COMPLETELY RANDOMIZED DESIGN (CRD)

Ukuran: px
Mulai penontonan dengan halaman:

Download "COMPLETELY RANDOMIZED DESIGN (CRD)"

Transkripsi

1 COMPLETELY RANDOMIZED DESIGN (CRD)

2 CRD Tdak ada kea pengelompokan: Lngkungan homogen Bahan homogen (pebedaan danaa expemenal un yang mempeoleh pelakuan yang ama dalam CRD debu ebaga expemenal eo) Ala homogen Keunungan: Flekbel Taa leak pecobaan (lay ou he degn) palng mudah Anal mudah Deajad beba eaan palng bea Memungknkan dlakukannya pecobaan dengan ulangan yang dak ama unuk ap pelakuannya anpa elalu mempeul analnya 0/5/0

3 CRD Keugan: Hanya dapa deapkan pada pelakuan yang dcobakan dak elalu banyak dan bahan pecobaan hau eagam (homogen) Rancangan yang palng dak efen jka ada kea pengelompokan: - Lngkungan heeogen - Bahan dak eagam - Ala ebaa dan ba jad dak eagam - Waku pengamaan dak ba dlakukan beamaan 0/5/0 3

4 Pengacakan CRD 0/5/0 4

5 Model lnea: j µ + τ + e j j Daa pelakuan ke-, ulangan ke-j µ eaa umum τ pengauh pelakuan ke- e j pengauh eaan da pelakuan ke- pada ulangan ke-j pelakuan ke- j ulangan ke-j,, 3,, j,, 3,,

6 Y j µ + τ + ε j ε j Y j - µ - τ Meode Kuada Tekecl (Lea Squae Mehod) : n j n j (ε j aau ) ( Y µ τ j Q ) adalah ekecl keclya Q adalah ekecl keclya 6 0/5/0

7 Unuk menduga nla paamee : µ, τ, dan ε δ δ Q µ 0 n j ( Y j µ τ ) 0 n Y n µ j j τ 0 n j Y j n µ ˆ µ n j n Y j ˆ µ Y 7 0/5/0

8 menduga paamee τ : 0/5/0 8 ˆ ˆ 0 0 ) ( 0 Y Y n Y n n Y n n Y Y n j j n j j n j j n j j Q + τ µ τ τ µ τ µ τ µ δ δ τ

9 ε j Y j - µ - τ I Y j - Y - (Y -Y ) Y j - Y - Y + Y Y j - Y Y j µ + τ + ε j Y j - µ τ + ε j Y j - Y (Y - Y ) + ( Y j - Y ) n j (Y j Y ) n j {(Y Y ) + (Y j Y )} n n (Y Y ) + j (Y j Y ) JK oal JK pelakuan + JK eaan 9 0/5/0

10 Rekap CRD P E R L A K U A N Ul Reaa τ τ τ τ 3 τ Σ Σ j 0/5/0 0

11 j µ + τ + e j j - µ τ + e j, τ I & e j ndependen Σ Σ ( j - µ) Σ Σ ( τ + e j ) Σ Σ ( j - µ) Σ Σ τ + Σ Σ e j JK oal JK pelakuan JK eaan Σ Σ ( j - µ) Σ Σ j + µ µ Σ Σ j - µ Σ Σ j (Σ Σ j) /() Σ Σ j (Σ Σ j) / JKoal j j j j 0/5/0

12 JK pelakuan JK plk Σ τ ( ) ) ( + j j JKplk j j JK JK oal JK pelakuan 0/5/0

13 db plk - db oal - db eaan db oal db pelakuan (-) MS pelakuan Jk plk/db plk MS eaan JK eaan/ db eaan F h MS plk/ms F abel F[(-α);(db plk, db )] 0/5/0 3

14 Langkah pehungan Kelompokan daa menuu pelakuan dan hung jumlah da mang-mang pelakuan Hunglah db, JK unuk umbe agam yang ada Bua keangka anova Hung KT (MS) umbe agam yang ada Hung F hung dan bandngkan F abel Ikan ke abel anova Kempulan 0/5/0 4

15 TATA LETAK CRD A5 B0 A D D B0 C7 A4 C8 A5 B7 C8 B5 C9 D0 D8 Plk/Ul 3 4 A B C D 0 8 0/5/0 5

16 Penghungan jumlah kuada dengan mengua komponen model lnea j j µ τ e j Σ( ) Σ( ) JK o FK JK plk JK 0/5/0 6

17 Anova CRD Sumbe db JK KT F h F abel agam α5% Pelakuan * 3,49 Seaan 3,78 Toal 5 8 F hung > F abel: Kempulan: Ho dolak dan menema Ha aau bebeda nyaa ana pelakuan 0/5/0 7

18 CV (Coeffcen of Vaaon) Menunjukkan ngka pe da pelakuan yang dbandngkan Menunjukkan ngka kepecayaan da pecobaan yang dlakukan Menunjukkan popo da expemenal eo (dunjukkan oleh nla MS eo) ehadap eaa umumnya (gand mean µ) yang dnyaakan ebaga nla peenae 0/5/0 8

19 Beanya nla CV MS Eo CV x 00% Gand Mean 0/5/0 9

20 Model lnea: j µ + τ + e j j Daa pelakuan ke-, ulangan ke-j µ eaa umum τ pengauh pelakuan ke- e j pengauh eaan da pelakuan ke- pada ulangan ke-j pelakuan ke- j ulangan ke-j,, 3,, j,, 3,,

21 CRD Ulangan dak ama P E R L A K U A N Ul Reaa τ τ τ τ 3 τ Σ Σ j 0/5/0

22 j µ + τ + e j j - µ τ + e j, Σ Σ ( j - µ) Σ Σ (τ + e j ) Σ Σ ( j - µ) Σ Σ τ + Σ Σ e j τ I & e j ndependen JK oal JK pelakuan JK eaan Σ Σ ( j - µ) Σ Σ j + µ µ Σ Σ j - µ Σ Σ j (Σ Σ j) /( ) µ j j JKoal Σ Σ j (Σ Σ j) / j j j 0/5/0 j

23 JK pelakuan JK plk Σ τ ( ) ) ( + j j 0/5/0 3 JK JK oal JK pelakuan j j JKplk

24 db plk - db oal - db eaan db oal db pelakuan MS pelakuan Jk plk/db plk MS eaan JK eaan/ db eaan F h MS plk/ms F abel F[(-α);(db plk, db )] 0/5/0 4

25 Conoh CRD ulangan dak ama Ul PLK A B C τ - - j j µ τ ej A 0 0 A 0 - A A B B B C C Σ () Σ () /5/0 5

26 Ulangan dak ama FK JKoal ( ) (900) 38 JKpelakuan JK JKo JKplk /5/0 6

27 Anova db plk 3- db oal 9-8 db eaan8-6 MS plk aau KT plk 30/5 MS eaan aau KT 8/6,33 F h5/,3,5 Sumbe agam db JK KT F h Fα5% Pelakuan 30 5,5? Seaan 6 8,3 Toal /5/0 Bagamana kempulan anda? 7

28 Model lnea: jk µ + τ + e j + ε jk jk Daa pelakuan ke-, ulangan ke-j, ampel ke-k µ eaa umum ζ pengauh pelakuan ke- ej pengauh ulangan ke-j pada pelakuan ke- ε jk pengauh eaan ke-k pada pelakuan ke- dan ulangan ke-j pelakuan ke- j ulangan ke-j k ampel ke-k,, 3,, j,, 3,, k,, 3,,

29 CRD dg bebeapa pengamaan ap expemenal un Pelakuan Pelakuan Ul Ul Ul 3 Ul Ul Ul 3 Sample 3 3 Sample 3 3 Sample Sample /5/0 9

30 jk µ + τ + e j + ε jk jk - µ ζ + e j, + ε jk τ I, e j & ε jk ndependen Σ Σ Σ ( jk - µ) Σ Σ Σ (τ + e j + ε jk ) Σ Σ Σ ( jk - µ) Σ Σ Σ τ + Σ Σ Σ e j + Σ Σ Σ ε jk JK oal JK pelakuan JK ul/pel JK amp/ul/pel Σ Σ Σ( jk - µ) Σ Σ Σ jk + µ µ Σ Σ Σ jk µ Σ Σ Σ jk (Σ Σ Σ jk ) /() Σ Σ Σ jk (Σ Σ Σ jk ) / jk j k JKoal jk 0/5/0 j k 30

31 JK pelakuan JK plk Σ τ ) ( ) ( + jk jk JKplk j k jk 0/5/0 3

32 0/5/0 3 Jk ulangan/pelakuan Jk expemenal eo j e j / pel JKul j j ) ( j j ) ( + j

33 JK amp/ul/pel JK pooled eo Jk Toal Jk Pelakuan Jk ul/pel JKamp / ul / pel j k jk j j 0/5/0 33

34 db plk - db oal - db ul/pelk (-) db eaan db amp/ul/pelk db oal db pelakuan - db ul/pel (-) MS pelakuan Jk plk/db plk MS ul/pel Jk ul/pel : db ul/pelk MS eaan JK eaan/ db eaan F h MS plk/ms F h MS ul/pelk : MS F abel F[(-α);(db plk, db )] F abel F[(-α);(db ul/plk, db )] 0/5/0 34

35 Model lnea: jk µ + τ + e j + ε jk jk Daa pelakuan ke-, ulangan ke-j, ampel ke-k µ eaa umum τ pengauh pelakuan ke- ej pengauh ulangan ke-j pada pelakuan ke- ε jk pengauh eaan ke-k pada pelakuan ke- dan ulangan ke-j pelakuan ke- j ulangan ke-j k ampel ke-k,, 3,, j,, 3,, k,, 3,, j

36 jk µ + τ + e j + ε jk jk - µ τ + e j, + ε jk τ I, e j & ε jk ndependen Σ Σ Σ ( jk - µ) Σ Σ Σ (ζ + e j + ε jk ) Σ Σ Σ ( jk - µ) Σ Σ Σ ζ + Σ Σ Σ e j + Σ Σ Σ ε jk JK oal JK pelakuan JK ul/pel JK amp/ul/pel Σ Σ Σ( jk - µ) Σ Σ Σ jk + j µ j µ Σ Σ Σ jk j µ Σ Σ Σ jk j (Σ Σ Σ j ) /( j ) Σ Σ Σ jk (Σ Σ Σ j ) / j JKoal j j k jk j k j 0/5/0 36 j j j

37 JK pelakuan JK plk j Σ τ ( ) j j ( ) jk j + j j jk JKplk j j j k j j j jk 0/5/0 37

38 Jk ulangan/pelakuan Jk expemenal eo j e j j ( ) j j + j j j JKul / pel j j j j j 0/5/0 38

39 JK amp/ul/pel JK pooled eo Jk Toal Jk Pelakuan Jk ul/pel JKamp / ul / pel j jk j k j j j 0/5/0 39

40 db plk - db oal j - db ul/pelk ( -) db eaan db amp/ul/pelk db oal db pelakuan db ul/pelk MS pelakuan Jk plk/db plk MS ul/pel JK ul/pel : db ul/pel MS eaan JK eaan/ db eaan F h MS plk/ms F h MS ul/pel : MS F abel F[(-α);(db plk, db )] F abel F[(-α);(db ul/plk, db )] 0/5/0 40

41 Soal Lahan Daa hal pecobaan pengauh macam meda pekecambahan ehadap panjang hypocoyl (cm) kecambah kacang hjau pada aa umu 6 mnggu adalah ebaga beku: Pelakuan A B C Ulangan Sampel Sampel Sampel Keeangan: A : meda a d pedh; B : meda kapa; C : meda kea ang aujlah apakah pebedaan macam meda pekecambahan menyebabkan pebedaan panjang hypocoyl kecambah kacang hjau (α 5%) bhunglah nla CV-nya 0/5/0 4

MATERI DAN METODE. Pertanian dan Peternakan UIN Suska Riau. Penelitian ini berlangsung selama

MATERI DAN METODE. Pertanian dan Peternakan UIN Suska Riau. Penelitian ini berlangsung selama III. MATERI DAN METODE 3.1. Tempa dan Waku Peneliian Peneliian ini dilakukan di Laboaoium Lapang (Agosologi) Fakulas Peanian dan Peenakan UIN Suska Riau. Peneliian ini belangsung selama bulan yaiu pada

Lebih terperinci

kimia LAJU REAKSI II Tujuan Pembelajaran

kimia LAJU REAKSI II Tujuan Pembelajaran KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju

Lebih terperinci

III. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian

III. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian III. BAHAN DAN METODE 3.1. Tempa dan Waku Peneliian Peneliian ini elah dilakukan di Lahan pecobaan Fakulas peanian dan peenakan UIN SUSKA Riau dan Laboaoium Agonomi Fakulas peanian dan peenakan UIN SUSKA

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

Bab II. Rancangan Acak Lengkap (RAL) Completed randomized design (CRD)

Bab II. Rancangan Acak Lengkap (RAL) Completed randomized design (CRD) Bab II. Rancangan Acak Lengkap (RAL) Completed randomized design (CRD) Rancangan yang paling sederhana Paling murah Pelaksanaan percobaan paling mudah Keabsahan kesimpulan paling rendah Untuk bahan atau

Lebih terperinci

MODUL 2 PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH

MODUL 2 PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH MODUL PERCOBAAN SATU FAKTOR DAN UJI PERBANDINGAN NILAI TENGAH A. Pendahuluan Pecobaan sau fako adalah suau pecobaan ang dancang dengan hana melbakan sau fako dengan bbeapa aaf sebaga pelakuan. Rancangan

Lebih terperinci

JAWABAN SOAL FISIKA OSN Medan, 1 7 Agustus 2010

JAWABAN SOAL FISIKA OSN Medan, 1 7 Agustus 2010 JAWABAN SOAL FISIKA OSN 00 Medan, 7 Aguu 00 Gaya gaya yang ekeja pada ola diunjukkan pada gama diamping. Peamaan geak unuk pua maa ola adalah () () dan pada ola yang eoai elaku Syaa aga ola menggelinding

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Percobaan Rancangan Petak Terbagi dalam RAKL

Percobaan Rancangan Petak Terbagi dalam RAKL Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan

Lebih terperinci

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR

BAB III MODEL PERTUMBUHAN EKONOMI DUA SEKTOR 15 BAB III MODEL PERTUMBUHA EKOOMI DUA SEKTOR 3.1 Aum dan oa Model perumbuhan dua ekor n merupakan model perumbuhan dengan dua komod yang dhalkan, yau barang modal dan barang konum. Kedua barang n dproduk

Lebih terperinci

Reliabilitas. A. Pengertian

Reliabilitas. A. Pengertian Relablas A. Pengean Relablas adalah sejauh mana hasl ujan sswa eap aau konssen da posedu penlaan (Nko, 007:66). Menuu Ellen, suau es dkaakan elabel jka sko obsevas nla awal behubungan dengan sko yang sebenanya.

Lebih terperinci

Statistika Inferensi Tentang Ratarata Dua Populasi Independen

Statistika Inferensi Tentang Ratarata Dua Populasi Independen Saisika Inferensi Tenang aaraa Dua Populasi Independen Populasi aa-raa = µ (idak dikeahui) Sampel Ukuran = n (besar) aa-raa = X Deviasi Sandar = S Uji Hipoesis enang Perbedaan aa-raa Sampel Besar Saisik

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan Opma Model Invenory Deermnk unuk Permnaan Menak dan Baya Pemeanan Konan Dana Purwaar, Rully Soelaman, Fr Qona Fakula Teknolog Informa, Inu Teknolog Sepulu Nopember, Surabaya E-mal : rully@-by.edu Abrak

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

SOLUSI TUGAS MATA KULIAH STATISTIKA II

SOLUSI TUGAS MATA KULIAH STATISTIKA II SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

Percobaan Faktor Tunggal (RAL, RAKL, RBSL)

Percobaan Faktor Tunggal (RAL, RAKL, RBSL) Percoaan Faktor Tunggal RAL, RAKL, RBSL Faktor Tunggal Dalam RAKL Rancangan Acak Kelompok Lengkap Karakterstk Rancangan Perlakuan yang dcoakan merupakan taraftaraf dar satu faktor tertentu Faktor-faktor

Lebih terperinci

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar

Penduga Data Hilang Pada Rancangan Bujur Sangkar Latin Dasar Kumpulan Makalah Seminar Semiraa 013 Fakulas MIPA Universias Lampung Penduga Daa Pada Rancangan Bujur Sangkar Lain Dasar Idhia Sriliana Jurusan Maemaika FMIPA UNIB E-mail: aha_muflih@yahoo.co.id Absrak.

Lebih terperinci

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan

Optimasi Model Inventory Deterministik untuk Permintaan Menaik dan Biaya Pemesanan Konstan Opma Model Invenory Deermnk unuk Permnaan Menak dan Baya Pemeanan Konan Dana Purwaar, Rully Soelaman, Fr Qona Fakula Teknolog Informa, Inu Teknolog Sepulu Nopember, Surabaya E-mal : rully@-by.edu Abrak

Lebih terperinci

IV. RANCANGAN ACAK KELOMPOK LENGKAP

IV. RANCANGAN ACAK KELOMPOK LENGKAP IV. RANCANGAN ACAK KELOMPOK LENGKAP RAKL : paling luas digunakan cocok untuk percobaan lapangan Jumlah perlakuan tidak begitu besar, fleksibel dan sederhana Areal penurunan produktivitasnya dpt diduga

Lebih terperinci

Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc.

Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Acak Kelompok Lengkap (Randomized Block Design) Arum H. Primandari, M.Sc. Latar belakang Rancangan Acak kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan

Lebih terperinci

B. Rancangan Acak Kelompok (RAK)

B. Rancangan Acak Kelompok (RAK) B. Rancangan Acak Kelompok (RAK) 1. Rancangan Acak Kelompok (Randomized Completely Block Design) termasuk rancangan faktor tunggal (hanya terdiri dari satu faktor) masih merupakan rancangan yang cukup

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Rancangan lingkungan: Rancangan Acak Lengkap (RAL), (RAK) dan Rancangan Bujur Sangkar Latin (RBSL), Lattice. Ade Setiawan 009 RAL Ade Setiawan 009 Latar Belakang RAK 3 Perlakuan Sama

Lebih terperinci

BAB II Metode Pembentukan Fungsi Distribusi

BAB II Metode Pembentukan Fungsi Distribusi Saisika Maemaika II b Dian Kniai BAB II Meode Pembenkan Fngsi Disibsi Pada bab akan dibahas bebeapa meode alenaive nk menenkan fngsi disibsi dai pebah acak ba ang ebenk dai pebah acak ang lama. Dengan

Lebih terperinci

PERCOBAAN FAKTOR TUNGGAL RANCANGAN TERACAK LENGKAP

PERCOBAAN FAKTOR TUNGGAL RANCANGAN TERACAK LENGKAP MATERI III STK PERANCANGAN PERCOBAAN PERCOBAAN FAKTOR TUNGGAL RANCANGAN TERACAK LENGKAP Pendahuluan Karantina tumbuhan ingin mengetahui pengaruh Fumigan Methyl Bromide (CH 3 Br) terhadap daya tumbuh benih

Lebih terperinci

Rancangan Bujur Sangkar Latin (RBSL) Latice Square Design

Rancangan Bujur Sangkar Latin (RBSL) Latice Square Design Rancangan Buju Sangka Latin (RBSL) Latice Squae Design RBSL (Rancangan Buju Sangka Latin) Di bebeapa kasus, memungkinkan kita untuk mengontol dua atau lebih sumbe keagamaman RBSL digunakan apabila tedapat

Lebih terperinci

A. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA

A. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA 009 T u g a s a p l k a s S t a t s t k P a g e 1 A. Soal 1 yg dkerjakan seharan tad ttg regres tunggal MENGHITUNG REGRESI LINEAR SEDERHANA Persamaan umum regres lnear sederhana adalah : Ŷ = a + bx Contoh

Lebih terperinci

Status Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1

Status Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1 UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan

Lebih terperinci

Rancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design

Rancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design Rancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design CIRI - CIRI R.A.L. : 1. Media atau bahan percobaan seragam (dapat dianggap se- ragam ) 2. Hanya ada satu sumber kera-

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI. sukoharjo. Permasalahan yang dibahas pada penelitian yang dilakukan Yuri

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI. sukoharjo. Permasalahan yang dibahas pada penelitian yang dilakukan Yuri BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pusaka Sisem persediaaan ini pernah dibua oleh Yuri Prasyo (27) yaiu dengan judul Kompuerisasi sysem persediaan barang pada grahadia compuer sukoharjo.

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

PERANCANGAN PERCOBAAN

PERANCANGAN PERCOBAAN PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu Faktor : Pengaruh Takaran Pupuk

Lebih terperinci

TEKNIK FUNGSI PEMBANGKIT MOMEN

TEKNIK FUNGSI PEMBANGKIT MOMEN 0 TEKNIK FUNGSI PEMBANGKIT MOMEN Penenuan ungsi peluang aau ungsi densias dai ungsi peubah acak bisa juga dilakukan melalui ungsi pembangki momen Dalam penenuannya, enu saja haus digunakan siasia dai ungsi

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi. PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar

Lebih terperinci

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.

Lebih terperinci

II. PERCOBAAN NON FAKTORIAL

II. PERCOBAAN NON FAKTORIAL II. PERCOBAAN NON FAKTORIAL A. Rancangan Acak Lengkap (RAL) 1. Rancangan Acak Lengkap (Completely Randomized Design) termasuk rancangan faktor tunggal (hanya terdiri dari satu faktor) merupakan rancangan

Lebih terperinci

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik Jawab p = proporsi sekrearis di seluruh perkanoran di Bandung yang diperlengkapi dengan kompuer di ruang kerjanya Karena p idak dikeahui, asumsikan nilainya.5 q = 1 p =.5 Tingka keyakinan 95% =.5 dan /

Lebih terperinci

Jl. Prof. Dr.Hamka Air Tawar Padang, 25131, Telp. (0751)444648, Indonesia

Jl. Prof. Dr.Hamka Air Tawar Padang, 25131, Telp. (0751)444648, Indonesia Analisis Kovaiansi pada Rancangan Acak Lengkap dengan Peubah Pengiing Beganda Menggunakan Pendekaan Maiks Wimi Saika #1, Lufian Almash *, Yenni Kuniawai #3 # Mahemaics Depaemen Sae Univesiy of Padang Jl.

Lebih terperinci

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION )

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION ) 9/08/0 ( MULTIPLE LINEA EGEION ) Elty arva, T., MT. Fakulta Teknk Juruan Teknk Indutr Unverta Krten Maranatha Bandung Pengantar Pada e ebelumnya kta hanya menggunakan atu buah X, dengan model Y = a + bx

Lebih terperinci

PENDUGAAN RASIO, BEDA DAN REGRESI

PENDUGAAN RASIO, BEDA DAN REGRESI TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka

Lebih terperinci

PEMBANDINGAN TERENCANA

PEMBANDINGAN TERENCANA PEMBANDINGAN TERENCANA Uj Perbandngan Berganda Uj Bonferron Memungknkan membuat perbandngan antar perlakuan, antara perlakuan dengan kelompok perlakuan, atau antar kelompok perlakuan Msalnya: Ada empat

Lebih terperinci

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

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

Lebih terperinci

FORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1

FORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1 FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,

Lebih terperinci

GERAK LURUS BESARAN-BESARAN FISIKA PADA GERAK KECEPATAN DAN KELAJUAN PERCEPATAN GLB DAN GLBB GERAK VERTIKAL

GERAK LURUS BESARAN-BESARAN FISIKA PADA GERAK KECEPATAN DAN KELAJUAN PERCEPATAN GLB DAN GLBB GERAK VERTIKAL Suau benda dikaakan bergerak manakalah kedudukan benda iu berubah erhadap benda lain yang dijadikan sebagai iik acuan. Benda dikaakan diam (idak bergerak) manakalah kedudukan benda iu idak berubah erhadap

Lebih terperinci

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007 RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Desgn) Dr.Ir. I Made Sumertajaya, M.S Departemen Statstka-FMIPA IPB 007 Revew Rancangan Acak Kelompok Kta ngn membandngkan t perlakuan Pengelompokan

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1)

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1) STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

PEMODELAN DUA DIMENSI RESERVOIR GEOTERMAL SISTEM DUA FASA MENGGUNAKAN METODE FINITE DIFFERENTIAL. 3.1 Formulasi dan Aproksimasi Model Matematis

PEMODELAN DUA DIMENSI RESERVOIR GEOTERMAL SISTEM DUA FASA MENGGUNAKAN METODE FINITE DIFFERENTIAL. 3.1 Formulasi dan Aproksimasi Model Matematis BAB III EMODELAN DUA DIMENSI RESERVOIR GEOERMAL SISEM DUA FASA MENGGUNAAN MEODE FINIE DIFFERENIAL. Foma da Apoma Mode Maema Reeo a aa dmodea adaa eeo da da aa qd domaed. Mea aa da pada eoema mma bepa aa

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

Metode Regresi Linier

Metode Regresi Linier Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini merupakan penelitian kuantitatif, karena ingin mengetahui

BAB III METODOLOGI PENELITIAN. Penelitian ini merupakan penelitian kuantitatif, karena ingin mengetahui 44 BAB III METODOLOGI PENELITIAN A Jeni Penelitian Penelitian ini merupakan penelitian kuantitatif, karena ingin mengetahui perbedaan hail belajar matematika iwa menggunakan trategi team teaching dan trategi

Lebih terperinci

BAB VII ANALISIS VARIANSI KLASIFIKASI 2 ARAH DENGAN INTERAKSI

BAB VII ANALISIS VARIANSI KLASIFIKASI 2 ARAH DENGAN INTERAKSI BAB VII ANALISIS VARIANSI KLASIFIKASI ARAH DENGAN INTERAKSI Misalkan kita ingin meneliti pengauh dua fakto A dan B pada suatu espon. Sebagai contoh, dalam suatu pecobaan kimia kita ingin mengubah tekanan

Lebih terperinci

Bab III. Menggunakan Jaringan

Bab III. Menggunakan Jaringan Bab III Pembuaan Jadwal Pelajaran Sekolah dengan Menggunakan Jaringan Pada bab ini akan dipaparkan cara memodelkan uau jaringan, ehingga dapa merepreenaikan uau jadwal pelajaran di ekolah. Tahap perama

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Ade Setiawan 009 Review RAL: Satuan percobaan homogen Keragaman Respons disebabkan pengaruh perlakuan RAK: Satuan percobaan heterogen Keragaman Respons disebabkan pengaruh Perlakuan

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 8 ANOVA (2)

STK511 Analisis Statistika. Pertemuan 8 ANOVA (2) STK5 Analss Statstka Pertemuan 8 ANOVA () 8. ANOVA () Dagnoss Model Hpotess Klasfkas satu arah : Y atau Y j j j j Klasfkas dua arah : Yj j j??? Pengaruh perlakuan: H 0 : = 0 H : palng sedkt ada satu dmana

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan pada Februari sampai dengan Mei 2012 di areal

III. METODE PENELITIAN. Penelitian ini dilaksanakan pada Februari sampai dengan Mei 2012 di areal III. METODE PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada Februari sampai dengan Mei 2012 di areal pembibitan PT. Anugerah Subur Sejahtera, Desa Ulak Bandung Kecamatan Muara Sahung Kabupaten

Lebih terperinci

III METODE PENELITIAN

III METODE PENELITIAN III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,

Lebih terperinci

Tabel Rancangan Acak Percobaan. Keterangan : A = Kotak kontrol berisi Etanol 70% B = Kotak berisi minyak rimpang jeringau 6%

Tabel Rancangan Acak Percobaan. Keterangan : A = Kotak kontrol berisi Etanol 70% B = Kotak berisi minyak rimpang jeringau 6% Lampiran Tael Rancangan Acak Percoaan ULANGAN PERLAKUAN I A D F B E II B E D F A III F B A E D Keterangan : A Kotak kontrol erisi Etanol 70 B Kotak erisi minyak rimpang jeringau 6 Kotak erisi minyak rimpang

Lebih terperinci

BAB 2 Materi Penunjang

BAB 2 Materi Penunjang BAB. MATERI PENUNJANG 4 BAB Maeri Penunjang. Vanilla Opion Derivaives adalah salah sau conoh dari insrumen keuangan, aau lebih sederhananya bisa dianggap sebagai perjanjian anara dua orang, yang nilainya

Lebih terperinci

Bab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen

Bab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

SEBARAN PENARIKAN SAMPEL LOGO

SEBARAN PENARIKAN SAMPEL LOGO SEBARAN PENARIKAN SAMPEL LOGO KOMPETENSI menentukan sebaran penarikan sampel bagi suatu statistik A menentukan sebaran penarikan sampel bagi nilai tengah menentukan sebaran penarikan sampel bagi selisih

Lebih terperinci

Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series

Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

Lag: Waktu yang diperlukan timbulnya respons (Y) akibat suatu aksi (X)

Lag: Waktu yang diperlukan timbulnya respons (Y) akibat suatu aksi (X) Lag: Waku yang diperlukan imbulnya repon ( akiba uau aki ( Conoh: Pengaruh kredi erhadap produki Suplai Uang mempengaruhi ingka inflai eelah beberapa kwaral Hubungan pengeluaran R & D dengan produkifia

Lebih terperinci

TINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot)

TINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) II. TINJAUAN PUSTAKA 2.1 Rancangan Petak Teralur Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) sebagai satuan percobaan yang terdiri dari plot baris untuk perlakuan

Lebih terperinci

BANGUN RUANG. ABFE dan sisi DCGH, dan sisi ADHE dan sisi

BANGUN RUANG. ABFE dan sisi DCGH, dan sisi ADHE dan sisi NGUN RUNG. Pengeian 1. Kubu Kubu adalah bangun uang yang dibaai oleh enam buah bidang peegi yang konguen (benuk dan E beanya ama). (Pehaikan Gamba 1) Kubu mempunyai 6 ii, 8 iik udu, dan 12 uuk. Semua uuk

Lebih terperinci

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian 1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan

Lebih terperinci

Analysis of Covariance (ANACOVA)

Analysis of Covariance (ANACOVA) Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

REGRESI LINIER SEDERHANA (PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS)

REGRESI LINIER SEDERHANA (PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS) REGRESI LINIER SEDERHANA (PERKIRAAN INTERVAL DAN PENGUJIAN HIPOTESIS) PowerPoin Slides by Yana Rohmana Educaion Universiy of Indonesian 007 Laboraorium Ekonomi & Koperasi Publishing Jl. Dr. Seiabudi 9

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

FORMULIR UJI KESUKAAN (UJI HEDONIK)

FORMULIR UJI KESUKAAN (UJI HEDONIK) Lampiran FORMULIR UJI KESUKAAN (UJI HEDONIK) Nama : Umur : Jenis Kelamin : Petunjukan Penilaian Ujilah sampel satu persatu dengan sebaik-baiknya dan nyatakan pendapat anda tentang apa yang dirasakan oleh

Lebih terperinci

Rancangan Petak Terpisah dalam RAL

Rancangan Petak Terpisah dalam RAL Rancangan Petak Terpisah dalam RAL KULIAH 11 PERANCANGAN PERCOBAAN (STK222) rahmaanisa@apps.ipb.ac.id Latar Belakang Sejarah : Rancangan ini awalnya berkembang pada bidang pertanian (Montgomery, 1997;

Lebih terperinci

MODEL OPTIMASI MULTI OBJECTIVE UNTUK PERENCANAAN PERSEDIAAN MULTI PRODUK DARI MULTI SUPPLIER DENGAN MEMPERHATIKAN DUE DATE

MODEL OPTIMASI MULTI OBJECTIVE UNTUK PERENCANAAN PERSEDIAAN MULTI PRODUK DARI MULTI SUPPLIER DENGAN MEMPERHATIKAN DUE DATE SNTI III-0 Unvera Trak ISBN : 978-979-865-4-9 MODEL OPTIMASI MULTI OBJECTIVE UNTUK PERENCANAAN PERSEDIAAN MULTI PRODUK DARI MULTI SUPPLIER DENGAN MEMPERHATIKAN DUE DATE Dna Naala Prayogo Juruan Teknk Indur,

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 4 Oleh : Debrina Puspia Andriani Teknik Indusri Universias Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecure.ub.ac.id O. Dasar perhiungan depresiasi 2. Meode-meode depresiasi.

Lebih terperinci

9. TEKNIK PENGINTEGRALAN

9. TEKNIK PENGINTEGRALAN 9. TEKNIK PENGINTEGRALAN 9. Inegral Parsal Formula Inegral Parsal : Cara : plh u yang urunannya lebh sederhana Conoh : Hung u dv uv v du e d msal u =, maka du=d dv e d v e d e sehngga e d e e d e e C INF8

Lebih terperinci

Uji Homogenitas Varians

Uji Homogenitas Varians Uj Homogentas Varans I. DUA VARIANS Pengujan hpotess dua varans dlakukan untuk mengetahu varans dua populas sama (homogen atau tdak (heterogen. S dan S merupakan penduga σ dan σ Rumus varans : x ( x S

Lebih terperinci

Lampiran 1. Form pengukuran indeks glikemik Tanggal pengukuran : Jenis sampel : Kadar Glukosa darah 0 Jam 30 Jam 60 Jam 90 Jam 120 Jam

Lampiran 1. Form pengukuran indeks glikemik Tanggal pengukuran : Jenis sampel : Kadar Glukosa darah 0 Jam 30 Jam 60 Jam 90 Jam 120 Jam Lampiran 1. orm pengukuran indeks glikemik Tanggal pengukuran : Jenis sampel : No 1 2 3 4 5 6 7 8 Nama Kadar Glukosa darah 0 Jam 30 Jam 60 Jam 90 Jam 120 Jam Keluhan Lampiran 2. Penenuan glukosa, frukosa

Lebih terperinci

daerah domain 0 t 100, tentukan nilai λ(64). a b c d => b

daerah domain 0 t 100, tentukan nilai λ(64). a b c d => b AAI4 Tipe Soal A Pembenukan Tabel Moralia. Survival Diribuion didefiniikan ebagai. / didalam daerah domain, enukan nilai 64. a.. b..5 c..4 d.. > b..5. Survival Diribuion didefiniikan ebagai. 5 / didalam

Lebih terperinci

Relasi LOGIK FUNGSI AND, FUNGSI OR, DAN FUNGSI NOT

Relasi LOGIK FUNGSI AND, FUNGSI OR, DAN FUNGSI NOT 2 Relasi LOGIK FUNGSI ND, FUNGSI OR, DN FUNGSI NOT Tujuan : Seelah mempelajari Relasi Logik diharapkan dapa,. Memahami auran-auran relasi logik unuk fungsi-fungsi dasar ND, OR dan fungsi dasar NOT 2. Memahami

Lebih terperinci

OLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009

OLEH : WIJAYA.   FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERANCANGAN PERCOBAAN OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu

Lebih terperinci

Darpublic Nopember 2013

Darpublic Nopember 2013 Darpublic Nopember 01 www.darpublic.com 4.1. Pengerian 4. Persamaan Diferensial (Orde Sau) Sudarano Sudirham Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih urunan fungsi. Persamaan

Lebih terperinci

Bab III Rancangan Penelitian

Bab III Rancangan Penelitian Bab III Rancanan Peneliian III. Rencana Pelaksanaan Peneliian Komponen uama penyusun as poduse adalah,,, 4,, N, dan penoo, yan melipui komponen oanik a dan anoanik S, l, N 3, loam alkali. Kebeadaan penoo,

Lebih terperinci

UJI REGRESI (REGRESION TEST)

UJI REGRESI (REGRESION TEST) UJI REGRESI (REGRESION TEST) Kegunaan uji regresi sederhana adalah untuk memprediksi variabel terikat (Y) bila variabel bebas () diketahui. Regresi sederhana dapat dianalisis karena didasari oleh hubungan

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang

Lebih terperinci

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

UJI ANOVA. Imam Gunawan DISTRIBUSI F

UJI ANOVA. Imam Gunawan DISTRIBUSI F UJI ANOVA Imam Gunawan DISTRIBUSI F Ditribusi F memiliki ciri-ciri, yaitu: 1. Nilai F adalah nonnegatif.. Distribusi F merupakan distribusi kontinu. Nilainya mulai dari 0 dan tidak memiliki batas atas.

Lebih terperinci

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan

Lebih terperinci

: Aidha Siti Khadijah

: Aidha Siti Khadijah Nama Tugas : Aidha Siti Khadijah : Statistika PERBEDAAN HASIL BELAJAR BIOLOGI SISWA YANG MENGGUNAKAN MODEL PEMBELAJARAN SEPAK BOLA VERBAL (SBV) DAN MODEL PEMBELAJARAN KOOPERATIF TIPETEAMS GAMES TOURNAMENT

Lebih terperinci

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan s

Analisis Rangkaian Listrik Di Kawasan s Sudaryano Sudirham Analisis angkaian Lisrik Di Kawasan s Sudaryano Sudirham, Analisis angkaian Lisrik () BAB 3 Fungsi Jargan Pembahasan fungsi jargan akan membua kia memahami makna fungsi jargan, fungsi

Lebih terperinci