Optimasi Parameter Proses Jar Test Menggunakan Metode Taguchi dengan Pendekatan PCR-TOPSIS (Studi Kasus: PDAM Surya Sembada Kota Surabaya)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Optimasi Parameter Proses Jar Test Menggunakan Metode Taguchi dengan Pendekatan PCR-TOPSIS (Studi Kasus: PDAM Surya Sembada Kota Surabaya)"

Transkripsi

1 D-37 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) Optmas Parameter Proses Jar Test Megguaka Metode Taguch dega Pedekata PCR-TOPSIS (Stud Kasus: PDAM Surya Sembada Kota Surabaya) Sakura Ayu Oktavasar da Muhammad Mashur Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa e-mal: m_mashur@statstka.ts.ac.d Abstrak Koagulas-flokulas merupaka tahap awal dar proses pejerha ar yag dlakuka perusahaa. Pada dasarya, seragkaa proses d dalam Istalas Pejerha Ar Mum (IPAM) yag palg utama adalah utuk meuruka kadar kekeruha ar baku. Peelta dlakuka dega melakuka sebuah eksperme proses koagulas-flokulas dega alat jar test megguaka metode Taguch da PCR-TOPSIS utuk megetahu parameter proses yag memlk pegaruh terhadap perubaha kekeruha da ph ar utuk kemuda meetuka settg optmum yag dapat megoptmumka kekeruha da ph ar. Hasl aalss meujukka bahwa doss koagula, lama waktu pegaduka cepat da pegaduka lambat berpegaruh sgfka terhadap perubaha kekeruha da ph ar dega kotrbus berturut-turut sebesar 6,00%, 0,39% da 6,03%. Kods optmum dperoleh pada settg doss koagula sebayak 0 ppm, pegaduka cepat selama 0 detk da kecepata pegaduka lambat sebesar 40 rpm. Kata Kuc Koagulas-Flokulas, JaTest, Metode Taguch, PCR-TOPSIS. A I. PENDAHULUAN r merupaka sumber daya yag sagat dperluka bag kehdupa mausa, bak utuk mum, maupu utuk keperlua sehar-har sepert mecuc, mad, da la-la. PDAM Surya Sembada Kota Surabaya merupaka salah satu perusahaaha pegelola ar bersh da juga bertugas utuk medstrbuska ke pelagga. Pada dasarya, seragkaa proses d dalam IPAM yag palg utama adalah utuk meuruka kadar kekeruha ar baku. Zat padat yag terdapat d dalam ar berukura sagat kecl da tdak dapat megedap dega cepat, sehgga proses koagulas-flokulas perlu dlakuka. Koagulas merupaka proses pembubuha koagula (baha kma) yag berfugs meggumpalka partkelpartkel dalam ar yag sagat kecl da tdak dapat megedap da flokulas merupaka proses terbetukya flok-flok da edapa. Koagulas da flokulas merupaka proses yag terjad secara berkelajuta dega betuk pecampura koagula hgga proes pembetuka flok yag dpegaruh oleh proses pegaduka da doss koagula. Varabel peetu atau parameter proses tersebut dapat dtetuka dega melakuka jar test (koagulas-flokulas skala laboratorum) [3]. Pada peelta, peelt mecoba meracag sebuah desa eksperme utuk meelt efek dar beberapa parameter proses jar test. Peelta perlu dlakuka karea tdak ada stadar yag baku dalam meetuka putara da lama waktu pada proses koaguas-flokulas da phak perusahaa perlu utuk megevaluas stadar operasoal prosedur jar test pada kods eksstg. Metode desa eksperme yag aka dguaka dalam peelta adalah desa eksperme Taguch. Permasalaha la yag mucul pada peelta adalah bahwa ar yag dproduks memlk lebh dar satu karakterstk kualtas yag harus dperhatka dalam pegambla keputusa. Hal lah yag melatarbelakag peuls utuk megguaka sebuah pedekata metode multrespo dalam peelta yatu pedekata PCR- TOPSIS. II. TINJAUAN PUSTAKA Aalss of varace (ANOVA) Tujua Utama dar ANOVA adalah utuk megetahu hasl seberapa besar varas dar setap faktor atau teraks mempegaruh varas total dar hasl yag damat. Beberapa otas petg utuk meujuka perhtuga yatu y yag merupaka observas/respo/data, y merupaka respo ke- utuk =,,..., N, N merupaka total observas (bayakya tral percobaa), Y merupaka jumlah dar seluruh observas da Y merupaka ata-rata dar observas yatu Y/N [5]. Jka percobaa melbatka suatu faktor A da B, maka SSA da SSB dapat dhtug dega rumus sebaga berkut [4]. SS A = SS B = A p a Y a= N Aa N q B b Y b= N Bb N Sehgga, SS e = SS T SS A SS B () dmaa a adalah jumlah level dar suatu faktor A utuk a=,,...,p da b adalah jumlah level dar suatu faktor B utuk b=,,...,q. Percobaa dalam racaga yag megguaka faktor A da faktor B, duj dega sebara F. Hpotess yag dguaka utuk taraf faktor A da B adalah sebaga berkut [7]. Hpotess faktor A : H 0 : α = α =... = α a = 0 ; a =,,...,p H : Mmal satu α a 0. Hpotess faktor B : ()

2 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) D-373 H 0 : β = β =... = β b = 0 ; b =,,...,q H : Mmal satu β b 0 H 0 gagal dtolak megdkaska tdak adaya pegaruh suatu faktor terhadap respo. H 0 gagal dtolak atau dtolak ddasarka pada la F htug sebaga berkut. F htug = MS A MS e (3) F htug faktor B juga dapat dhtug dega persamaa.5 tersebut. H 0 dtolak jka megalam kods dmaa F htug > F α(v,v). Presetase Kotrbus Faktor Presetase kotrbus suatu faktor dhtug dega membag pure sum of square dega sum of square total [4]. SS A = SS A df A. MS e SS B = SS B df B. MS e (4) SS e = SS e + (df A + df B ). MS e (5) Sehgga, ρ A = SS A SS T x 00% ρ B = SS B SS T x 00% ρ e = SS e SS T x 00% (6) dmaa SS merupaka jumlah kuadrat dar faktor yag dhtug presetase kotrbusya, SS T merupaka Jumlah kuadrat total, df merupaka derajat bebas dar faktor yag dhtug presetase kotrbusya da MS e meruaka rata-rata kuadrat dar faktor error. Asums Idetk, Idepede da Berdstrbus Normal ) Pemerksaa Asums Idetk Suatu data dkataka detk apabla plot resdualya meyebar secara acak da tdak membetuk suatu pola tertetu. ) Pemerksaa Asums Idepede Suatu data dkataka depede apabla plot resdualya meyebar secara acak da tdak membetuk suatu pola tertetu. 3) Peguja Asums Berdstrbus Normal Apabla plot data sudah medekat gars ler, dapat dkataka bahwa data tersebut memeuh asums yatu berdstrbus ormal. Uj keormala data juga dapat dlhat dar hasl uj Kolmogorov Smrov. Hpotessya adalah sebaga berkut. H 0 : berdstrbus ormal H : tdak berdstrbus ormal Nla D htug dapat d htug dega persamaa sebaga berkut. D htug = Sup x F (x) F 0 (x) (7) dmaa F (x) merupaka fugs dstrbus emprk berdasarka sampel da F 0 (x) merupaka fugs dstrbus teortk. H 0 dtolak apabla, jka la D htug < D α,n yag berart resdual tdak berdstrbus ormal [8]. Estmas Hasl pada Kods Optmum Estmas hasl pada kods optmum dega faktor A da B yag sgfka dapat dhtug dega persamaa berkut [6]. Y optmum = Y + (A a opt Y ) + (B b opt Y ) (8) dmaa Y rata-rata dar observas, A a opt merupaka ratarata respo faktor A pada level a yag optmum da B b opt merupaka rata-rata respo faktor B pada level b yag optmum. Orthogoal Array Suatu set orthogoal array dapat megakomodas beberapa stuas ekspermetal. Orthogoal array yag umum dguaka terseda utuk faktor dega dua, tga, da empat level. Dalam bayak stuas, orthogoal array stadar dmodfkas sesua percobaa tertetu yag memerluka level faktor campura. Proses desa eksperme dmula dar memlh orthogoal array yag sesua, meempatka faktor pada kolom yag sesua, da meetuka kods utuk setap tral percobaa [4]. Sgal-to-Nose Rato Sgal-to-Nose Rato serg dtuls sebaga S/N atau dwakl oleh huruf Yua η. Sebaga alat ukur utuk meetuka ketahaa (robust), Sgal-to-Nose Rato merupaka kompoe petg dar desa parameter [9].. Karakterstk la tertetu adalah terbak (Nomal the best) η j = 0 log[msd] (y jk y 0 ) = 0 log [ k= ] (9). Karakterstk semak kecl semak bak (Smaller the Better) η j = 0 log [MSD] y jk = 0 log [ k= ] (0) 3. Karakterstk semak besar semak bak (Larger the Better) η j = 0 log [MSD] yjk = 0 log [ k= ] () dmaa η j merupaka S/N Rato percobaa ke- utuk respo ke-j, y adalah respo percobaa ke-, respo ke-j utuk pegulaga ke-k utuk k=,,..., da y 0 adalah target kualtas. Uruta Percobaa Kods percobaa harus djalaka dalam uruta acak utuk meghdar pegaruh kofguras percobaa [6].. Replcato Dalam pedekata, semua kods percobaa aka djalaka dalam uruta acak dega meark satu omor tral percobaa dar satu set omor percobaa, termasuk pegulagaya.. Repetto Setap percobaa dulag sesua bayakya pegulaga yag telah drecaaka sebelum melajutka ke yag tral percobaa berkutya. PCR (Process Capablty Rato) Pada pedekata PCR-TOPSIS, la S/N Rato dar respo j pada percobaa/tral ke- yag berbeda dhtug mejad C j (PCR S/N Rato respo ke-j, tral percobaa ke-) dega rumus sebaga berkut [0]. C j = η j x ηj 3S ηj () x ηj = N = η j N S ηj = N = (η j x ηj ) N (3) (4)

3 D-374 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) dmaa η j merupaka S/N rato respo ke-j pada tral percobaa ke-, x ηj merupaka rata-rata S/N rato utuk respo ke-j da S ηj merupaka devas stadar sampel utuk S/N rato respo ke-j. TOPSIS (Techque for Orderg Performace by Smlarty to Ideal Soluto) TOPSIS megguaka prsp bahwa alteratf yag terplh harus mempuyajarak terdekat dar solus deal postf dajarak terpajag (terjauh) dar solus deal egatf dega megguaka jarak Eucldea (jarak atara dua ttk) [0]. S = d d + +d (5) d + = m (C j C + j ) j=, utuk =,,..., N (6) d = m (C j C j ) j=, utuk =,,..., N (7) dmaa d + merupaka jarak tral percobaa ke- dar solus deal postf, d merupaka jarak tral percobaa kedar solus deal egatf, C j + merupaka la max{c j utuk =,,..., N} da C j merupaka la m{c j utuk =,,..., N}. Jar Test Jar test adalah suatu percobaa skala laboratorum yag berfugs utuk meetuka doss optmum dar koagula yag dguaka dalam proses pegolaha ar bersh. Apabla percobaa dlakuka secara tepat, formas yag bergua aka dperoleh utuk membatu operator stalas dalam megoptmalka proses-proses koagulasflokulas da pejerha []. Kekeruha (Turbdty) Kekeruha (turbdty) meggambarka sfat optk ar yag dtetuka berdasarka bayakya cahaya yag dserap da dpacarka oleh baha-baha yag terdapat d dalam ar. Satua kekeruha yag dukur dega metode Nephelometrc adalah NTU (Nephelometrc Turbdty Ut). Pegukura kekeruha pada sampel ar dega metode Nephelometrc dlakuka dega megguaka alat turbdmeter []. Derajat Keasama (ph) PH adalah satua ukur yag meguraka derajat tgkat kadar keasama atau kadar alkal dar suatu laruta. Ut ph teretag dar 0 (asam kuat) sampa 4 (basa kuat). Istlah ph berasal dar p yag merupaka lambag matematka dar egatf logartma da H yag merupaka lambag kma utuk usur hdroge. Defs formal tetag ph adalah egatf logartma dar aktvtas o hdroge []. III. Sumber Data METODOLOGI PENELITIAN Sumber data pada peelta adalah data prmer yag dperoleh melau hasl percobaa d Laboratorum Ngagel PDAM Surya Sembada Kota Surabaya yag dlakuka selama har pada taggal 0 sampa dega Aprl 06. Varabel Peeltaa Varabel respo (y j ) yag dguaka dalam peelta djelaska sebaga berkut. Kadar Kekeruha(y ) Idetfkas karakterstk kualtas ar yag bak berdasarka PERMENKES No. 49/MENKES/PER/IV/00 adalah ar yag memlk kadar kekeruha ar dbawah 5 NTU.. ph (y ) Idetfkas karakterstk kualtas ar yag bak berdasarka PERMENKES No. 49/MENKES/PER/IV/00 adalah ar yag memlk ph atara 6,5 sampa dega 8,5. Terdapat 4 parameter proses jar test yag dguaka sebaga faktor pada peelta. Varabel tersebut dapat djelaska sebaga berkut.. Doss Koagula (A) : A : 40 ppm; A : 50 ppm; A 3 : 60 ppm; A 4 : 70 ppm; A 5 : 80 ppm; A 6 : 90 ppm; A 7 : 00 ppm; A 8 : 0 ppm. Pegaduka Cepat (B) : B : 00 rpm (Kods Eksstg); B : 50 rpm 3. Lama Waktu Pegaduka Cepat (C) : C :0 detk;c :0 detk (Kods Eksstg) 4. Pegaduka Lambat (D) : D : 0 rpm; D : 40 rpm (Kods Eksstg) 5. Lama Waktu Pegaduka Lambat (E) : E : met; E : 5 met (Kods Eksstg) Varabel Peeltaa Berkut adalah alat da baha yag dbutuhka utuk melakuka eksperme pada peelta. TABEL. ALAT DAN BAHAN No ALAT No BAHAN Jrge 0L Tawas Car Neraca Aaltk Ar Baku 40L 3 Alat Jar test 3 Pheol red 4 Beaker glass 000ml 5 Turbdmeter 6 Comparator 7 Ppet 8 Tabug erlemayer 00ml 9 Tabug reaks 0 Labu Ukur 00ml Pemlha Desa Eksperme Taguch Pemlha orthogoal array yag aka dguaka ddasarka pada derajat bebas total pada ANOVA. Jka haya pegaruh utama yag dtelt, maka derajat bebas total dapat dhtug sebaga berkut. db = db faktor A + db faktor B + db faktor C + db faktor D + db faktor E = (8-)+ (-) + (-) + (-) + (-) = Orthogoal array yag dplh harus mempuya bars mmum yatu mmal db total +. Oleh karea tu, maka percobaa pada peelta dlakuka dega megguaka orthogoal array L 6 (8 4 ). Lagkah Peelta Adapu lagkah-lagkah yag dlakuka utuk mecapa tujua peelta djelaska berkut. I. Memlh desa ekserme Taguch. Meghtug derajat bebas total utuk faktor (varabel proses).. Memlh orthogoal array. 3. Meetapka uruta acak percobaa. II. Melakuka eksperme

4 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) D-375. Mempersapka alat da baha yag dbutuhka.. Meguj kekeruha da ph ar baku sebelum pembubuha baha kma. 3. Melakuka Jar test dega meerapka tral percobaa yag dlakuka pada uruta pertama. 4. Mecatat la kekeruha (y 3 ) da phya (y 3 ). 5. Melakuka Jar test utuk percobaa yag aka dlakuka berkutya sesua uruta acak percobaa yag telah dtetapka. III. Aalss data eksperme. Meghtug S/N Rato pada setap respo.. Meghtug PCR-S/N Rato pada setap respo. 3. Meghtug TOPSIS dar hasl PCR-S/N Rato. 4. Melakuka Aalyss of Varace. 5. Meghtug pegaruh faktor atau efek utama utuk meetuka kombas optmum. 6. Meghtug persetase kotrbus dar faktor. IV. ANALISIS DAN PEMBAHASAN Trasformas Nla Respo Berkut adalah pembahasa megea perhtuga trasformas la respo. ) Trasformas Nla Respo Mejad Sgal-to-Nose Rato (S/N Rato) Data varabel respo kekeruha ar da ph ar dar hasl percobaa dapat dlhat sebaga berkut. TABEL. VARIABEL RESPON HASIL PERCOBAAN Kekeruha Percobaa ph Ar y o. y 8 8, ,7 7,7 7,70 3,46 4, ,6 7,5 7,55 3 4,6 6, ,5 7,6 7,55 4,88, ,6 7,7 7,65 5 5,7 3, , 7,6 7,35 6 4,7 4, ,6 7,6 7,60 7 5,36 4, , 7,3 7,5 8 4,7 4, ,5 7,4 7,45 9,43, ,4 7,5 7,45 0 3,4, , 7,6 7,40,8, ,4 7,7 7,55,8, ,3 7,5 7,40 3 3,, , 7, 7,5 4 4,89 4, , 7, 7,5 5,77, , 7 7,05 6 5, 5, , 7, 7,5,8, ,3 7,5 7,40 Nla varabel respo tersebut kemuda dtraformas mejad la S/N rato. Hasl perhtuga S/N rato utuk masg-masg respo adalah sebaga berkut. Percobaa o. TABEL 3. S/N RATIO VARIABEL RESPON S/N Rato Kekeruha Ar (η ) S/N Rato ph (η ) -5,30 3,098 -,469 5,57 3-3,79 5,57 5-8,865 3,00 6-4,38 6,0 ) Trasformas Nla S/N Rato Respo Mejad PCR- S/N Rato Hasl perhtuga PCR-S/N rato utuk masg-masg respo adalah sebaga berkut. Percobaa o. TABEL 4. PCR-S/N RATIO VARIABEL RESPON S/N Rato Kekeruha Ar (η ) S/N Rato ph (η ) -5,30 3,098 -,469 5,57 3-3,79 5,57 5 0,54 0, ,38 6,0 3) Perhtuga TOPSIS Nla PCR-S/N Rato Berdasarka perhtuga jarak dar solus deal da solus deal egatf, maka dapat dperoleh la PCR- TOPSIS. Hasl perhtuga PCR-TOPSIS dapat dlhat sebagaberkut TABEL 5. PCR-S/N RATIO VARIABEL RESPON Percobaa o. d + d - PCR-TOPSIS,65 0,000 0,000,08 0,89 0,434 3,484 0,44 0, ,7,509 0, ,645 0,987 0,605 Hasl la PCR-TOPSIS merupaka varabel baru yag mewakl kedua respo yatu kekeruha ar da ph ar. Uj Sgfkas Faktor Aalyss of varace (ANOVA) dlakuka utuk megetahu pegaruh dar faktor terhadap satu respo PCR-TOPSIS yag mewakl kedua respo yag dtelt. Hasl aalss dar ANOVA dapat dlhat pada Tabel 6 sebaga berkut. TABEL 6. PCR-S/N RATIO VARIABEL RESPON Faktor db SS MS Fhtug Ftabel Doss Koagula* Pegaduka Cepat Lama Waktu Pegaduka Cepat* Pegaduka Lambat * Lama Waktu Pegaduka Lambat Error 4 0,06 0,004 Total 5 0,690 p- value 7 0,456 0,065 6,53 6,094 0,008 0,008 0,008,5 7,709 0,6 0,076 0,076 9, 7,709 0,0 0,5 0,5 9, 7,709 0,006 0,00 0,00 5,6 7,709 0,086 Keteraga : (*) Faktor yag memlk pegaruh sgfka Apabla megguaka tgkat kesalaha yatu α=5%, maka dperoleh la F tabel utuk setap varabel proses yatu utuk doss koagula adalah F 0,05(7,4) =6,094, utuk pegaduka cepat, Lama Waktu Pegaduka cepat, pegaduka lambat da Lama Waktu Pegaduka lambat adalah F 0,05(,4) =7,709. Sehgga dapat dsmpulka bahwa varabel doss koagula, Lama Waktu Pegaduka cepat da pegaduka lambat adalah faktor yag memlk pegaruh yag sgfka terhadap kedua varabel respo. Asums Idetk, Idepede da Berdstrbus Normal (IIDN) Terdapat tga asums dalam ANOVA yag harus dpeuh agar hasl peguja ANOVA tersebut tdak bas. Pemerksaa asums dberka sebaga berkut.

5 D-376 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) 99 Plots for PCR-TOPSIS Normal Probablty Plot 0,050 Versus Fts yag memberka la rata-rata PCR-TOPSIS yag terbesar utuk masg-masg respo. Percet ,05 0,000-0,05 0,8 A Ma Effects Plot for PCR-TOPSIS Data PCR-TOPSIS B C -0,08-0,04 0,00 0,04 0,08-0,050 0,0 0, 0,4 0,6 Ftted Value 0,8 0,6 Frequecy ,04-0,0 Hstogram 0,00 0,0 0,04 0,050 0,05 0,000-0,05-0,050 Gambar. Plot Asums IIDN 3 4 Versus Order Observato Order Berdasarka Gambar dapat dlhat bahwa plot pada grafk versus fts (plot asums detk) da versus order (plot asums depede) tdak meyebar secara acak melaka membetuk sebuah pola sepert corog yag merupaka dkas kuat bahwa resdual yag dhaslka dar hasl aalss tdak memeuh asums detk da depede. Berdasarka Gambar juga dapat dlhat grafk ormal probablty plot dmaa plotya megkut da berada dsektar gars ler yag megdkaska bahwa resdual dar hasl aalss memeuh asums dstrbus ormal. Nla D htug dar hasl peguja Kolmogorov Smrov lebh kecl dar D 0,05 (0,37) yatu sebesar 0,086yag berart bahwa resdul berdstrbus ormal. Berdasarka hasl pemerksaa asums IIDN yag telah dlakuka dketahu bahwa resdual dar hasl ANOVA yag telah dlakuka tdak memeuh asums detk da depede amu memeuh asums resdual berstrbus ormal. Trasformas data telah dlakuka utuk mecoba meaggulag pelaggara asums tersebut. Trasformas yag dlakuka adalah trasformas Box-Cox berupa trasformas kuadrat, aka tetap trasformas tersebut mash belum bsa meaggulag pelaggara asums yag terjad. Hal tersebut mugk dsebabka oleh jumlah data atau jumlah percobaa yag sedkt. Meskpu terdapat asums yag belum terpeuh yatu asums resdual detk da depede, aalss pada peelta tetap dlajutka dega megasumska asums tersebut telah terpeuh. Peetua Kombas Level Faktor Optmum da Besar Kotrbus Faktor Kods optmum dalam hal ddasarka pada la PCR-TOPSIS tertgg yag dperoleh. Dapat dlhat berdasarka Tabel 5 bahwa la PCR-TOPSIS tertgg yatu 0,898 yag dperoleh pada kombas percobaa omor 5, sehgga kods optmum dapat dcapa pada kombas level A8, B, C, D, E, yatu : Doss koagula = 0 ppm Pegaduka cepat = 00 rpm (tdak sgfka) Lama waktu pegaduka cepat = 0 detk Pegaduka lambat = 40 rpm Lama waktu pegaduka lambat = met (tdak sgfka) Peetua kombas optmum juga dapat ddekat dega meghtug rata-rata PCR-TOPSIS pada setap level faktor yag dtelt sehgga kombas level faktor optmum yag dapat terplh tdak haya berdasarka kombas level faktor yag dcobaka saja. Level yag dplh utuk meetuka kods optmum adalah level Mea of PCR-TOPSIS 0,4 0, 0,8 0,6 0,4 0, Gambar. Plot Pegaruh Faktor Utama TABEL 7. NILAI RATA-RATA SETIAP LEVEL PADA MASING-MASING FAKTOR Level 3 4 D 5 6 Doss Koagula 7 8 Pegadu -ka Cepat Lama Waktu Pegadu ka Cepat Pegadu ka Lambat Lama Waktu Pegadu ka Lambat 0,70 0,467 0,460 0,400 0,449 0,950 0,5078 0,5535 0,5694 0, , , ,55 6 0, , ,755 Delta 0,5345 0,0460 0,375 0,69 0,073 Rak Berdasarka Gambar, dapat dlhat bahwa kods optmum dapat dcapa pada kombas level A8, B, C, D, E, yatu : Doss koagula = 0 ppm Pegaduka cepat = 50 rpm (tdak sgfka) Lama waktu pegaduka cepat = 0 detk Pegaduka lambat = 40 rpm Lama waktu pegaduka lambat = 5 met (tdak sgfka) Berdasarka faktor yag terbukt sgfka mempegaruh kekeruha ar da ph ar pada Tabel 4.6, maka kombas level faktor optmum yag dperoleh berdasarka dua cara tersebut adalah sama yatu pada kombas A8, C, D atau doss koagula 0 ppm, dega pegaduka cepat dlakuka selama 0 detk da pegaduka lambat dlakuka dega kecepata 40 rpm. Doss koagula memberka kotrbus palg besar terhadap kedua respo yatu mecapa, 6,00%, lalu faktor dega besar pegaruh yag meempat pergkat kedua adalah faktor pegaduka lambat dega kotrbus sebesar 6,03% da pada pergkat tga yatu faktor Lama Waktu Pegaduka cepat dega kotrbus sebesar 0,39%. Estmas Rata-Rata Tgkat Kekeruha Ar pada Kods Optmum Dketahu bahwa kods optmum yag dperoleh utuk kedua respo adalah A 8 (doss koagula 0 ppm), C (lama Lama Waktu Pegaduka cepat selama 0 detk da D (pegaduka lambat 40 rpm). Sehgga, perhtuga estmas adalah sebaga berkut. E

6 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) D-377 Y optmal = Y kekeruha +(A 8 Y kekeruha )+(C Y kekeruha ) + (D Y kekeruha ) = 0,045 NTU Berdasarka perhtuga tersebut, maka apabla kombas level optmum dterapka, maka aka dperoleh hasl estmas la rata-rata kekeruha ar pada kods optmum adalah sebesar 0,045 NTU da memeuh stadart PERMENKES No. 49/MENKES/PER/IV/00. Estmas Rata-Rata ph Ar pada Kods Optmum Sama halya dega kekeruha ar, la predks ratarata ph pada kods optmum juga harus dketahu. Perhtuga estmas adalah sebaga berkut. Y optmum = Y ph + (A 8 Y ph ) + (C Y ph ) + (D Y ph ) = 7,08 Berdasarka perhtuga tersebut, apabla kombas level optmum dterapka, maka aka dperoleh hasl estmas la rata-rata ph pada kods optmum adalah sebesar 7,08 yag medekat target perusahaa yatu memproduks ar dega ph etral yatu sebesar 7 da memeuh stadart PERMENKES No. 49/MENKES/PER/IV/00. V. KESIMPULAN DAN SARAN Parameter proses jar test yag memberka pegaruh sgfka terhadap kekeruha da ph ar adalah doss koagula, lama waktu pegaduka cepat da pegaduka lambat dega persetase kotrbus sebesar 6,00%, 0,39% da 6,03%. Kods optmum dapat dcapa pada kombas level A8, C, D yatu doss koagula 0 ppm, dega pegaduka cepat dlakuka selama 0 detk da pegaduka lambat dlakuka dega kecepata 40 rpm karea faktor pegaduka cepat (B) da lama waktu pegaduka lambat (E) tdak memlk pegaruh yag sgfka terhadap kedua respo da estmas ratarata kualtas pada kods tersebut dapat memeuh stadart PERMENKES RI No. 49 /MENKES/PER/IV/00. Berdasarka hasl peelta, dapat dkataka bahwa perusahaa dapat megguaka settg jar test pada kods eksstg karea berdasarka peelta mash memberka hasl yag optmum. Peelta selajutya dharapka dapat melakuka peyempuraa pada ekspermeya, sepert meambah varabel respo kualtas ar yag la yag juga petg utuk dperhatka, melbatka varabel respo berupa baya meggat semak tgg doss yag dguaka, baya yag dkeluarka pu aka semak tgg atau melbatka faktor gaggua (ose) yag basa terjad pada kods aktual. DAFTAR PUSTAKA [] Amrmaar, B.N & Adl, R. (00). Racag Bagu Model Mekak Alat utuk Megukur Kadar Keasama Susu Car, Sar Buah da Soft Drk. EEPIS Fal Project. [] Hardyat, T, Stadar NTU d Idoesa. (0). Dakses pada 5 Ju, 05, dar blogspot.co.d/0/05/stadar-tu-d-doesa.html?m=. [3] Kusumawarda, D. & Iqbal, R. (03). Evaluas PerformaPegaduka Hdrols sebaga Koagulator da Flokulator berdasarka Hasl Jar test. Makalah, Isttut Tekolog Badug, Badug. [4] Roy, R.K. (00). Desg of Expermets Usg the Taguch Approach: 6 Steps to Product ad Process. New York: Joh Wley & Sos. [5] Ross, P.J. (996).Taguch Techques for Qualty Egeerg (d ed.). Sgapore: McGraw-Hll. [6] Roy, R.K. (00). A Prmer o the Taguch Method. (d ed.). U.S.A: Socety of Maufacturg Egeers. [7] Khotmah, C. & Mashur M. (05). Peerapa Metode Optmas Multrespo Megguaka Hybrd PCA-Taguch da PCR- TOPSIS Taguch pada Peggurda Materal Kompost. Jural Sas da Se ITS. 4(). [8] Sudjaa. (996). Metode Statstk. Badug: Tarsto. [9] Peace, G.S. (993). Taguch Methods A Hads-O Approach. U.S.A: Addso-Wesley Publshg Compay. [0] Djam, R.J. & Suaryo, S.(04). Metode PCR-TOPSIS utuk optmas taguch multrespoo. Jural Statstka, (), [] Satterfeld, Z. (005). Jar testg. Natoal Evrometal Servce Ceter, 5().

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. 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. 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

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 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 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 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 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

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

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

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 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

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

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

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

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

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

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 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

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

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 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

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

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 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

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

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

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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

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

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

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 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

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

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

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

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

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 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

* 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 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

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

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

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

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

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

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

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

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

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

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

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 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat 0 BAB LANDASAN TEORI. Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varael terhadap varael yag la. Varael yag pertama dseut dega ermacam-macam stlah: varael

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

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

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal Peerapa Teor Lmt Pusat Multvarat pada Pegedala Proses Pelayaa d Polklk Rawat Jala Rumah akt Umum Kardah Tegal Isa, M. PMTK FKIP Uv. Pacasakt Tegal sa@yahoo.com Abstrak Baga kedal adalah alat yag lazm dguaka

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

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

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

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

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

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

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

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

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

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

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

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

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

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

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

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

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 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 III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

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

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi Koferes Nasoal Sstem & Iformatka 017 STMIK STIKOM Bal, 10 Agustus 017 Peerapa Metode TOPSIS utuk Peetua Varabel Settg Pada Optmsas Multrespo Taguch I Ketut Putu Suatara 1), I Gede Eka Watara Putra ) STMIK

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo BAB III METODOLOGI PENELITIAN 3. Tempat Da Waktu Peelta 3.. Tempat peelta Peelta dlaksaaka d SMP Neger 5 d kota Gorotalo 3.. Waktu peelta Peelta dlaksaaka sejak bula oktober hgga bula desember, yag melput

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

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

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

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

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap BAB III METODOLOGI PENELITIAN 3. Lokas Da Waktu Peelta Peelta dlaksaaka d SMP Neger Paleleh pada semester geap tahu ajara 0/0. Peelta berlagsug selama 4 bula (Aprl, Me, Ju, Jul) mula dar persapa hgga pelaksaaa

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci