Volume 1 No1. Tahun 2008

Ukuran: px
Mulai penontonan dengan halaman:

Download "Volume 1 No1. Tahun 2008"

Transkripsi

1

2 Volume No. Tahu 008

3 Isi Nomor Ii Volume / Nomor / 008 Reviewer Utama Ir Nur Idriati., MT., D.Eg Dr. Purwo Hadoko Sugiyarto, Ph.D. Reviewer Pembatu Ir Dyah Rachmawati L., MT. Ir Taufik Hidayato., MT. Miftahol Arifi, ST., MT Apriai Soepardi., STP., MT Dewa Redaksi Ketua : Puryai, ST., MT. Sekretaris : Trismi Ristyowati, ST., MT Aggota : Sadi, ST., MT. Laila Nafisah, ST., MT. Tri Wibawa, ST., MT. Sutrisi, SSi., MT. Guawa M.P., ST., MT. Agus Ristoo, ST., MT. Ita Berliaty, ST., MT. Pembatu Pelaksaa Wika Widya Kusuma., ST Sutriso Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru... - Tri Wibawa,Ita Berliaty,Ferry Suhatry Peracaga Ulag Gitar Elektrik Berdasarka Atropometri Peggua Di Idoesia Dega Pedekata Value Egieerig Agus Ristoo Hybrid Heuristic For Part Family Clusterig Withi Maufacturig Cell Aulia Kuriadi, Hudaya Aplikasi Metode ELECTRE Dalam Peetua Lokasi Usaha Musabbikhah, Al Ikbal Arbi Optimasi Kadar Poluta Hidrokarbo Da Carbo Dioksida Dega Prosedur Mrs Pada Metode Taguchi Fajar Kuriawa Pemafaata Promodel Pada Simulasi Pemiliha Metode Lie Balacig Di PT. Idomobil Suzuki Iteratioal Agus Masur, Aditya Gatot Pejadwala Mesi Bottleeck Dega Pedekata Algoritma Geetik Redaksi meerima sumbaga tulisa yag releva dega misi Jural OPSI (Optimasi Sistem Idustri. Naskah yag dimuat harus merupaka karya ilmiah hasil peelitia lapaga atau laboratorium da belum perah dipublikasika. Naskah diketik dega huruf Palatio, judul, spasi tuggal, satu kolom, satu muka, ukura kertas A4, dega batas tepi atas 4 cm, bawah, kaa, da kiri masig-masig 3 cm. Jumlah halama maksimal 5 halama da diserahka dalam betuk disket da pritout ke alamat kami : Gedug Dr. Cipto Magukusumo Jl. Babarsari No. Tambakbaya Yogyakarta 5585 atau melalui ke : juralopsi.upykl@gmail.com. Tulisa yag tidak dimuat dua omor peerbita berturut-turut dapat diterbitka ditempat lai

4

5 Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru (Sutriso Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru Sutriso Program Studi Tekik Idustri, Fakultas Tekologi Idustri, UPN Vetera Yogyakarta Jl. Babarsari No. Tambakbaya, Yogyakarta 5583 Telp Fax Abstrak Peta kedali double samplig ditujuka utuk memperbaiki kemampua dalam medeteksi kodisi out-of-cotrol dega megobservasi sampel kedua tapa ada iterupsi. Peta kedali double samplig pertama kali dikembagka oleh Croasdale pada tahu 974, yag dikeal dega peta kedali double samplig Croasdale. Daudi (990 megembagka peta kedali double samplig yag kemudia dikeal dega peta kedali double samplig Doudi. Pegembaga peta kedali double samplig baru ii, dilatarbelakagi oleh peelitia Iriato da Shiozaki (998 da Iriato (005 dalam melakuka optimisasi peta kedali double samplig Doudi. Dalam peelitia Iriato da Shiozaki (998 da Iriato (005 dapat disimpulka bahwa parameter peta kedali double samplig Doudi dapat direduksi. Pereduksia parameter tersebut aka melahirka peta kedali double samplig baru. Peelitia ii merumuska prosedur peta kedali double samplig baru da model optimisasiya. Optimisasi yag dilakuka adalah optimisasi power peta kedali. Hasil perhituga umerik memperlihatka bahwa power peta kedali double samplig baru lebih besar dari pada power peta kedali double samplig Doudi. Peelitia ii juga membahas da megaalisa hasil optimisasi peta kedali double samplig baru. Kata Kuci: Peta kedali double samplig, optimisasi, power peta kedali. Pedahulua Pegedalia proses secara statistik adalah metode yag telah dikeal secara luas utuk megetahui variabilitas proses dalam ragka memperbaiki kualitas proses. Peta kedali diracag agar dapat megidetifikasi variasi proses, yag diakibatka sebab-sebab umum da sebab-sebab khusus. Peta kedali Shewhart telah diguaka secara luas utuk megedalika proses, tetapi peta kedali ii lambat atau tidak sesitif dalam medeteksi perubaha rata-rata proses yag kecil. Beberapa alteratif yag ditawarka utuk memperbaiki sesitifitas dari peta kedali tersebut adalah peta kedali movig average (EWMA, peta kedali cumulative sum (CUSUM, da peta kedali dega megguaka warig limit. Peta kedali dega megguaka warig limit diataraya adalah peta kedali variable samplig iterval (VSI, peta kedali variable samplig size (VSS, da peta kedali double samplig (DS.

6 Jural Optimasi Sistem Idustri, Vol., No., April 008: - Reyolds et al (988 megusulka sebuah peta kedali VSI yag memberi siyal perigata ketika proses kelihata out-of-cotrol. Jika pada pegambila sampel sebelumya mucul siyal, maka sampel berikutya diambil dalam iterval waktu yag lebih pedek; sebalikya jika pegambila sampel sebelumya tidak mucul siyal, maka sagat beralasa jika pegambila sampel berikutya dilakuka dalam iterval waktu yag lebih pajag. Dega ide yag sama Costa (994 megusulka sebuah peta kedali VSS, dimaa jika pada saat pegambila sampel sebelumya mucul siyal, maka sampel berikutya diambil dalam ukura yag lebih besar; sebalikya jika pegambila sampel sebelumya tidak mucul siyal, maka sagat beralasa jika pegambila sampel berikutya dilakuka dalam ukura yag lebih kecil. Prosedur DS meggabugka ide VSI da VSS, dimaa jika mucul siyal pada pegambila sampel pertama maka sampel kedua diobservasi dega iterval waktu ol. Peta kedali DS dua batas kedali pertama kali diusulka oleh Croasdale (974 yag dikeal sebagai peta kedali CDS. Kemudia Daudi, Duby da Trecourt (990 da Daudi (99 megusulka peta kedali DS tiga batas kedali, yag megguaka sampel pertama da sampel kedua pada saat meetuka keterkedalia proses pada observasi tahap kedua. Peta kedali DS tiga batas kedali yag dikembagka oleh Daudi, Duby da Trecourt (990 da Daudi (99 selajutya dikeal sebagai peta kedali DDS. Daudi et al (990 da Daudi (99 melakuka optimisasi peta kedali DDS dega memiimasi ukura sampel yag diharapka, sedagka Iriato da Shiozaki (998 melakuka optimisasi peta kedali DDS dega memaksimasi power utuk megestimasi parameter-parameter peta kedali. Hasil optimisasi yag dilakuka Iriato da Shiozaki (998 memperlihatka adaya perubaha parameter peta kedali DDS. Iriato (005 melakuka pembahasa hasil optimisasi yag dilakuka oleh Iriato da Shiozaki (998 da implikasiya terhadap peta kedali DDS. Perbadiga peta kedali Shewhart dega peta kedali warig limit dapat dilihat pada Tabel. Sedagka perbadiga diatara peta kedali-peta kedali warig limit dapat dilihat pada Tabel. Posisi peelitia ii terhadap peelitiapeelitia sejeis sebelumya dapat dilihat pada Tabel 3. Tabel Perbadiga Peta Kedali Shewhart da Peta Kedali dega Warig Limit Lambat medeteksi perubaha rata-rata proses yag kecil Cepat medeteksi perubaha rata-rata proses yag kecil Peta kedali Shewhart V - Peta kedali dega warig limit - V Tabel Perbadiga Peta Kedali-Peta Kedali Warig Limit Memperhatika iterval waktu pegambila sampel Memperhatika ukura sampel pada pegambila sampel Peta kedali VSI V - Peta kedali VSS - V Peta kedali DS V V

7 Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru (Sutriso Tabel 3 Posisi Peelitia Terhadap Peelitia Sebelumya Peeliti Judul Tahu Jumlah batas kedali Jeis optimisasi Dua Tiga Ukura Power Observasi tahap dua haya megamat i Observasi tahap dua megamat i da sampel Croasdale, R Cotrol Charts for a Double-Samplig Scheme Based O Average Productio Ru Legths 974 V - - Daudi, J.J dkk Daudi, J.J Iriato da Shiozaki Iriato, D Sutriso Plas de Cotrole Double Optimaux (Maitrise des Procedes et Cotrole de Receptio Double Samplig Charts A Optimal Double Samplig Cotrol Chart Optimizig Parameter Estimatio for Double Samplig Cotrol Chart Pegembaga Prosedur da Model Optimisasi Peta Kedali DS Baru V V V V V - V V - V V - - V Proses optimisasi yag dilakuka oleh Iriato da Shiozaki (998 da Iriato (005 megidikasika adaya perubaha jumlah parameter peta kedali, yaitu berupa pereduksia salah satu parameter peta kedali, yag merupaka dasar pegembaga peta kedali DS baru. Peelitia ii membahas tetag perumusa prosedur peta kedali DS baru, pegembaga model optimisasi peta kedali DS baru dega fugsi tujua maksimasi power peta kedali, da membadigka hasil optimisasi peta kedali DS baru dega hasil optimisasi peta kedali DDS. Peelitia ii juga membahas da megaalisa hasil optimisasi peta kedali double samplig baru.. Prosedur Peta Kedali DDS Prosedur peta kedali DDS diperlihatka pada Gambar. Prosedur peta kedali DDS dapat dideskripsika sebagai berikut:. Ambil sampel berukura, i, i,,..., yag berasal dari populasi dega ilai rata-rata 0 da stadar deviasi. 3

8 Jural Optimasi Sistem Idustri, Vol., No., April 008: - Hitug rata-rata sampel ( 0. Jika /( / kedali. ( 0 3. Jika /( / kedali. ( 0 4. Jika /( / i i terletak di dalam I maka proses dikataka dalam terletak di dalam I 3 maka proses dikataka diluar terletak di dalam I, maka dilakuka pegambila, i, i,,...,. sampel kedua yag berukura Hitug rata-rata sampel i i ( 5. Hitug rata-rata sampel total /( 0 6. Jika L L atau L / / 0 L / 0 0 L da jika L atau / maka proses dikataka di luar kedali (out of cotrol, sebalikya maka proses dikataka dalam kedali (uder cotrol. 0 / Out of cotrol ( I 3 L Lajutka ke observasi tahap L dua ( I Uder 0 cotrol ( I - L Lajutka ke observasi tahap dua( I - L Out of cotrol ( I 3 (Observasi pertama L - L / 0 Out of cotrol Uder cotrol ( I 4 Out of cotrol (Observasi kedua Gambar Prosedur Peta Kedali DDS 3. Model Optimisasi Peta Kedali DDS utuk Maksimasi Power Model optimisasi peta kedali DDS dega fugsi tujua utuk memaksimasi power memperhatika dua buah batasa, yaitu: ekspektasi ukura sampel total da probabilitas kesalaha tipe I. Formulasi model optimisasi peta kedali DDS dega fugsi tujua utuk memaksimasi power adalah sebagai berikut. 4

9 Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru (Sutriso Max L,L, L { [ L zi { [ cl * dega batasa rc z ] [ L / ]} ] [ cl rc z / ]} ( z dz. E[ ukura sampel total 0 ]. Pr[ Z I 0 ]. Pr[Out- of-cotrol 0 ] =, maka { L ] [ ] }- { [ cl z / ] [ cl z / ]} ( z dz = [ L zi 4. Perhituga Numerik Dari Model Optimisasi Peta Kedali DDS Tabel 5 meujukka power peta kedali DDS utuk setiap perubaha sebesar 0, 5 da,0 deviasi stadar pada beberapa pasaga = 4 da =, 3, 5, da 6 serta satu buah ekspektasi ukura sampel total, yaitu = 5. Table 4 Power Peta Kedali DDS Utuk Beberapa Pasaga Ukura Sampel DDS L L L Power Charts = 0.5 =.0 = = = = = = = = = = = =

10 Jural Optimasi Sistem Idustri, Vol., No., April 008: - 5. Pegembaga Prosedur da Model Optimisasi Peta Kedali DS Baru 5. Tahap-tahap Pegembaga Model Tahap-tahap pegembaga model dapat dibuat dalam betuk flowchart seperti pada Gambar 3 berikut. Dilatarbelakagi oleh peelitia Iriato da Shiozaki (998 da Iriato (005 Hasil peelitia memperlihatka, batas kedali L pada peta kedali DDS dapat direduksi, karea ilai L Pereduksia batas kedali L pada peta kedali DDS meghasilka peta kedali DS baru Pegembaga prosedur, da model optimisasi peta kedali DS baru dega fugsi tujua maksimasi power Gambar Tahap-tahap Pegembaga Model 5. Batas-batas Kedali Peta Kedali DDS Pegembaga model peta kedali DS baru dilatarbelakagi oleh peelitia Iriato da Shiozaki (998 tetag optimisasi power peta kedali DDS, da peelitia Iriato (005 yag membahas hasil optimisasi yag dilakuka Iriato da Shiozaki (998 serta implikasiya terhadap peta kedali DDS. Dari kedua peelitia tersebut dapat diambil kesimpula bahwa parameter peta kedali DDS dapat direduksi, dimaa parameter yag direduksi adalah batas kedali L, karea L. Sebelum megembagka prosedur peta kedali DS baru, terlebih dahulu dilakuka aalisa terhadap batas-batas kedali pada peta kedali DDS. Tabel 5 meujukka bahwa batas kedali peta kedali DDS utuk beberapa pasaga da serta satu buah ekspektasi jumlah sampel yag diharapka, yaitu = 5. Hasilya memperlihatka bahwa dega aikya ilai L aka meaikka ilai L, dimaa ilai L. 5.3 Prosedur Peta Kedali DS Baru Karea aikya ilai batas kedali L meyebabka batas kedali L (pada Tabel IV. maka peta kedali DDS dapat dibuat mejadi lebih sederhaa dega meghilagka batas kedali L, yag disebut sebagai peta kedali DS baru ( dua batas kedali, dimaa pada observasi tahap kedua dilakuka dega megobservasi sampel pertama da sampel kedua. Jadi peta kedali DS baru diperoleh dari peta kedali DDS dega mereduksi satu parameterya, yaitu batas kedali L. Batas kedali L dapat direduksi karea L, sehigga dapat dikataka tidak sigifika sebagai batas kedali. Sebetulya peta kedali DS baru pada observasi tahap pertama sama dega peta kedali CDS yag 6

11 Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru (Sutriso diusulka Croasdale (974, tetapi utuk observasi tahap kedua, sampel kedua diobservasi bersama dega sampel pertama. Pada peta kedali DS baru, peetua proses dalam keadaa out-of-cotrol baru dapat dilakuka pada saat dilakuka observasi tahap kedua, sama dega peta kedali CDS. Prosedur peta kedali DS baru ditujukka pada Gambar 4 berikut. / 0 / 0 L Lajutka ke observasi tahap dua ( I L Out of cotrol 0 - L Uder cotrol ( I Lajutka ke observasi tahap dua( I - L Uder cotrol ( I 3 Out of cotrol Observasi pertama (Observasi kedua Gambar 3 Prosedur Peta Kedali DS Baru Prosedur peta kedali DS baru dapat dijelaska sebagai berikut:. Ambil sampel berukura, i, i,,..., yag berasal dari populasi dega ilai rata-rata 0 da stadar deviasi. Hitug rata-rata sampel ( 0. Jika /( / dalam keadaa uder-cotrol. ( 0 3. Jika /( / i i terletak di dalam I maka proses dipertimbagka terletak di dalam I, maka dilakuka pegambila, i, i,,...,. sampel kedua yag berukura Hitug rata-rata sampel i i ( 4. Hitug rata-rata sampel total /( 0 5. Jika L / / 0 L atau L / 0 0 da jika L / atau maka proses dipertimbagka dalam keadaa out-of-cotrol, sebalikya maka proses dipertimbagka dalam keadaa uder-cotrol. 0 ( 0 Diberika Z ( / ( / da Z /( /. Probabilitas mempertimbagka proses dalam keadaa uder-cotrol (pada saat tidak terjadi peyimpaga dari ilai rata-rata proses atau 0 pada saat observasi tahap 7

12 Jural Optimasi Sistem Idustri, Vol., No., April 008: - pertama da observasi tahap kedua diotasika sebagai P a Pr[ Z I 0 ] da P a Pr[ Z I da Z I 3 0 ] Pr[ Z I 0 ]. Pr[ Z I 3 0 ]. Z I adalah suatu keadaa harus meeruska dega observasi tahap kedua da Z I 3 adalah suatu keadaa proses dipertimbagka dalam keadaa uder-cotrol pada 8 observasi tahap kedua. Dimaa Pr[ Z I 0 ] [ L ] [ L ], Pr[ Z I 0 ] { [ L ] [ L ]}, da Pr[ Z I 3 0 ] [ L ] [ L ]. Sehigga probabilitas proses dipertimbagka dalam keadaa uder-cotrol pada saat tidak terjadi peyimpaga ilai rata-rata proses atau 0 adalah P P a Pa. Diasumsika karakteristik output proses berdistribusi ormal N(,. Probabilitas proses dipertimbagka uder-cotrol utuk sebuah peyimpaga dari ilai rata-rata proses sebesar ( 0 / adalah probabilitas kesalaha tipe II (, didefiisika sebagai berikut: [ M ] [ M ] { [ M ] [ M ]}.{ [ M ] [ M Dimaa M ] [ M ] ( Pr[ Z ] adalah probabilitas [ I 0 proses dipertimbagka dalam keadaa uder-cotrol pada observasi tahap pertama pada pada keadaa terjadi peyimpaga sebesar. Sedagka [ M ] [ M ]}.{ [ M ] [ M ]} adalah { perkalia atara probabilitas utuk meeruska dega observasi tahap kedua pada saat terjadi peyimpaga sebesar ( [ M ] [ M ]} = { Pr[ Z I 0 ] da probabilitas proses dipertimbagka dalam keadaa uder-cotrol pada observasi tahap kedua pada keadaa terjadi peyimpaga sebesar ( [ M ] [ M ]} = Pr[ Z I ]. { 3 0 Average ru legth (ARL da ekspektasi ukura sampel total diberika dalam persamaa berikut: ARL /( da E(ukura sampel total = Pr[ Z I 0] ARL adalah rata-rata jumlah pegamata yag dibutuhka sebelum ada siyal outof-cotrol. Ekspektasi ukura sampel total adalah ukura sampel total yag diharapka utuk diguaka dalam melakuka pegedalia proses. Model Optimisasi Peta Kedali DS Baru Model optimisasi yag dikembagka dalam peelitia ii bertujua utuk memaksimasi power peta kedali DS baru. Model optimisasi ii mempuyai dua pembatas, yaitu ekspektasi ukura sampel total sama dega da probabilitas kesalaha tipe I sebesar ( probabilitas utuk meyataka proses out-of-cotrol pada keadaa uder-cotrol. Formulasi model optimisasi peta kedali DS baru adalah sebagai berikut. [[ L ] [ L ] Max L, L { [ L ] [ L ]}.{ [ L dega batasa. E[ukura sampel total 0 ] =, maka ] [ L Pr[ Z I 0].{ [ L ] [ L ]} ]} ]}

13 Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru (Sutriso. Pr[Out-of-Cotrol 0 ] =, maka { [ L ] [ L ]}.{ [ L ] [ L ]} 5.5 Algoritma Peyelesaia Secara Numerik Model Optimisasi Peta Kedali DS Baru Tahap-tahap perhituga secara umerik terhadap model optimisasi peta kedali DS baru dapat dibuat dalam suatu flowchart seperti Gambar 5 berikut. Tetuka ilai,, da <,, da,, iteger Masukka,, da pada persamaa pembatas pertama Niliai L dapat diperoleh tidak Naikka iliai ya Tetuka ilai-ilai L yag lai (yag lebih kecil dari pada ilai L yag telah diperoleh, miimal 4 buah, dega selisih 0,00 da kelipataya ( jika dibadigka dega ilai L yag telah diperoleh Masukka semua ilai-ilai L ke persamaa pembatas kedua utuk medapatka ilai-ilai L yag bersesuaia Masukka ilai,, L da L yag bersesuaia, da yag telah ditetuka; pada fugsi tujua model optimisasi Nilai power utuk ilai,, L da L yag bersesuaia, da delta yag telah ditetuka, telah didapatka Gambar 4 Tahap-tahap Perhituga Secara Numerik 9

14 Jural Optimasi Sistem Idustri, Vol., No., April 008: - Model Optimisasi Peta Kedali DS Baru Perhituga Numerik Dari Model Optimisasi Peta Kedali DS Baru Tabel 6 meujukka power peta kedali DS baru utuk setiap perubaha sebesar 0, 5 da,0 deviasi stadar pada beberapa pasaga = 4 da =, 3, 5, da 6 serta satu buah ekspektasi ukura sampel total, yaitu = 5. Table 5 Power Peta Kedali DS Baru Utuk Beberapa Pasaga Ukura Sampel DDS L L L Power Charts = 0.5 =.0 = = = = = = = = = = = = Validasi Model Optimisasi Resiko umumya merupaka suatu fugsi ukura sampel, maki besar ukura sampel yag diguaka maki kecil resiko (kesalaha tipe II. Power peta kedali = -, jadi dega maki kecilya resiko maka aka meigkatka power peta kedali. Perhituga umerik memperlihatka bertambahya ukura sampel da terlihat bahwa power peta kedali DS baru bertambah besar. Maki besar peyimpaga dari ilai rata-rata proses (, berimplikasi kepada maki kecilya probabilitas proses dipertimbagka uder-cotrol pada keadaa out-of-cotrol (. Perhituga umerik memperlihatka, bahwa dega 0

15 Pegembaga Prosedur da Model Optimisasi Peta Kedali Double Samplig Baru (Sutriso bertambahya peyimpaga dari rata-rata proses ( aka meyebabka maki besarya power peta kedali. Hal itu dapat dimegerti karea power = -. Pada perhituga umerik terlihat bahwa dega aikya ilai L aka meyebabka turuya ilai L. Hal tersebut dapat dibearka karea dega aikya ilai L berarti kemugkia sampel pertama utuk diterima (dalam keadaa uder-cotrol bertambah besar, sehigga peluag utuk melakuka observasi tahap kedua mejadi semaki kecil. Karea peluag utuk melakuka observasi tahap kedua mejadi semaki kecil, maka peluag utuk meyataka keadaa uder-cotrol melalui observasi tahap kedua juga semaki kecil, sehigga meyebabka ilai L mejadi semaki kecil. Perhituga umerik yag dilakuka telah meujukka hal yag demikia. 7. Kesimpula Berdasarka perhituga umerik terlihat bahwa power peta kedali DS baru lebih besar dari pada power peta kedali CDS da power peta kedali DDS. Pada peta kedali DS baru utuk beberapa pasaga da aka meghasilka pertambaha power yag tidak mooto aik. Utuk setiap pasaga,, L, L atau M, M da yag diberika aka memberika perbedaa ilai power yag tidak sigifika. 8. Daftar Pustaka Costa, F.B.A. (994, Charts with Variable Sample Size, Joural of Quality Techology, 6(3:55-63 Croasdale, R. (974, Cotrol Charts for a Double-Samplig Scheme Based O Average Productio Ru Legths, Iteratioal Joural of Productio Research, (5, Daudi, J.J., C. Duby, ad P. Trecourt (990, Plas de Cotrole Double Optimaux (Maitrise des Procedes et Cotrole de Receptio, Rev. Statistique Appliquee, 38(4, Daudi, J.J. (99, Double Samplig Charts, Joural of Quality Techology, 4(, Iriato, D., ad N. Shiozaki (998, A Optimal Double Samplig Cotrol Chart, Iteratioal Joural of Idustrial Egieerig Theory, Applicatios ad Practice, 5(3, Iriato, D. (005, Optimizig Parameter Estimatio for Double Samplig Cotrol Chart, ICAM Reyolds, M.R. Jr., Ami, R.W, Arold, J.C. da Naclas, J.A. (988, Charts with Variable Samplig Iterval, Techometrics, 30(:8-9.

16 Jural Optimasi Sistem Idustri, Vol., No., April 008: -

Volume 1 No2. Tahun 2008

Volume 1 No2. Tahun 2008 Volume No. Tahu 8 Isi Nomor Ii Volume / Nomor / 8 Reviewer Utama Ir Nur Idriati., MT., D.Eg Dr. Purwo Hadoko Sugiyarto, Ph.D. Reviewer Pembatu Ir Dyah Rachmawati L., MT. Ir Taufik Hidayato., MT. Miftahol

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka

Lebih terperinci

PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA

PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real: BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

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 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya

Lebih terperinci

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP. (Tessa Vaia Soetato, et al.) STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB I PENDAHULUAN. X Y X Y X Y sampel BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE Sutriso B., Abd. Haris, Romadho Jurusa Maajeme - Fakultas Ekoomi, Uiversitas Widya Dharma Klate Jl. Ki

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

Lebih terperinci

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES

PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug

Lebih terperinci

BUKTI ALTERNATIF KONVERGENSI DERET PELL DAN PELL-LUCAS (ALTERNATIVE PROOF THE CONVERGENCE OF PELL AND PELL-LUCAS SERIES)

BUKTI ALTERNATIF KONVERGENSI DERET PELL DAN PELL-LUCAS (ALTERNATIVE PROOF THE CONVERGENCE OF PELL AND PELL-LUCAS SERIES) rosidig Semirata2015 bidag MIA BKS-TN Barat Uiversitas Tajugpura otiaak BUKTI ALTERNATIF KONVERGENSI DERET ELL DAN ELL-LUCAS (ALTERNATIVE ROOF THE CONVERGENCE OF ELL AND ELL-LUCAS SERIES) Baki Swita 1

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam 19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci