Distribusi Frekuesi Dari setiap data distribusi sampel, utuk dapat dilakuka uji distribusi maka harus dikelompokka dahulu kedalam beberapa kelompok yag disebut dega kelas (Statistik Teori da Aplikasi Jilid I, J. Suprato, M.A). Utuk kemudia aka dihitug jumlah dataya pada masig-masig kelas yag diamaka frekuesi. Misalya data hasil produksi dega jeis produksi celaa kulit tipe XL adalah Tabel 1. Tabel 1. Distribusi Frekuesi hasil produksi No. Batas Bawah Batas Atas Frekuesi

4 Uji Distribusi Normal Sebelum melakuka proses uji distribusi. Terlebih dahulu peulis melakuka dugaa terhadap data yag aka diuji distribusiya. Utuk membuktika kebeara dugaa terhadap tersebut, maka peulis aka melakuka proses uji distribusi. Yag dalam hal ii (distribusi ormal), peulis megguaka uji keselarasa Kolmogorov-Smirov utuk melakuka proses uji distribusi ormal (Waye W.Daiel, 1989). Adapu lagkah-lagkahya : a. Mecari ilai Xi (ilai tegah) utuk masig-masig data kelas. b. Mecari ilai (rata-rata) dapat didekati dega X. xi. fi i x 1...(2) c. Selajutya cari ilai S (simpaga baku atau stadart deviasi) data dari sampel (). S i 0 fi( Xi X ) 2...(3) d. Mecari ilai frekuesi kumulatif dari masig-masig kelas. e. Mecari ilai S(X) dari masig-masig kelas. f. Mecari ilai Z utuk masig-masig kelas. g. Terakhir mecari ilai F(X)-S(X) Dega membadigka ilai F(X)-S(X) terbesar (T hitug ) dega ilai dari tabel Kolmogorov Smirov (W 1-α ), maka aka didapatka : Jika T hitug < W 1-α = maka Gagal tolak H 0 (Uji diterima), da Jika T hitug > W 1-α = maka Tolak H 0. (Uji ditolak). 5. Uji Distribusi Ekspoesial a. xi. fi i x 1...(4) Cara utuk melakuka uji distribusi ekspoesial juga sama dega distribusi ormal. Yaitu dega megguaka uji keselarasa Kolmogorov-Smirov. Adapu lagkah-lagkahya : Mecari ilai Xi (ilai tegah) utuk masig-masig data kelas. Mecari ilai (rata-rata) dapat didekati dega X. b. Selajutya cari ilai S (simpaga baku atau stadart deviasi) data dari sampel (). S i 0 fi( Xi X ) c. Mecari ilai frekuesi kumulatif dari masig-masig kelas. d. Mecari ilai S(X) dari masig-masig kelas. e. Kemudia mecari ilai ekspoesial 2...(5)

5 5 Dega membadigka ilai ekspoesial dega ilai dari tabel Kolmogorov Smirov (W 1- α), maka aka didapatka : Jika T hitug < W 1-α = maka Gagal tolak H 0 (Uji diterima), da Jika T hitug > W 1-α = maka Tolak H 0. (Uji ditolak). 6. Uji Distribusi Poisso Utuk melakuka proses uji distribusi poisso, peulis aka melakuka dega megguaka uji keselarasa Pearso s (Pearso s Goodess Of Fit Test) (Suharyadi. P.S.K, 2004). Lagkah lagkah dalam melakuka uji keselarasa Pearso s adalah : a. Meetuka hipotesis Hipotesis : H 0 : data megikuti distribusi poisso H 1 : data tidak megikuti distribusi poisso b. Meghitug ilai statistik uji O i adalah frekuesi dari tiap kelas, E i dapat dihitug dega mecari P(X=x)., di maa P(X=x) adalah probabilitas dari distribusi teoritik yag ditetuka pada hipotesis awal. x e....(6) P( X x) x! 2 c. Meetuka ilai h (lambag statistic uji chi square) megguaka rumus : 2 k ( Oi Ei ) h...(7) E i 1 i 2 d. Meetuka keputusa : Jika jika ilai chi-kuadrat hitug > dari chi kuadrat kritis maka kesimpulaya adalah H 0 ditolak. Jadi data distribusi produksi selama 52 miggu pada tahu 2004 dari hasil pegamata tidak megikuti distribusi poisso. 7. Simulasi Dega Distribusi Normal Setelah melakuka proses uji distribusi, da bila distribusi yag diterima adalah distribusi ormal. Maka lagkah selajutya adalah dega membagkitka bilaga radom dega distribusi ormal. Gambar 2 adalah flowchart membagkitka bilaga radom ormal meurut (Gottfried.Byro. S;.Elemets Of Stochastic Process Simulatio;1984): NORMS Geerate U 1, U 2 Z=(-2lU 1) 1/2 cos(2 U 2) X = + Z RETURN Gambar 2. Flowchart Perhituga Bilaga Radom Distribusi Normal Pada proses perihituga pada flowchart di atas, ilai (rata-rata) didekati dega dega X, karea megguaka data sampel yag mewakili populasi. Begitu juga dega σ (stadart

6 6 deviasi), yag didekati dega S yaitu simpaga baku dega alasa yag sama, yaitu karea megguaka data sample yag mewakili populasi. 8. Simulasi Dega Distribusi Ekspoesial Setelah melakuka proses uji distribusi, da bila distribusi yag diterima adalah distribusi ekspoesial. Maka lagkah selajutya adalah dega membagkitka bilaga radom dega distribusi ekspoesial. Gambar 3 adalah flowchart membagkitka bilaga radom ekspoesial: I = I + 1 EKSPONENSIAL GENERATE U 1 X x0 lu RETURN Gambar 3 Flowchart Perhituga Bilaga Radom Distribusi Ekspoesial 9. Simulasi Dega Distribusi Poisso Setelah melakuka proses uji distribusi, da bila distribusi yag diterima adalah distribusi poisso. Maka lagkah selajutya adalah dega membagkitka bilaga radom dega distribusi poisso. Gambar 4 adalah flowchart membagkitka bilaga radom poisso. POISSON F = e -λ P = 1 I =1 Geerate U i P = P* U i Is P < F X = I - 1 RETURN

7 7 Gambar 4. Flowchart Perhituga Bilaga Radom Distribusi Poisso 10. Perhituga Hasil Simulasi Bisis Setelah semua bilaga radom utuk tiap data distribusi dibagkitka. Maka sistem aka melakuka proses simulasi bisis dega megguaka beberapa strategi layaa pesaa utuk memprediksi harga jual dega meetuka harga dasar yag sesuai berdasarka jumlah pemeuha order permitaa produksi cacat. Utuk lebih mudah melakuka aalisa terhadap sistem simulasi yag peulis kembagka. Gambar 5 meampilka cotex diagram dari sistem simulasi.ii : Data Produksi Data Distributor Data Retail Data Order Distributor Data Order Retail Admiistrator Data Distribusi Hasil Produksi Data Distribusi Produksi Cacat Lapora Simulasi Produksi Lapora Simulasi Distributor Lapora Simulasi Retail 0 Simulasi Bisis Program Peetua Harga Dasar PT Mitragarmet Idoraya + Data Simulasi Pilih Data Simulasi Ifo Uji Distribusi IfoSimulasi Lapora Simulasi Produksi Lapora Simulasi Distributor Lapora Simulasi Retail Lapora Simulasi Harga Produk Cacat Gambar 5 Cotext Diagram Simulasi Bisis Program Peetua Harga Dasar Cotext Diagram merupaka level palig awal dari suatu DFD. Pada gambar 5 dalam Cotext Diagram terdapat etity-etity yag berpera dalam program aplikasi ii, yaitu : Produksi (Admiistrator) da Maajeme. Sedagka data flow yag ada pada cotext diagram ii meujukka alira data dari maajeme da produksi kepada sistem simulasi yag peulis kembagka. HASIL DAN PEMBAHASAN Adapu hasil aalisa yag didapatka berupa proses distribusi frekuesi, uji distribusi da proses akhir dari proses simulasi. Berikut ii hasil da pembahasa yag aka peulis sajika yag diambil jeis produksi jaket kulit tipe XL. 1. Proses Distribusi Frekuesi Proses distribusi frekuesi ii dilakuka utuk dapat megetahui jumlah data yag sudah dikelompokka ke dalam kelas-kelas. Gambar 6 adalah hasil pembagia kelas utuk data distribusi hasil produksi. Tabel 2. Distribusi Frekwesi dari Data Hasil Produksi Maajeme

8 8 No Batas Bawah Batas Atas Frekuesi Total : 52 Gambar 6. Grafik Distribusi Frekuesi dari Data Hasil Produksi Dari tabel 2 diatas, pembagia kelas didapatka hasil dari data hasil produksi tersebut dibagi mejadi 7. Tabel 3. Distribusi Frekwesi dari Data Produksi Cacat No Batas Bawah Batas Atas Frekuesi Total : 52 Gambar 7. Grafik Distribusi Frekuesi dari Produksi Cacat Dari tabel 3 diatas, pembagia kelas didapatka hasil dari data produksi cacat tersebut dibagi mejadi 8.

9 9 Tabel 4. Distribusi Frekwesi dari Order Distributor Aimale Pty. Ltd No Batas Bawah Batas Atas Frekuesi Total : 52 Dari tabel 4 diatas, pembagia kelas didapatka hasil dari data jumlah pesaa tersebut dibagi mejadi 7. Tabel 5. Distribusi Frekwesi dari Order Retail PT. Mama ad Leo No Batas Bawah Batas Atas Frekuesi Total : 52 Dari tabel 5 diatas, pembagia kelas didapatka hasil dari data order retail PT. Mama ad Leo tersebut dibagi mejadi Proses Uji Distribusi Proses uji distribusi ii dilakuka dega megguaka dua cara, yaitu : uji keselarasa Kolmogorov-Smirov da uji keselarasa Pearso s (Pearso s Goodess Of Fit Test). Berikut ii adalah hasil uji distribusi dega jeis produksi jaket kulit tipe XL.

10 10 Distribusi Normal Nilai Maximal dari perhituga rumus : Dega Nilai Alpha : 0,1 Nilai Tabel Kolmogorov-Smirov : Karea 0,1987 < 0,226 Maka : Uji Diterima Distribusi Expoesial Nilai Maximal dari perhituga rumus : 0,4209 Dega Nilai Alpha : 0,5 ; 0,1 Nilai Tabel Kolmogorov-Smirov : 0,189 ; 0,226 Karea 0,4209 > da 0,4209 > Maka : Uji Ditolak Distribusi Poisso Nilai total dari perhituga rumus : 0 Dega Nilai Alpha : 0,5 ; 0,1 Nilai Tabel Chi-Square : 0,111 ; 0,133 Karea 0 > 0 da 0 > 0 Maka : Uji Ditolak KESIMPULAN UJI DISTTRIBUSI - Jeis Distribusi yag memeuhi adalah Tidak ada yag memeuhi Karea tidak ada hasil distribusi memeuhi dega alpha 0.5 Gambar 8 Hasil Uji Distribusi Hasil Produksi Dari data uji distribusi pada Gambar 8, hasil uji distribusiya adalah data tersebut mempuyai tidak mempuya pola distribusi ormal, ekspoesial maupu poisso.

11 11 Distribusi Normal Nilai Maximal dari perhituga rumus : 0,1726 Dega Nilai Alpha : 0,5 Nilai Tabel Kolmogorov-Smirov : 0,189 Karea 0,1726 < 0,189 Maka : Uji Diterima Distribusi Expoesial Nilai Maximal dari perhituga rumus : 0,3163 Dega Nilai Alpha : 0,5 ; 0,1 Nilai Tabel Kolmogorov-Smirov : 0,189 ; 0,226 Karea 0,3163 > 0,189 da 0,2079 > 0,226 Maka : Uji Ditolak Distribusi Poisso Nilai total dari perhituga rumus : Dega Nilai Alpha : 0,5 Nilai Tabel Chi-Square : 5991 Karea < 5991 Maka : Uji Ditolak KESIMPULAN UJI DISTTRIBUSI Jeis Distribusi yag memeuhi adalah Distribusi Normal Karea memeuhi dega alpha 0.5 Gambar 9 Hasil Uji Distribusi Produksi Cacat

12 12 Dari data uji distribusi tersebut, hasil uji distribusiya adalah data tersebut mempuyai pola distribusi ormal. Distribusi Normal Nilai Maximal dari perhituga rumus : 0,1626 Dega Nilai Alpha : 0,5 Nilai Tabel Kolmogorov-Smirov : 0,189 Karea 0,1626 < 0,189 Maka : Uji Diterima Distribusi Expoesial Nilai Maximal dari perhituga rumus : 0,3651 Dega Nilai Alpha : 0,5 ; 0,1 Nilai Tabel Kolmogorov-Smirov : 0,189 ; 0,226 Karea 0,3651 > da 0,3651 > Maka : Uji Ditolak Distribusi Poisso Nilai total dari perhituga rumus : 0 Dega Nilai Alpha : 0,5 ; 0,1 Nilai Tabel Kolmogorov-Smirov : 0 ; 0 Karea 0 > 0 da 0 > 0 Maka : Uji Ditolak KESIMPULAN UJI DISTRIBUSI Jeis Distribusi yag memeuhi adalah Distribusi Normal Karea memeuhi dega alpha 0.5 Gambar 10 Hasil Uji Distribusi Data Distributor Aimale Pty. Ltd

13 13 Dari data uji distribusi tersebut, hasil uji distribusiya adalah data tersebut mempuyai pola distribusi ormal. Distribusi Normal Nilai Maximal dari perhituga rumus : 0,152 Dega Nilai Alpha : 0,5 Nilai Tabel Kolmogorov-Smirov : 0,189 Karea 0,152 < 0,189 Maka : Uji Diterima Distribusi Expoesial Nilai Maximal dari perhituga rumus : 0,2749 Dega Nilai Alpha : 0,5 ; 0,1 Nilai Tabel Kolmogorov-Smirov : 0,189 ; 0,226 Karea 0,2749 > da 0,2749 > Maka : Uji Ditolak Distribusi Poisso Nilai total dari perhituga rumus : Dega Nilai Alpha : 0,5 Nilai Tabel Kolmogorov-Smirov : 3841 Karea < 3841 Maka : Uji Diterima KESIMPULAN UJI DISTRIBUSI Jeis Distribusi yag memeuhi adalah Distribusi Normal Karea memeuhi dega alpha 0.5 Gambar 11. Hasil Uji Distribusi Data Retail PT. Mama Ad Leo Dari data uji distribusi pada Gambar 11, hasil uji distribusiya adalah data tersebut mempuyai pola distribusi ormal.

14 14 3. Proses Perhituga Hasil Simulasi Hasil simulasi yag dilakuka dari data radom yag telah dibagkitka oleh computer dega megguaka seed 1, jeis produksi jaket kulit tipe XL da empat data simulasi order produksi cacat dari retail dega megguaka strategi persetase. Dimaa dari data simulasi order retail dicari harga dasar rata-rata, sehigga didapatka harga dasar rata-rata dari keempat retail yag dijadika sampel, seperti pada tabel 6. Tabel 6. Tabel Hasil Simulasi Harga Dasar Berdasarka Jumlah Retail No. Kode Retail Nama Retail Harga Dasar Rata-rata 1 RT0001 PT. Mama & Leo Rp ,00 2 RT0002 PT. Arjua Yoga Sakti Rp ,00 3 RT0003 PT. Radha Gopiath Rp ,00 4 RT0004 PT. Sidartha Rp ,00 Dari hasil simulasi didapatka hasil harga jual produksi cacat setelah dirata-rataka berdasarka jumlah retail sebesar Rp ,00 dega keutuga sebesar Rp ,00 dimaa harga dasar produksi sebesar Rp ,00. SIMPULAN Dari data sampel yag didapat, dilakuka proses distribusi frekuesi yag kemudia dilakuka proses uji distribusi utuk megetahui pola distribusi dari data sampel sebelum dilakuka pembagkita radom dega berdasarka seed yag di masukka. Proses selajutya adalah proses pembagkita bilaga radom yag dibagkitka sesuai dega pola distribusiya. Da barulah dilakuka proses simulasi dari data radom tadi. Da atiya aka didapatka suatu prediksi harga dasar produksi cacat sebagai harga jual kepada retail. Utuk ketetapa hasil simulasi sagat tergatug pada radom seed yag di iputka. Jika iputa radom seed sama dega iputa sebelumya maka hasil simulasi aka tetap. Namu jika iputa radom seed berbeda dega iputa maka hasil simulasi aka berbeda. Dari hasil uji coba yag dilakuka aka didapatka hasil simulasi utuk membatu pihak maajeme dalam meetuka harga jual produksi cacat. Misalya: pada jeis produksi jaket kulit didapatka hasil harga jual produksi cacat sebesar Rp ,00 dega keutuga sebesar Rp ,00 dega harga dasar produksi sebesar Rp ,00 dega megguaka seed 1. Hasil keputusa yag dihasilka oleh aplikasi ii tidak meghasilka suatu keputusa yag mutlak secara lagsug. Da segala betuk keputusa tetap berada dalam pihak maajeme. Jadi aplikasi ii haya memberika masuka kepada pihak maajeme dalam pegambila keputusa DAFTAR RUJUKAN Gottfried, B. S Elemets Of Stochastic Process Simulatio. Lodo: Pretice Hall Ic. Suprato, J Teori da Aplikasi Statistik. Jakarta: Peerbit Airlagga. Suharyadi, P.S.K Statistika Utuk Ekoomi da Keuaga Moder. Jakarta: Salemba Empat. Waye, W.D Statistika No Parametrik Terapa. Jakarta: Peerbit Gramedia.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

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

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,

BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum, 32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

BAB IV ANALISIS HIDROLOGI DAN PERHITUNGANNYA

BAB IV ANALISIS HIDROLOGI DAN PERHITUNGANNYA BAB IV ANALII HIDROLOGI DAN PERHITUNGANNYA 4.1. TINJAUAN UMUM Dalam merecaaka ormalisasi sugai, aalisis yag petig perlu ditijau adalah aalisis hidrologi. Aalisis hidrologi diperluka utuk meetuka besarya

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

SIMULASI PRODUKSI DAN DISTRIBUSI PELAYANAN PERMINTAAN SARUNG TENUN (STUDI KASUS DI PT. ASEANTEX MOJOKERTO)

SIMULASI PRODUKSI DAN DISTRIBUSI PELAYANAN PERMINTAAN SARUNG TENUN (STUDI KASUS DI PT. ASEANTEX MOJOKERTO) SIMULASI PRODUKSI DAN DISTRIBUSI PELAYANAN PERMINTAAN SARUNG TENUN (STUDI KASUS DI PT. ASEANTEX MOJOKERTO) Wey Idah Kusumawati, Abdullah Shahab Program Studi Magister Maajeme Tekologi Istitut Tekologi

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

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

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

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

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

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

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

SEBARAN t dan SEBARAN F

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

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

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

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

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam 19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

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

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

Lebih terperinci

SIMULASI PRODUKSI DAN DISTRIBUSI PELAYANAN PERMINTAAN SARUNG TENUN DENGAN MONTE CARLO

SIMULASI PRODUKSI DAN DISTRIBUSI PELAYANAN PERMINTAAN SARUNG TENUN DENGAN MONTE CARLO SIMULASI PRODUKSI DAN DISTRIBUSI PELAYANAN PERMINTAAN SARUNG TENUN DENGAN MONTE CARLO Wey Idah Kusumawati 1) 1) Program Studi/Jurusa Sistem Iformasi, STIKOM Surabaya, email: wey@stikom.edu Abstract: PT.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

METODE PENELITIAN. 3.1 Kerangka Pemikiran

METODE PENELITIAN. 3.1 Kerangka Pemikiran 24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

STATISTIKA DAN PELUANG BAB III STATISTIKA

STATISTIKA DAN PELUANG BAB III STATISTIKA Matematika Kelas IX Semester BAB Statistika STATISTIKA DAN PELUANG BAB III STATISTIKA A. Statistika Pegertia Statistika Statistika adalah ilmu yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi

Lebih terperinci

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

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

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya

Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Kabupaten Purbalingga, Jawa Tengah tahun pelajaran 2011/2012, dengan jumlah

BAB III METODOLOGI PENELITIAN. Kabupaten Purbalingga, Jawa Tengah tahun pelajaran 2011/2012, dengan jumlah BAB III METODOLOGI PEELITIA A. Subjek Peelitia Subjek yag diteliti adalah siswa kelas VII B SMP egeri 2 Mrebet Kabupate Purbaligga, Jawa Tegah tahu pelajara 2011/2012, dega jumlah 31 aak. B. Settig Peelitia

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

UKURAN TENDENSI SENTRAL

UKURAN TENDENSI SENTRAL BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

METODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa

METODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING. PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

BAB IV ANALISIS KERJA PRAKTEK

BAB IV ANALISIS KERJA PRAKTEK BAB IV ANALISIS KERJA PRAKTEK 4.1. Aalisis Sistem 4.1.1. Aalisis Dokume Aalisis dokume bertujua utuk megetahui spesifikasi iformasi yag ada dalam sistem yag dipakai utuk dokume. Dokumedokume tersebut diataraya

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci