Penerapan Diagram Kontrol Multivariat np pada Proses Produksi Hexagon Bolt M16x75mm di PT. Timur Megah Steel Gresik

Ukuran: px
Mulai penontonan dengan halaman:

Download "Penerapan Diagram Kontrol Multivariat np pada Proses Produksi Hexagon Bolt M16x75mm di PT. Timur Megah Steel Gresik"

Transkripsi

1 1 Penerapan Dagra Kontrol Multvarat np pada Proses Produs Hexagon Bolt M16x75 d PT. Tur Meg Steel Gres Febranto, Muhaad Mashur 1, dan Luca Ardnant Jurusan Statsta, Faultas Mateata dan Ilu Pengetuan Ala, Insttut Tenolog Sepuluh Nopeber (ITS) Jl. Aref Ran Ha, Surabaya 6111 E-al: _ashur@statsta.ts.ac.d 1 dan luca_a@statsta.ts.ac.d Abstra PT. Tur Meg Steel. erupaan sal satu perusaan nasonal yang bergera d bdang pebuatan bolt. Dala proses nspes produs bolt, perusaan enetapan araterst cacat yang bersfat atrbut, yatu onds gupl, crac, tda center,ada goresan, eropos, dan uuran tda sesua. Seauh n penyaan nforas ecacatan d PT Tur Meg Steel hanya sebatas penulan cacat terbanya, perusaan tda enggunaan pengendalan ualtas secara statst. Seentara tu pengendalan ualtas sangat perlu dterapan dala tapan proses produs agar endapatan standard atau ualtas utu sesua harapan.dala peneltan n dgunaan dagra ontrol ultvarat np sebaga ontorng proses produs pada perusaan PT.Tur Meg Steel. Proses produs bolt pada fase I, yatu proses pada bulan Jun 1 berdasaran peta endal ultvarat np sud terendal dengan, naun peta n tda sesua a dgunaan untu perode Jul 1 arena dengan peta n proses pada bulan Jul tda terendal. Dengan peta endal yang baru proses produs bolt pada fase II, yatu Jul 1 enunuan onds terendal dengan. Sehngga dspulan tel terad pergeseran proses dar fase I e fase II. Batas endal pada fase II lebh lebar dbandngan fase I. Dapat dataan proses pada Bulan Jul lebh buru dbandngan pada bulan Jun 1. P Kata Kunc ultvarat, cacat, bolt, dagra ontrol. I. PENDAHULUAN ERKEMBANGAN ndustr anufatur sean pesat enuntut anaeen perusaan untu elauan nspes proses produs yang berelanutan de tercptanya produ yang berualtas agar onsuen tetap loyal terhadap produ tersebut. Pengendalan ualtas dterapan dala tapan proses produs agar endapatan standard atau ualtas utu sesua harapan (Juran dan Gryna, 1983). Dala penerapan pengendalan ualtas, terdapat onsep pengendalan ualtas statst sal satunya dengan enggunaan peta endal yang erupaan alat yang serng dgunaan dala pengendalan ualtas statst yang berfungs untu eontor suatu proses produs dala onds terendal atau tda. Ja varabel ualtas lebh dar satu, dagra ontrol ultvarat lebh senstf dbandngan dagra ontrol unvarat arena epertbangan eeratan hubungan antar varabel. Pengebangan dagra Multvarat np dterapan elalu proses penulan propors cacat dar seua varabel araterst yang dana epunya orelas antar varabel. Peneltan dagra ultvarat untu atrbut ada dua aca yatu dagra ultvarat p dan ultvarat np. Dagra Multvarat np delasan oleh Lu et al.(1998) ebas dagra ontrol ultvarat np lebh senstf darpada dagra ontrol unvarat np. Penerapan onsep dagra ontrol ultvarat np pern dterapan oleh Mawarn (9) pada asus produs panel lstr d sal satu perusaan panel lstr tereua d duna yatu PT.Seens, selanutnya Wenny (1) engena pengontrolan ualtas proses produs asus roo sgaret rete tangan d PT X, Surabaya Dala peneltan n aan dterapan dagra ontrol ultvarat np arena terdapat cacat atrbut yang lebh dar dua varabel dan antar varabel araterstnya epunya hubungan eeratan. PT. Tur Meg Steel. erupaan sal satu perusaan nasonal yang bergera d bdang pebuatan bolt. Dala proses nspes produs bolt, perusaan enetapan araterst atrbut cacat, yatu onds gupl, crac, tda center,ada goresan, eropos, dan uuran tda sesua. Seauh n penyaan nforas ecacatan d PT Tur Meg Steel hanya sebatas penulan cacat terbanya, perusaan tda enggunaan pengendalan ualtas secara statst. Oleh arena tu perlu dlauan pengendalan ualtas secara statst dan dentfas fator-fator yang enyebaban proses produs out of control. II. TINJAUAN PUSTAKA A. Dagra ontrol Unvarat np Dagra ontrol adal taplan dala bentu graf dar beberapa araterst ualtas yang tel duur dan dhtung (Montgoery, 5). Asas statst yang elandas pengendalan bagan cacat ddasaran pada dstrbus bnoal. Apabla sapel rando dengan unt n dplh, dan F adal unt produ yang cacat, aa F berdstrbus bnoal dengan paraeter n dan p, yatu: p( F g) n g p g ng (1 p) (1) dana g,1,..., n acat dala sapel dapat ddefnsan sebaga perbandngan cacat dala sapel dana g dengan ul sapel n sebaga berut. g pˆ n () Mean dan varans dar pˆ adal np (3) dan np(1 p) (4) p

2 ad p yang tda detu dapat dtasr dengan p. Maa gars teng, batas endal atas dan batas endal baw pada peta endal np adal sebaga berut. BKA np 3 np(1 p) GT np BKB np 3 np(1 p) B. Dagra Kontrol Multvarat np Analss ultvarat adal etode analss statst yang dgunaan untu enganalss data secara serenta dengan banya varabel (Johnson & Wchern, ). Sehngga, a peersaan obye secara atrbut dlauan pada lebh dar satu araterst ualtas aa dagra ontrol yang dgunaan adal dagra ontrol ultvarat atrbut. Proses yang daat dapat dasusan adal araterst ualtas, p erupaan probabltas dar sebu te cacat pada araterst ualtas. Karaterst-araterst ualtas tu ungn tda ndependen aa dsebut oefsen orelas antara araterst dan araterst adal. Dengan cacatan: 1 1, Ja adal ul dar unt te cacat dengan araterst ualtas d dala sapel, aa dapat dtentuan perhtungan statst X yang erupaan ulan pebobot dar unt te cacat dar seua araterst ualtas d dala sapel secara ateats dapat dtulsan sebaga berut : Keterangan : X 1 p P ( p 1, p,..., pn ) erupaan propors vetor te cacat adal atr oefsen orelas x = banyanya cacat tap varabel e- = ( 1,,..., ) adal vetor dar ul unt te cacat Alasan pelhan 1 p sebaga pebobot araterst ualtas dala perhtungan statst X adal pertaa, tda sepert dagra ontrol Hotellng T untu proses ultvarat perhtungan statst u X dala dagra MNP erupaan lanutan dar dagra unvarat np. Kedua, nla harapan dar statst u E( X ) n p 1 enngatan fungs dar p yang berhubungan dengan bagan nternal proses yang dpantau dan ddefnsan sebaga ul pebobot unt te cacat terhadap seluruh araterst ualtas. d enunuan ul erugan yang engndas tngat eparan te cacat dala araterst ualtas, (5) (6) (7) aa statst u X yang dapat dterapan dala onds nyata adal sebaga berut X D 1 d dana D adal vetor te cacat dan dtulsan sebaga berut D ( d1, d,..., d ) (9) Mean dar statst u X pada ruus (.) adal sebaga berut d E ( ) E X D E d 1 ( ). 1 p p d np 1 n d p p 1 (1) Keterangan : = banyanya cacat tap varabel e- p = rata-rata propors cacat pada varabel e- dengan banyanya sapel tap pengaatan e-. Estas vetor propors te cacat secara uu adal sebaga berut. (Lu, 1998) P P,,..., ( p 1, p,..., p ) n n n Dengan ˆ erupaan oefsen orelas antar varabel araterst = 1,,...,. Dana ˆ h1 cov(, ) var( ) var( h h1 h h h h1 h h1 h h h1 ) p (8) h 1 4 (1) h1 Dengan enggunaan prnsp uu dagra ontrol Shewhart, aa ddapatan batas untu dagra Mnp. BKA n p 3 n (1 p ) (1 p )(1 1 1 GT n p 1 BKB n p n p p 1 3 (1 1 ) (1 )(1 p dana: P = nla estas dar vetor propors te cacat P = nla estas atr orelas.. Profl PT. Tur Meg h p ) ) (11) PT. Tur Meg Steel adal perusaan yang eprodus baut ula tun 1976 dan bertepat d Desa angr -1 Dryoreo Gres.Gabar Proses pertaa dala pebuatan bolt d PT. Tur Meg Steel adal enapung ban bau awat pau yang berbentu gulungan besar yang beratnya bsa (13)

3 3 encapa beberapa ton. Keudan gulungan awat n dbershan dar era dan dbentu dengan daeter yang dngnan. Proses n dsebut coatng. Selanutnya dlauan annealng yatu penghlangan tegangan pada bolt dengan alan peanasan terlebh dulu eudan ddngnan perlan-lan dengan rate tertentu secara onstan. Setel proses annealng berr, gulungan awat aan dasuan e dala sebu esn dan dbentu enad batang bolt dan epala bolt. Kepala bolt aan dbentu enad hexagon atau seg epat, proses n dnaaan trng. Selanutnya bagan batang bolt dbuat ulr sesua uuran dana n dnaaan rollng. Keudan tap proses selanutnya adal sortr yatu enyeles seua ens bolt hasl dar proses produs dar unt pabras yang sesua standart ualtas yang tel dtentuan oleh Qualty ontrol (Q). Ja produ ba aa dategoran bolt ualtas 1(ualtas ba), sedangan produ bolt yang buru dategoran bolt ualtas (ualtas urang ba).bolt ualtas 1 dperuntuan epada onsuen yang eesan sedangan bolt ualtas dperuntuan onsuen penapung. Tap terr adal pengeasan yang dtepatan pada box. Box adal ban eas terbuat dar ardus dengan etebalan tertentu yang dgunaan untu engepa hasl selesa untu eudan dr e onsuen. A. Suber Data III. METOLOGI PENELITIAN Pengablan sapel dlauan pada tap sortr dana seluruh baut hasl produs setap a dupulan eudan dabl sapel secara aca sebanya 1 bu. Karena tap har produs eerluan watu 8 a aa ddapat sapel sebanya 8 baut. Suber data adal seunder pada 15 Jun 1 sapa dengan 18 Jul 1. Dala Proses Pebuatan hexagon bolt dbutuhan watu sebanya 34 har. Lang analss yang daluan elput: 1. Pengupulan data Tap n dlauan pengupulan data d PT.Tur Meg Steel Gres yatu data proses produs hexagon bolt M16 X 75 tap sortr pada 15 Jun 1 sapa 18 Jul 1. Sapel dabl setap selang watu satu a selaa sehar pada saat produs berlangsung, dengan uuran sapel sebesar 8 hexagon bolt M16 X 75.. Menghtung rata-rata propors cacat ( p ) asngasng arater ualtas e-, =1,,..., Menghtung nla statst X pada asng-asng subgrup e bulan Jun 4. Menghtung estas vetor propors te cacat e 5. Menghtung nla orelas antar varabel 6. Menghtung batas endal dagra ultvarat np bulan Jun 7. Plot statst X dengan batas endalnya,a terdapat out of control aa tt tersebut dhlangan. 8. Mebandngan peta endal np unvarat dengan np ultvarat. Selanutnya engdentfas proses pada bulan Jul apa sud dala eadaan terendal atau belu. 9. Menghtung rata-rata propors cacat ( p ) asngasng araterst ualtas e- dana = 1,,..., Menghtung nla statst X pada asng-asng subgrup e bulan ul 11. Plot statst X dengan batas endalnya,a terdapat out of control aa tt tersebut dhlangan. 1. Menar espulan IV. ANALISIS DAN PEMBAHASAN A. Analss Korelas Antar Varabel Koefsen orelas antar varabel dgunaan untu engetu seberapa besar eteratan antar asngasng varabel. U hpotess untu oefsen orelas: H : ρ = H 1 : ρ Dengan tngat sgnfans 5% tola H a p-value urang dar 5% yang berart ada hubungan antara varabel satu dengan yang lan. Berdasaran Tabel 4.1 ddapatan bwa ada beberapa varabel yang sgnfan arena el nla oefsen orelas lebh dar,5. Varabel-varabel yang sgfan yatu varabel 1 dan varabel dengan nla oefsen orelas sebesar,569 Selan tu, varabel 1 dan varabel 4 dengan nla oefsen orelas sebesar,554, varabel 1 dan varabel 6 dengan oefsen orelas sebesar -,586, varabel 5 dan varabel 6 dengan oefsen orelas sebesar -,639, varabel dan varabel 4 dengan oefsen orelas sebesar,51, varabel dan varabel 6 dengan oefsen orelas sebesar -,574, dan varabel 4 dan varabel 6 dengan oefsen orelas sebesar -,585. Hal n dapat dlhat dar nla sgnfans dua ar dana nla p- value urang dar,5. Mespun ada beberapa pasang varabel yang tda sgnfan, naun hal n berbeda dengan onds d lapangan dana 6 varabel n epengaruh satu saa lan. Sehngga asus adanya orelas antar varabel dapat dataan terpenuh dan dapat dlanutan e analss selanutnya. Tabel 1 Nla oefsen Korelas dar 6 Varabel Varabel Pearson orr. 1,569 *,88,554 *,58 -,586 * Sg. (-taled),1,79,6,334,17 Pearson orr,569 * 1,94,51 *,7 -,574 * Sg. (-taled),1,69,4,981, Pearson orr.,88,94 1,45 -,199,6 Sg. (-taled),79,69,869,459,399 Pearson orr.,554 *,51 *,45 1,369 -,585 * Sg. (-taled),6,4,869,159,17 Pearson orr.,58,7 -,199, ,639 * Sg. (-taled),334,981,459,159,8 Pearson orr. -,586 * -,574 *,6 -,585 * -,639 * 1 Sg. (-taled),17,,399,17,8

4 4 B. Estas Paraeter Setel ddapatan nla oefsen orelas aa selanutnya adal enasr paraeter. Berdasaran persaaan (11) dan data cacat bulan Jun, aa ddapatan nla-nla estas paraeter sepert terlhat pada Tabel Tabel Nla Estas Paraeter Nla Berdasaran nla rata-rata propors pada Tabel 4. aa hasl yang ddapatan nla tasran paraeter yang el nla palng besar adal ens cacat gupl ( ) dengan nla.1313, hal n berart bwa dar 8 sapel yang dabl yang engala ens cacat gupl sebanya 1 persen. Keudan yang edua adal eropos ( 1 ) dengan nla Sedangan nla tasran paraeter yang el nla palng ecl adal tda center antara body dan epala ( 6 ) dengan nla.1875, hal n berart bwa dar 8 sapel yang dabl yang engala ens cacat tda center antara body dan epala sebesar persen.. Pengendalan Produs Berutnya adal enghtung batas endal pada peta endal atrbut Mnp dan enghtung statst X berdasaran pada persaaan (8) dengan uuran sapel n sebesar 8 dan nla sebesar 16 pengaatan. Berdasaran persaaan (5) aa ddapatan batas endal baw (BKB) sebesar 6,6341, batas endal atas (BKA) sebesar dan gars teng sebesar Karena tel ncontrol sepert dtunuan pada gabar 1 aa dlanut nant aan dlanutan pada fase II. Gabar 1 Peta Kendal Multvarat np fase I pada Proses Produs Bolt Untu elhat apa hasl yang ddapatan pada peta endal ultvarat np fase I dapat ewal dar setap ens cacat, aa dlauan analss dengan peta endal unvarat np sepert yang dtunuan pada gabar untu ategor ens cacat eropos dana dperoleh BKB sebesar,7699, nla gars teng sebesar 9,315 dan BKA sebesar 17,9189. Dar peta endal tersebut, terlhat bwa tda ada pengaatan yang berada d luar batas endal sehngga dapat dataan bwa ens cacat eropos tel terendal. Gabar Peta Kendal Unvarat np Jens acat Keropos Gabar 3 Peta Kendal Unvarat np Jens acat gupl Gabar 3 enunuan hasl peta endal unvarte np dengan nla BKB sebesar,895571, nla gars teng sebesar 9,65 dan BKA sebesar 18, Dar peta endal tersebut, terlhat bwa tda ada pengaatan yang berada d luar batas endal sehngga dapat dataan bwa ens cacat gupl tel terendal. Gabar 4 Peta Kendal Unvarat np Jens acat Panang Tda Sesua Gabar 4 enunuan hasl peta endal unvarte np dengan nla BKB sebesar, nla gars teng sebesar 3,315 dan BKA sebesar 8, Dar peta endal tersebut, terlhat bwa tda ada pengaatan yang berada d luar batas endal sehngga dapat dataan bwa ens cacat panang tda sesua tel terendal. Gabar 5 enunuan hasl peta endal unvarte np dengan nla BKB sebesar, nla gars teng sebesar 7,9375 dan BKA sebesar 15,9593. Dar peta endal tersebut, terlhat bwa tda ada pengaatan yang berada d luar batas endal sehngga dapat dataan bwa ens cacat goresan tel terendal. Gabar 5 Peta Kendal Unvarat np Jens acat Goresan

5 5 Gabar 6 Peta Kendal Unvarat np Jens acat rac Gabar 6 enunuan hasl peta endal unvarte np dengan nla BKB sebesar, nla gars teng sebesar 5,9375 dan BKA sebesar 1,9719. Dar peta endal tersebut, terlhat bwa tda ada pengaatan yang berada d luar batas endal sehngga dapat dataan bwa ens cacat crac tel terendal. Gabar 7 Peta Kendal Unvarat np Jens acat Tda enter Gabar 7 enunuan hasl peta endal unvarte np dengan nla BKB sebesar, nla gars teng sebesar 1,75 dan BKA sebesar 5, Dar peta endal tersebut, terlhat bwa ada pengaatan yang berada d luar batas endal sehngga dapat dataan bwa ens cacat tda center belu terendal. Pada analss pengendalan proses produs untu fase II enggunaan data pada bulan Jul 1 sebanya 18 pengaatan dengan ul uuran sapel yang saa yatu 8. Dengan enggunaan paraeter dan batas-batas endal pada fase I yang sud terendal yatu BKA= , gars teng = , dan BKB = dan setel enghtung nla statst X untu fase II dtaplan pada gabar 8 yang eperlhatan bwa proses produs bolt cenderung tda ebentu pola tertentu naun terdapat beberapa tt pengaatan yang eluar dar batas endal. Tt yang tda terendal tersebut erupaan pengaatan e-14, e-17 dan e-18. Berut adal tabel nla statst dar asng-asng pengaatan yang tda terendal. Tabel 4.3 Nla Statst X yang tda terendal Pengaatan e- Statst X D. Identfas Penyebab Snyal Out of ontrol Dala dagra endal Mnp, untu endetes snyal out of control dar pengaatan dengan tga cara. Pertaa, enghtung nla statst Z pada tap tt yang out of control sebagaana haslnya dtunuan pada Tabel 3 sebaga berut, Tabel 4 Penentuan Varabel out of control Varabel e- Z (14) Z (17) Z (18) Tabel 4 enunuan bwa pengaatan e-14 nla Z 4 = eberan nla tertngg, sehngga dapat dspulan cacat crac erupaan ontrbutor terbesar yang enyebaban pengaatan e 14 enad out-ofcontrol. Pada pengaatan e-17 nla Z = -1.9 eberan nla tertngg, sehngga dataan bwa cacat gupl erupaan ontrbutor terbesar yang enyebaban pengaatan e 17 enad out-of-control. Sedangan pada pengaatan e-18 nla Z = -1.9 eberan nla tertngg, sehngga dataan bwa cacat gupl erupaan ontrbutor terbesar yang enyebaban pengaatan e 18 enad out-of-control. ara edua untu engdentfas penyebab snyal Out of ontrol adal elhat ens cacat ana yang el freuens lebh donan d proses sortr pada pebuatan produ bolt enggunaan dagra pareto pada gabar 9 dana freuens cacat tertngg adal ens cacat gupl ( ) dengan prosentasenya 5,4%. Selanutnya adal eropos ( 1 ) dengan prosentase 4,6%. Untu freuens ens cacat terecl yatu tda center antara body dan epala bolt ( 6 ) sebesar 4,6%. Seentara untu bulan Jul 1 terdapat ens cacat yang el freuens cacat tertngg adal ens cacat gupl ( ) dengan prosentasenya 6,1%. Selanutnya freuens ens cacat yang serng uncul adal eropos ( 1 ) prosentasenya sebesar,%. Untu freuens ens cacat terecl yatu panang tda sesua ( 3 ) sebesar 4,4%. ount Pareto hart of ens cacat bulan un Percent ens cacat gupl eropos goresan crac other panang tda sesua Gabar 9 Dagra Pareto Jens acat Pada Bolt Jun 1 Pareto hart of ens cacat bulan ul ount Percent Gabar 8 Peta endal ultvarat np fase II pada Proses Produs Bolt ens cacat gupl eropos goresan crac tda center Other Gabar 1 Dagra Pareto Jens acat Pada Bolt Jul 1

6 6 ara etga untu engdentfas penyebab snyal Out of ontrol adal dengan enelusur fator-fator penyebab teradnya ecacatan enggunaan dagra shawa. Met ode Proses penyab ungan urang sepurna Manusa Tda center Manu sa Proses peotonga n urang sepurna Mesn Me tod Panang tda e sesua Sedt benturan pada proses annealn Gupl Manusa Keropo s Manu sa Manus a Ban bau ehuana n Mater Man usa Goresa n rac Me sn acat bolt Kualtas ban bau terlalu Gabar 11 Dagra Ishawa acat Bolt Gabar 11 eperlhatan bwa bwa cacat bolt dsebaban arena cacat eropos,crac,gupl, dll. acat eropos dsebaban arena fator anusa yang lel dan eteral yang tda tertata rap sehngga terena huan. acat crac dsebaban arena ualtas fator anusa yang lel dan ban bau yang terlalu eras. acat tda center arena fator anusa lel dan proses penyabungan urang sepurna. al Pebentu an daeter awat yang urang sepurna Mater al UAPAN TERIMA KASIH Febranto selau penuls engucapan tera ash epada urusan Statsta ITS Surabaya yang tel eberan duungan sehngga tel terselesaan laporan n dengan ba. Tera ash uga saya sapaan epada PT. Tur Meg Steel yang tel eberan data dan atas erasaanya terhadap penuls dan urusan Statsta ITS Surabaya. DAFTAR PUSTAKA [1] Johnson, A.R. and Wchern, D.W. (). Appled Multvarate Statstcal Analyss 5th. New Jersey. Prentce Hall, Upper Saddle Rver. [] Juran, J. M, dan Gryna, F. (1983). Qualty Plannng and Analyss (nd Edton). New Delh: Hll Publshng opany Ltd [3] LU, X. S. (1998). ontrol hart for Multvarate Attrbute Processes. Internatonal Journal of Producton Research, (13). [4].Mawarn, Y. F. (9). Pengontrolan Kualtas Proses Produs Panel Lstr PT. Seens Indonesa Menggunaan Dagra Kontrol Multvarat np (Mnp hart). Tugas Ahr Jurusan Statsta. Surabaya: ITS. [5] Montgoery, D.. (5). Introducton to Statstcal Qualty ontrol, 5th edton. New Yor: John Wley and Sons, Inc [6] Rana, W. (1). Pengontrolan Kualtas Proses Produs Roo Unt Sgaret Krete Tangan d PT. X Menggunaan Dagra Kontrol Multvarat np (Mnp). Tugas Ahr Jurusan Statsta. Surabaya: ITS. A. Kespulan V. KESIMPULAN/RINGKASAN 1. Proses Proses produs bolt pada fase I, yatu proses pada bulan Jun 1 berdasaran peta endal ultvarat np sud terendal, naun tda coco dgunaan untu bulan Jul 1.. Jens cacat yang palng serng terad berdasaran dagra pareto adal gupl, eropos, crac dan goresan. acat eropos dsebaban arena fator anusa yang lel dan eteral yang tda tertata rap sehngga terena huan. acat crac dsebaban arena ualtas fator anusa yang lel dan ban bau yang terlalu eras. acat gupl dsebaban arena fator anusa lel dan sedt benturan pada proses annealng. acat ens goresan dsebaban arena fator anusa lel dan pebentuan daeter awat pada esn urang sepurna. B. Saran Saran yang dapat dsapaan berdasaran hasl dan pebasan yang tel dlauan yatu untu perusaan PT. Tur Meg Steel, ash perlu elauan perbaan pada setap ens cacat yang terad. Untu ens cacat gupl sebanya esn pada proses annealng pengontrolannya lebh dtngatan untu enghndar proses benturan. Sedangan untu ens cacat eropos, goresan dan crac sebanya pelhan ban bau dan gulungan awat benar-benar dperhatan ualtas dan peelharaannya.

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Analss Model Loglner Untu data yang bersfat ategor dan dapat dbentu pada suatu tabel ontngens, dapat danalss dengan analss odel loglner. Model loglner dgunaan untu enganalss eungnan

Lebih terperinci

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-35 (3-98X Prnt) D-95 Pengendalan Kualtas Proses Produks Tube Plastk D Pt. X Menggunakan Peta Kendal P Multvarat Ia Rdo Rarso, Luca Ardnant, dan Muhaad Mashur

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT

PENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK. MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp)

PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK. MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp) Seminar Hasil Tugas Akhir PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp) Febrianto 1308 100 075 Dosen

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdng Senar Sans dan Teknolog FMIPA Unul Perode Maret 016, Saarnda, Indonesa ISBN: 978-60-7658-1-3 Pengendalan Kualtas Produk Menggunakan Peta Kendal T Hotellng Dan Analss Keapuan Proses Untuk Data Multvarat

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik Prosdng Statsta ISSN: 2460-6456 Dagram Kontrol Fuzzy Multnomal Untu Data ngust 1 Amy Amallya Azzah, 2 Suwanda Idrs, 3 snur Wachdah 1,2,3 Prod Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi

Penaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal

Lebih terperinci

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS)

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) BAB III SAPLING BERKELOPOK DAN SAPLING BERKELOPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) 3. Saplng Berkelopok Populas elk konds yang berbeda beda jka dlhat berdasarkan ukurannya. Pada pebahasan

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

PERMASALAHAN LOKASI (Model Dasar) [2]

PERMASALAHAN LOKASI (Model Dasar) [2] PERMASALAHAN LOKASI Model Dasar [] Technques of Contnuous Space Locaton Probles Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch provde

Lebih terperinci

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance

Median Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance 30/05/04 Technques of Contnuous Space Locaton Probles PERMASALAHAN LOKASI Model Dasar [] Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004

Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Senar asonal Aplas enolog Inforas 004 ogyaarta, 9 Jun 004 Perancangan Jarngan Syaraf ruan Upan Bal Berbass ndows Stud Kasus Pengenalan uer Arab Sauel Luas, Arnold Arbowo, Sepren Faultas Ilu Koputer Unverstas

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

ANALISIS PERBANDINGAN METODE FUZZY C-MEANS DAN SUBTRACTIVE FUZZY C-MEANS. Baiq Nurul Haqiqi 1, Robert Kurniawan 2. Abstract

ANALISIS PERBANDINGAN METODE FUZZY C-MEANS DAN SUBTRACTIVE FUZZY C-MEANS. Baiq Nurul Haqiqi 1, Robert Kurniawan 2. Abstract Analss Perbandngan (Baq urul Haqq) AALISIS PERBADIGA METODE FUZZY C-MEAS DA SUBTRACTIVE FUZZY C-MEAS Baq urul Haqq, Robert Kurnawan, Jurusan Koputas Statst, Seolah Tngg Ilu Statst (STIS) Eal: qq0693@naver.o,

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

Diagram Kendali Shewhart S 2 Fase I Untuk Memonitor Dispersi Proses

Diagram Kendali Shewhart S 2 Fase I Untuk Memonitor Dispersi Proses Prosdng tatstka IN: 46-6456 Dagram Kendal hewhart Fase I Untuk Memontor Dspers Proses Rsky Faradla, uwanda Idrs, 3 Aceng K. Mutaqn,,3 Prod tatstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Control chart pertama kali dikenalkan oleh Dr. Walter Andrew Shewhart dari

BAB II TINJAUAN PUSTAKA. Control chart pertama kali dikenalkan oleh Dr. Walter Andrew Shewhart dari BAB II TINJAUAN PUSTAKA. Pendahuluan Control chart pertama al denalan oleh Dr. Walter Andrew Shewhart dar Bell Telephone Laboratores Amera Serat pada tahun 94. Control chart adalah sebuah gra yang member

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155

Lebih terperinci

KEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA

KEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA Jurnal Ilah Mustek An Ha Vol. 4 o. 3, Deseber 2015 KEADALA SISTEM PEMBAGKIT LISTRIK TEAGA DIESEL DI KABUPATE MERAUKE-PAPUA Johan Kar Eal: Joka_joka73@yahoo.co, papeda99@yahoo.co.d Jurusan Teknk Elektro,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

Bab II Tinjauan Pustaka

Bab II Tinjauan Pustaka Bab II Tnauan Pustaka Msalkan vektor acak berdens p dengan atrks kovarans ( ) k sebaga koponen ke-k dan Σ σ. Koefsen korelas antara dua koponen dan adalah ρ σ σσ ( ) ( ) Var ( ) Cov, Var, Nla ρ eenuh ρ

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 PENDHULUN 1.1 Latar elakang Dala pelaksanaan proyek serng kal engala suatu habatan atau penypangan sehngga serng terad kerugan bag penyelesaan proyek tersebut. Untuk tu perlu adanya suatu perencanaan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci