Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa Statsta,FMIPA, Isttut Teolog Sepuluh Nopember (ITS) Jl. Aref Rahma Ham, Surabaya 6111 Idoesa e-mal: mumpu@statsta.ts.ac.d Abstra Pegedala ualtas proses pegatoga seme yag dlaua d PT Seme Idoesa (Persero) Tb, selama dega cara yag sederhaa yatu megguaa dagram pareto, dmaa formas yag dperoleh haya megdetfas jes cacat yag palg serg terjad. Berdasara hasl proses pegatoga seme pada bula Desember 14, jumlah produ yag reject adalah 4,84%, ja doversa e level sgma mejad 4,9 sgma. sehgga permasalaha dalam peelta adalah meetua level sgma utu bula selajutya. Utu mecapa tujua tersebut maa dlaua aalss megguaa peta edal p multvarat, level sgma, dagram pareto da dagram shawa. Data yag dguaa adalah data release pacer bag atog seme PPC 5 g Tuba 4 bula Jauar da februar 15, dmaa haslya peta p multvarat belum teredal secara statst, dega level sgma pada bula Jauar 15 sebesar 4,1 da pada bula Februar 15 sebesar 4,1 sehgga level sgma megalam eaa sebesar,. Peyebab terjadya produ cacat adalah ualtas baha bau yag belum ba, aryawa urag telt da elelaha, lguga berdebu, eadaa mes yag sudah aus, plat bes da spot yag sudah tua. Kata Kuc Proses Pegatoga Seme, Peta Kedal p Multvarat, DMAIC, Dagram Pareto, Dagram Ishawa I. PENDAHULUAN eme merupaa baha pereat yag berbetu bubu Shalus ja dtambaha ar aa terjad reas hdras.dalam proses pembuta seme pegatoga seme merupaa tahapa proses ahr yag harus dlalu materal sehgga materal yag eluar dar pagatoga sudah merupaa produ jad yag sap dpasara. Pada ut proses pegatoga seme d PT Seme Idoesa (Persero) Tb mash serg djumpa beberapa erusaa atog sa seme.salah satu metode statst yag aa dguaa adalah peta edal [1]. Aalss yag coco pada peelta dega megguaa peta edal p multvarat, area dalam proses pegatoga seme meml araterst ualtas erusaa atog seme yag delompoa mejad tga elas yatu rts, mayor da mor, dmaa etga erusaa seme tersebut dduga salg berorelas sehgga peta edal yag dguaa yatu peta edal p multvarat []. Sx sgma adalah sebuah metode yag megaplasa alat-alat statst da te meredus produ gagal agar tda lebh dar 3,4 produ gagal dar satu juta produ, atau ods tersebut yars tapa cacat. Utu megata level sgma metode yag dguaa yatu DMAIC yag merupaa sgata dar Defe, Measure, Aalyze, Improve, da Cotrol [3].Peelta sebelumya yag membahas pegedala ualtas dega metode pmultvarat dlaua [4] tetag pegotrola ualtas produ PT. IGLAS (Persero) Gres megguaa peta pmultvarat. Peelta megguaa pmultvarat telah dlaua [5] tetag pegotrola ualtas pada proses pegemasa seme (pacagg) PT. Seme Gres (persero) tb, d tuba berbass metode sx sgma. PT Seme Idoesa (Persero) Tb, selama melaua pegedala ualtas pada proses pegatoga dega cara sederhaa yatu dega megguaa dagram pareto, formas yag dperoleh haya megdetfas jes cacat yag palg serg terjad. Metode pedeata sx sgma yag dguaa adalah DMAIC, lagah pertama adalah tahap defe (merumusa masalah). Selama bula Desember 14, jumlah produ yag reject adalah 4,84% atau ja doversa e level sgma mejad 4,9 sgma, sehgga permasalaha dalam peelta adalah bagamaa megedala ualtas proses pegatoga seme PPC 5 g d Tuba 4 dega megguaa dagram p multvarat, bagamaa meetua level sgma utu bula selajutya, serta varabel apa saja yag mempegaruh ualtas proses pegatoga seme PPC 5 g pada Tuba 4 tda stabl,yag atya dapat membera masua utu perbaa bag pha perusahaa. Tujua dar peelta adalah utu megetahu proses pegatoga seme apaah sudah teredal, megata level sgma, serta megetahu varabel apa saja yag meyebaba proses tda stabl pada proses pegatoga seme PPC 5 g d Tuba 4. A. Statsta Desrptf II. TINJAUAN PUSTAKA Statsta desrptf adalah metode yag berata dega pegumpula da peyaja suatu gugus data hgga membera formas yag bergua [7]. Statsta desrptf haya membera formas da sama seal tda mear feres atau esmpula apapu tetag gugus duya yag lebh besar, sedaga statsta feresa merupaa statst yag dguaa utu megaalss data sampel terhadap populas.

2 JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) (31-98X Prt) D-55 B. Pegedala Kualtas Statsta Pegedala ualtas statsta merupaa suatu metode utu megevaluas ualtas suatu produ hasl proses produs dega megguaa metode-metode statst, salah satu metode statst yag aa dguaa adalah peta edal [1]. C. Peta Kedal Multvarat Atrbut Aalss multvarat adalah aalss statst pada data pegamata yag mempuya lebh dar satu da atar varabel yag satu dega yag lasalg berorelas [8].Peta edal multvarat atrbut adalah peta edal yag dguaa eta terdapat lebh dar satu araterst ualtas dalam suatu pemersaa da jes pemersaaya haya membedaa saja[9]. D. Peta Kedal p Multvarat Dalam megevaluas tgat cacat eseluruha peta edal p multvarat dbera D = (D, D 1,..., D,..., D ), dmaa D merupaa ategor tgat cacat, D ategor bebas cacat da D adalah ategor tgat cacat yag palg serus, dega cacat yag berbeda dapat membawa eruga bag proses ualtas, maa dega vector D, dapat ddefsa sebaga vetor pembobot dar tgat cacat yag dtemua dalam produ. Produ yag dlasfasa dalam (+1) ategor ualtas cacat, dalam hal varabel aca multvarat X = (X, X 1,..., X,..., X ) meml dstrbus multomal dega parameter da vetor probabltas p = (p, p 1,..., p,..., p ), sehgga p 1 da p 1. Dmaa, X merupaa jumlah tem dalam sampel yag dlasfasa dalam ategor cacat D, da p adalah propors cacat tem yag dlasfasa sebaga cacat d elas.peta edal p multvarat meml la pembobot sebesar <d < 1, d <d +1, d = da d 1 = 1, dmaa la pembobotya dtetua oleh besarya tgat epetga jes cacat [], sehgga megasumsa jes cacat berdasara tgat cacat eseluruha dapat dlhat pada persamaa (1). δ d p (1) dmaa: d = vetor pembobot ( d 1) p = propors cacat pada tem elas cacat e- ( p 1) δ = tgat cacat eseluruha ( < δ < 1) Ja dmsala X= (X, X 1,..., X,..., X ), detahu bahwa estmator maxmum lelhood dar parameter p= (p, p 1,..., p, X..., p ) adalah, dmaa, propors jes cacat e-, X jumlah cacat e-da uura sampel. Sehgga, utu megedala cacat eseluruha dar parameter δ, dapat megguaa persamaa berut. δˆ d p ˆ () dega vetor meml (+1) dstrbus ormal multvarat, sehgga estmas δ meml dstrbus ormal, maa dapat dperoleh selag epercayaa (1-α) utu statst sampel cacat eseluruha sebaga berut [1]. d χ, α 1 d d dmaa, adalah batas atas dar dstrbus Chsquare ( ) dega derajat bebas.pada peta edal p multvarat vetor p = (p,p 1,...,p j,...,p ) tda detahu da perlu destmas megguaa m sampel awal dar uura dar proses teredal. Msala X t = (X t,x 1t,...,X t,...,x t ), t = 1,,...,m, mejad m sampel awal dar uura yag dambl pada proses X multomal dega parameter (,p), sehgga X t adalah jumlah tem dalam sample e-t yag dlasfasa dalam ategor cacat D. Peasr parameter ta bas dar p sebaga berut. 1 m t,,1,,..., m t1 (4) X t dmaa dega =, 1,, ; t = 1,,..., m, t sehgga la batas edal peta edal p multvarat sebaga berut. BKA BKB (3) 1 d χ,α d d Pˆ (5) Gars Tegah d 1 d χ, α 1 d d Pˆ E. Idetfas Varabel Peyebab Terjadya Proses Tda Teredal Idetfas peyebab terjadya proses tda teredal, prosedur statst yag bear berdasara satatst sampel adalah sebaga berut. t Zt t (8) X t X dmaa, Z t dator otrbus relatf dar varabel e-t, da t uura sample perode e- da e-t, t da propors varabel e- perode e-tda e-,, X t da X jumlah cacat e- perode e-tdae-,utu perbaa proses dfousa pada varabel yag meml la Z t lebh besar dar ( 1), [11]. F. Membadga Propors Dua Populas Utu megetahu apaah dua populas meml perbedaa propors, maa dguaa hpotess sebaga berut. statst uj: ( ) (6) (7) (9)

3 JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) (31-98X Prt) D-56 daerah rts : H d tola ja Z ht < [1]. G. Kapabltas Proses Kapabltas proses adalah emampua suatu proses utu meghasla suatu produ/jasa yag sesua spesfas yag dharapa.dalam emapua proses dapat dlhat dar la press da auras [1]. Press dataa tgg ja la 1dapat dhtug dega persamaa berut. (1) sedaga auras dataa tgg ja 1 ddapata dega megguaa persamaa sebaga berut. (11) H. Dagram Pareto Dagram pareto berbetu hstogram freues yag mejelasa cacat berdasara peyebab etdasesuaa da duruta mula dar freues palg besar sampa palg ecl [1]. Gambar1. Cotoh Dagram Pareto I. Dagram Ishawa Dagram shawamerupaagrafyagmeggambarahubugaatara masalahatau abat dega fator yag mejad peyebabya. Secara vsual dagram shawa sepert pada Gambar. Lguga Metode Materal Gambar. Cotoh Dagram Ishawa Mes Mausa Cacat J. Sx Sgma Sx sgma adalah sebuah proses yag megaplasa alat-alat statst da te meredus produ gagal sampa ddefsa tda lebh dar 3,4 produ gagal dar satu juta produ [3]. Metode pedeata sx sgma yag palg umum dguaa adalah DMAIC.Slus DMAIC merupaaa proses pegata terus meerus meuju target sx sgma.utu megetahu perbaa proses selama proses berlagsug da meetua level sgma, maa dapat dhtug dega persamaa sebaga berut [13]. (1) K. Proses Pegatoga Seme (13) ( ) (14) Pada proses pegatoga bag/sa seme dlaua setelah seme yag berada d Slo dmasua e bucet elevatorsebelum masu e ar slde. Selajutya masu pada b cetral utu dlaua pegadua agar bercampur dega merata. Setalah tu, masu dalam pacg mache atau roto pacer pada proses, sebuah mes yag dguaa utu pegatog seme secara otomats. Seme yag sudah demas, emuda dsortr da dcar peyebab cacat. Seme yag cacat aa d araha e mes cutter sehgga seme jatuh d ar slde da embal e bucet elevator. Selajutya seme yag sudah ters dlajuta dega alat trasportas berbetu sabu da dgeraa oleh motor yatu belt coveyor. Setelah seme per sa jatuh d tru, para sopr memersa seme pesaaya. Apabla ada yag cacat atau sobe, seme aa dembala da dgat yag baru. III. METODOLOGI PENELITIAN Data yag dguaa dalam peelta adalah data seuder yag dperoleh dar release pacer bag PT Seme Idoesayatu data jes cacat dalam proses pegatoga seme.data dambl pada bula Jauar dafebruar 15, dmaa subgrup yag dguaa adalah har.lagah-lagah dalam megaalss data dega pedeata sx sgma adalah sebaga berut. 1. Tahap defe,sebaga tahap awal peelta yatu medefsa permasalaha da meetua tujua.. Tahap measure, yatu meetua da meguur varabel, dmaa varabel-varabel yag dguaa dalam metode DMAIC dsebut dega CTQ(Crtcal To Qualty), Ada 1varabel ualtas cacat pada pegatoga seme yag dlasfasa mejad 3 elas yatu: a. Kelas rts terdr atas Lem, ertasda valver. b. Kelas mayor terdr atas PM (Pacer Meche), BR(Belt Rotary)da Belt-to. c. Kelas mor terdr atas BC-4 (B Cetral 4), BC-5 (B Cetral5), ertas da tru. 3. Tahap aalyze,yatu merupaa tahap utu mecapa tujua, lagahya sebaga berut. a. Megdetfas proses pegatoga seme dega megguaa peta edal p multvarat. Apabla proses tda teredal maa dcar peyebabya, ja detahu peyebab maa dlaua perbaa,tetap ja peta edal p multvarat sudah teredal pada tahap 1 maa dlaua pegambla data utu tahap. b. Melaua pegedala ualtas data tahap dega lagah hampr sama dega aalss pada data tahap 1 lagah e-a. c. Meetua level la sgma.

4 Delta Delta JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) (31-98X Prt) D-57 d. Membuat dagram pareto, utu megetahu jes erusaa yag palg baya terjad dalam proses pegatoga seme. e. Membuat dagram shawa,utu megdetfas peyebab terjadya erusaa atog sa seme. IV. ANALISIS DAN PEMBAHASAN Aalss yag dguaa pada peelta dbag mejad dua tahap, dmaa tahap 1 utu medapata pegamata yag berada dalam batas edal da tahap utu memotorg produs selajutya. A. Aalss Statsta pada Tahap 1 Aalss data tahap 1 proses pegatoga seme dguaa utu medapata pegamata yag berada dalam batas edal, dmaa data yag dguaa adalah hasl pegatoga seme pada taggal 1 s/d 31 Jauar 15. Berut hasl aalss statst pada tahap 1 seme PPC 5 Kg. B. Desrps Data Hasl pegamata data jes cacat yag terjad pada proses pegatoga seme Tuba 4dmaa jumlah sampel yag dguaa sebaya.86.1 atog. Berdasara Tabel 1dapat detaju bahwa jumlah cacat yag palg baya berasal dar elas cacat rts yatu cacat lemsebaya 1.85 atog da jumlah cacat yag palg sedt atau jarag terjad berasal dar elas cacat mor dega cacat trusebaya atog. Tabel 1. Statsta Desrptf Tahap 1 Kelas Cacat Jes Cacat Jumlah Cacat Lem 1.85 Krts Valver 5 Kertas 4 PM 75 Mayor Belt To 49 BR 3 BC-4 1 Mor BC-5 18 Truc Kertas 759 C. Peta Kedal p Multvarat Tahap 1 Dalam peta p multvarat pada tahap 1, megguaa data jes cacat proses pegatoga seme PPC 5 Kg pada bula Jauar 15 dega pegamata sebaya 31 subgrup Pegamata e BKA=.669 GT=.538 BKB=.48 Gambar 3. Peta Kedal p Multvarat Tahap 1 Gambar 3 terdapat 6 tt pegamata yag berada dluar batas edal yatu pada tt pegamata e- 3, 9, 13, 15, 3, da 6, maa peta belum teredal dareaa reducer sebaga peggera belt coveyor macet da beba terlalu berat area permtaa osume yag terlalu baya sehgga megabata cubcel/stop ota mat, metode pembuata atog seme salah, mes yag sudah aus sehgga megabata baya seme yag pecah, da peerja yag urag fous dalam proses pegatoga seme.sehgga perlu dlaua pegedala ulag tapa meggua 6 tt pegamata yag berda dluar batas edal.gambar 4 meujua bahwa pada hasl peta edal p multvarat tahap 1 data cacat pada proses pegatoga seme sudah teredal secara statst, dega batas edal atas,65, gars tegah adalah,54 da batas edal bawah adalah,394, utu lebh jelasya dapat dlhat Gambar 4 berut Pegamata e- Gambar 4. Peta Kedal p Multvarat Tahap 1 D. Aalss Statsta pada Tahap 4 BKA=.65 GT=.54 BKB=.394 Aalss Statsta tahap 1 ddapata hasl aalss peta edal sudah teredal secara statst. Utu megetahu establa proses pegatoga seme atau ada pergesara proses maa dlaua aalss statsta pada tahap dega meggua data taggal 1 s/d 8 Februar 15. E. Desrps Data Hasl desrps data cacat pada tahap seme PPC 5 Kg bula Februar 15, dega jumlah sampel sebaya.86.1 atog.tabel dapat detahu bahwa tahap jumlah cacat yag palg baya sama sepert tahap 1, yatu dar elas cacat rts yatu cacat lemsebaya 1.44 atog da jumlah cacat yag palg sedt atau jarag terjad berasal dar elas cacat mor dega cacat trusebaya atog. Tabel. Statsta Desrptf Tahap 1 Kelas Cacat Jes Cacat Jumlah Cacat Lem 1.44 Krts Valver 45 Kertas PM 684 Mayor Belt To 381 BR 3 BC-4 16 Mor BC-5 6 Truc Kertas 61 F. Peta Kedal p Multvarat Tahap Tahap dlaua motorg embal utu pegamata selajutyadega megguaa la batas edalyag dperoleh dar tahap 1.Peta edal p multvarat tahap dperoleh pegamata sebaya 8 subgrup.

5 Jumlah Perse Delta Jumlah perse JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) (31-98X Prt) D-58 Gambar 5 dapat dlhat bahwa data tahap belum teredal, dareaa terdapat pegamata yag beradad luar batas edal yatu pegamata e-3, 7, 9, 1, 14, 15,18, 4 da 6. Batas edal atas yag dtujua pada Gambar 4.3 adalah,,65, gars tegah adalah,54 da batas edal bawah adalah,394.hal meujua bahwa proses pegatoga seme tahap belum teredal secara statst ,4 % 6,4 % 77,4 % 89,1 % 99, % 1 % Jes Cacat Lem Kertas PM Valver Belt To Laya.9 Gambar 6a.Dagram Pareto tahap BKA= ,8 % 88, % 98,8 % 1 % GT=.54 58,6 % 6.4 BKB= ,7 % Pegamata e Gambar 5. Peta Kedal p Multvarat Tahap Jes Cacat Lem PM Kertas Valver Belt To Laya G. Aalss Pergesera Proses Uj propors dguaa utu melhat pergesera proses berdasara tahap, yatu bula Jauar 15 utu tahap 1 da bula Februar 15 utu tahap, dega megguaa tgat sgfa sebesar,5 dperoleh la Z = Z,5 sebesar 1,96, dapat detahu bahwa eputusa utu tahap 1 da tahap adalah H gagal dtola dareaa Z < Z,5 yatu,5876 < 1,96. Jad, dapat dsmpula tda terdapat perbedaa yag sgfa atara tahap 1 da tahap terhadap hasl proses pegatoga seme. H. Peetua Level Sgma Hasl apabltas proses dapat dlhat lavel sgma proses pegatoga seme dega pedeata pegedala proses Sx Sgma dar Motorola. Berut Tabel 3hasl perhtuga. Tuba 4 Jauar Februar Tabel 3. Nla DPO, DPMOda Level Sgma Kelas Nla Cacat DPO DPMO Level Sgma Krts, ,89 Mayor, ,13 Mor, ,35 Total, ,1 Krts, ,93 Mayor, ,13 Mor,1.7 4,38 Total, Perbadga hasl proses d Tuba 4 atara bula Jauar da bula Februar secara eseluruha, bula Februar megalam pegata level sgma, yag tadya pada bula jauar dperoleh level sgma 4,1 da bula februar dperoleh level sgma 4,1. I. Aalss Jes Cacat Doma Utu megetahu jes cacat doma pada proses pegatoga seme PPC 5 Kg d Tuba 4 megguaa dagram pareto. Gambar 6b.Dagram Pareto tahap Berdasara Gambar 6a da Gambar 6b masg-masg tahap detahu la persetase umulatf cacat tahap 1 sebesar 89,1% cacat yag terjad ddomas oleh jes cacat lem, ertas, PM da Valver, utu la presetase umulatf cacat tahap sebesar 88,% cacat yag terjad ddomas oleh jes cacat lem, PM, ertas da Valver. J. Fator Peyebab Cacat Dagram shawa dguaa utu melhat fator peyebab cacat yag terjad pada saat proses berjala berdasara fator mausa, materal, mes, metode da lguga. Hasl dagram shawa dapat dlhat pada Gambar 7 sebaga berut. Gambar 7. Dagram Ishawa peyebab cacat proses pegatoga seme Meujua bahwa dega megguaa dagram shawa dapat melhat peyebab terjadya cacat pada proses pegatoga. Pada mes, area sebaga besar semua djalaa oleh mes, abatya dega eadaa mes yag sudah aus, plat bes yag sudah tua da valuer yag terlalu ecl sehgga seme tda dapat masu meyebaba cacat lebh baya.dar seg metode, dsebaba ba truc yag maa belum dbersha dega sesama sehgga ada erl/beda yag membuat sa pecah.lem yag belum erg da pembuataya yag salah membuat sa seme tda mereat dega ba serta membetu lubag sa terlalu

6 JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) (31-98X Prt) D-59 ecl.seg lguga sagat berdebu da tempat produs yag urag peeraga meyebaba para aryawa urag yama da suara yag bsg megabata erja aryawa yag urag fous sehgga haslya baya pecah. Seg materal yag dsebaba oleh mutu ertas (raft) jele/murah da baha pembuata lem jele sehgga haslya pu urag memuasa. Dalam Seg aryawa megabata cacat produ yag dsebaba area elelaha, urag fous da legah dalam pegamata alur proses pegatoga seme. Oleh area tu, abat dar peyebab-peyebab tersebut adalah terjadya cacat palg petg yag mejad fator prortas utu dperba. [8] Johso, A.R. ad Wcher, D.W. 7. Appled Multvarate Statstcal Aalyss Sxth Edto. New Jersey. Pretce Hall, Upper Saddle Rver. [9]Muhopadhyay,A.R. 8. Multvarate Attrbute Cotrol Chart Usg Mahalaobs D Statstc. Joural of Appled Statstcs,Vol.35, No.4, [1] R.Z.Gold Tests auxlary to tests a Marov cha. The Aals of Mathematcal Statstcs, vol.34 o 1 pp [11] H.Taleb. 9. Cotrol Chart Applcatos For Multvarate Attrbute Processes.Computers ad Idustral Egeerg, Vol.56 No.1, pp [1] Bothe, D.R., Measurg Process Capablty.McGraw-Hll : New Yor. [13] Gaspersz, Vcet..Pedoma Implemetas Program Sx Sgma.Peerbt PT Grameda Pustaa Utama. Jaarta. V. KESIMPULANDAN SARAN Berdasara aalss da pembahasa yag telah dlaua, dapat dsmpula hasl evaluas proses pegatoga seme PPC 5 Kg Seme Idoesa d Tuba 4 dega megguaa peta edal peta p multvarat mash belum teedal secara statst.hasl perhtuga level sgma tahap 1 bula Jauar 15 da tahap bula Februar 15 megalam eaa sebesar,, dmaa bula jauar dperoleh level sgma 4,1 yag berart DPMO 4.7, sedaga pada bula februar 15 dperoleh level sgma 4,1 yag berart DPMO sebesar Varabel peyebab proses pegatoga seme yatu jes cacat lem dareaalem urag erg, baha pembuat lem jele da tda rata.jes cacat ertas dsebabamutu ertas (raft) jele da ba tru otor, utu jes cacat PM dareaa sudah aus, plat bes da spot yag sudah tua, serta urag fousya aryawa, sedaga utu jes cacat valver dareaa lubag ertas terlalu ecl. Sara yag dapat dbera utu perusahaa yatu melaua perbaa utu jes cacat yag medomas yatu lem, ertas,pm davalverpada proses pegatoga seme. Sela tu, pha perusahaa juga perlu melaua pegedala ualtas secara statst pada proses pegatoga seme utu megurag jumlah produ cacat da proses dalam eadaa teredal. Utu peelta selajutya, sebaya melaua peyelesaa masalah dega megguaa metode yag sesua utu jes cacat yag sedt. DAFTAR PUSTAKA [1]Motgomery, Dougles C. 13. Itroducto To Statstca Qualty Cotrol Seveth Edto. Joh Wley & Sos, Ic : New Yor. [] Cozzucol, P. C. 9. Process Motorg wth Multvarate P Cotrol Chart.Joural of Qualty Statstc ad Rel. [3] Gaspersz, Vcet. 7. Lea Sx Sgma for Maufacturg ad Servce Idustres. Peerbt PT. Grameda Pustaa Utama. Jaarta. [4] Mayaada Kara. 1.Pegotrola Kualtas Produ PT. IGLAS (Persero) Gres Megguaa Dagram P Multvarat. Lapora Tugas Ahr Jurusa Statsta ITS : Surabaya. [5] Suhartoo, E.O. 1. Pegotrola Kualtas Pada Proses Pegemasa Seme (Pacagg) PT. Seme Gres (Persero) Tb, d Tuba Berbass Metode Sx Sgma. Lapora Tugas Ahr Jurusa Statsta ITS : Surabaya. [6] Wahyud da Khuazah St,. Aalss Pegedala Kualtas Pada Proses Pegatoga Seme D PT. Seme Gres (Persero) Tb. Kerja Prate Jurusa Statsta ITS : Surabaya. [7]Walpole, Roald E. 1. Probablty & Statstcs for Egeers & Scetsts Nth Edto.Pretce Hall :New Yor.

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

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

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

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

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

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

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

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 II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

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

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE Aalss Losses Jarga Dstrbus Prmer 0 v Area Lhoseumawe....Zamzam ANALSS LOSSES JARNGAN DSTRBUS PRMER 0 AREA LHOSEUMAWE Zamzam 1 1 Dose Jurusa Te Eletro Polte Neger Lhoseumawe ABSTRA Peelta bertujua utu megetahu

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

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

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

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

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta

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, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI

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

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

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

Lebih terperinci

BAB 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

E ax by c ae X be Y c. 6.1 Pengertian Umum

E ax by c ae X be Y c. 6.1 Pengertian Umum 6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga

Lebih terperinci

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID) PEELUSURA KARAKTERISTIK PERILAKU KOSUME DEGA METODE AUTOMATIC ITERACTIO DETECTIO AID Agus Rusgyoo Staf Pegajar Prod Statsta Jurusa Matemata FMIPA UDIP Abstract AID methods used to see relato betwee respos

Lebih terperinci

BAB 2 DASAR TEORI. Suatu sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI. Suatu sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DASA TEOI. Umum,,3,4 Suatu sstem teaga lstr Electrc ower System terdr dar tga ompoe utama, yatu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar yag membetu

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

Model Persediaan dengan Batasan Kapasitas Gudang dan Modal pada Kasus Backorder dan Lost Sales

Model Persediaan dengan Batasan Kapasitas Gudang dan Modal pada Kasus Backorder dan Lost Sales odel ersedaa dega atasa Kapastas Gudag da odal pada Kasus acorder da ost Sales Valeraa utosar urusa atemata Isttut Teolog Sepuluh Nopember Surabaya bstra ada model persedaa terdapat seragaa ebjaa memotor

Lebih terperinci

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA MEA QUARE ERROR TERKEIL DARI KOMBIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPULAI PADA AMPLIG AAK BERTRATA R Kurat *, gt ugarto, Ruam Efed Maasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da

Lebih terperinci

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud

Lebih terperinci

8.4 GENERATING FUNCTIONS

8.4 GENERATING FUNCTIONS 8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC

Lebih terperinci

Diagram Kontrol Atribut untuk Memantau Loyalitas Pelanggan

Diagram Kontrol Atribut untuk Memantau Loyalitas Pelanggan Prosdg Statstka ISSN: 460-646 Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 1 Ata Puspta, Suwada, 3 Sulad 1,,3 Prod Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Uverstas Islam Badug, Jl. Raggamalela

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

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

Digraf eksentris dari turnamen kuat

Digraf eksentris dari turnamen kuat Dgraf esetrs dar turame uat Hazrul Iswad Departeme Matemata da IPA MIPA) Uverstas Surabaya UBAYA), Jala Raya Kalrugut, Teggls, Surabaya, e-mal : us679@wolfubayaacd Abstra Esetrstas eu) suatu tt u d dgraf

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

KOPERTIS WILAYAH X 86

KOPERTIS WILAYAH X 86 ISSN: 979-99 E-ISSN: 46-56 Research of Appled Scece ad Educato V. (86-94) ESIMASI BAYESIAN PADA MODEL PERSAMAAN SRUKURAL DENGAN VARIABEL KAEGORIK ERURU * R Yuta Subaar Abdurrahma Prod e Komputer S Payaumbuh

Lebih terperinci

VALIDITAS KONSTRUKSI

VALIDITAS KONSTRUKSI VALIDITAS KONSTUKSI 1. Sebaya dtayaa tetag epuasa. Sebaya dtambaha dega tem pertayaa baya yag deluara per edataga e salo. 3. Perlu meglasfasa plha yag ada e dalam segme segme tertetu 4. Harga teragau bsa

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

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

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

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

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

Lebih terperinci

BAB 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

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu

Lebih terperinci

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog

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

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

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-127

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-127 JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 ANALISIS HUBUNGAN DAN PEMODELAN LUAS PANEN PADI DENGAN INDIKAOR EL-NINO SOUHERN OSCILLAION (ENSO) DI KABUPAEN BOJONEGORO MELALUI PENDEKAAN

Lebih terperinci