DATA NILAI TPB IPB TAHUN AKADEMIK 2008/2009
|
|
- Benny Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 69 Lampiran 1 DATA NILAI TPB IPB TAHUN AKADEMIK 2008/2009 Keterangan Banyak Mata Kuliah (Peubah) : 14 Banyak Mahasiswa (Objek) : 3223 AG : Agama BI : Biologi EU : Ekonomi Umum FI : Fisika ID : Bahasa Indonesia IG : Bahasa Inggris KA : Kalkulus KI PK PM OS PI KN SU : Kimia : Pengantar Kewirausahaan : Pengantar Matematika : Olahraga dan Seni : Pengantar Ilmu Pertanian : Pendidikan Kewarganegaraan : Sosiologi Umum No AG BI EU FI ID IG KA KI PK PM OS PI KN SU
2 70 No AG BI EU FI ID IG KA KI PK PM OS PI KN SU
3 71 Lampiran 2 DATA NILAI TPB IPB TAHUN AKADEMIK 2009/2010 Keterangan Banyak Mata Kuliah (Peubah) : 14 Banyak Mahasiswa (Objek) : 3053 AG : Agama BI : Biologi EU : Ekonomi Umum FI : Fisika ID : Bahasa Indonesia IG : Bahasa Inggris KA : Kalkulus KI PK PM OS PI KN SU : Kimia : Pengantar Kewirausahaan : Pengantar Matematika : Olahraga dan Seni : Pengantar Ilmu Pertanian : Pendidikan Kewarganegaraan : Sosiologi Umum No AG BI EU FI ID IG KA KI PK PM OS PI KN SU
4 72 No AG BI EU FI ID IG KA KI PK PM OS PI KN SU
5 73 Lampiran 3 Diagram Alir Seleksi Peubah Metode B1 Matriks data AKU Tentukan 0 Nilai eigen Matriks Bobot Komponen Utama Pilih sejumlah 1 nilai eigen < nilai eigen dikaitkan dengan 1 komponen utama terakhir yang bersesuaian dan dipilih satu peubah yang memiliki koefisien terbesar Peubah dengan koefisien terbesar dihilangkan 1 Proses terus dilakukan dengan cara yang sama sehingga tersisa peubah
6 74 Lampiran 4 Diagram Alir Seleksi Peubah Metode B3 Matriks data AKU Tentukan Matriks Koefisien Komponen Utama Dipilih koefisien komponen utama terakhir 2 = +1 adalah koefisien dari peubah ke-i pada komponen utama ke-j. Urutan Menurun ( ) peubah pertama dalam urutan tersebut dihilangkan
7 Lampiran 5 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Analisis Komponen Utama menggunakan software Mathematica 8.0 BeginPackage "MyPackage`AKU`" AKU::usage "Analisis Komponen Utama AKU X memberikan hasil analisis komponen utama dari matriks data X berdasarkan matriks kovarians" Begin "`Private`" AKU data_?matrixq : Module d,n,p,sentroid,xt,x,sigma,eig,var, Kumulatif,TotalVar,W, Input Data d Dimensions data ; n d 1 ; p d 2 ; Rataan Kolom sentroid Table Mean data i, i,p N; Membentuk Data Terstandar XT Table data i,j Mean data i, i,p, j,n ; X XT N; Eigen System sigma Covariance N X ; eig Eigenvalues N sigma ; Var Table 100 eig i Sum eig i, i,dimensions sigma 1, i,dimensions sigma 1 ; Kumulatif Rest FoldList Plus,0,Var ; TotalVar Sum Var i, i,dimensions sigma 1 ; Membentuk Komponen Utama W Eigenvectors N sigma ; Output Print " Implementasi Software Mathematica pada Seleksi Peubah " ; Print " Analisis Komponen Utama menggunakan software Mathematica 8.0" ; Print "Informasi" ; Print "1. Program ini disusun sebagai program dasar untuk program seleksi peubah" ; Print "2. Dimensi data ",d ; Print "3. Rataan setiap kolom diberikan pada tabel berikut " ; Print " " TableForm Round sentroid,0.01,tableheadings Automatic, TableAlignments Right ; Print "4. Tabel Eigen" ; Print " "TableForm Round eig,0.01,round Var,0.01, Round Kumulatif,0.01,TableHeadings "Nilai Eigen","Proporsi", "Kumulatif",TableDirections Row,TableAlignments Right ; Print " Scree plot data diberikan pada gambar di bawah ini" ; Print ListPlot eig ; Print "Komponen Utama" ; Print "Setelah dilakukan analisis" ; Print "Komponen utama diberikan pada tabel berikut " ; Print " "TableForm Round W,0.001,TableHeadings Automatic, TableAlignments Right ; Akhir Program ; End EndPackage Lampiran 6 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Jarak Procrustes menggunakan software Mathematica 8.0 BeginPackage "MyPackage`JarakProcrustes`" JarakProcrustes::usage "JarakProcrustes X, Y, memberikan nilai jarak antarkonfigurasi dan ukuran kesesuaian matriks X berdimensi n p dengan matriks Y berdimensi n p berdasarkan konsep analisis procrustes. Ukuran yang diberikan berupa nilai jarak antarkonfigurasi dan ukuran kesesuaian yang memiliki rentang Nilai jarak yang makin kecil atau ukuran kesesuaian yang makin besar menunjukan kedua konfigurasi makin dekat. Formula jarak procrustes antara konfigurasi X dan Y tr 2 X T T Y T Q E TRD X,Y tr X T T X T tr Y T T Y T Formula ukuran kesesuaian antara konfigurasi X dan Y " E TRD R tr X.X Begin "`Private`" JarakProcrustes datax_?matrixq,datay_?matrixq : Module X,Y,dx, nx,px,dy,ny,py,xt,yt,xtt,ytt,u,l,v,q,jarakprocrustes,r, Input Data X datax; Y datay; dx Dimensions X ; nx dx 1 ; px dx 2 ; dy Dimensions Y ; ny dy 1 ; py dy 2 ; Proses Translasi dalam analisis procrustes XT Table X i,j Mean X i, i,px, j,nx N; YT Table Y i,j Mean Y i, i,py, j,ny N; XTT XT ; YTT YT ; Membentuk matriks transformasi rotasi dalam analisis procrustes U,L,V SingularValueDecomposition N XTT.YTT ; Q V.U ; Menentukan jarak antarkonfigurasi JarakProcrustes Tr XTT.XTT Tr XTT.YTT.Q ^2 Tr YTT.YTT ; Menentukan ukuran kesesuaian antarkonfigurasi R 100 Tr XTT.Q.YTT ^2 Tr XTT.XTT Tr YTT.YTT ; Output Print " Implementasi Software Mathematica pada Seleksi Peubah " ; Print " Jarak Procrustes dan Ukuran Kesesuaian Antarkonfigurasi " ; Print " Berdasarkan analisis procrustes yang telah dilakukan diperoleh" ; Print " Jarak antarkonfigurasi ", Round JarakProcrustes,0.01 ; Print " Ukuran kesesuaian antarkonfigurasi ", Round R,0.01," " ; ; End EndPackage Lampiran 7 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Seleksi Peubah Metode B2 BeginPackage "MyPackage`MetodeB2`" MetodeB2::usage "MetodeB2 X Melakukan seleksi peubah dari matriks data X berdasarkan analisis komponen utama dengan menggunakan metode B2" Begin "`Private`" MetodeB2 data_?matrixq : Module d,n,p,xt,x,sigma,eig,var, Kumulatif,TotalVar,W,q,A,pos, Informasi Data d Dimensions data ; n d 1 ; p d 2 ; Proses Translasi XT Table data i,j Mean data i, i,p, j,n ; X XT N; Analisis Komponen Utama sigma Covariance N X ; eig Eigenvalues N sigma ; Var Table 100 eig i Sum eig i, i,dimensions sigma 1, i,dimensions sigma 1 ; Kumulatif Rest FoldList Plus,0,Var ; TotalVar Sum Var i, i,dimensions sigma 1 ; W Eigenvectors N sigma ; Penentuan Banyak Peubah yang Dipertahankan q Input " Masukan nilai q banyaknya peubah yang ingin dipertahankan " ; Implementasi Seleksi Peubah A W q 1;; ; pos t_ : Flatten Table Position Abs A i, RankedMax Abs A i,t, i,p q ; Output Program Print " Implementasi Software Mathematica pada Seleksi Peubah " ; Print " Seleksi Peubah Metode B2 " ; Print " Informasi" ; Print " 1. Data memiliki dimensi ",d, " dengan ", p, " peubah" ; Print " 2. Tabel Eigen" ; Print " "TableForm Round eig,0.01,round Var,0.01, Round Kumulatif,0.01,TableHeadings "Nilai Eigen","Proporsi", "Kumulatif",TableDirections Row, TableAlignments Right ; Print " Berdasarkan kajian teoritis seleksi peubah yang telah diuraikan dengan ",q, " peubah yang dipertahankan" ; Print " Peubah yang dihilangkan adalah peubah ke ", Flatten Reverse pos 1 ; Print " Jika terjadi duplikasi, peubah yang dihilangkan disesuaikan dengan tabel berikut" ; Print " "TableForm Reverse pos 1,Reverse pos 2, Reverse pos 3,TableHeadings "Max1","Max2","Max3", TableDirections Row, TableAlignments Right ; Print " Selesai " ; ; End EndPackage Lampiran 8 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Seleksi Peubah Metode B4 BeginPackage "MyPackage`MetodeB4`" MetodeB4::usage "MetodeB4 X Melakukan seleksi peubah dari matriks data X berdasarkan analisis komponen utama dengan menggunakan metode B4" Begin "`Private`" MetodeB4 data_?matrixq : Module d,n,p,xt,x,sigma,eig,var,kumulatif, TotalVar,W,q,A,pos, Informasi Data d Dimensions data ; n d 1 ; p d 2 ; Proses Translasi XT Table data i,j Mean data i, i,p, j,n ; X XT N; Analisis Komponen Utama sigma Covariance X N; eig Eigenvalues sigma N; Var Table 100 eig i Sum eig i, i,dimensions sigma 1, i,dimensions sigma 1 ; Kumulatif Rest FoldList Plus,0,Var ; TotalVar Sum Var i, i,dimensions sigma 1 ; W Eigenvectors N sigma N; Penentuan Banyak Peubah yang Dipertahankan q Input " Masukan nilai q banyaknya peubah yang ingin dipertahankan " ; Implementasi Seleksi Peubah A W ;;q ; pos t_ : Flatten Table Position Abs A i,rankedmax Abs A i,t, i,q ; Output Program Print " Implementasi Software Mathematica pada Seleksi Peubah " ; Print " Seleksi Peubah Metode B4 " ; Print " Informasi" ; Print " 1. Data memiliki dimensi ",d ; Print " 2. Tabel Eigen" ; Print " "TableForm Round eig,0.01,round Var,0.01, Round Kumulatif,0.01,TableHeadings "Nilai Eigen","Proporsi", "Kumulatif",TableDirections Row, TableAlignments Right ; Print " Hasil Program" ; Print " Berdasarkan kajian teoritis seleksi peubah yang telah diuraikan dengan ",q, " peubah yang dipertahankan" ; Print " Peubah yang dipertahankan adalah peubah ke ",pos 1 ; Print " Jika terjadi duplikasi, peubah yang pertahankan disesuaikan dengan tabel berikut" ; Print " "TableForm pos 1,pos 2,pos 3,TableHeadings "Max1", "Max2","Max3",TableDirections Row,TableAlignments Right ; Print " Selesai " ; ; End EndPackage Lampiran 9 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Seleksi Peubah dengan Analisis Procrustes pada Skor Komponen Utama BeginPackage "MyPackage`ProcrustesAKU`" ProcrustesAKU::usage "ProcrustesAKU X,k, Melakukan seleksi peubah dari matriks data X berdasarkan analisis procrustes pada k skor komponen utama. Peubah yang memiliki jarak antarkonfigurasi terkecil atau memiliki ukuran kesesuaian terbesar merupakan peubah yang dapat dikeluarkan dari analisis" Begin "`Private`" ProcrustesAKU data_?matrixq,k_?integerq : Module d,n,p,zdata,a1,y1, ZY,ZY1,Zbasis,dx,nx,px,Y,dy,ny,py,XT,YT,X,SVD,U,L,V,Q,M,R2,pos,X1, Informasi Data d Dimensions data ; n d 1 ; p d 2 ; Membentuk skor komponen utama data awal Zdata PrincipalComponents N data ; Menghilangkan setiap kolom matriks data secara berurutan A1 Table Drop data, i, i,p ; Y1 Table i, i,p ; For i 1,i p,i, Y1 i A1 i ; Table Y1 i MatrixForm, i,p ; Membentuk skor komponen utama dari matriks data yang telah direduksi ZY Table PrincipalComponents N Y1 i, i,p ; Table ZY i MatrixForm, i,p ; Zbasis Zdata ;;k ; ZY1 Table ZY i ;;k, i,p ; Membentuk konfigurasi yang akan dibandingkan X Zbasis ; dx Dimensions X ; nx dx 1 ; px dx 2 ; Y Table ZY1 i, i,p ; dy Dimensions Y ; ny dy 2 ; py dy 1 ; Karena yang dibandingkan adalah skor komponen utama maka tidak perlu dilakukan translasi XT X; YT Y; Membentuk matriks transformasi untuk rotasi melalui penguraian nilai singular bentuk lengkap SVD Table i, i,p ; U Table i, i,p ; L Table i, i,p ; V Table i, i,p ; Q Table i, i,p ; M Table i, i,p ; R2 Table i, i,p ; For i 1,i p,i, SVD i SingularValueDecomposition XT.YT i N; U i SVD i,1 ; L i SVD i,2 ; V i SVD i,3 ; Q i V i.u i ; M i Tr XT.XT Tr XT.YT i.q i ^2 Tr YT i.yt i ; R2 i M i Tr X.X ; U; L; V; Q; M; Membandingkan jarak antarkonfigurasi yang diperoleh pos Position M,Min M ; Membentuk matriks data baru dengan menghilangkan kolom yang bersesuaian dengan jarak terkecil X1 Drop data,pos 1 ; Output Print " Implementasi Software Mathematica pada Seleksi Peubah" ; Print " Seleksi Peubah Analisis Procrustes pada Skor Komponen Utama" ; Print "Berdasarkan analisis yang telah dilakukan, diperoleh jarak antarkonfigurasi dan ukuran kesesuaian saat kolom ke j dihilangkan" ; Print " " TableForm Round M,0.01,Round R2,0.01,TableHeadings "Jarak ", " Ukuran Kesesuaian ",Automatic, TableAlignments Right ; Print "Dengan demikian nilai jarak terkecil atau nilai kesesuaian terbesar terdapat pada posisi ke ",pos 1 ; Print "Diperoleh konfigurasi data yang baru yaitu matriks data awal dengan kolom ke",pos 1, "telah dihilangkan " ; X1 ; End EndPackage Lampiran 10 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Seleksi Peubah dengan Analisis Procrustes BeginPackage "MyPackage`SeleksiProcrustes`" SeleksiProcrustes::usage "SeleksiProcrustes X memberikan hasil seleksi peubah dari matriks data X berdasarkan konsep analisis procrustes" Begin "`Private`" SeleksiProcrustes data_?matrixq : Module dx,nx,px,a,ya,x,y,dy,ny,py, XT,YT,SVD,U,L,V,Q,M,R2,pos,X1, Informasi Data dx Dimensions data ; nx dx 1 ; px dx 2 ; Membentuk konfigurasi Y dengan menghilangkan kolom matriks data secara berurutan dan menambahkan kolom 0 agar Y memiliki dimensi yang sama ; A Table Drop data, i, i,px ; YA Table Append A i,table 0, nx, i,px ; Y Table i, i,px ; For i 1,i px,i, Y i YA i ; Table Y i MatrixForm, i,px ; dy Dimensions Y ; ny dy 1 ; py dy 2 ; Proses Translasi ; X Table data i,j Mean data i, i,px, j,nx N; YT Table Y i,j Mean Y i, i,ny, j,py N; XT X ; Membentuk matriks transformasi untuk rotasi melalui penguraian nilai singular bentuk lengkap SVD Table i, i,px ; U Table i, i,px ; L Table i, i,px ; V Table i, i,px ; Q Table i, i,px ; M Table i, i,px ; R2 Table i, i,px ; For i 1,i px,i, SVD i SingularValueDecomposition N XT.YT i ; U i SVD i,1 ; L i SVD i,2 ; V i SVD i,3 ; Q i V i.u i ; M i Tr XT.XT Tr XT.YT i.q i ^2 Tr YT i.yt i ; R2 i M i Tr data.data ; ; U; L; V; Q; M; R2; Membandingkan jarak antarkonfigurasi yang diperoleh pos Position M,Min M ; Membentuk matriks data baru dengan menghilangkan kolom yang bersesuaian dengan jarak terkecil X1 Drop data,pos 1 ; Output Print " Implementasi Software Mathematica pada Seleksi Peubah " ; Print " Seleksi Peubah dengan Analisis Procrustes " ; Print "Berdasarkan analisis yang telah dilakukan, diperoleh jarak antarkonfigurasi dan ukuran kesesuaian saat kolom ke j dihilangkan" ; Print " " TableForm Round M,0.01,Round R2,0.01,TableHeadings "Jarak ", " Ukuran Kesesuaian ",Automatic,TableAlignments Right ; Print "Dengan demikian nilai jarak terkecil atau nilai kesesuaian terbesar terdapat pada posisi ke ",pos 1 ; Print "Diperoleh konfigurasi data yang baru yaitu matriks data awal dengan kolom ke",pos 1, "telah dihilangkan " ; X1 ; End EndPackage Lampiran 11 Implementasi Software Mathematica 8.0 pada Seleksi Peubah Ukuran Efisiensi berdasarkan Analisis Procrustes BeginPackage "MyPackage`EMProcrustes`" EMProcrustes::usage "EMProcrustes X, Y, merupakan ukuran kesesuaian hasil seleksi peubah matriks X berdimensi n p yang telah direduksi menjadi matriks Y berdimensi n q, dengan q p, berdasarkan konsep analisis procrustes. Ukuran yang diberikan berupa nilai jarak antarkonfigurasi dan ukuran kesesuaian yang memiliki rentang Nilai jarak yang makin kecil atau ukuran kesesuaian yang makin besar menunjukan kedua konfigurasi makin dekat." Begin "`Private`" EMProcrustes datax_?matrixq,datay_?matrixq : Module ZX,ZY,k,ZXbasis, X,Y,dx,nx,px,dy,ny,py,XT,YT,XTT,YTT,U,L,V,Q,JarakProcrustes,R, Input Data ZX PrincipalComponents N datax ; ZY PrincipalComponents N datay ; k Dimensions ZY 2 ; Membentuk konfigurasi yang akan dibandingkan ZXbasis ZX ;;k ; X ZXbasis ; Y ZY; dx Dimensions X ; nx dx 1 ; px dx 2 ; dy Dimensions Y ; ny dy 1 ; py dy 2 ; Proses Translasi dalam analisis procrustes XT Table X i,j Mean X i, i,px, j,nx N; YT Table Y i,j Mean Y i, i,py, j,ny N; XTT XT ; YTT YT ; Membentuk matriks transformasi rotasi dalam analisis procrustes U,L,V SingularValueDecomposition XTT.YTT N; Q V.U ; Menentukan jarak antarkonfigurasi JarakProcrustes Tr XTT.XTT Tr XTT.YTT.Q ^2 Tr YTT.YTT ; Menentukan ukuran kesesuaian antarkonfigurasi R 1 JarakProcrustes 100 ; Tr datax.datax Output Print " Implementasi Software Mathematica pada Seleksi Peubah " ; Print " Jarak Procrustes dan Ukuran Kesesuaian Antarkonfigurasi " ; Print " Berdasarkan analisis yang telah dilakukan diperoleh" ; Print " Jarak antarkonfigurasi ", Round JarakProcrustes,0.01 ; Print " Ukuran kesesuaian antarkonfigurasi ", Round R,0.01," " ; ; End EndPackage
8 89 Lampiran 12 Statistik 2 ( ) pada metode seleksi peubah dengan analisis procrustes pada skor komponen utama Data Nilai TPB IPB tahun akademik 2008/2009 untuk =2 Iterasi AG BI EU FI ID IG KA KI PK PM OS PI KN SU Lampiran 13 Statistik 2 ( ) pada metode seleksi peubah dengan analisis procrustes pada skor komponen utama Data Nilai TPB IPB tahun akademik 2008/2009 untuk =3 Iterasi AG BI EU FI ID IG KA KI PK PM OS PI KN SU
9 90 Lampiran 14 Statistik 2 ( ) pada metode seleksi peubah dengan analisis procrustes pada skor komponen utama Data Nilai TPB IPB tahun akademik 2009/2010 untuk =2 Iterasi AG BI EU FI ID IG KA KI PK PM OS PI KN SU Lampiran 15 Statistik 2 ( ) pada metode seleksi peubah dengan analisis procrustes pada skor komponen utama Data Nilai TPB IPB tahun akademik 2009/2010 untuk =3 Iterasi AG BI EU FI ID IG KA KI PK PM OS PI KN SU
10 91 Lampiran 16 Statistik 2 ( ) pada metode seleksi peubah dengan analisis procrustes Data Nilai TPB IPB tahun akademik 2008/2009 Iterasi AG BI EU FI ID IG KA KI PK PM OS PI KN SU Lampiran 17 Statistik 2 ( ) pada metode seleksi peubah dengan analisis procrustes Data Nilai TPB IPB tahun akademik 2009/2010 Iterasi AG BI EU FI ID IG KA KI PK PM OS PI KN SU
11 92 Lampiran 18 Metode Seleksi Ukuran Efisiensi q = 7 q = 8 q = 7 q = 8 B % 99.6% 99.44% 99.61% B % 99.55% 99.17% 99.21% APSKU k= % 99.09% 99.22% 99.24% APSKU k= % 99.45% 99.37% 99.49% AP 99.27% 99.41% 99.44% 99.56%
12 Lampiran 19 Petunjuk Penggunaan Implementasi Software Mathematica 8.0 pada Seleksi Peubah Informasi Implementasi seleksi peubah pada software Mathematica 8.0 merupakan program paket yang disusun oleh penulis dalam rangka menyelesaikan tesis di Sekolah Pascasarjana Institut Pertanian Bogor (SPs IPB). Penggunaan implementasi program seleksi peubah membutuhkan pengetahuan dasar dalam pengoperasian software Mathematica 8.0. Oleh karena itu penulis berasumsi, pengguna telah memiliki pengetahuan dasar tentang software Mathematica 8.0. Script program paket yang disusun, disimpan dalam root direktori instalasi software Mathematica 8.0 C:\Program Files\Wolfram Research\Mathematica\8.0\AddOns\Applications Menggunakan Program Analisis Komponen Utama Memanggil paket program analisis komponen utama AKU` Untuk mengetahui informasi tentang analisis komponen utama?aku AnalisisKomponenUtama AKU X memberikanhasilanalisis komponen utama dari matriks data X berdasarkan matriks kovarians
13 Mengunakan program analisis komponen utama pada data (dengan contoh pada data TPB IPB) X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; AKU X Menggunakan Program Jarak Procrustes Memanggil paket program jarak procrustes JarakProcrustes` Untuk mengetahui informasi tentang analisis komponen utama? JarakProcrustes JarakProcrustes X,Y,memberikannilai jarakantarkonfigurasidanukurankesesuaian matriksxberdimensi n p denganmatriksyberdimensi n p berdasarkankonsep analisis procrustes. Ukuran yang diberikan berupa nilai jarak antarkonfigurasi dan ukurankesesuaianyangmemilikirentang0 100.Nilai jarakyangmakinkecilatau ukuran kesesuaian yang makin besar menunjukan kedua konfigurasi makin dekat. Formula jarak procrustes antara konfigurasi X dan Y JarakProcrustes Tr XT.XT Tr XT.YT.Q ^2 Tr YT.YT ; Formula ukuran kesesuaian antara konfigurasi X dan Y R^ JarakProcrustes Tr XT.YT denganq VU,dimanaVdanUmerupakanmatriks ortogonaldaripenguraiansingularbentuklengkapxt YT ULV Mengunakan program ukuran kesesuaian (dengan contoh pada data TPB IPB) Import data yang akan dibandingkan X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; Y Import "E:\my c4mpuzt\the Thesis\Thesis3\hasil_seleksi08.xlsx" 1 JarakProcrustes X, Y
14 Menggunakan Program Seleksi Peubah Metode B2 Memenggil paket program metode B2 MetodeB2` Untuk mengetahui informasi tentang metode B2?MetodeB2 MetodeB2 X MelakukanseleksipeubahdarimatriksdataX berdasarkan analisis komponen utama dengan menggunakan metode B2 Mengunakan Metode B2 pada data (dengan contoh pada data TPB IPB) X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; MetodeB2 X Menggunakan Program Seleksi Peubah Metode B4 Memanggil paket program metode B4 MetodeB4` Untuk mengetahui informasi tentang metode B2?MetodeB4 MetodeB4 X MelakukanseleksipeubahdarimatriksdataX berdasarkan analisis komponen utama dengan menggunakan metode B4 Mengunakan Metode B4 pada data (dengan contoh pada data TPB IPB) X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; MetodeB4 X
15 Menggunakan Program Seleksi Peubah Analisis Procrustes pada Skor Komponen Utama Memanggil paket program metode Analisis Procrustes pada Skor Komponen Utama ProcrustesAKU` Untuk mengetahui informasi tentang metode Analisis Procrustes pada Skor Komponen Utama? ProcrustesAKU ProcrustesAKU X,k,MelakukanseleksipeubahdarimatriksdataX berdasarkan analisis procrustes pada k skor komponen utama pertama. Peubah yang memiliki jarak antarkonfigurasi terkecil atau memiliki ukuran kesesuaian terbesar merupakan peubah yang dapat dikeluarkan dari analisis Mengunakan Metode Analisis Procrustes pada Skor Komponen Utama pada data (dengan contoh pada data TPB IPB) X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; ProcrustesAKU X, 2 Untuk mendapatkan hasil dari proses iteratif dapat menggunakan perintah For i 1, i 7, i, XR ProcrustesAKU X, 2 ; X XR Menggunakan Program Seleksi Peubah Analisis Procrustes Memanggil paket program metode Analisis Procrustes SeleksiProcrustes` Untuk mengetahui informasi tentang metode Analisis Procrustes? SeleksiProcrustes SeleksiProcrustes X memberikanhasilseleksi peubah dari matriks data X berdasarkan konsep analisis procrustes
16 Mengunakan Metode Analisis Procrustes pada Skor Komponen Utama pada data (dengan contoh pada data TPB IPB) X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; SeleksiProcrustes X Untuk mendapatkan hasil dari proses iteratif dapat menggunakan perintah For i 1, i 7, i, XR SeleksiProcrustes X, 2 ; X XR Menggunakan Ukuran Kesesuaian Hasil Seleksi Peubah Memanggil paket program Ukuran Kesesuaian EMProcrustes` Untuk mengetahui informasi tentang metode Analisis Procrustes? EMProcrustes EMProcrustes X,Y,merupakanukurankesesuaianhasilseleksipeubahmatriks Xberdimensi n p yangtelahdireduksimenjadimatriksyberdimensi n q,denganq p,berdasarkankonsepanalisisprocrustes.ukuran yang diberikan berupa nilai jarak antarkonfigurasi dan ukuran kesesuaian yangmemilikirentang0 100.Nilai jarakyangmakinkecilatauukuran kesesuaian yang makin besar menunjukan kedua konfigurasi makin dekat. Mengunakan program ukuran kesesuaian (dengan contoh pada data TPB IPB) Import data yang akan dibandingkan X Import "E:\my c4mpuzt\the Thesis\Pembahasan1\dataTPB.xlsx" 1 ; Y Import "E:\my c4mpuzt\the Thesis\Thesis3\hasil_seleksi08.xlsx" 1 EMProcrustes X, Y
HASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciBIPLOT DATA DISAGREGAT DAN AGREGAT DALAM PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB DEDE SAHRUL BAHRI
BIPLOT DATA DISAGREGAT DAN AGREGAT DALAM PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB DEDE SAHRUL BAHRI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciKONFIGURASI PROGRAM STUDI DI IPB BERDASARKAN PRESTASI MAHASISWA TPB IPB DEVITA HANDAYANI
KONFIGURASI PROGRAM STUDI DI IPB BERDASARKAN PRESTASI MAHASISWA TPB IPB DEVITA HANDAYANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 ABSTRAK
Lebih terperinciSELEKSI PEUBAH DENGAN ANALISIS KOMPONEN UTAMA DAN PROCRUSTES ACHMAD MUSLIM
SELEKSI PEUBAH DENGAN ANALISIS KOMPONEN UTAMA DAN PROCRUSTES ACHMAD MUSLIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciHASIL DAN PEMBAHASAN
6 HASIL DAN PEMBAHASAN Eksplorasi Data Gambaran dari peubah mata kuliah, IPK dan nilai Ujian Nasional yang ditata sesuai dengan mediannya disajikan sebagai boxplot dan diberikan pada Gambar. 9 3 Data 6
Lebih terperinciUKURAN KESESUAIAN DALAM ANALISIS BIPLOT BIASA DAN ANALISIS BIPLOT IMBUHAN MARIYAM
UKURAN KESESUAIAN DALAM ANALISIS BIPLOT BIASA DAN ANALISIS BIPLOT IMBUHAN MARIYAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 2 ABSTRAK MARIYAM.
Lebih terperinciLampiran 1 Daftar mata kuliah wajib masa program TPB No. Kode SKS Mata Kuliah 1. MKU 111 3(2-2) Pendidikan Agama Islam 2. MKU 112 2(2-0) Pendidikan
LAMPIRAN 16 Lampiran 1 Daftar mata kuliah wajib masa program TPB No. Kode SKS Mata Kuliah 1. MKU 111 3(2-2) Pendidikan Agama Islam 2. MKU 112 2(2-0) Pendidikan Agama Protestan 3. MKU 113 2(2-0) Pendidikan
Lebih terperinciPENDAHULUAN LANDASAN ANALISIS
10 PENDAHULUAN Latar Belakang Biplot merupakan metode eksplorasi analisis data peubah ganda yang dapat memberikan gambaran secara grafik tentang kedekatan antar objek, keragaman peubah, korelasi antar
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperinciDokumen Kurikulum Program Studi : Sarjana Biologi. Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Sarjana Biologi Lampiran II Fakultas : Sekolah Ilmu dan Teknologi Hayati Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung
Lebih terperinciANALISIS BIPLOT DAN PROCRUSTES TERHADAP PERUBAHAN KURIKULUM TPB IPB ANGKATAN 2010/2011 DAN 2011/2012 ABRAHAM MADISON MANURUNG
ANALISIS BIPLOT DAN PROCRUSTES TERHADAP PERUBAHAN KURIKULUM TPB IPB ANGKATAN 2010/2011 DAN 2011/2012 ABRAHAM MADISON MANURUNG DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciDokumen Kurikulum Program Studi : Rekayasa Hayati Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Lampiran II Fakultas : Sekolah Ilmu dan Teknologi Hayati Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen
Lebih terperinciYustinus Hari Suyanto Dosen Pembimbing Dr. Subiono M.S
Sidang Tesis 11 Juli 2011 Yustinus Hari Suyanto 1209201003 Dosen Pembimbing Dr. Subiono M.S Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Hasil Eksplorasi Data Diagram kotak garis merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran. Gambaran
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN/KOTA PROVINSI JAWA TENGAH (STUDI KASUS IPM TAHUN 2008 DAN 2013)
ANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN/KOTA PROVINSI JAWA TENGAH (STUDI KASUS IPM TAHUN 2008 DAN 2013) SKRIPSI Disusun Oleh : BUNGA MAHARANI 24010211120008 JURUSAN
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciDokumen Kurikulum Program Studi : Teknik Industri Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Teknik Lampiran II Fakultas : Teknologi Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen Total Halaman Kur2013-S1-TI
Lebih terperinciLingkungan Pengembangan Pelatihan HASIL DAN PEMBAHASAN Seleksi Fitur Pelatihan (deskripsi training Klasifikasi Akurasi
6 diberikan sesuai dengan beban SKS mata kuliah yang bersangkutan, sedangkan fitur IP TPB disesuaikan. Untuk fitur mata kuliah yang sudah terseleksi, bobot yang dipakai sesuai dengan beban SKS, sedangkan
Lebih terperinciANALISIS PROCRUSTES SKRIPSI. Oleh: Kartika Andriyani J2A
ANALISIS PROCRUSTES SKRIPSI Oleh: Kartika Andriyani J2A 605 064 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2010 ABSTRAK Konfigurasi
Lebih terperinciBIPLOT BIASA DAN KANONIK UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB KUSNANDAR
BIPLOT BIASA DAN KANONIK UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB KUSNANDAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciAnalisis Tingkat Kepuasan Mahasiswa Terhadap Kualitas Pelayanan Akademik Menggunakan Analisis Faktor
Prosiding Semirata FMIPA Universitas Lampung, 2013 Analisis Tingkat Kepuasan Mahasiswa Terhadap Kualitas Novi Rustiana Dewi Jurusan Matematika FMIPA Universitas Sriwijaya E-mail: nrdewimath09@gmail.com
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciDokumen Kurikulum Program Studi : Oseanografi Lampiran II BUKU III. Fakultas : Ilmu dan Teknologi Kebumian Institut Teknologi Bandung
Dokumen Kurikulum 2013-2018 Program Studi : Oseanografi Lampiran II BUKU III Fakultas : Ilmu dan Teknologi Kebumian Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung
Lebih terperinciLAMPIRAN LAMPIRAN-LAMPIRAN
LAMPIRAN LAMPIRAN-LAMPIRAN 85 LAMPIRAN 1 Script Editor Matlab % Program Matlab Menghitung NILAI EIGEN Max-Plus Maksimum dan VEKTOR EIGEN yang bersesuaian untuk suatu Matriks Max-plus A % input : Matriks
Lebih terperinciPERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR
Jur. Ris. & Apl. Mat. I (207), no., xx-xx Jurnal Riset dan Aplikasi Matematika e-issn: 258-054 URL: journal.unesa.ac.id/index.php/jram PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN
Lebih terperinciSolusi Numerik Sistem Persamaan Linear
Solusi Numerik Sistem Persamaan Linear Modul #2 Praktikum AS2205 Astronomi Komputasi Oleh Dr. Muhamad Irfan Hakim Program Studi Astronomi Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciI. SISTEM PENDIDIKAN
I. SISTEM PENDIDIKAN 1. Program Mayor Ekonomi Pertanian, Sumberdaya, dan Lingkungan diselenggarakan dalam bentuk sistem kredit semester. Beban studi Program Mayor Ekonomi Pertanian, Sumberdaya, dan Lingkungan
Lebih terperinciBIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB WARSITO
BIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB WARSITO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
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 terperinciDokumen Kurikulum Program Studi : Teknik Lingkungan. Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Teknik Lampiran II Fakultas : Teknik Sipil & Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen Total Halaman
Lebih terperinciBAB III METODE PENELITIAN. Pendekatan metode pengembangan sistem yang digunakan peneliti merupakan
BAB III METODE PENELITIAN 3.1. Metode Pengembangan Sistem Pendekatan metode pengembangan sistem yang digunakan peneliti merupakan salah satu dari agile methods yaitu extreme Programming (XP). Dalam metode
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA TPB IPB DAN NILAI UJIAN NASIONAL ETY NOVIYANTI
ANALISIS BIPLOT UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA TPB IPB DAN NILAI UJIAN NASIONAL ETY NOVIYANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam proses analisis klaster pada bab selanjutnya. 2.1 DATA MULTIVARIAT Data yang diperoleh dengan mengukur
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 terperinciUKURAN KESESUAIAN ANALISIS KORESPONDENSI MELALUI ANALISIS PROCRUSTES SARI RAHAYU
UKURAN KESESUAIAN ANALISIS KORESPONDENSI MELALUI ANALISIS PROCRUSTES SARI RAHAYU DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 ABSTRAK SARI RAHAYU.
Lebih terperinciPertemuan 5: Pengenalan Variabel Array
Pertemuan 5: Pengenalan Variabel Array Contoh kasus: Penghitungan Nilai IPK Nilai IPK mahasiswa ditentukan dengan algoritma sebagai berikut: Untuk setiap mata kuliah yang diambil oleh mahasiswa: Ambil
Lebih terperinciTINJAUAN PUSTAKA. pendugaan modelnya. Salah satu metode statistika yang dapat mengatasinya adalah
TINJAUAN PUSTAKA Metode Kuadrat Terkecil Parsial Kolinearitas dalm analisis regesi akan menyebabkan ketidaktepatan dalarn pendugaan modelnya. Salah satu metode statistika yang dapat mengatasinya adalah
Lebih terperinciBAB IV DESKRIPSI PEKERJAAN. Berdasarkan hasil survey yang dilakukan pada saat kerja praktek di Dinas
BAB IV DESKRIPSI PEKERJAAN Berdasarkan hasil survey yang dilakukan pada saat kerja praktek di Dinas Pendidikan Provinsi Jawa Timur, pemberitahuan hasil pengumuman ujian nasional SMA di Surabaya dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih terperinciJADWAL PELAJARAN KELAS X-MIPA T.P. 2017/2018
putusan tua Badan Akreditasi Sekolah Provinsi Jawa Timur JADWAL PELAJARAN KELAS X-MIPA 1 PPKn Matematika Fisika Sejarah Indonesia Matematika IPA Olahraga 2 PPKn Matematika Fisika Sejarah Indonesia Matematika
Lebih terperinciKRITERIA KETUNTASAN MINIMAL (KKM)
KRITERIA KETUNTASAN MINIMAL () KELAS X 3 Bahasa Indonesia 65 B 5 Matematika 60 B 6 Fisika 60 B 7 Biologi 60 B 8 Kimia 60 B 9 Sejarah 65 B 10 Geografi 65 B 11 Ekonomi 65 B 12 Sosiologi 65 B 13 Kesenian
Lebih terperinciDATA MAHASISWA DAN LULUSAN DANIAL
DATA MAHASISWA DAN LULUSAN DANIAL No Tahun Masuk dan Lulus 2000-2014 Input Mahasiswa Output Mahasiswa Lulus/ Masuk(%) 1 2000 438,332 40,923 9.34 2 2001 456,215 84,297 18.48 3 2002 452,286 200,838 44.41
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua
Lebih terperinciPERATURAN REKTOR UNIVERSITAS NEGERI SEMARANG NOMOR 10 TAHUN 2007 TENTANG GELAR DAN SEBUTAN BAGI LULUSAN UNIVERSITAS NEGERI SEMARANG
PERATURAN REKTOR UNIVERSITAS NEGERI SEMARANG NOMOR 10 TAHUN 2007 TENTANG GELAR DAN SEBUTAN BAGI LULUSAN UNIVERSITAS NEGERI SEMARANG DENGAN RAHMAT TUHAN YANG MAHA ESA REKTOR UNIVERSITAS NEGERI SEMARANG,
Lebih terperinciPEMETAAN PROVINSI DI INDONESIA BERDASARKAN LAPANGAN PEKERJAAN UTAMA DENGAN ANALISIS KORESPONDENSI DESTY PUTRI SARI
i PEMETAAN PROVINSI DI INDONESIA BERDASARKAN LAPANGAN PEKERJAAN UTAMA DENGAN ANALISIS KORESPONDENSI DESTY PUTRI SARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciDokumen Kurikulum Program Studi : Farmasi Klinik dan Komunitas. Lampiran II
Dokumen Kurikulum 03-08 Program Studi : Farmasi Klinik dan Komunitas Lampiran II Sekolah Farmasi Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen Total
Lebih terperinciANALISIS KOMPONEN UTAMA KERNEL: SUATU STUDI EKSPLORASI PEMBAKUAN PEUBAH PUTRI THAMARA
ANALISIS KOMPONEN UTAMA KERNEL: SUATU STUDI EKSPLORASI PEMBAKUAN PEUBAH PUTRI THAMARA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan
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 terperinciDokumen Kurikulum Program Studi : Arsitektur. Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Arsitektur Lampiran II Fakultas : Sekolah Arsitektur, Perencanaan dan Pengembangan Kebijakan Institut Teknologi Bandung Total Bidang Halaman Kode Akademik Dokumen
Lebih terperinciKATA PENGANTAR. Penulis. Raizal Dzil Wafa M.
i KATA PENGANTAR Buku ini dibuat untuk memudahkan siapa saja yang ingin belajar MATLAB terutama bagi yang baru mengenal MATLAB. Buku ini sangat cocok untuk pemula terutama untuk pelajar yang sedang menempuh
Lebih terperinciKALKULUS MULTIVARIABEL II
Definisi KALKULUS MULTIVARIABEL II (Minggu ke-7) Andradi Jurusan Matematika FMIPA UGM Yogyakarta, Indonesia Definisi 1 Definisi 2 ontoh Soal Definisi Integral Garis Fungsi f K R 2 R di Sepanjang Kurva
Lebih terperinciPERANCANGAN TATA LETAK BERBANTUAN KOMPUTER (COMPUTERIZED AIDED LAYOUT)
PERANCANGAN TATA LETAK BERBANTUAN KOMPUTER (COMPUTERIZED AIDED LAYOUT) 286 Latar belakang computerized aided layout (CAL) Rumitnya masalah Berkembangnya komputer Kerja komputer dengan logika, matematika,
Lebih terperinciINSTITUT PERTANIAN BOGOR DIREKTORAT ADMINISTRASI PENDIDIKAN
NO. POB/DAP/11 URAIAN Nama Jabatan Tanda Tangan Disusun oleh Subdit. EP 01 Juli 2011 Diperiksa oleh Kasubdit. EP 01 Juli 2011 Disahkan oleh Direktur AP 01 Juli 2011 Status Dokumen No. Distribusi Hal 1
Lebih terperinciDokumen Kurikulum Program Studi : Manajemen Rekayasa Industri Lampiran III
Dokumen Kurikulum 2013-2018 Program Studi : Manajemen Rekayasa Lampiran III Fakultas : Institut Bandung Bidang Akademik dan Kemahasiswaan Institut Bandung Kode Dokumen Total Halaman Kur2013-S1-MRI [JmlhHalaman]
Lebih terperinciDokumen Kurikulum Program Studi : Teknik Informatika. Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Teknik Informatika Lampiran II Sekolah Teknik Elektro dan Infomatika Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung
Lebih terperinciRegresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno
Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno Zaenal Abidin (23515015) Program Studi Magister Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciDasar-dasar MATLAB. by Jusak Irawan, STIKOM Surabaya
Dasar-dasar MATLAB by Jusak Irawan, STIKOM Surabaya Perintah-Perintah Dasar MATLAB akan memberikan respons secara langsung terhadap ekspresi apapun yang diketikkan pada editor MATLAB. Sebagai contoh: >>
Lebih terperinciTabel 1. Penjabaran Learning Outcome PS ESL S1 Pernyataan Kompetensi: Setelah menyelesaikan program studi ini,lulusan dapat menjadi analis dalam
Tabel 1. Penjabaran Learning Outcome PS S1 Pernyataan Kompetensi: Setelah program studi ini,lulusan dapat menjadi analis dalam bidang ilmu ekonomi pertanian, lingkungan serta kebijakan dalam bidang pertanian,
Lebih terperinciBAB 4 PENYELESAIAN SISTEM PERSAMAAN LINEAR
BAB 4 PENYELESAIAN SISTEM PERSAMAAN LINEAR A. Latar Belakang Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi,
Lebih terperinciPENDAHULUAN A. Latar Belakang 1. Metode Langsung Metode Langsung Eliminasi Gauss (EGAUSS) Metode Eliminasi Gauss Dekomposisi LU (DECOLU),
PENDAHULUAN A. Latar Belakang Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau pada persoalan rekayasa.
Lebih terperinciANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN/KOTA PROVINSI JAWA TENGAH (STUDI KASUS IPM TAHUN 2008 DAN 2013)
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 755-764 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM)
Lebih terperinciANALISIS FAKTOR (FACTOR ANALYSIS)
ANALISIS FAKTOR (FACTOR ANALYSIS) PENDAHULUAN Analisis faktor: mengkaji hubungan internal dari gugus variabel Data: peubah-peubah yang dianalisis berkorelasi tinggi didalam grupnya sendiri dan berkorelasi
Lebih terperinciANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)
Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN
Lebih terperinciKuliah #7 Pemodelan TK Lanjut S 2 (Tambahan) CONTOH RINGKAS: Solusi SPANL (Sistem Persamaan Aljabar Non Linear)
Kuliah #7 Pemodelan TK Lanjut S 2 (Tambahan) CONTOH RINGKAS: Solusi SPANL (Sistem Persamaan Aljabar Non Linear) Prof. Dr. Ir. Setijo Bismo, DEA. Departemen Teknik Kimia FTUI, Oktober 2015 A. Sistem Persamaan
Lebih terperinciBAB III SISTEM MODEL PREDIKSI HARGA SAHAM
BAB III SISTEM MODEL PREDIKSI HARGA SAHAM Penelitian ini telah mengembangkan suatu sistem model untuk prediksi harga saham. Pengembangan sistem model ini didasari pada pemikiran untuk menggabungkan dua
Lebih terperinciANALISIS FAKTOR TINGKAT KEPUASAN MAHASISWA UNIVERSITAS PAKUAN TERHADAP PELAYANAN PARKIR KAMPUS
ANALISIS FAKTOR TINGKAT KEPUASAN MAHASISWA UNIVERSITAS PAKUAN TERHADAP PELAYANAN PARKIR KAMPUS Sintya Dwi Rosady 1, Fitria Virgantari, Ani Andriyati Program Studi Matematika Fakultas Matematika dan Ilmu
Lebih terperinciBAB 4 MODEL RUANG KEADAAN (STATE SPACE)
BAB 4 MODEL RUANG KEADAAN (STATE SPACE) KOMPETENSI Kemampuan untuk menjelaskan pengertian tentang state space, menentukan nisbah alih hubungannya dengan persamaan ruang keadaan dan Mengembangkan analisis
Lebih terperinciBAB 4 IMPLEMENTASI DATA SPEKTROFOTOMETER DAN ANALISA DENGAN BACKPROPAGATION DAN ALGORITMA PCA
BAB 4 IMPLEMENTASI DATA SPEKTROFOTOMETER DAN ANALISA DENGAN BACKPROPAGATION DAN ALGORITMA PCA 4.1 Deteksi DD dengan Dengue Duo (NS1 Ag dan IgG/IgM) Data yang diperoleh merupakan hasil pemeriksaan Dengue
Lebih terperinciTeknik Hitung Manual Analisis Regresi Linear Berganda Dua Variabel Bebas
Free E-book Teknik Hitung Manual Analisis Regresi Linear Berganda Dua Variabel Bebas Oleh: Budi Setiawan Founder of Belajar dan Berbagi Bersama Budi Setiawan B4S facebook.com/budisetiawan999 http://budisetiawan999.blogspot.com
Lebih terperinciPengantar Matematika kelas1 : kelas2 : kelas3 : mutu : A B C D E
Lingkungan Pengembangan Aplikasi yang dipergunakan untuk skripsi dibangun dengan software dan hardware sebagai berikut: Hardware: 1. Prosesor Inter Pentium Dual Core E2140 @1.60GHz 2. Memori DDRAM 1 GB
Lebih terperinciDepartment of Mathematics FMIPAUNS
Lecture 2: Metode Operator A. Metode Operator untuk Sistem Linear dengan Koefisien Konstan Pada bagian ini akan dibicarakan cara menentukan penyelesaian sistem persamaan diferensial linear dengan menggunakan
Lebih terperinciINSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI MANAJEMEN PROSEDUR OPERASIONAL BAKU PERPINDAHAN MAHASISWA. NO. POB/ESL/14 Rev.00
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI MANAJEMEN PROSEDUR OPERASIONAL BAKU NO. POB/ESL Rev.00 URAIAN Nama Jabatan Tanda Tangan Disusun oleh Diperiksa oleh Disahkan oleh Staff Program Studi Staff Gugus
Lebih terperinciMENTERIKEUANGAN REPUBLIK INDONESIA SALIN AN PERATURAN MENTER! KEUANGAN REPUBLIK INDONESIA NOMOR 194/PMK.OS/2017
MENTERIKEUANGAN REPUBLIK INDONESIA SALIN AN PERATURAN MENTER! KEUANGAN REPUBLIK INDONESIA NOMOR 194/PMK.OS/2017 TENTANG TARIF LAYANAN BADAN LAYANAN UMUM UNIVERSITAS PENDIDIKAN GANESHA PADA KEMENTERIAN
Lebih terperinci.: Analisis Gerombol - Bagian 2 :.
seri tulisan data mining.: Analisis Gerombol - Bagian 2 :. Penggerombolan Tak Berhirarki - Algoritma k-means Bagus Sartono bagusco@gmail.com June 4, 2016 Abstract Pada seri tulisan ini akan dipaparkan
Lebih terperinci5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b
. STATISTIKA A. Membaca Sajian Data dalam Bentuk Diagram. UN 00 IPS PAKET A Diagram lingkaran berikut menunjukan persentase jenis pekerjaan penduduk di kota X. Jumlah penduduk seluruhnya adalah 3.600.000
Lebih terperinciALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Habib Hasbullah 1, Erna Apriliani 2 1 Mahasiswa Program Studi S2, Jurusan Matematika, F-MIPA,
Lebih terperinciBAB I PENDAHULUAN. Adanya nilai Kriteria Ketuntasan Minimal (KKM) setiap mata pelajaran. merupakan salah satu muatan penting Kurikulum Tingkat Satuan
BAB I PENDAHULUAN 1.1 Latar Belakang Adanya nilai Kriteria Ketuntasan Minimal (KKM) setiap mata pelajaran merupakan salah satu muatan penting Kurikulum Tingkat Satuan Pendidikan. Kriteria Ketuntasan Minimal
Lebih terperinciBAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN
BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SMA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SMA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Moh Husni Nurmansyah, Yuniarsi Rahayu 2 Program Studi Teknik Informatika S, Fakultas Ilmu Komputer Universitas Dian
Lebih terperinciuntuk i = 0, 1, 2,..., n
RANGKUMAN KULIAH-2 ANALISIS NUMERIK INTERPOLASI POLINOMIAL DAN TURUNAN NUMERIK 1. Interpolasi linear a. Interpolasi Polinomial Lagrange Suatu fungsi f dapat di interpolasikan ke dalam bentuk interpolasi
Lebih terperinciKELP KD MK SKS MATA KULIAH KEG HARI WAKTU RUANG KD_RUANG ALL IPB112 1(0-3) Olah Raga dan Seni SABTU GYMNASIUM GYMNASIUM B0.
B0.1 FKH200 1(0-3) Penghayatan Profesi Kedokteran Hewan P SABTU 09.00-12.00 FKH A FKH A B0.2 FKH200 1(0-3) Penghayatan Profesi Kedokteran Hewan P SABTU 09.00-12.00 FKH B2 FKH B2 C5 FIS101 3(2-3) Fisika
Lebih terperinciSISTEM PERSAMAAN LINEAR ( BAGIAN II )
SISTEM PERSAMAAN LINEAR ( BAGIAN II ) D. FAKTORISASI MATRIKS D2 2. METODE ITERASI UNTUK MENYELESAIKAN SPL D3 3. NILAI EIGEN DAN VEKTOR EIGEN D4 4. POWER METHOD Beserta contoh soal untuk setiap subbab 2
Lebih terperinciDokumen Kurikulum Program Studi : Sains dan Teknologi Farmasi Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Sains dan Teknologi Farmasi Lampiran II Fakultas : Sekolah Farmasi Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode
Lebih terperinciDINAMIKA ORDE PERTAMA SISTEM NONLINIER TERKOPEL DENGAN RELASI PREDASI, MUTUAL, DAN SIKLIK (Tinjauan Kasus Mangsa-Pemangsa pada Sistem Ekologi)
1 DINAMIKA ORDE PERTAMA SISTEM NONLINIER TERKOPEL DENGAN RELASI PREDASI, MUTUAL, DAN SIKLIK (Tinjauan Kasus Mangsa-Pemangsa pada Sistem Ekologi) Oleh: MADA SANJAYA WS G74103018 DEPARTEMEN FISIKA FAKULTAS
Lebih terperinciSilabus NAMA SEKOLAH : MATA PELAJARAN : Matematika
Silabus NAMA SEKOLAH : MATA PELAJARAN : Matematika KELAS : XI STANDAR KOMPETENSI : Menentukan kedudukan jarak, dan besar sudut yang melibatkan titik, garis dan bidang dalam ruang dimensi dua KODE KOMPETENSI
Lebih terperinciBAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu
BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data
Lebih terperinciPengantar Mathematica
Pengantar Mathematica Hazrul Iswadi Departemen MIPA Ubaya Seminar Internal pada hari Sabtu 22 Juli 2006 Sari: Pengantar Mathematica ini bertujuan memperkenalkan operasi-operasi dasar yang dilakukan ketika
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Pada pembuatan sebuah sistem berbasis komputer, analisa memegang peran yang sangat penting dalam membuat rincian sistem. Analisa perangkat lunak merupakan langkah pemahaman
Lebih terperinciPencarian Akar pada Polinom dengan Kombinasi Metode Newton-Raphson dan Metode Horner
Pencarian Akar pada Polinom dengan Kombinasi Metode Newton-Raphson dan Metode Horner Hendy Sutanto - 13507011 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinciBab 5 Array (Variabel Berindeks)
Bab 5 Array (Variabel Berindeks) 5.1. Pengertian array Variabel dengan tipe data tunggal (skalar) hanya dapat digunakan untuk menyimpan sebuah nilai saja, sehingga untuk menyimpan beberapa nilai sekaligus
Lebih terperinciKALKULUS MULTIVARIABEL II
KALKULUS MULTIVARIABEL II Integral Garis Medan Vektor dan (Minggu ke-8) Andradi Jurusan Matematika FMIPA UGM Yogyakarta, Indonesia 1 Integral Garis Medan Vektor 2 Terkait Lintasan Teorema Fundamental untuk
Lebih terperinciSCRIPT PERSAMAAN CRAMER
SCRIPT PERSAMAAN CRAMER Program ; Uses crt; var a11,a12,a13,a21,a22,a23,a31,a32,a33,c1,c2,c3 : integer; D, Dx, Dy, Dz, x, y, z: real; Begin clrscr; writeln ('PENYELESAIAN PERS ALJABAR LINEAR':50); writeln
Lebih terperinciSTRUKTUR DAN MUATAN KURIKULUM SMA PATRA MANDIRI 1 PLAJU
STRUKTUR DAN MUATAN KURIKULUM SMA PATRA MANDIRI 1 PLAJU a. Struktur Kurikulum 1. Kelas x Peminatan MIPA (kurikulum 2013) 1.1 Mata Pelajaran a) Kelompok A (wajib) : 6 Mata Pelajaran b) Kelompok B (wajib)
Lebih terperinci