BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB 2 LANDASAN TEORI 2. Pegerta Pemelharaa da Perawata Pegerta Pemelharaa da Perawata ( Mateace ) meurut Assaur adalah suatu kegata utuk mejaga atau memelhara fasltas da peralata pabrk da megadaka perbaka atau peyesuaa/peggata yag dperluka agar supaya terdapat suatu keadaa operas produks yag memuaska sesua dega yag drecaaka. Peraa Mateace meetuka dalam kegata produks yag meyagkut kelacara/kemaceta produks, kelambata da volume produks serta efses berproduks. ( Assaur, hal 88 ) Dega adaya kegata mateace maka fasltas/ peralata pabrk dapat dperguaka utuk produks sesua dega recaa, da tdak megalam kerusaka selama dguaka dalam proses produks atau sebelum jagka waktu tertetu yag drecaaka tercapa da Proses produks dapat berjala dega lacar. Pegerta la megea Pemelharaa meurut Hezer adalah suatu aktvtas yag berkata dega usaha mempertahaka peralata/sstem dalam kods layak bekerja. ( Hezer & Reder, hal 296)

2 2.2 Tujua utama dar Pemelharaa da Perawata ( Mateace ) Berkut adalah tujua dar Mateace : ( Assaur, Hal 89). Memperpajag usa Aset 2. Produks dapat selesa sesua dega waktu yag drecaaka. 3. Mejaga Kualtas produk yag dproduks 4. Membatu megurag pemakaa da peympaga yag dluar batas da mejaga modal yag dvestaska selama waktu yag dtetuka 5. Mecapa tgkat baya Mateace seredah mugk. 6. Mejaga da megkatka Keselamata para pekerja. 7. Mecapa Keutuga yag sebak mugk dega baya yag teredah. ( Arma, hal 30 ) 2.3 Jes- jes Mateace Kegata mateace dalam perusahaa dapat dbedaka mejad 2 yatu : ( Assaur, hal 89 ). Prevetve Mateace Adalah kegata pemelharaa da perawata yag dlakuka utuk mecegah tmbulya kerusaka-kerusaka yag tdak terduga da meemuka kods atau keadaa yag dapat meyebabka fasltas Produks megalam kerusaka pada pada waktu proses produks ( Assaur, hal 89), meurut E.T Newbrough Prevetve Mateace adalah perawata fasltas terecaa berdasarka speks perodk yag

3 dlakuka da memperlhatka kods dmaa fasltas tersebut rusak, dega tujua memmas waktu kerusaka da kerusaka yag dakbatka kelalaa operator. Da tujua utama Program PM medapatka keutuga yag besar. ( Newbrough, hal 5-52 ). Meurut Hezer & Reader Prevetve Mateace juga berart recaa Pemerksaa rut, pemelharaa da mejaga fasltas tetap pada kods bak utuk mecegah kegagala produks. ( Hezer & Reder, hal 305) Prevetve Mateace sagat petg karea keguaaya yag sagat efektf ddalam meghadap fasltas-fasltas produks yag termasuk dalam gologa Crtcal ut. Sebuah peralata Produks dkataka Crtcal ut, apabla : o Kerusaka fasltas dapat membahayaka yawa pekerja. o Kerusaka yag dapat mempegaruh kualtas suatu Produk o Kerusaka yag meyebabka kemaceta seluru Proses produks o Modal yag dtaamka dalam Fasltas tersebut sagat mahal. Apabla Proses berjala maka tugas-tugas mateace dapat dlakuka dega suatu perecaaa yag tesf. Dalam praktekya Prevetve Mateace dbedaka mejad Route Mateace da Perodc mateace. Route Mateace adalah kegata pemelharaa yag dlakuka secara rut sedagka Perodc mateace adalah perawata yag dlakuka pada perode tertetu atau jagka waktu tertetu dega megguaka memaka lamaya jam kerja

4 mes msalya, kegata Perodc mateace jauh lebh berat dar Route Mateace.( Assaur, hal 90 ) 2. Correctve Mateace atau Breakdow mateace Adalah kegata pemelharaa da perawata yag dlakuka setelah terjadya suatu kerusaka atau kelaa pada fasltas atau peralata sehgga tdak dapat berfugs dega bak. Kegata serg dsebut kegata perbaka atau reparas. Secara septas Correctve Mateace (CM) bayaya lebh murah dbadg dega Prevetve Mateave ( PM ) tetap apabla kerusaka terjad selama proses produks berlagsug maka akbat dar kebjaksaaa dar CM aka jauh lebh parah dar PM dalam hal baya Produks yag tetuda,pegheta mes da karyawa gaggur da pesaa yag tertuda( hadoko, hal 57). Sela tu pertmbaga dalam jagka pajag mes-mes yag mahal da termasuk dalam crtcal ut dar proses produks PM jauh lebh megutugka dbadg CM. Berkut adalah perbedaa atara Prevetve Mateace da Correctve Mateace bla dlhat dar seg pemelharaa tradsoal da dlhat dar seg Baya : ( Hadoko, Hal 59)

5 Baya Total Baya Prevetve Mateace Ttk Optmum Korektf Mateace Tgkat Pemelharaa Prevetf Gambar 2. Kurva Perbadga Prevetve Mateace da Correctve Mateace Pada gambar datas dapat dlhat seklas bahwa pada baya Prevetve Mateace semak megkat sedagka baya pada Correctve Mateace aka semak meuru. Tetap sebearya baya Prevetve Mateace(PM) aka lebh redah dar baya Correctve Mateace(CM) pada waktu tertetu yatu pada waktu Ttk optmum. Pada waktu yag dtetuka Baya CM lebh mahal dar baya PM, bla ttelah melewat waktu optmum basaya perusahaa aka meuggu fasltas tersebut sampa rusak dar pada dlakuka tdaka Pecegaha. 2.4 Lagkah lagkah pegambla tdaka Mateace Dalam meetuka Tdaka Mateace yag dambl ada 4 tahap yag harus dlewat terlebh dahulu yatu: (Arma, hal 366)

6 . What : Berart meetuka jes Kompoe yag yag perlu dberlakuka pemelharaa rut. Type kompoe dgologka dalam jes ; o Kompoe Krts : Kompoe yag frekues kerusakaya sagat serg o Kompoe Mayor : Kompoe yag Frekues Kerusakaya cukup tgg. o Kompoe Mor : Kompoe yag Frekues Kerusakaya jarag. 2. How : Berart bagamaa cara/ tdaka pemelharaa yag aka dambl o Ispeks Rut o Prevetf Mateace o Correctve Mateace 3. Who : adalah sapa yag aka bertaggug jawab atas kerusaka da yag bertaggug jawab utuk mereparasya. 4. Where : meujukka tempat yag aka dguaka utuk mereparasya. 2.5 Kosep Kosep pemelharaa 2.5. Kosep Relablty ( keadala ) Meurut Ebelg Relablty adalah Probabltas suatu kompoe atau sstem aka berjala sesua dega fugs yag dtetapka dalam jagka waktu tertetu saat kompoe tersebut beroperas. relablty adalah probabltas mes tdak rusak walaupu telah beroperas over tme.(ebelg, hal 5 ), sedagka meurut Hezer da Reder Keadala adalah peluag

7 suatu mes dapat berfugs secara bear pada waktu tertetu dbawah kods tertetu ( Hezer & Reder, hal 302) Kosep ( Keterawata ) Adalah suatu probabltas suatu kompoe atau sstem yag rusak aka dperbak kembal kekods semula pada waktu tertetu saat perawata dlakuka sesua dega prosedur yag seharusya. Keterawata suatu kompoe juga dapat dkataka sebaga probabltas suatu kompoe dapat dperbak sesua dega waktu yag dberka. ( Ebelg, hal 6 ) Kosep Avalablty ( Ketersedaa ) Adalah probabltas suatu kompoe atau sstem yag meujukka kemampua yag dharapka pada suatu waktu tertetu ketka doperaska dalam kods operasoal tertetu. Ketersedaa juga dapat dkataka sebaga presetase waktu operasoal sebuah kompoe atau sstem selama terval waktu tertetu. Yag membedaka Avalablty da Relablty adalah probabltas saat kompoe dalam keadaa tdak rusak walaupu pada masa lampau telah rusak tetap telah dperbak kekods ormalya. Makaya la Avalablty tdak aka perah lebh redah dar la Relablty. ( Ebelg, hal 6 ) 2.6 Kosep Prevetve Mateace Kosep Prevetve Mateace pertama kal dterapka d Jepag pada tahu 97. Kosep mecakup semua hal yag berhubuga dega

8 mateace dega segala mplemetasya d lapaga. Kosep megkutsertaka pekerja dar baga produks utuk ambl baga dalam kegata mateace tersebut. Dega demka maka dharapka terjad kerjasama yag bak atara baga mateace da baga produks. It dasar dar Prevetve Mateace adalah speks da Reparas bla terjad kerusaka pada fasltas. Ispeks dlakuka utuk mecegah kerusaka yag aka meggaggu proses produks ( Arma Hakm, 30 ) Ada Tga dasar utama dalam mateace adalah :. Membershka ( cleag ) Pekerjaa adalah tugas yag harus dlakuka setap mes atau fasltas laya setelah dguaka. Pembersha dapat dlakuka dega membershka dar debu-debu ssa produks da juga mecuc Peralata yag telah dpaka 2. Memerksa ( specto ) Pekerjaa kedua adalah memerksa baga baga dar mes yag daggap perlu. Pemerksaa rut perlu dlakuka sesua dega waktu yag telah dtetuka. 3. Memperbak ( repar ) Pekerjaa selajutya adalah memperbak bla terdapat kerusaka kerusaka sehgga dapat dguaka kembal sepert kods ormal.

9 2.7 Kurva karakterstk Umur paka Suatu Peralata ( Lfe Characterstc Curve ) Berkut adalah Kurva karakterstk Umur paka suatu Peralata berbetuk bathtub.( Dhllo & Reche, hal 26) Bur- Rego Useful lfe Rego Wear-out Rego Decreasg Hazard rate Costat Hazard rate Icreasg Hazard rate 0 t a t b TIME Gambar 2.2 Bathtub Hazard Rate Curve Dalam kurva datas terdapat 3 wlayah Resko Kerusaka :. Wlayah Bur- Rego : adalah suatu wlayah dmaa peralata baru dguaka sehgga juga dsebut fase kerusaka awal dar 0 sampa t a. pada wlayah terjad peurua rasko kerusaka. (Decreasg Hazard Rate). Kerusaka yag terjad dsebabka oleh kuragya pegedala kualtas, kuragya metode dalam maufaktur, materal dbawah stadar, kesalaha pemasaga awal, sultya perakta, pegeceka yag kurag sesua,kesalaha mes da mausa,dll

10 2. Wlayah Useful lfe : adalah fase umur paka bergua dar t a sampa t b. fase kerusakaya kosta ( Costat Hazard Rate ).dalam wlayah kerusaka tdak dapat dpredks, makaya serg dsebut kerusaka acak. Beberapa cotoh alasa kerusaka adalah kerusaka alamah, kesalaha mausa alamah, faktor keselamata yag redah, tgkat stres peralata yag tgg, kerusaka tdak dapat djelaska. 3. Wlayah Wareout : adalah wlayah dmaa umur ekooms suatu peralata telah habs da telah melebh batas yag djka makaya resko kerusakaya aka megkat ( Icreasg Hazard Rate ). Peyebab kerusakaya adalah Kuragya Perawata, kerusaka karea telah dpaka terlalu lama, pelatha yag salah, terjad karat, umur peralata yag pedek. Pada wlayah Prevetve Mateace dperluka utuk megurag tggya tgkat kerusaka. 2.8 Dstrbus Kerusaka Dstrbus kerusaka adalah formas dasar megea umur paka suatu peralata dalam suatu populas. Dstrbus yag umum dguaka adalah dstrbus Ekspoetal, Logormal, Normal da Webull, dstrbus kerusaka dapat memeuh berbaga fase kerusaka. Jka sampelya tergolog kecl maka peaksra parameter dstrbus dlakuka dega metode kuadrat terkecl ( Least Squares Curve Fttg ). Dstrbus Ekspoesal basaya dguaka jka laju kerusakaya kosta terhadap waktu( Ebellg, hal 4 ).

11 Dstrbus Logormal memlk kemrpa dega Dstrbus Webull sehgga jka pada suatu kasus memlk Dstrbus Webull maka Dstrbus Logormal. juga cocok utuk dguaka( Ebellg, hal 73 ). Dstrbus Normal basaya dguaka pada feomea terjadya wearout rego ( Ebellg, hal 69 ). Dstrbus Webull dapat dguaka pada model yag megalam laju kerusaka meak maupu meuru ( Ebellg, hal 58 ) Dalam perhtuga la fugs dstrbus kumulatf (F(t)) dguaka metode pedekata meda rak karea metode memberka hasl yag lebh bak utuk dstrbus kerusaka yag mempuya peympaga dstrbus ( skewed dstrbuto ). Adapu la F(t) tersebut ddekat dega persamaa : ( Ebellg, hal 364 ) ( t F 0.3 ) = Dstrbus Ekspoesal Dstrbus memlk laju kerusaka yag tdak berubah da kosta terhadap waktu ( Costat Falure rate Model ).. Peaksra parameter dstrbus Ekspoesal dlakuka dega metode kuadrat terkecl ( least square method ) yatu : ( Ebellg, hal 364 )

12 x = t [ ( )] y = l / - F(t) F(t) = ( - 0.3) /( + 0.4) Parameter : λ = b = = = x x y 2 Dmaa : t = data kerusaka ke =, 2, 3,..., = jumlah data kerusaka F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Ekspoesal adalah : ( Ebellg, hal 42 ) Fugs kepadata probabltas f (t) = ( ) - λ.t λe Fugs dstrbus kumulatf (-λ.t) F (t) = - e Fugs keadala (-λ.t) R (t) = e Fugs laju kerusaka λ(t) = f(t) R(t) = λ Nla rata rata dstrbus Ekspoesal MTTF = λ

13 2. Dstrbus Logormal Dstrbus logormal memlk dua parameter yatu parameter betuk ( s ) da parameter lokas ( t med ). Sepert dstrbus webull, dstrbus logormal memlk betuk yag bervaras. Yag serg terjad, basaya data yag dapat ddekat dega dstrbus Webull juga bsa ddekat dega dstrbus Logormal ( Ebellg, hal 73 ). Dstrbus logormal dlakuka dega megguaka metode kuadrat terkecl ( least square method ) yatu : ( Ebellg, hal 37 ) x = l t - y = z = Φ [ F( t) ] F(t) = ( - 0.3) /( + 0.4) utuk Rumus Mcrosoft Excel Φ adalah NORMSINV x = = = b = 2 2 x x = = y x. y a = = y b = x Parameter : s = da tmed = e b -( a.s)

14 Dmaa : t z = data kerusaka ke =, 2, 3,..., = jumlah data kerusaka = la dar tabel dstrbus Normal F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Logormal adalah : ( Ebellg, hal 75 ) Fugs kepadata probabltas f (t) = s.t 2π e 2 s 2 l t ( ) 2 t med Fugs dstrbus kumulatf F( t) = Φ t l s t med Fugs keadala R (t) = - Φ t ( l ) s t med Fugs laju kerusaka λ (t) f (t) = - Φ t ( l ) s t med Utuk rumus Mcrosoft Excel Φ adalah NORMSDIST Nla rata rata dstrbus Logormal

15 MTTF = t 2 s 2 mede 3. Dstrbus Normal Betuk dstrbus Normal meyerupa loceg sehgga memlk la smetrs terhadap la rataa dega dua parameter betuk yatu μ ( la tegah ) da σ ( stadar devas ). Parameter μ ( la tegah ) memlk sembarag la, postf maupu egatf. Sedagka parameter σ ( stadar devas ) selalu memlk la postf ( Ebellg, hal 69 ). Dstrbus Normal dlakuka dega megguaka metode kuadrat terkecl ( least square method ) yatu : ( Ebellg, hal 370 ) x = t - y = z = Φ [ F( t) ] F(t) = ( - 0.3) /( + 0.4) x y = = = b = 2 2 x x = = x. y a = = y b = x a Parameter : μ = - b da σ = b

16 Dmaa : t z = data kerusaka ke =, 2, 3,..., = jumlah data kerusaka = la dar tabel dstrbus Normal F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Normal adalah : ( Ebellg, hal 69 ) Fugs kepadata probabltas f (t) = σ 2 π e t-μ ) 2 ( 2 2 σ ) Fugs dstrbus kumulatf F (t) = Φ t-μ ( ) Fugs keadala R (t) σ = - Φ t-μ ( ) Fugs laju kerusaka λ (t) f (t) = - Φ σ t-μ ( ) σ Nla rata rata dstrbus Normal MTTF = μ 4. Dstrbus Webull

17 Dstrbus Webull serg dpaka sebaga pedekata utuk megetahu karakterstk fugs kerusaka karea perubaha la aka megakbatka dstrbus Webull mempuya sfat tertetu ataupu ekuvale dega dstrbus tertetu. Dstrbus Webull dlakuka dega megguaka metode kuadrat terkecl ( least square method ) yatu : x = t y = l[ l(/(- F(t))) ] F(t) = ( - 0.3) /( + 0.4) x y = = = b = 2 2 x x = = x. y a = = y b = α -( β ) Parameter : θ = e x Dmaa : t = data kerusaka ke =, 2, 3,..., = jumlah data kerusaka F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Webull adalah : ( Ebellg, hal 58 ) Fugs kepadata probabltas

18 f ( t ) = β θ t θ β e β t θ

19 Fugs dstrbus kumulatf F( t) = e β t θ Fugs keadala R ( t) = e t α β Fugs laju kerusaka β t λ( t ) = θ θ β Nla rata rata dstrbus Webull MTTF = θγ + β Γ( x ) = ( x ). Γ( x ) D maa : Γ (x) adalah fugs gamma 2.9 Idex of Ft Ukura korelas lear atara dua peubah yag palg bayak dguaka adalah koefse korelas. Idex of Ft atau koefse korelas ( r ) meujukka hubuga lear yag kuat atara dua peubah acak X da Y. Pada dstrbus kerusaka, la dar X da Y adalah :

20 Dstrbus Ekspoesal X = l t Y = l - F(t) Dstrbus Webull X = l t Y = l l ( ) -F(t) Dstrbus Normal X = t Y = Nla ormaltas dar F(t) Dstrbus Logormal X = l t Y = Nla ormaltas dar F(t) Dmaa : t = data Tme to Falure ( utuk MTTF ) t = data dowtme kerusaka ( utuk MTTR ) Semak besar la r meadaka bahwa hubuga lear atara X da Y semak bak. Nla r = 0 berart atara X da Y tdak ada hubuga lear amu buka berart tdak ada hubuga sama sekal ( Walpole, hal 370 ). Beberapa krtera bsa dguaka utuk megdetfkas Idex of Ft.

21 Dataraya adalah memlh Idex of Ft terbak yatu yag terbesar, utuk meetuka jes dstrbus suatu data ( Ebellg, hal 408 ). = = = = = = = = y y x x y x y x r Bla melakuka Perhtuga dega megguaka Program Mtab 4.0 maka lagkah- lagkahya adalah sebaga berkut : Buka worksheet baru da masukka la varabel x pada kolom C da masukka la varabel y pada kolom C2. Plh meu Stat Basc Statstc Corelato. Pada dalog box ( varables ), masukka kolom C da C2 kemuda plh Select Plh Ok 2.0 Goodess of Ft Peguja kecocoka dstrbus dmaksudka utuk megetahu bahwa dstrbus data yag telah dplh bear bear mewakl data. Peguja kecocoka dstrbus yag dguaka adalah uj spesfk Goodess of Ft, karea uj memlk probabltas yag lebh besar dalam meolak suatu dstrbus yag tdak sesua ( Ebellg, hal 392 ).

22 Goodess of Ft terbag mejad dua yatu Geeral Test da Spesfc Test. Geeral Test basaya megguaka Ch Square Test dega ukura sampel yag relatf besar. Sedagka Spesfc Test megguaka Least Square Test dega ukura data yag lebh kecl ( Ebellg, hal 408 ). Uj Goodess of Ft secara maual dapat dguaka dega megguaka : ( Ebellg, hal 392 ). Bartlett s Test utuk dstrbus Ekspoesal. 2. Ma s Test utuk dstrbus Webull. 3. Kolmogorov Smrov s Test utuk dstrbus Normal da Logormal. Namu dega megguaka program Mtab 4.0 lagkah lagkahya sebaga berkut : Masukka data Tme to Falure ( utuk MTTF ) atau data dowtme ( utuk MTTR ) pada kolom C. Plh meu Stat Qualty Tools - Idvdual Dstrbuto Idetfcato. Clck Pada dalog box ( sgle colum ), plh C. Plh Specfy Dstrbuto ( Logormal, Normal, Webull, Ekspoesal ). Plh Ok. Dstrbus yag terplh adalah yag memlk la P terbesar.

23 2. Model Peetua Iterval Waktu Peggata Pecegaha Optmal Model peetua peggata pecegaha pecegaha berdasarka krtera mmas dowtme dguaka dega meetuka waktu terbak dlakukaya peggata sehgga total dowtme per ut waktu dapat termmas. Model dguaka utuk megetahu terval waktu peggata pecegaha yag optmal sehgga memmas total dowtme. Model peetua terval waktu peggata pecegaha berdasarka krtera mmas dowtme yag dguaka adalah model Age Replacemet ( Jarde, hal 94 ). Dalam pegguaa model perlu dketahu kostruks modelya yatu: Tf = dowtme yag dbutuhka utuk melakuka peggata kerusaka. Tp = dowtme yag dbutuhka utuk melakuka peggata pecegaha. f(t) = fugs kepadata probabltas waktu kerusaka. Pada model Age Replacemet, tdaka peggata pecegaha dlakuka pada saat pegoperasa telah mecapa umur yag telah dtetapka yatu tp. Hal dlakuka jka pada selag waktu tp tdak terjad kerusaka. Apabla sebelum waktu tp, sstem tdak megalam kerusaka maka dlakuka peggata sebaga tdaka perawata korektf. Peggata selajutya aka dlakuka pada saat tp dega megambl waktu acua dar waktu beroperasya sstem setelah dlakuka tdaka perawata korektf. Metode dapat dgambarka sebaga berkut :

24 Peggata kerusaka Peggata kerusaka Peggata pecegaha Tf tp Tp Tf t Gambar 2.3 Model Age Replacemet Total dowtme per ut waktu utuk peggata pecegaha pada saat tp ddeotaska dega D (tp) yak : ( Jarde, hal 96 ) D (t p ) = Total ekspektas ekspektas dowtme per pajag sklus sklus Total ekspektas dowtme per sklus =. R( tp) + ( - R(tp) ) T p Ekspektas pajag sklus = ( tp + Tp ). R( tp) + ( M ( tp)) + T f Dega demka total dowtme per ut waktu adalah : D( t p ) = ( tp + T p T. R( tp) + p ( - R(tp) ) ). R( tp) + ( M ( tp)) + T f ).(- R(tp)) ).(- R(tp))

25 Dmaa : tp = terval waktu peggata pecegaha Tf = dowtme yag terjad karea peggata kerusaka. Ddapat dar data MTTR Tp = dowtme yag terjad karea kegata peggata pecegaha Maurut perusahaa.. f(t) = fugs Dstrbus terval atar kerusaka yag terjad. R(tp) = probabltas terjadya peggata pecegaha pada saat tp M(tp) = waktu rata rata terjadya kerusaka jka peggata pecegaha dlakuka pada saat tp D(tp) = dowtme persatua waktu Semetara la tgkat ketersedaa ( avalablty ) dar terval peggata pecegaha / D(tp)m dapat dketahu dega rumus A (tp) = - D(tp)m 2.2 Model Peetua Iterval Waktu Peggata Pemerksaa Optmal Sela tdaka pecegaha, juga perlu dlakuka tdaka pemerksaa secara teratur agar dapat memmas dowtme mes akbat kerusaka yag terjad secara tba tba. Kostruks model terval waktu pemerksaa optmal tersebut adalah : ( Jarde, hal 08 )

26 / μ = Waktu rata - rata perbaka / = Waktu rata - rata pemerksaa Total dowtme per ut waktu merupaka fugs dar frekues pemerksaa ( ) da ddeotaska dega D() yak : D()= dowtme utuk perbaka kerusaka + dowtme utuk pemerksaa λ() D () = + μ Dmaa : λ () = laju kerusaka yag terjad = jumlah pemerksaa per satua waktu μ = berbadg terbalk dega /μ = berbadg terbalk dega / Dasums laju kerusaka berbadg terbalk dega jumlah pemerksaa : λ () = k / Da karea : ( Jarde, hal 09 ) Maka : da : λ() D () = + μ 2 λ '() = -k/ k '() = - μ D 2 +

27 dmaa : (/ μ) = MTTR jam kerja/bl la μ berbadg terbalk dega /μ waktu x pemerksaa = (/) jam ker ja / b l la berbadg terbalk dega / la k adalah la kosta dar jumlah kerusaka per satua wak tu Sehgga jumlah pemerksaa optmal dapat dperoleh : = k μ Iterval waktu pemerksaa ( t ) = jam kerja/bl Semetara la tgkat ketersedaaa ( avalablty ) jka dlakuka pemerksaa bsa dketahu dega rumus : A() = D() 2.3 Tgkat Ketersedaa (Avalablty) Total Pada perhtuga Avalablty total tools krts bertujua utuk megetahu tgkat ketersedaa/kesapa mes utuk beroperas kembal saat mes tersebut telah selesa dperbak.

28 Tgkat ketersedaa berdasarka terval waktu peggata pecegaha da tgkat ketersedaa berdasarka terval pemerksaa merupaka dua kejada yag salg bebas da tdak salg mempegaruh. Sehgga berdasarka teor peluag dua kejada bebas, la peluag kejada salg bebas sama dega hasl perkala kedua avalablty tersebut. ( Walpole, hal 0 ). 2.4 Relabltas Dbawah Prevetve Mateace Berdasarka system yag ada pegkata tgkat Keadala ( Relablty ) serg dcapa dega program Prevetve Mateace. Prevetve Mateace dapat megurag kerusaka karea usa mes yag sudah tua atau sudah saatya megalam kerusaka ( wareout ) da mempuya pegaruh yag besar dalam umur ekoos suatu peralata da sstem. ( Ebelg, hal 204 ) R (T) = - Φ s l t t med R (T) = Φ l s t t med R (t T) = - Φ t T s l t med Rm (t) = R(T) * R( t-t )

29 Dmaa : T = Age Replacemet = Jumlah Peggata ke R (t) = Keadala sebelum dlakuka perawata ( saat ) R(T) = Probabltas keadala hgga mula dlakukaya perawata R(t-T) = Probabltas relablty utuk waktu t-t dar tdaka prevetve mateace yag terakhr Rm (t) = Keadala setelah dlakuka Prevetve Mateace

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 22 BAB II LANDASAN TEORI 2.1 Pedahulua 2.1.1 Pegerta Mateace Beberapa pegerta perawata (mateace) meurut ahl : 1. Meurut Corder (1988), perawata merupaka suatu kombas dar tdaka yag dlakuka utuk mejaga suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 8 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata (Mateace) Meurut Assaur (999, p59) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peesuaa

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pemelharaa (Mateace) 2.1.1 Pegerta Pemelharaa Defs pemelharaa (mateace) meurut Patrck (2001, p407) adalah suatu kegata utuk memelhara da mejaga fasltas yag ada serta memperbak,

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 9 BAB LANDASAN TEORI. Defs Pemelharaa Agar suatu kegata produks dapat berlagsug dega lacar, meghaslka produk-produk yag bermutu tgg, maka perlu ddukug oleh mes-mes atau peralata yag hadal da sap bekerja

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

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

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

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 4 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata ( Mateace ) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Metode Sychroous Servcg Secara umum hubuga mausa da mes dapat berbetuk salah satu dar tpe berkut (Wgjosoebroto,S., 000. Ergoom Stud Gerak da Waktu, halama 53): Sychroous servcg. Completely

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Perawata (Mateace) Perawata (mateace) adalah memperbak alat-alat mekak atau elektrk yag sedag rusak atau tergaggu (dkeal sebaga reparas, tdak terjadwal atau pemelharaa secara kebetula),

Lebih terperinci

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL Agus Fkr, ST., MM Muhammad Irva, ST.,MT. ABSTRACT I a producto system, all mache related to the creato of added value of

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Perawata (Mateace) Perawata (mateace) adalah memperbak alat-alat mekak atau elektrk yag sedag rusak atau tergaggu (dkeal sebaga reparas, tdak terjadwal atau pemelharaa secara kebetula),

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

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

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

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Pemelharaa (Mateace) Tujua pemelharaa adalah utuk memelhara kemampua sstem da megedalka baya sehgga system harus dracag da dpelhara utuk mecapa stadar mutu da kerja yag dharapka.

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

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

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

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

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

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

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

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

Lebih terperinci

UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA UNIVERSITAS INDONESIA OPTIMASI PREVENTIVE MAINTENANCE DAN PENJADWALAN PENGGANTIAN KOMPONEN MESIN KOMPRESSOR DENGAN MENGGUNAKAN MIXED INTEGER NON LINIER PROGRAMMING DARI KAMRAN TESIS PRIMA FITHRI 0906495886

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

Lebih terperinci

3 Departemen Statistika FMIPA IPB

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

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta pemelharaa (mateace) Pemelharaa atau perawata merupaka kegata utuk mejaga atau memelhara fasltas atau perawata pabrk dega megadaka perbaka, peyesuaa atau pergata yag dperluka

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 08 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4. Pegumpula Data Data yag peuls kumpulka adalah data yag berhubuga dega proses produks, lapora kerusaka mes, lapora reject dalam produks yag dtaga oleh

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

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

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

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk BAB II TINJAUAN PUSTAKA 2.1 Pedahulua Pada Bab I sudah djelaska bahwa tujua peelta adalah utuk memperoleh ekspektas bayakya kompoe lstrk motor yag aka medapatka peggata berdasarka kebjaka Reewg Free Replacemet

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

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

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

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

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

Lebih terperinci

BAB V ANALISIS HIDROLOGI

BAB V ANALISIS HIDROLOGI ANALISIS HIDROLOGI 64 BAB V ANALISIS HIDROLOGI 5.. Tjaua Umum Utuk meetuka debt recaa, dapat dguaka beberapa metode atau cara. Metode yag dguaka sagat tergatug dar data yag terseda, data data tersebut

Lebih terperinci