Hierarchical Clustering via Minimax Linkage pada Pengelompokkan Kecamatan di Pulau Madura berdasarkan Indikator Pemerataan Pendidikan
|
|
- Herman Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER 2011 Padmi Ganifandari Hierarchical Clustering via Minimax Linkage pada Pengelompokkan Kecamatan di Pulau Madura berdasarkan Indikator Pemerataan Pendidikan Dosen Pembimbing : Ir. Dwiatmono Agus W., M.Kom
2 AGENDA Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis & Pembahasan Kesimpulan Daftar Pustaka
3 PENDAHULUAN Latar Belakang Permasalahan Tujuan Manfaat Batasan Masalah
4 LATAR BELAKANG Pulau Madura Jembatan Suramadu Mengoptimalkan potensi daerah & mensejahterakan masyarakat secara merata Pengelompokkan Kebijakan sesuai karakteristik daerah Pendidikan yang merata Single linkage Complete linkage Average linkage Minimax linkage 1
5 PERMASALAHAN 1 Bagaimana karakteristik kecamatan-kecamatan di pulau Madura dengan analisis statistika deskriptif? 2 Bagaimanakah perbandingan hasil pengelompokkan kecamatan di pulau Madura dengan metode hierarchical clustering dengan single linkage, complete linkage, average linkage, dan minimax linkage dan kecamatan mana sajakah yang berkelompok berdasarkan hasil pengelompokkan terbaik? 3 Bagaimana analisis terhadap karakteristik kecamatan berdasarkan hasil pengelompokkan terbaik dalam upaya pemerataan pendidikan di pulau Madura? 2
6 TUJUAN 1 Mendapatkan karakteristik kecamatan-kecamatan di pulau Madura dengan analisis statistika deskriptif. 2 3 Membandingkan hasil pengelompokkan kecamatan di pulau Madura dengan metode hierarchical clustering dengan single linkage, complete linkage, average linkage, dan minimax linkage dan mendapatkan kecamatan di pulau Madura yang berkelompok berdasarkan hasil pengelompokkan terbaik. Menganalisis karakteristik kecamatan berdasarkan hasil pengelompokkan terbaik dalam upaya pemerataan pendidikan di pulau Madura. 3
7 MANFAAT Memperoleh informasi kecamatan di pulau Madura yang berada dalam satu kelompok sehingga dapat dilakukan kebijakan yang sama untuk kecamatan yang berada dalam kelompok sama. Pelaksanaan kebijakan yang disesuaikan dengan dengan kondisi tiap kelompok akan membantu tercapainya pemerataan pembangunan pendidikan tingkat kecamatan. Menambah wawasan keilmuan mengenai penerapan metode hierarchical clustering via minimax linkage dan perbandingan metodemetode hierarchical clustering. 4
8 BATASAN MASALAH Pengelompokkan kecamatan dilakukan berdasarkan indikator pemerataan pendidikan. Variabel-variabel yang digunakan dalam penelitian ini sebanyak 18 variabel yang dirujuk dari penelitian Puspowati (2009) Metode yang digunakan untuk mengelompokkan kecamatankecamatan di pulau Madura yaitu metode hierarchical clustering dengan single linkage, complete linkage, average linkage, dan minimax linkage 5
9 Uji Kecukupan Data Analisis Faktor Minimax Linkage Pemilihan Metode Cluster TINJAUAN PUSTAKA Uji Korelasi Analisis Cluster Cluster Optimum Indikator Pemerataan Pendidikan Penelitian Sebelumnya
10 UJI KECUKUPAN DATA H 0 : Jumlah data cukup untuk difaktorkan H 1 : Jumlah data tidak cukup untuk difaktorkan Daerah Kritis : α : 5% Statistik uji : p p KMO = p 2 rij i 1 j 1 p p p 2 rij i 1 j 1 i 1 j 1 Keputusan : Sampel data dikatakan cukup untuk dilakukan analisis faktor adalah jika nilai KMO lebih besar daripada 0.5 (Hair, Black, Babin, dan Anderson, 2010) a 2 ij 6
11 UJI KECUKUPAN DATA H 0 : Jumlah data pada variabel ke-i cukup untuk difaktorkan H 1 : Jumlah data pada variabel ke-i tidak cukup untuk difaktorkan Daerah Kritis : α : 5% Statistik uji : MSA = p j 1 r j 1 2 ij p r 2 ij p j 1 a 2 ij Keputusan : Jika nilai MSA > 0,5 maka variabel ke-i cukup untuk difaktorkan (Hair, dkk, 2010) 7
12 UJI KORELASI H 0 : Matriks korelasi merupakan matriks identitas H 1 : Matriks korelasi bukan matriks identitas Daerah Kritis : α : 5% Statistik uji : 2 2p 5 hitung n 1 ln R 6 Daerah penolakan : 2 1 p( p 1) 2 2 Keputusan : Tolak H 0 jika hitung 2 1 p( p 1) 2 (Morrison, 2005) 8
13 ANALISIS FAKTOR Analisis faktor : suatu analisis data untuk mengetahui faktorfaktor yang mampu menjelaskan sebesar mungkin keragaman data variabel asal. Apabila terdapat vektor acak X = (x 1, x 2,..., x p ) mempunyai matrik korelasi R dan memiliki nilai mean μ maka model analisis faktor adalah : X X 1 1 F 11 1 F 22 2 F 1m m 1 p p p1f1 p2f2 pmfm 1 (Johnson dan Winchern, 2007) 9
14 ANALISIS CLUSTER Analisis cluster : digunakan untuk mengelompokkan objek pengamatan berdasarkan karakteristik-karakteristik yang dimiliki. Analisis cluster : hirarki dan non hirarki. Prosedur hirarki : agglomerative dan divisive. Angglomerative : single linkage, complete linkage, average linkage (Johnson dan Winchern, 2007) 10
15 AGGLOMERATIVE D A C B E 11
16 AGGLOMERATIVE D A C B E 11
17 AGGLOMERATIVE D A C B E 11
18 AGGLOMERATIVE D A C B E 11
19 AGGLOMERATIVE D A C B E 11
20 Single Linkage d ANALISIS CLUSTER min( d, d ( i, j) k ik jk ) (Johnson dan Winchern, 2007) 12
21 Complete Linkage ANALISIS CLUSTER d max( d, d ( i, j) k ik jk ) (Johnson dan Winchern, 2007) 13
22 Average Linkage ANALISIS CLUSTER d average( d, d ( i, j) k ik jk ) (Johnson dan Winchern, 2007) 14
23 MINIMAX LINKAGE Minimax linkage adalah pengelompokkan berdasarkan nilai minimum dari jarak yang maksimum. Definisi minimax linkage antar dua cluster G dan H yaitu : d( G, H) min x G H max x' G H d( x, x') (Bien dan Thibshirani, 2011) 15
24 MINIMAX LINKAGE Kelebihan minimax linkage yaitu : 1. Dendogram dari minimax linkage tidak memiliki inversion 2. Minimax linkage menghasilkan k-group yang terstruktur dengan baik 3. Minimax linkage robust terhadap gangguan 4. Minimax linkage memenuhi sifat reducibility (Bien dan Thibshirani, 2011) 16
25 PEMILIHAN METODE CLUSTER Varian tiap tahap pembentukan cluster : Vc yi yc i 1 Variance within cluster : n c n 2 Vw 2 1 N c c 1 i 1 (Martiana, Rosyid, dan Agusetia, 2010) n i V i 2 Variance between cluster : Vb 2 1 c 1 c i 1 n i y i y Cluster ideal, jika V minimum V Vw Vb
26 CLUSTER OPTIMUM Penentuan jumlah cluster optimum dapat ditentukan dengan pola pergerakan varian, yaitu valley-tracing. Pada valley-tracing kemungkinan mencapai nilai optimum pada tahap ke-i, jika : (Noor dan Hariadi, 2009) v v v v i 1 i i 1 Selanjutnya, identifikasi perbedaan nilai tinggi ( ) : v v 2xv i 1 i 1 Keakuratan suatu cluster : i i Nilai φ > 2 atau nilai φ negatif cluster yang terbentuk terpisah dengan baik max nilai _ terdekat _ ke_ max 18
27 Angka Partisipasi Kasar INDIKATOR PEMERATAN PENDIDIKAN Angka Partisipasi Murni Rasio Murid - Guru (Puspowati, 2009) 19
28 Rasio Murid - Kelas INDIKATOR PEMERATAN PENDIDIKAN Rasio Murid - Sekolah Angka Shift (Puspowati, 2009) 20
29 PENELITIAN SEBELUMNYA Indikator Pemerataan Pendidikan Hierarchical Clustering via Minimax Linkage 21
30 METODOLOGI PENELITIAN Sumber Data dan Variabel Penelitian Metode Analisis Data
31 Sumber data : Dinas Pendidikan Jawa Timur SUMBER DATA & VARIABEL PENELITIAN Variabel Keterangan X1 APK (Angka Partisipasi Kasar) SD Negeri/Swasta X2 APM (Angka Partisipasi Murni) SD Negeri/Swasta X3 rasio murid-guru SD Negeri/Swasta X4 rasio murid-kelas SD Negeri/Swasta X5 rasio murid-sekolah SD Negeri/Swasta X6 angka shift SD Negeri/Swasta X7 APK (Angka Partisipasi Kasar) SMP Negeri/Swasta X8 APM (Angka Partisipasi Murni) SMP Negeri/Swasta X9 rasio murid-guru SMP Negeri/Swasta X10 rasio murid-kelas SMP Negeri/Swasta X11 rasio murid-sekolah SMP Negeri/Swasta X12 angka shift SMP Negeri/Swasta X13 APK (Angka Partisipasi Kasar) SMA Negeri/Swasta X14 APM (Angka Partisipasi Murni) SMA Negeri/Swasta X15 rasio murid-guru SMA Negeri/Swasta X16 rasio murid-kelas SMA Negeri/Swasta X17 rasio murid-sekolah SMA Negeri/Swasta X18 angka shift SMA Negeri/Swasta 22
32 Kecamatan-kecamatan Di Pulau Madura. SUMBER DATA & VARIABEL PENELITIAN Kecamatan Kecamatan Kecamatan Kecamatan Bangkalan Sampang Pamekasan Sumenep 01. Kamal 19. Sreseh 36. Larangan 53. Batuan 02. Labang 20. Torjun 37. Pamekasan 54. Lenteng 03. Kwanyar 21. Pangarengan 38. Proppo 55. Ganding 04. Modung 22. Sampang 39. Palengaan 56. Guluk-Guluk 05. Blega 23. Camplong 40. Pegantenan 57. Pasongsongan 06. Konang 24. Omben 41. Kadur 58. Ambunten 07. Galis 25. Kedungdung 42. Pakong 59. Rubaru 08. Tanah Merah 26. Jrengik 43. Waru 60. Dasuk 09. Tragah 27. Tambelangan 44. Batumarmar 61. Manding 10. Socah 28. Banyuates 45. Pasean 62. Batuputih 11. Bangkalan 29. Robatal 63. Gapura 12. Burneh 30. Karang Penang Sumenep 64. Batang-Batang 13. Arosbaya 31. Ketapang 46. Pragaan 65. Dungkek 14. Geger 32. Sokobanah 47. Bluto 66. Nonggunong 15. Kokop 48. Saronggi 67. Gayam 16. Tanjung Bumi Pamekasan 49. Giligenting 68. Ra'as 17. Sepulu 33. Tlanakan 50. Talango 69. Sapeken 18. Klampis 34. Pademawu 51. Kalianget 70. Arjasa 35. Galis 52. Kota Sumenep 71. Kangayan 72. Masalembu 23
33 METODE ANALISIS DATA 1. Mendapatkan karakteristik kecamatan-kecamatan di pulau Madura dengan analisis statistika deskriptif. Analisis statistika deskriptif yang digunakan antara lain rata-rata, varians, nilai minimum, nilai maksimum, dan boxplot dari masing-masing variabel. 24
34 METODE ANALISIS DATA 2. Membandingkan hasil pengelompokkan kecamatan di pulau Madura berdasarkan indikator pemerataan pendidikan dengan metode hierarchical clustering dengan single linkage, complete linkage, average linkage, & minimax linkage dan mendapatkan kecamatan di pulau Madura yang berkelompok berdasarkan hasil pengelompokkan terbaik. Langkah- langkah yang dilakukan untuk memenuhi tujuan kedua yaitu : a) Mereduksi dimensi data dengan menggunakan analisis faktor. Sebelum melakukan analisis faktor, terlebih dahulu melakukan uji KMO, uji MSA dan uji Bartlett pada data. 25
35 METODE ANALISIS DATA b) Melakukan pengelompokkan kecamatan-kecamatan di pulau Madura berdasarkan indikator pemerataan pendidikan dengan menggunakan metode hierarchical clustering dengan single linkage, complete linkage, average linkage, dan minimax linkage c) Membandingkan hasil pengelompokkan dengan semua metode menggunakan nilai variance within cluster dan variance between cluster. d) Menentukan jumlah cluter optimum pada metode terbaik dengan valley-tracing. 26
36 METODE ANALISIS DATA 3. Melakukan analisis terhadap karakteristik kecamatan hasil pengelompokkan terbaik dalam upaya pemerataan pendidikan di Pulau Madura. 27
37 Statistika Deskriptif Uji Korelasi ANALISIS & PEMBAHASAN Pembagian Variabel Kedalam Faktor Analisis Cluster Uji Kecukupan Data Jumlah Faktor Pemilihan Metode Cluster Jumlah Cluster Optimum Karakteristik Tiap Kelompok
38 STATISTIKA DESKRIPTIF Variabel Rata-Rata Varians Min Maks APK SD APM SD Murid/Guru SD Murid/Kelas SD Murid/Sekolah SD Angka shift SD APK SMP APM SMP Murid/Guru SMP Murid/Kelas SMP Murid/Sekolah SMP Angka shift SMP APK SMA APM SMA Murid/Guru SMA Murid/Kelas SMA Murid/Sekolah SMA Angka shift SMA
39 STATISTIKA DESKRIPTIF Data APK SD APM SD Murid/Guru SD Murid/Kelas SD Murid/Sekolah SD Angka shift SD APK SMP APM SMP Murid/Guru SMP Murid/Kelas SMP Murid/Sekolah SMP Angka shift SMP APK SMA APM SMA Murid/Guru SMA Murid/Kelas SMA Murid/Sekolah SMA Angka shift SMA 29
40 UJI KECUKUPAN DATA H 0 : Jumlah data indikator pemerataan pendidikan cukup untuk difaktorkan H 1 : H 0 Nilai KMO sebesar gagal tolak H 0 Jadi, data indikator pemerataan pendidikan pada kecamatan-kecamatan di pulau Madura cukup untuk difaktorkan. 30
41 UJI KECUKUPAN DATA H 0 : Jumlah data indikator pemerataan pendidikan pada masing-masing variabel cukup untuk difaktorkan H 1 : H 0 No Variabel MSA No Variabel MSA 1 APK SD Murid/Kelas SMP APM SD Murid/Sekolah SMP Murid/Guru SD Angka shift SMP Murid/Kelas SD APK SMA Murid/Sekolah SD APM SMA Angka shift SD Murid/Guru SMA APK SMP Murid/Kelas SMA APM SMP Murid/Sekolah SMA Murid/Guru SMP Angka shift SMA Gagal tolak H 0 31
42 UJI KORELASI H 0 : Matriks korelasi data indikator pemerataan pendidikan merupakan matriks identitas H 1 : H 0 P value sebesar tolak H 0 Jadi, antar variabel pada data indikator pemerataan pendidikan di kecamatan-kecamatan pulau Madura saling berkorelasi. 32
43 JUMLAH FAKTOR Eigenvalue faktor mewakili % variabilitas data Factor Number
44 PEMBAGIAN VARIBEL KEDALAM FAKTOR Variabel Faktor 1 Faktor 2 Faktor 3 Faktor 4 Faktor 5 APK SD APM SD Murid SD Murid/Guru SD Murid/Kelas SD Murid/Sekolah SD Angka shift SD APK SMP Murid SMP APM SMP Murid/Guru SMP Murid/Kelas SMP Fasilitas SMP Murid/Sekolah SMP Angka shift SMP APK SMA APM SMA Murid SMA Murid/Guru SMA Murid/Kelas SMA Murid/Sekolah SMA Fasilitas SMA Angka shift SMA
45 ANALISIS CLUSTER Single Complete Average Minimax 35
46 PEMILIHAN METODE CLUSTER Peringkat Single Metode Pengelompokkan Complete Average Minimax Metode Terbaik Atas 36.62% 60.56% 74.65% 77.46% a Bawah 63.38% 39.44% 25.35% 22.54% Jumlah % % % % karena memiliki jumlah varians minimum terbanyak 36
47 JUMLAH CLUSTER OPTIMUM Jumlah cluster optimum yaitu 3 cluster beda tinggi jumlah cluster Nilai keakuratan yaitu Cluster terpisah dengan baik 37
48 KARAKTERISTIK TIAP KELOMPOK Kelompok 1 Kecamatan Camplong Kabupaten Sampang Memiliki angka shift untuk pendidikan jenjang SMA sebesar Kebijakan yang sesuai : penambahan ruang kelas untuk pendidikan tingkat SMA 38
49 KARAKTERISTIK TIAP KELOMPOK Kelompok 2 Kota Sumenep Kabupaten Sumenep Memiliki nilai-nilai tinggi untuk tiap indikator pemerataan pendidikan Dapat dijadikan contoh dalam upaya peningkatan pemerataan pendidikan di kecamatan-kecamatan pulau Madura 39
50 KARAKTERISTIK TIAP KELOMPOK Kelompok 3 Semua kecamatan di pulau Madura, kecuali kecamatan Camplong dan Kota Sumenep Variabel-variabel indikator pemerataan pendidikan tingkat SMA memiliki nilai varians yang cukup tinggi Kebijakan yang sesuai : fasilitas untuk jenjang pendidikan SMA perlu ditingkatkan 40
51 KESIMPULAN DAN SARAN Kesimpulan Saran
52 KESIMPULAN 1. Varians tertinggi terdapat pada variabel rasio murid-sekolah tingkat SMA dan SMP. Hal ini berarti bahwa terdapat kesenjangan yang cukup tinggi antar kecamatan di pulau Madura dalam hal rasio murid-sekolah tingkat SMA dan SMP. 2. Metode minimax linkage merupakan metode pengelompokkan terbaik dengan jumlah kelompok optimum sebanyak Kelompok 1 : memiliki angka shift SMA yang cukup tinggi Kelompok 2 : memiliki nilai-nilai tinggi untuk tiap variabel Kelompok 3 : nilai varians yang cukup tinggi untuk variabel SMA 41
53 SARAN Agar mendapatkan karakteristik pendidikan yang lebih lengkap, disarankan untuk melakukan survei langsung mengenai kualitas pendidikan untuk tiap kecamatan. Penggunaan berbagai cara untuk membandingkan metode pengelompokkan perlu dilakukan agar hasil yang didapat lebih optimal. 42
54 DAFTAR PUSTAKA Arai, K., Barakbah, A.R Cluster Construction Method Based on Global Optimum Cluster Determination with The Newly Defined Moving Variance. Reports of the Faculty of Science and Engineering, Saga University. 36(1) : 9-15 Bien, J. dan Tibshirani, R Hierarchical Clustering With Prototype via Minimax Linkage. Journal of the American Statistical Association Dillon, W., Goldstein, M Multivariate Analysis Methods and Application. Canada : John Wiley and Sons, Inc Fisher, L., Van Ness, J Admissible Clustering Procedures. Biometrica 58(1) : Gordon, A.D A Review of Hierarchical Classification. Journal of Royal Statistical Society, Ser. A 150(2) : Hair, J. F., Black, W.C., Babin, B.J., Anderson, R.E Multivariate Data Analysis. New Jersey : Upper saddle river 43
55 DAFTAR PUSTAKA Johnson, R.A., Winchern, D.W Applied Multivariate Statistical Analysis. USA : Pearson Education International Man L, Chew Lim T, Jian S, Yue L Supervised and Traditional Term Weighting Methods for Automatic Text Categorization. Pattern Analysis and Machine Intelligence, IEEE Transactions on. 31(4) : Martiana, E., Rosyid, N., Agusetia, U Mesin Pencari Dokumen dengan Pengklasteran secara Otomatis. TELKOMNIKA 8(1) : Morrison, D.F Multivariate Statistical Methods Fourth Edition. USA : Thomson Learning, Inc Murtagh, F A Survey of Recent advances in Hierarchical Clustering Algorithms. The Computer Journal 26 : Noor, M. H., Hariadi, M Image Cluster Berdasarkan Warna untuk Identifikasi Kematangan Buah Tomat dengan Metode Valley Tracing. Seminar Nasional Informatika
56 DAFTAR PUSTAKA Norusis, M.J Advanced Statistics SPSS/PC+ for the IBM PC/XT/ AT. Michigan Avenue Chicago Illinois Purwaningsih, A Penentuan Rotasi yang Sesuai dalam Analisis Faktor dengan Analisis Procrustes. Pusat Pengembangan Teknologi Informasi dan Komputasi, BATAN Puspowati, T Algoritma Self Organizing Maps (SOM) untuk Pengelompokkan Kecamatan di Kabupaten Malang berdasarkan Indikator Pemerataan Pendidikan [tesis]. Surabaya : Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember 45
57
HIERARCHICAL CLUSTERING VIA MINIMAX LINKAGE PADA PENGELOMPOKKAN KECAMATAN DI PULAU MADURA BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN
HIERARCHICAL CLUSTERING VIA MINIMAX LINKAGE PADA PENGELOMPOKKAN KECAMATAN DI PULAU MADURA BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN Padmi Ganifandari, Dwiatmono Agus W. Mahasiswa Jurusan Statistika FMIPA-ITS,
Lebih terperinciSidang Akhir Tugas Akhir
Sidang Akhir Tugas Akhir Aji Muda Casaka Laboratorium E-Bisnis Jurusan Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Dosen Pembimbing: Faizal Johan Atletiko, S.Kom,
Lebih terperinciPENGELOMPOKKAN KECAMATAN DI PULAU MADURA BERDASARKAN SEKTOR PERTANIAN SEBELUM DAN SETELAH BERDIRI JEMBATAN SURAMADU
SEMINAR HASIL TUGAS AKHIR PENGELOMPOKKAN KECAMATAN DI PULAU MADURA BERDASARKAN SEKTOR PERTANIAN SEBELUM DAN SETELAH BERDIRI JEMBATAN SURAMADU Oleh : Aizeh Mauludina (1310 105 01) Dosen Pembimbing : Dr.
Lebih terperinciDr. Vita Ratnasari, S. Si, M. Si Kresnayana Yahya, M. Sc Madu Ratna, M. Si
Dr. Vita Ratnasari, S. Si, M. Si Kresnayana Yahya, M. Sc Madu Ratna, M. Si Analisis Statistika Mengenai Potensi Pengembangan Madura Berdasarkan Sektor Demografi, Sosial Dan Pertanian Sebelum Dan Setelah
Lebih terperinciPENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR DALAM PEMERATAAN PENDIDIKAN MENGGUNAKAN METODE MINIMAX LINKAGE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02 (2016), hal 253-260 PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR DALAM PEMERATAAN PENDIDIKAN MENGGUNAKAN
Lebih terperinciPotensi Cabe Jamudi Beberapa Kabupaten di Madura sebagai Bahan Jamu
Potensi Cabe Jamudi Beberapa Kabupaten di Madura sebagai Bahan Jamu Ratna Dewi Judhaswati Badan Penelitian dan Pengembangan Provinsi Jawa Timur ratnajudhas14@yahoo.com Abstrak Ramuan Jamu Madura sudah
Lebih terperinciSekapur Sirih. Sumenep, Agustus 2010 Kepala Badan Pusat Statistik Kabupaten Sumenep. Maryadi, SH, M.Hum
1 Sekapur Sirih Sesuai dengan Undang undang Nomor 16 Tahun 1997 tentang Statistik, Badan Pusat Statistik (BPS) bertanggung jawab menyediakan data statistic dasar dengan menyelenggarakan kegiatan Sensus
Lebih terperinciPERAN DAYA DUKUNG WILAYAH TERHADAP PENGEMBANGAN USAHA PETERNAKAN SAPI MADURA
Jurnal Ekonomi Pembangunan Volume 13, Nomor 2, Desember 2012, hlm.316-326 PERAN DAYA DUKUNG WILAYAH TERHADAP PENGEMBANGAN USAHA PETERNAKAN SAPI MADURA Budi Hartono Fakultas Peternakan Universitas Brawijaya
Lebih terperinciPEMETAAN KERUSAKAN MANGROVE DI MADURA DENGAN MEMANFAATKAN CITRA DARI GOOGLE EARTH DAN CITRA LDCM
PEMETAAN KERUSAKAN MANGROVE DI MADURA DENGAN MEMANFAATKAN CITRA DARI GOOGLE EARTH DAN CITRA LDCM Oleh : Firman Farid Muhsoni, S.Pi., M.Sc Program Studi Ilmu Kelautan Universitas Trunojoyo Madura email
Lebih terperinciPEMERINTAH KABUPATEN SUMENEP
PEMERINTAH KABUPATEN SUMENEP PERATURAN DAERAH KABUPATEN SUMENEP NOMOR : 19 TAHUN 2008 TENTANG ORGANISASI DAN TATAKERJA KECAMATAN DAN KELURAHAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI SUMENEP Menimbang
Lebih terperinciPENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR PENDIDIKAN FORMAL WAJIB BELAJAR 12 TAHUN MENGGUNAKAN CLUSTER HIERARCHY
TUGAS AKHIR SS 145561 PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR PENDIDIKAN FORMAL WAJIB BELAJAR 12 TAHUN MENGGUNAKAN CLUSTER HIERARCHY PUSPA DESI TRI ANDINI NRP 1314 030
Lebih terperinciANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil penelitian maka didapatkan kesimpulan sebagai berikut : 1. Dari hasil penelitian ini dihasilkan 12 komoditas pertanian yang menjadi komoditas unggulan
Lebih terperinciMESIN PENCARI DOKUMEN DENGAN PENGKLASTERAN SECARA OTOMATIS
ISSN: 693-6930 4 MESIN PENCARI DOKUMEN DENGAN PENGKLASTERAN SECARA OTOMATIS Entin Martiana, Nur Rosyid, Usmaida Agusetia Politeknik Elektronika Negeri Surabaya-Institut Teknologi Sepuluh Nopember Kampus
Lebih terperinciPENDUGAAN ANGKA MELEK HURUF DI KABUPATEN BANGKALAN MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN HIERARCHICAL BAYES
PENDUGAAN ANGKA MELEK HURUF DI KABUPATEN BANGKALAN MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN HIERARCHICAL BAYES 1 Risya Fadila, 2 Agnes Tuti Rumiati, 3 Nur Iriawan 1,2,3 Program Studi Statistika,
Lebih terperinciPEMERINTAH KABUPATEN SUMENEP DINAS PEKERJAAN UMUM PENGAIRAN Jalan Urip Sumoharjo No. 6 Telpon (0328) S U M E N E P
No. 02/KD-UmHK/435.109/2013 No. Paket : KD1302 Dengan ini diberitahukan bahwa setelah diadakan evaluasi dan Pembuktian menurut ketentuan yang berlaku oleh Panitia Pengadaan Proyek Anggaran Pendapatan dan
Lebih terperinciPemetaan Sektor Perikanan Laut Kabupaten/ Kota Jawa Timur dengan Metode Fuzzy K-Means Clustering
Pemetaan Sektor Perikanan Laut Kabupaten/ Kota Jawa Timur dengan Metode Fuzzy K-Means Clustering R.A. Norromadani.Y 1, Farizi Rahman 2, M. Basuki Rahmat 3 1 Program Studi Manajemen Bisnis, Jurusan Teknik
Lebih terperinciCLUSTER POTENSI SEKTOR PERIKANAN PADA PERAIRAN UMUM DI JAWA TIMUR TAHUN 2016
CLUSTER POTENSI SEKTOR PERIKANAN PADA PERAIRAN UMUM DI JAWA TIMUR TAHUN 2016 R.A. Norromadani Yuniati 1), Farizi Rachman 2) 1 Program Studi Manajemen Bisnis, Jurusan Teknik Bangunan Kapal, Politeknik Perkapalan
Lebih terperinciJumlah penduduk Kabupaten Bangkalan berdasarkan hasil SP2010 sebanyak orang dengan laju pertumbuhan sebesar 1,46 persen per tahun
Jumlah penduduk Kabupaten Bangkalan berdasarkan hasil SP2010 sebanyak 907.255 orang dengan laju pertumbuhan sebesar 1,46 persen per tahun Sekapur Sirih Sebagai pengemban amanat Undang-undang Nomor 16 Tahun
Lebih terperinciPengembangan Wilayah Berbasis Agroindustri di Kabupaten Sumenep
Pengembangan Wilayah Berbasis Agroindustri di Kabupaten Sumenep Oleh : Maulina Oktavia 3608100060 Program Studi Perencanaan Wilayah dan Kota Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh
Lebih terperinciPENGEMBANGAN DAERAH TERTINGGAL (UNDERDEVELOPMENT REGION) DI KABUPATEN SAMPANG
Program Studi Perencanaan Wilayah dan Kota Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Surabaya PENGEMBANGAN DAERAH TERTINGGAL (UNDERDEVELOPMENT REGION) DI KABUPATEN SAMPANG
Lebih terperinciANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,,
1 ANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,, Universitas Negeri Malang E-mail: desypurwaningyas@ymail.com Abstrak: Dengan
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciAnalisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur
Nama : Analisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur Dimas Okky S. (1307030006) Dosen Pembimbing : Dr.Dra.Ismaini Zain, MSi PENDAHULUAN LATAR BELAKANG Partisipasi
Lebih terperinciPENDUGAAN TINGKAT KEMISKINAN DI KABUPATEN SUMENEP DENGAN PENDEKATAN SAE
PENDUGAAN TINGKAT KEMISKINAN DI KABUPATEN SUMENEP DENGAN PENDEKATAN SAE Moh. Yamin Darsyah dan Rochdi Wasono Program Studi Statistika Unimus, Semarang mydarsyah@yahoo.com ABSTRAK Small area estimation
Lebih terperinciPROFIL DINAS PEKERJAAN UMUM PENGAIRAN KABUPATEN SUMENEP TAHUN 2010
PROFIL DINAS PEKERJAAN UMUM PENGAIRAN KABUPATEN SUMENEP TAHUN 2010 SATUAN KERJA A. DASAR HUKUM SATUAN KERJA 1. Peraturan daerah Kabupaten Sumenep Nomor 02 Tahun 2006 tentang Pembentukan Organisasi Dinas
Lebih terperinciUniversitas Negeri Malang Kata Kunci: cluster, single linkage, complete linkage, silhouette, pembangunan manusia.
1 PERBANDINGAN JUMLAH KELOMPOK OPTIMAL PADA METODE SINGLE LINKAGE DAN COMPLETE LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE: Studi Kasus pada Data Pembangunan Manusia Jawa Timur Yuli Novita Indriani 1, Abadyo
Lebih terperinciJurnal KELAUTAN, Volume 4, No.1 April 2011 ISSN : INVENTARISASI DATA POTENSI SUMBERDAYA WILAYAH PESISIR KABUPATEN SUMENEP
INVENTARISASI DATA POTENSI SUMBERDAYA WILAYAH PESISIR KABUPATEN SUMENEP Firman Farid Muhsoni 1 Mohammad Syarief 2 Mahfud Effendi 2 1 Jurusan D3 Manajemen Informatika Universitas Trunojoyo Madura 2 Jurusan
Lebih terperinciPengembangan Daerah Tertinggal di Kabupaten Sampang
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 C -38 Pengembangan Daerah Tertinggal di Kabupaten Ovi Resia Arianti Putri dan Eko Budi Santoso. Program Studi Perencanan Wilayah dan Kota, Fakultas
Lebih terperinciBAB III PEMBAHASAN. survei yang dilakukan BPS pada 31 Oktober Langkah selanjutnya yang
BAB III PEMBAHASAN Data yang digunakan dalam skripsi ini merupakan data sekunder yang diperoleh dari buku saku Ikhtisar Data Pendidikan Tahun 2016/2017. Data tersebut dapat dilihat pada Lampiran 1. Data
Lebih terperinciPENGELOMPOKAN WILAYAH MADURA BERDASAR INDIKATOR PEMERATAAN PENDIDIKAN MENGGUNAKAN PARTITION AROUND MEDOIDS DAN VALIDASI ADJUSTED RANDOM INDEX
Journal of Information Systems Engineering and Business Intelligence Vol. 1, No. 1, April 2015 PENGELOMPOKAN WILAYAH MADURA BERDASAR INDIKATOR PEMERATAAN PENDIDIKAN MENGGUNAKAN PARTITION AROUND MEDOIDS
Lebih terperinciIDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR
Saintia Matematika Vol. 2, No. 1 (2014), pp. 1 11. IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR Aswin Bahar, Gim Tarigan, Pengarapen Bangun Abstrak. Pernikahan dini merupakan
Lebih terperinciTEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL
TEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL Nadia Damayanti 1, Nur Rosyid Mubtada i, S.Kom, M.Kom 2, Afrida Helen S.T, M.Kom
Lebih terperinciAnalisis Faktor dan Pengelompokan Kecamatan berdasarkan Indikator Mutu Pendidikan Jenjang Pendidikan Dasar di Kabupaten Sidoarjo
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) D-236 Analisis Faktor dan Pengelompokan Kecamatan berdasarkan Indikator Mutu Pendidikan Jenjang Pendidikan Dasar di Kabupaten
Lebih terperinciCAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
Lebih terperinciKlasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan
Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul
Lebih terperinciPERSEMBAHAN PRODI ILMU KELAUTAN UNIVERSITAS TRUNOJOYO MADURA UNTUK MARITIM MADURA
PERSEMBAHAN PRODI ILMU KELAUTAN UNIVERSITAS TRUNOJOYO MADURA UNTUK MARITIM MADURA Penanggung Jawab: Ketua Program Studi Ilmu Kelautan Universitas Trunojoyo Madura Editor: Prof. Dr. Ir. M. Zainuri, M.Sc.
Lebih terperinciLABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING
LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA Modul II CLUSTERING TUJUA PRAKTIKUM 1. Mahasiswa mempunyai pengetahuan dan kemampuan dasar dalam
Lebih terperinciPENGEMBANGAN DAERAH TERTINGGAL (UNDERDEVELOPMENT REGION) DI KABUPATEN SAMPANG
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 PENGEMBANGAN DAERAH TERTINGGAL (UNDERDEVELOPMENT REGION) DI KABUPATEN SAMPANG Ovi Resia Arianti Putri, Eko Budi Santoso. Program Studi Perencanan Wilayah
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciPENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER Artanti Indrasetianingsih Dosen Program Studi Statistika, FMIPA
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK
ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciAnalisis Pengelompokan dengan Metode K-Rataan
511 Analisis Pengelompokan dengan Metode K-Rataan Titin Agustin Nengsih Fakultas Syariah IAIN Sulthan Thaha Saifuddin Jambi Abstrak Analisis pengelompokkan adalah salah satu metode eksplorasi data untuk
Lebih terperinci(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST
(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST 1Nor Indah FitriyaNingrum, 2 Suwanda, 3 Anna Chadidjah 1Mahasiswa JurusanStatistika FMIPA UniversitasPadjadjaran 2Jurusan Statistika FMIPA Universitas
Lebih terperinciSMALL AREA ESTIMATION PENGELUARAN PER KAPITA DI KABUPATEN BANGKALAN DENGAN METODE HIERARCHICAL BAYES
Statistika, Vol., No., November 5 SMALL AREA ESTIMATION PENGELUARAN PER KAPITA DI KABUPATEN BANGKALAN DENGAN METODE HIERARCHICAL BAYES Andi Muhammad Ade Satriya, Nur Iriawan, Brodjol Sutijo S. U,, Program
Lebih terperinciPENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN
E-Jurnal Matematika Vol. (), Mei, pp. - ISSN: - PENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN Ni Wayan Aris Aprilia A.P, I Gusti Ayu Made Srinadi, Kartika Sari Jurusan Matematika,
Lebih terperinciRANCANG BANGUN PENCARIAN TUGAS AKHIR DENGAN METODE HILL CLIMBING AUTOMATIC CLUSTER TUGAS AKHIR
RANCANG BANGUN PENCARIAN TUGAS AKHIR DENGAN METODE HILL CLIMBING AUTOMATIC CLUSTER TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciSemakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).
3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciJumlah rumah tangga usaha pertanian di Kabupaten Sumenep Tahun 2013 sebanyak rumah tangga
Jumlah rumah tangga usaha pertanian di Kabupaten Sumenep Tahun 2013 sebanyak 227.648 rumah tangga Jumlah perusahaan pertanian berbadan hukum di Kabupaten Sumenep Tahun 2013 sebanyak 6 Perusahaan Jumlah
Lebih terperinciPerencanaan dan Penataan Menara Telekomunikasi Seluler Bersama di Kabupaten Bangkalan Menggunakan MapInfo Dwi Adha Manjayanti
Perencanaan dan Penataan Menara Telekomunikasi Seluler Bersama di Kabupaten Bangkalan Menggunakan MapInfo Dwi Adha Manjayanti 2211106048 Dosen Pembimbing: Dr. Ir. Achmad Mauludiyanto, MT. Overview Pendahuluan
Lebih terperinciPENENTUAN KEMIRIPAN TOPIK PROYEK AKHIR BERDASARKAN ABSTRAK PADA JURUSAN TEKNIK INFORMATIKA MENGGUNAKAN METODE SINGLE LINKAGE HIERARCHICAL
PENENTUAN KEMIRIPAN TOPIK PROYEK AKHIR BERDASARKAN ABSTRAK PADA JURUSAN TEKNIK INFORMATIKA MENGGUNAKAN METODE SINGLE LINKAGE HIERARCHICAL Nur Rosyid M, Entin Martiana, Damitha Vidyastana, Politeknik Elektronika
Lebih terperinciOleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD
TUGAS AKHIR Oleh : Arief Yudissanta (1307 030 019) Pembimbing : Prof. Susanti Linuwih Mstat.PHD PENGELOMPOKAN SEKOLAH DASAR BERDASARKAN RATA-RATA NILAI UJIAN AKHIR SEKOLAH BERSTANDAR NASIONAL DI SETIAP
Lebih terperinciDAFTAR PESERTA PLPG TAHAP I WILAYAH MADURA TANGGAL 11/08/ /08/2009 MATA PELAJARAN BIMBINGAN KONSELING
MATA PELAJARAN BIMBINGAN KONSELING (810) 1 09052981010459 SITI SOERTINY SMP BK SMPN 2 Bangkalan Jl. KH. Hasyim Asyari 20 Bkl BANGKALAN 2 09052981010460 KUSBANDINAH, BA SMP BK SMPN 1 Kamal Jl. Banyujauh
Lebih terperinciWEB MINING UNTUK PENCARIAN DOKUMEN BAHASA INGGRIS MENGGUNAKAN HILL CLIMBING AUTOMATIC CLUSTER
WEB MINING UNTUK PENCARIAN DOKUMEN BAHASA INGGRIS MENGGUNAKAN HILL CLIMBING AUTOMATIC CLUSTER Hervilorra Eldira 1, Entin Martiana K 2., S.Kom M.Kom, Nur Rosyid M 2., S.Kom 1 Mahasiswa, 2 Dosen Pembimbing
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
Lebih terperinciPemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir
Jurnal Penelitian Sains Volume 14 Nomer 2(A) 14203 Pemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir Dian Cahyawati S. dan Oki Dwipurwani
Lebih terperinciPENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 13 23 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER
Lebih terperinciARAHAN PENGEMBANGAN KAWASAN PERTANIAN TANAMAN PANGAN DI KABUPATEN SAMPANG
Tugas Akhir RP091333 ARAHAN PENGEMBANGAN KAWASAN PERTANIAN TANAMAN PANGAN DI KABUPATEN SAMPANG Oleh: Azza Auliyatul Faizah 3609 100 009 Dosen Pembimbing Dr. Ir. Eko Budi Santoso, Lic. Rer. Reg. Page 1
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN
1 ANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN, dan, Universitas Negeri Malang Email: lina_ninos26@yahoo.com ABSTRAK:
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciBAB I PENDAHULUAN. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis
Lebih terperinciOleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si
Oleh : Nita Indah Mayasari - 1305 100 024 Dosen Pembimbing : Dra. Ismaini Zain, M.Si Jawa Timur Angka Rawan Pangan 19,3 % STATUS EKONOMI SOSIAL Rumah Tangga Pedesaan Rumah Tangga Perkotaan Perbedaan pengeluaran
Lebih terperinciDATA MINING DAN WAREHOUSE A N D R I
DATA MINING DAN WAREHOUSE A N D R I CLUSTERING Secara umum cluster didefinisikan sebagai sejumlah objek yang mirip yang dikelompokan secara bersama, Namun definisi dari cluster bisa beragam tergantung
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Traveling Salesmen Problem (TSP) Travelling Salesman Problem (TSP) merupakan sebuah permasalahan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing. Masalah
Lebih terperinciAnalisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya
Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI NASABAH KREDIT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 575-581 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI
Lebih terperinciBAB III GAMBARAN UMUM OBJEK PENELITIAN
BAB III GAMBARAN UMUM OBJEK PENELITIAN A. Gambaran Umum Kabupaten Sumenep 1. Sejarah Kabupaten Sumenep Sejak berdiri pada tahun 1269 M sampai dengan tahun 2010, Kabupaten Sumenep pernah diperintah oleh
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinciAplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM).
Aplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM). Irlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung. Abstrak Tujuan dari penelitian ini
Lebih terperinciTeknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil
Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya
Lebih terperinciAnalisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)
Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari
Lebih terperinciPengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps
Pengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps Muslem 1, Eko Mulyanto Yuniarno 2, I Ketut Eddy Purnama 3 Magister
Lebih terperinciSMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SUMENEP DENGAN PENDEKATAN NONPARAMETRIK
SMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SUMENEP DENGAN PENDEKATAN NONPARAMETRIK Moh Yamin Darsyah Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciAPLIKASI PENGGUNAAN METODE KOHONEN PADA ANALISIS CLUSTER (Studi Kasus: Pendapatan Asli Daerah Jawa Tengah Dalam Menghadapi Asean Community 2015)
APLIKASI PENGGUNAAN METODE KOHONEN PADA ANALISIS CLUSTER (Studi Kasus: Pendapatan Asli Daerah Jawa Tengah Dalam Menghadapi Asean Community 015) Rezzy Eko Caraka 1 (1) Statistics Center Undip, Jurusan Statistika,
Lebih terperinciANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X
ANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X Utami Rizky Damayanti 1308 030 06 Dosen Pembimbing: Dra. Sri Mumpuni R., MT Sidang Tugas Akhir Diploma III Statistika Institut
Lebih terperinciBAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode
BAB III K-MEANS CLUSTERING 3.1 Analisis Klaster Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada
Lebih terperinciPIPA PVC PUTU WITRI DEWAYANTI Dosen Pembimbing: Dr. Muhammad Mashuri, MT. Co Pembimbing: Wibawati, S.Si, M.Si. Kamis, 7 Juli 2011
PUTU WITRI DEWAYANTI 137131 1 PENERAPAN DIAGRAM KONTROL KOMBINASI MULTIVARIATE EXPONENTIAL WEIGHTED MOVING AVERAGE (MEWMA) PADA TAHAP CUTTING PROSES PRODUKSI PIPA PVC Dosen Pembimbing: Dr. Muhammad Mashuri,
Lebih terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciIMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING
IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING Yoga Bhagawad Gita 1, Ahmad Saikhu 2 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN. 7). Analisis ini dikelompokkan menjadi dua, yaitu analisis dependensi dan
BAB I PENDAHULUAN A. Latar Belakang Analisis multivariat merupakan analisis multivariabel yang berhubungan dengan semua teknik statistik yang secara simultan menganalisis sejumlah pengukuran pada individu
Lebih terperinci*Corresponding Author:
PERBANDINGAN KINERJA METODE COMPLETE LINKAGE DAN AVERAGE LINKAGE DALAM MENENTUKAN HASIL ANALISIS CLUSTER (Studi Kasus: Produksi Palawija Provinsi Kalimantan Timur 2014/2015) Silvia Ningsih 1, Sri Wahyuningsih
Lebih terperinciPEMBANGKITAN ATURAN FUZZY MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSA RISIKO PENYAKIT JANTUNG KORONER (PJK)
PEMBANGKITAN ATURAN FUZZY MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSA RISIKO PENYAKIT JANTUNG KORONER (PJK) Resti Ludviani 1, Candra Dewi, Dian Eka Ratnawati Program Studi Ilmu Komputer,
Lebih terperinciAnalisis Dan Pembahasan
Analisis DIskriminan Analisis Dan Pembahasan Variabel Variabel Pembeda Lamda P-value Penderita Diare Ditangani (X 13 ) 0,269 0,000 Pelayanan Anak Balita (X 8 ) 0,087 0,000 Pelayanan Kesehatan Dasar Masyarakat
Lebih terperinciFAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI
FAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI DAIMATUL KHOIRIYAH 1, MADE SUSILAWATI 2, DESAK PUTU EKA NILAKUSMAWATI 3 1, 2, 3 Jurusan Matematika
Lebih terperinciIrlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung.
Seminar Nasional Matematika 2008 Jurusan Matematika FMIPA UNPAD, Sumedang, 13 Desember 2008 Hierarchical Clustering Untuk Otomatisasi Pengelompokan Objek Pada Peta Dua Dimensi Hasil Analisis Multidimensional
Lebih terperinciAnalisis Faktor Terhadap Resiko Kejadian Diare pada Anak Balita di Kota Ambon
Statistika, Vol. 15 No. 2, 59-64 November 2015 Analisis Faktor Terhadap Resiko Kejadian Diare pada Anak Balita di Kota Ambon Ferry Kondo Lembang 1, Yuanita Samangun 2 1,2Jurusan Matematika Fakultas MIPA
Lebih terperinciKAJIAN FAKTOR PENYEBAB PENDERITA HIPERTENSI DENGAN MENGGUNAKAN ANALISIS FAKTOR DI KOTAMADYA MEDAN (Studi Kasus : RSUP H.
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 4 (2014), pp. 333 343. KAJIAN FAKTOR PENYEBAB PENDERITA HIPERTENSI DENGAN MENGGUNAKAN ANALISIS FAKTOR DI KOTAMADYA MEDAN (Studi Kasus : RSUP H. Adam Malik
Lebih terperinciPemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi
Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak
Lebih terperinciProsiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :
Clustering Data Status Tugas Belajar Dan Ijin Belajar Menggunakan Metode Fuzzy C-Means (Studi Kasus : Di Lingkungan Pemerintah Provinsi Kalimantan Timur) Fevin Triyas Rantika 1, Indah Fitri Astuti, M.Cs
Lebih terperinciInfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 3, No.2, September 2014
APLIKASI METODE-METODE AGGLOMERATIVE DALAM ANALISIS KLASTER PADA DATA TINGKAT POLUSI UDARA Oleh: Dewi Rachmatin Jurusan Pendidikan Matematika, UniversitasPendidikan Indonesia dewirachmatin@upi.edu ABSTRAK
Lebih terperinci