KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009

Ukuran: px
Mulai penontonan dengan halaman:

Download "KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009"

Transkripsi

1 KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya Abstra Kemajuan bangsa di masa depan sangat ditentuan oleh ualitas sumber daya manusia. Oleh arena itu, pembangunan harus dibarengi dengan perencanaan pendudu secara bai dan eluarga berencana (KB) merupaan salah satu pelayanan sosial dasar yang mempunyai ontribusi signifian terhadap pembangunan Sumber Daya Manusia. Dalam menyusesesan program KB, BKKBN (Badan Koordinasi Keluarga Berencana Nasional) Sidoarjo memperoleh bantuan dari pemerintah dalam penyediaan dan pengaloasian alat ontrasepsi, agar pengaloasian alat ontrasepsi tersebut lebih tepat sasaran, maa pemerintah abupaten Sidoarjo perlu mengetahui ecenderungan penggunaan alat ontrasepsi ecamatan-ecamatan di Sidoarjo berdasaran alat ontrasepsi yang digunaan. Dalam penelitian ini analisis yang digunaan menggunaan Analisis orespondensi dan jenis alat ontrasepsi yang digunaan yaitu IUD, Implant, Metode Operasi, Sunti, Susu dan Kondom emudian dilanjutan dengan analisis desriptif untu melihat arateristi esehatan masyaraat abupaten Sidoarjo. Hasil dari analisis orespondensi didapatan yaitu Kecamatan yang cenderung memaai alat ontrasepsi IUD adalah Kec.Sedati Kecamatan yang cenderung memaai alat ontrasepsi Metode Operasi meliputi Kec. Buduran, Krian. Kecamatan yang cenderung memaai alat Implant meliputi Kec. Sidoarjo, candi, Taman, Gedangan. Kecamatan yang cenderung memaai sunti meliputi Kec. Porong, Krembung, Tulangan, Tanggulangin, Jabon, Balongbendo, Wonoayu, Tari, Prambon dan Suodono. Sedangan yang cenderung menggunaan alat ontrasepsi Kondom adalah Kec. Waru. Kata unci: Analisis Korespondensi, KB, Alat ontrasepsi.. Pendahuluan Kemajuan bangsa di masa depan sangat ditentuan oleh ua-litas sumber daya manusia. Oleh arena itu, pembangunan harus dibarengi dengan perencanaan pendudu secara bai, dan eluarga berencana merupaan salah satu pelayanan sosial dasar yang mempu-nyai ontribusi signifian terhadap pembangunan Sumber Daya Manusia. Dalam menyusesan dan pelasanaan program KB, pemerintah Kabupaten Sidoarjo memperoleh bantuan atau subsidi dari pemerintah mengenai anggaran disetor KB yaitu dalam penyediaan dan pengaloasian alat ontrasepsi. Karena eterbatasan dana yang diberian oleh pemerintah untu menyediaan alat ontrasepsi dan adanya beranea jenis alat ontrasepsi yang digunaan (IUD, Metode Operasi, Mow, Implan, Sunti, Pil, dan Kondom) oleh masyaraat, maa agar pengaloasian alat ontrasepsi berdasaran jenisnya tersebut bisa tepat sasaran, pemerintah abupaten Sidoarjo perlu mengetahui informasi mengenai ecenderungan penggunaan alat ontrasepsi para peserta KB atif pada Kecamatan di Sidoarjo berdasaran metode atau alat ontrasepsi apa yang dipaai sehingga pengaloasian alat ontrasepsi yang digunaan bisa tepat sasaran. Berdasaran latar belaang tersebut maa penelitian ini bertujuan untu mengetahui ecenderungan jenis alat ontrasepsi yang digunaan oleh peserta KB atif pada ecamatan ecamatan di Sidoarjo dengan obje penelitian adalah ecamatan-ecamatan di abupaten Sidoarjo dan variable penelitiannya adalah metode atau alat ontrasepsi yang digunaan. Metode yang coco untu menyelesaian permasalahan dalam penelitian ini adalah dengan menggunaan metode analisis orespondensi, yang merupaan salah satu metode yang digunaan untu mengetahui pola ecenderungan jenis alat ontrasepsi yang

2 digunaan di ecamatan ecamatan di Sidoarjo. Analisis orespondensi ini juga pernah digunaan oleh Fenty (007), yang berhasil mengelompoan Kecamatan-ecamatan di Tulungagung berdasaran jenis alat ontrasepsi yang digunaan tiap Kecamatan tahun Dyah (008), mengelompoan ecamatan-ecamatan di Surabaya berdasaran jenis alat ontrasepsi yang di-gunaan tiap Kecamatan-ecamatan di Surabaya tahun 006 dan Resti (007), yang mengelompoan Kabupaten/Kota di Jawa Timur berdasaran jenis alat ontrasepsi yang digunaan peserta KB atif pada Kabupaten/Kota di Jawa Timur. Dari penelitian-penelitian sebelumnya pengelompoan abupaten/ota atau ecamatan masih terbatas hanya pada pengelompoan daerah berdasaran jenis alat ontrasepsinya saja. Pada penelitian ini selain melihat ecenderungan penggunaan alat ontrasepsi yang digunaan pada tiap-tiap ecamatan di Sidoarjo, juga aan dilauan analisis desriptif terhadap fator-fator yang berpengaruh terhadap penggunaan alat ontrasepsi pada masing-masing ecamatan di abupaten Sidoarjo tahun 009. Fatorfator yang berpengaruh terhadap penggunaan alat ontrasepsi yaitu Mortalitas ana, Agama dan Peerjaan (Dwi Ratna, 000).. Latar Belaang Metodologi. Statistia Desriptif Metode statisti adalah prosedur-prosedur yang digunaan dalam pengumpulan, penya-jian, analisis dan penafsiran data. Statisti desriptif adalah metode-metode yang beraitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberian informasi yang berguna. Perlu dimengerti bahwa statistia desriptif memberian informasi hanya mengenai data yang dipunyai, misalnya tabel, diagram, grafi dan besaran besaran lain yang termasu dalam ategori statistia desriptif (Walpole, 995).. Analisis Korespondensi Analisis Korespondensi merupaan prosedur grafis untu menggambaran suatu hubungan pada tabel freuensi (Johnson and Wichern, 00). Analisis Korespondensi sebagai teni yang memperagaan baris dan olom matris data (terutama Tabel Kontingensi dua arah) sebagai titi dalam ruang vetor berdimensi rendah. Uji Chi-Square digunaan untu memerisa ada tidanya hubungan antar dua variabel. Uji Chi-Square inilah yang dugunaan untu memerisa etidatergantungan yang aan digunaan untu memutusan apaah edua variabel dalam suatu populasi saling bebas. Adapun langah awalnya membuat tabel ontingensi dua arah adalah tabel yang mencatat data hasil pengamatan dengan melibatan dua variabel Y dan X sebagai variabel baris terdiri dari I ategori dan variabel Y terdiri dari J ategori. (Agresti, 007) Hipotesis : Ho : Kedua variabel saling independen. H : Kedua variabel tida saling bebas (dependen). Statisti ujinya adalah sebagai beriut : Dimana: I J [x ij eij ] i= j= χ = eij [] e ij = x i. x. j n..

3 Daerah penolaan : Tola Ho jia nilai Tola Ho, Jia χ χ > ( α, ) Keterangan : x.j = Nilai observasi pada olom e-j x i. = Nilai observasi pada baris e-i n.. = Jumlah pengamatan e ij = Nilai harapan pada baris e-i dan olom e-j = Nilai pengamatan pada baris e-i dan olom e-j x ij Uji independensi pearson chi square dapat digunaan jia nilai harapan lebih dari 5 (e ij > 5) (Agresti, 007). Hasil dari orespondensi analisis biasanya menghasilan dua dimensi terbai untu mempresentasian data, yang menjadi oordinat titi dan suatu uuran jumlah informasi yang ada dalam setiap dimensi (dinamaan inertia). Secara geometris bentu olom dari suatu matris X rc dengan r baris dan c olom dipandang sebagai titi titi dalam suatu ruang berdimensi c atau r. Tabel. Bentu Umum Tabel Kontingensi Var Var Total 3.. P X X X 3.. X c X. X X X 3.. X c X. 3 X 3 X 3 X 33.. X 3c X n X r X r X r3.. X rc Xr. Total X. X. X.3.. X.c n.. Sumber : Greenacre, 984 c r. = X j = x ij j= i= X i x ij r c x ij i= j=. X =.. [] Dimana i =,,...r j=,,...c Setiap baris diperlauan sebagai suatu titi dalam ruang berdimensi c yang dilambangan dengan R c dan selanjutnya dise-but sebagai ruang individu, demiian pula untu olom olom-nya dimana setiap olom diperlauan sebagai satu titi dalam ruang berdimensi r yang dilambangan dengan R r dan selanjut-nya disebut dengan ruang variabel (Greenacre, 984). Secara umum matris data beruuran r x c dengan unsur unsur x ij sebagai freuensi. Untu mendapatan sebuah visua-lisasi baris dan olom matris data asli dalam dimensi yang lebih rendah terlebih dahulu dibangun matris P (rxc) sebagai analisis orespondensi (correspondence analysis matrix). Matris analisis orespondensi P (rxc) didefinisian sebagai matris freuensi relatif dari x, maa : x rc n.. P rc =, [3] Dimana i =,,...r j=,,...c Jia X rc adalah tabel ontingensi maa P (rxc) adalah fung-si probabilitas bersama empiri. Jumlahan baris P dinotasian oleh r. Dari sini dibuat matris diagonal dengan elemen diagonal r adalah D r yang beruuran nxn. Jumlahan olom dari P (rxc) dinotasian dengan c (px). Dari sini dibuat matris diagonal D c dengan elemen diagonal c yang beruuran cxc. Dimana notasi matrisnya : 3

4 i i J r = p j= I ij c = p J xij =, i =,,...,I. atau r j= n ij I xij =, j =,,...,J. atau n ( Ix) ( IxJ) ( Jx ) = P i= i= ( Jx) ( JxI) ( ) dimana J adalah vetor Jx dan I adalah vetor Ix. c = P T J Ix I [4] Tabel. Bentu Umum Freuensi Relatif Dua Dimensi Var Var Massa 3.. p Baris P P P 3 P c P. P P P 3 P c P. 3 P 3 P 3 P 33 P 3c P 3. n P r P r P r3 P rc P n. Massa Kolom P. P. P.3 P.c Sumber : Johnson and Wichern, 00 r c = =. j= i= P i P ij P j P ij. P = r c.. P ij [5] i= j= Dimana : i =,,...r j =,,...c Bentu matris diagonal jumlahan baris dan olom dari matris orespondensi adalah : p p p p.... D r =.. p 3... D c =.. p.3.. [6] p r p.c Profil vetor baris dan profil vetor olom didefinisian se-bagai elemen vetor vetor baris dan olom dari P dibagi den-gan massanya. Sebanya r profil baris anggota dari ruang berdi--mensi r ditulis dalam baris baris R. Sebanya c profil olom anggota dari ruang berdimensi c dirilis dalam baris baris C. Adapun matris profil baris dan olom masing masing adalah sebagai beriut : r T c T.. R = D r P =. C = D c PT =. [7] r T n c T p Greenacre (984) menyataan penguraian nilai singular / Singular Value Decomposition (selanjutnya ditulis SVD) merupaan satu dari banya cara pada algoritma matris dan terdiri dari onsep deomposisi eigenvalue/eigenvetor (biasa disebut eigendeomposisi). Nilai singular dicari untu mem-peroleh oordinat baris dan olom sehingga hasil Analisis Korespondensi dapat divisualisasian dalam bentu grafi. Banya axis: d = min[(i ),(J )]. K ( D u )( D v ) T P rc = λ [8] = r c T 4

5 dimana P rc T adalah nilai singular deomposisi (SVD), λ ada-lah nilai singular, vetor u Ix dan vetor v Jx merupaan si-ngular vetor orespondensi matris D ( P rc ) D yang beruuran IxJ, dan ran K>. r c Koordinat profil baris: F = λ Dr u Koordinat profil olom: [9] G = λ Dc v Total inersia adalah uuran variasi data dan ditentuan dengan jumlah uadrat terboboti. ( ) ( ( ) ) ( ) = T T pij rc i j tr D r P rc Dc Dr P rc D [0] c i j rc i i Dimana λ adalah nilai singular dari nilai singular deomposisi matris T D r ( P rc ) D. K adalah banyanya solusi dimensi sehingga =, (Johnson and c Dean, 00). Inersia baris [Greenacre, 984]: T in(i) = ir ( ~ i ri c) D ( ~ c ri c) atau = T T T [] in(i) trace D ( ) ( ) r R c Dc R c Inersia olom: T in(j) = jc ( ~ j cj r) D ( ~ r cj r) atau [] = T T T in(j) trace D ( ) ( ) c C r Dr C r dimana : ~ Pij rij = dan ~ Pij c ij =, j =,...p i =,...n ri ci Kontribusi relatif adalah (relative contribution) adalah bagian ragam dari suatu titi yang dapat di-terangan oleh sumbu utamanya. Semain tinggi nilai orelasi uadrat menunjuan bahwa sumbu utama mampu menerangan nilai inersia dengan bai seali, dan sebalinya semain ecil nilai orelasi uadrat maa semain sediit nilai investasi yang dapat diterangan oleh sumbu utama. Kontribusi relatif atau orelasi baris e i atau olom j dengan omponen adalah ontribusi axis e inersia baris e i atau olom e j, dinyataan dalam persen inersia baris e i atau olom e j. ( massa baris ei )( f ) Korelasi axis e, baris e i = i [3] ( inersia baris e i) ( massa olome j ) f Korelasi axis e, olom e j = j [4] ( inersia olome j) dimana f i adalah oordinat profil baris e i pada axis e, f j adalah oordinat profil olom e j pada axis e. Kontribusi baris e i atau olom e j e axis (ontribusi mutla), Kontribusi mutla (absolute contribution) adalah proporsi eragaman yang diterangan masingmasing titi terhadap sumbu utamanya. Nilai ontribusi mutla digunaan untu menentuan suatu titi yang masu pada suatu fator atau dimensi dengan riteria bahwa titi yang masu e dalam suatu fator adalah yang mempunyai nilai atau proporsi yang terbesar dinyataan dengan persen inersia axis e. 5

6 Kontribusi baris e i dan massa ( baris e i )( f ) axis e = i ( inersia axis e ) Kontribusi olom e j dan ( massa olom e j) f axis e = j [6] ( inersia axis e ) χ yang merupaan jara uadrat antara vetor p dari freuensi relatif observasi dan vetor p dari espetasi freuensi relatif, n merupaan total freuensi observasi [Greenacre, 984]. Nilai χ dapat ditulisan dalam rumus sebagai beriut: T χ i = ni ( pi p) Dp ( pi p) [7] total χ adalah χ = χ [8] i i dimana elemen e j dari p dapat ditulisan sebagai beriut: p = in ip i in i p [ ] T i = pi pi pi3... pij [9] Maa jara Chi-Square (hi-uadrat)dapat dicari dengan rumus sebagai beriut: T d i = ( p i p) D p ( p i p) [0] Dalam jara hi-uadrat ini, pada setiap suu uadratnya diboboti oleh ebalian freuensi masing-masing. Jara hi-uadrat dapat dionversian menjadi nilai similarity dengan memberi tanda yang berlawanan dengan tanda pada nilai difference (Hair, 998). Dimana nilai difference adalah: Difference = nilai atual nilai espetasi.3 Data Data yang digunaan dalam penelitian ini adalah data seunder dari hasil pendataan peserta KB atif metode ontrasep-si yang diperoleh dari dinas esehatan Kabupaten Sidoarjo. Sedangan data mengenai Jumlah ematian bayi, Jumlah penganut agama dan jenis peerjaan masyaraat tiap ecamatan diperoleh dari BPS (Badan Pusat Statisti) dalam buu Sidoarjo dalam Anga 00. [5].4 Obye dan Variabel Penelitian Pada penelitian ini obye dan variabel p enelitiannya adalah sebagai beriut : - Obye Penelitian Kecamatan-ecamatan yang ada di Sidoarjo ada sebanya 8 ecamatan yaitu :. Sidoarjo. Buduran 3. Candi 4. Porong 5. Krembung 6. Tulangan 7. Tanggulangin 8. Jabon 9. Krian 6

7 0. Balongbendo. Wonoayu. Tari 3. Prambon 4. Taman 5. Waru 6. Gedangan 7. Sedati 8. Suodono - Variabel Penelitian Variabel Utama. IUD. Metode Operasi (MO) 3. Implant (IMP) 4. Sunti 5. Pil 6. Kondom Variabel Penduung. Mortalitas / ematian ana tiap ecamatan. Jumlah penganut agama tiap ecamatan 3. Jenis peerjaan pendudu tiap ecamatan.5 Metode Analisis Metode analisis yang digunaan adalah analisis orespondensi dan desriptif. Adapun langah-langah dalam menganalisis data adalah yang pertama menggunaan analisis orespondensi untu mengetahui ecenderungan ecamatan-ecamatan di Sidoarjo berdasaran jenis alat ontrasepsi yang digunaan, dengan vetor barisnya ecamatan ecamatan di Sidoarjo dan vetor olomnya alat ontrasepsi yang digunaan, emudian dilanjutan dengan analisis desriptif untu melihat fator-fator yang berpengaruh terhadap penggunaan alat ontarsepsi dengan langah langah analisisnya sebagai beriut : (i) Membuat tabel ontingensi yang disusun dalam bentu matris pada abupaten (ii) Menyusun matris orespondensi atau matris proporsi (P) yaitu dengan membagi masing-masing elemen pada tiap baris dan tiap olom dengan total freuensi semua peserta KB atif (n) (iii) Menyusun matris profil baris dan profil olom. (iv) Menghitung nilai singular deomposisi (SVD) (v) Menghitung oordinat profil baris dan profil olom (vi) Mencari nilai inersia, ini digunaan untu mengelompoan wilayah di Sidoarjo berdasaran jenis alat ontrasepsi yang digunaan peserta KB atif. (vii) Mencari nilai ontribusi relatif dan ontribusi mutla untu menentuan masu dimensi mana. 3. Hasil dan Pembahasan Berdasaran tujuan dari penelitian yaitu mengetahui ecenderungan jenis alat ontrasepsi yang digunaan oleh peserta KB atif di ecamatan ecamatan di Sidoarjo. Dalam penelitian ini menggunaan analisis orespondensi dan analisis desriptif. Analisis orespondensi digunaan untu melihat ecenderungan ecamatan-ecamatan di Sidoarjo berdasaran jenis alat ontrasepsi yang digunaan pada tahun 009. Berdasaran analisis orespondensi ini pemerintah aan mengetahui ecenderungan masing masing ecamatan di Sidoarjo berdasaran jenis alat ontrasepsi yang digunaan, sehingga peme- 7

8 rintah dapat mengaloasian bantuan terutama dalam pelayanan dan penyediaan alat ontrasepsi guna mensusesan program eluarga berencana. Sedangan analisis desriptif digunaan untu melihat fator-fator yg berpengatruh terhadap penggunaan alat ontrasepsi, yang dapat dilihat dari Mortalitas/ematian bayi tiap ecamatan, Jumlah penganut agama tiap ecamatan dan Jenis peerjaan pendudu tiap ecamatan. 3. Analisis Korespondensi Sebelum melauan analisis orespondensi, terlebih dahulu melauan analisis hubungan atau yang biasa disebut uji Chi-square sehingga dapat dietahui ada atau tidanya eter-aitan hubungan antara variabel ecamatan dengan variabel jumlah peserta KB atif metode ontrasepsi sebagai beriut : Hipotesis : Ho : Kecamatan dengan jenis alat ontrasepsi saling independen. H : Kedua variabel tida saling bebas (dependen). α : 0,05 I J [x ij eij ] i= j= Statisti Uji : χ = = 36007,6 eij χ (0.05,8 ) = 7, 59 Hasil tersebut menunjuan hubungan antara ecamatan yang ada di Sidoarjo terhadap jumlah peserta KB atif yang menggunaan alat ontrasepsi dengan nilai Chi Square sebesar 36007,6 Daerah Kritis : Tola Ho, Jia χ > χ (0.05,8 ) Keputusan : Berdasaran tabel Chi Square didapatan nilai χ > χ (0.05,8 ) maa diperoleh eputusan tola Ho. Kesimpulan : Jadi dapat disimpulan ada hubungan antara loasi temp-at tinggal (ecamatan) dan pemilihan alat ontrasepsi. 3.. Analisis orespondensi terhadap peserta KB atif abupaten Sidoarjo Untu melihat ecenderungan penggunaan alat ontrasepsi peserta KB atif pada tiap-tiap ecamatan di Sidoarjo, maa digu-naan analisis orespondensi beriut ini: Tabel 3. Redusi Dimensi Data Dimensi Inersia Proporsi Kumulatif Tabel 3 diatas menjelasan besarnya nilai inersia, proporsi dan proporsi umulatif dari data peserta KB Atif di abupaten Sidoarjo. Nilai inersia terbesar berada pada dimensi dan, pada dimensi nilai inersia sebesar dengan nilai proporsi sebesar berarti dimensi dapat menjelasan eragaman data sebesar 58.06%, sedangan pada dimensi, nilai inersia sebesar 0.09 dengan nilai proporsi sebesar 0.8 berarti dimensi dapat menjelasan eragaman data sebesar 8.%. Sehingga pengelompoan peserta KB atif di abupaten Sidoarjo diredusi menjadi dimensi yang dapat menjelasan variabilitas data asli sebesar 86,8%. Dari tabel redusi dimensi telah dietahui bahwa pengelompoan peserta KB atif di wilayah Sidoarjo diredusi menjadi dimensi.kemudian dilauan perhitungan nilai 8

9 massa, ontribusi relatif, dan ontribusi mutla pada tiap-tiap dimensi dari tiap-tiap ecamatan di abupaten Sidoarjo. Besarnya nilai ontribusi relatif pada tiap-tiap dimensi dan besarnya nilai ontribusi mutla pada tiap-tiap dimensi dari ecamatan-ecamatan digunaan sebagai dasar pengelompoan ecamatan-ecamatan di abupaten Sidoarjo. Pengelompoan ecamatan-ecamatan yang ada di Sidoarjo berdasaran nilai ontribusi relatif dan ontribusi mutla. Tabel 4. Nilai Kontribusi Mutla dan Kontribusi Relatif ecamatan ecamatan di Sidoarjo Kontribusi Mutla Kontribusi Relatif Kecamatan Qual Mass Dimensi Dimensi Dimensi Dimensi Sidoarjo 0,975 0,05 0,00 0,9 0,70 0,805 Buduran 0,467 0,0 0,0 0,000 0,467 0,000 Candi 0,464 0,044 0,000 0,03 0,0 0,453 Porong 0,937 0,454 0,000 0,04 0,034 0,903 Krembung 0,59 0,0 0,004 0,00 0,45 0,346 Tulangan 0,88 0,05 0,07 0,0 0,633 0,95 Tanggulangin 0,906 0,033 0,05 0,043 0,496 0,40 J a b o n 0,875 0,06 0,09 0,07 0,5 0,36 Krian 0,508 0,08 0,005 0,004 0,366 0,4 Balongbendo 0,0 0,09 0,00 0,00 0,08 0,005 Wonoayu 0,70 0,09 0,006 0,033 0,85 0,534 Tari 0,468 0,00 0,004 0,003 0,37 0,40 Prambon 0,94 0,048 0,038 0,60 0,303 0,6 Taman 0,53 0,055 0,004 0,03 0,04 0,48 Waru 0,998 0,038 0,840 0,048 0,97 0,07 Gedangan 0,80 0,040 0,000 0,77 0,000 0,80 Sedati 0,779 0,05 0,00 0,3 0,0 0,767 Suodono 0,657 0,03 0,004 0,03 0,63 0,393 Berdasaran Tabel 4 diatas, maa dapat dietahui nilai Qual (Quality), Massa, Kontribusi Mutla, dan Kontribusi Relatif di tiap-tiap ecamatan di Sidoarjo, untu nilai Qual ter-tinggi berada pada ecamatan Waru yaitu sebesar 0,998 yang berarti semain tinggi nilai Qual maa semain uat variabel ecamatan menjelasan dimensi. Nilai profil-profil baris yang memberian ontribusi besar dalam pembentuan sumbu pertama dan sumbu edua atau dapat melauan pengelompoan ecamatan-ecamatan yang ada di abupaten Sidoarjo berdasaran ontribusi relatif dan ontribusi mutla. Beriut ini adalah pembentuan sumbu-sumbunya :. Profil profil baris yang memberian ontribusi besar dalam pembentuan dimensi pertama adalah a. Kecamatan Buduran dengan ontribusi mutla sebesar, % dan ontribusi relatif 46,7 %. b. Kecamatan Tulangan dengan ontribusi mutla sebesar,7 % dan ontribusi relatif 63,3 %. c. Kecamatan Krian dengan ontribusi mutla sebesar 0,5 % dan ontribusi relatif 36,6 %. d. Kecamatan Balongbendo dengan ontribusi mutla sebesar 0, % dan ontribusi relatif,8 %. e. Kecamatan Tari dengan ontribusi mutla sebesar 0,4 % dan ontribusi relatif 3,7 %. f. Kecamatan Waru dengan ontribusi mutla sebesar 84 % dan ontribusi relatif 97, %. 9

10 . Profil profil baris yang memberian ontribusi besar dalam pembentuan dimensi edua adalah : a. Kecamatan Sidoarjo dengan ontribusi mutla sebesar9, % dan ontribusi relatif 80,5 %. b. Kecamatan Candi dengan ontribusi mutla sebesar 3, % dan ontribusi relatif 45,3 % c. Kecamatan Porong dengan ontribusi mutla sebesar,4 % dan ontribusi relatif 90,3 % d. Kecamatan Krembung dengan ontribusi mutla sebesar,0 % dan ontribusi relatif 34,6 % e. Kecamatan Tanggulangin dengan ontribusi mutla sebesar 4,3 % dan ontribusi relatif 4,0 % f. Kecamatan Jabon dengan ontribusi mutla sebesar,7 % dan ontribusi relatif 36, % g. Kecamatan Wonoayu dengan ontribusi mutla sebesar 3,3 % dan ontribusi relatif 53,4 % h. Kecamatan Prambon dengan ontribusi mutla sebesar 6,0 % dan ontribusi relatif 6, % i. Kecamatan Taman dengan ontribusi mutla sebesar 0,3 % dan ontribusi relatif 48, % j. Kecamatan Gedangan dengan ontribusi mutla sebesar 7,7 % dan ontribusi relatif 80, %. Kecamatan Sedati dengan ontribusi mutla sebesar 3, % dan ontribusi relatif 76,7 % l. Kecamatan Suodono dengan ontribusi mutla sebesar,3 % dan ontribusi relatif 39,3 % Tabel 5. Nilai Kontribusi Mutla dan Kontribusi Relatif Berdasaran Jenis Kontrasepsi di Kabupaten Sidoarjo Jenis Kontrasepsi Qual Mass Kontribusi Mutla Dimensi Dimensi Kontribusi Relatif Dimensi Dimensi IUD MO Implant Sunti Pil Kondom Berdasaran Tabel 5. maa dapat dietahui nilai Qual (Quality), Massa, Kontribusi Mutla, dan Kontribusi Relatif pada jenis alat ontrasepsi di Kabupaten Sidoarjo, alat ontrsepsi Kondom mempunyai nilai Qual tertinggi dengan nilai 0,975 yang berarti se-main tinggi nilai Qual maa semain uat variabel alat ontrasepsi menjelasan dimen-si. Profil-profil olom yang memberian ontribusi besar dalam pembentuan dimensi pertama dan dimensi edua atau dapat melauan pengelompoan ecamatan-eca-matan yang ada di Kabupaten Sidoarjo. Beriut ini adalah pembentuan dimensi-dimensinya :. Profil profil olom yang memberian ontribusi besar dalam pembentuan dimensi pertama adalah a. MO dengan ontribusi mutla sebesar,9 % dan ontribusi relatif 4,5 %. b. Pil dengan ontribusi mutla sebesar,9 % dan ontribusi relatif 60, %. c. Kondom dengan ontribusi mutla sebesar 75 % dan ontribusi relatif 94,5 %.. Profil profil baris yang memberian ontribusi besar dalam pembentuan dimensi edua adalah a. IUD dengan ontribusi mutla sebesar 60,5 % dan ontribusi relatif 88,8 %. 0

11 b. Implant dengan ontribusi mutla sebesar 0 % dan ontribusi relatif 40 %. c. Sunti dengan ontribusi mutla sebesar 9,6% dan ontribusi relatif 48,7 %. Kecenderungan ecamatan-ecamatan dengan jenis alat ontrasepsi yang digunaan dapat dilihat dari nilai oordinat yang dibentu oleh plot- plot yang dapat dilihat dari Tabel beriut :. Tabel 6. Koordinat Profil Baris dan Profil Kolom Kecamatan Profil Baris Jenis Profil Kolom Dimensi Dimensi Kontrasepsi Dimensi Dimensi Sidoarjo 0,4 0,70 IUD 0,0 0.4 Buduran -0,49-0,003 MO Candi -0,09 0,6 Implant Porong -0,005-0,05 Sunti Krembung -0,08-0,096 Pil 0, Tulangan -0,6-0,090 Kondom, Tanggulangin -0,74-0,58 J a b o n -0,3-0,79 Krian -0,089 0,055 Balongbendo 0,046-0,03 Wonoayu -0,087-0,48 Tari -0,083-0,055 Prambon -0,79-0,54 Taman -0,055 0,89 Waru 0,934-0,55 Gedangan 0,000 0,90 Sedati -0,039 0,35 Suodono -0,07-0,088 Berdasaran Tabel 6 diatas, maa dapat dilihat oordinat yang terbentu dari nilai ontribusi mutla dan relatif, nilai oordinat tersebut digunaan untu melihat leta dari profil baris dan profil olom dimana dari oordinat tersebut dapat dilihat jara terdeat antara profil baris dan olom, sehingga dapat ditentuan ecenderungan antara ecamatan dan alat ontrasepsi dari jara terdeat. Untu mengetahui lebih jelasnya esamaan profil pada ecamatan ecamatan dan jenis alat ontrasepsi yang digunaan, dapat dilihat pada Gambar.

12 Symmetric Plot,5,0 Component 0,5 0,0 IUD Gedangan Sedati Sidoarjo Taman IMPLANT MO Candi Krian PIL Buduran Balong Suodono SUNTIK Tari Porong Bendo Tulangan Krembung Tanggulangin J a Wonoayu b o n Prambon Waru KONDOM -0,5-0,5 0,0 0,5 Component,0,5 Gambar Plot Korespondensi Kabupaten Sidoarjo Pada Gambar, dapat dietahui bahwa ecamatan Waru pendudunya cenderung menggunaan alat Kondom dibandingan alat ontrasepsi yang lain yang dapat dilihat dari edeatan antara profil Kondom dengan ecamatan Waru, untu ecamatan Sidoarjo, Candi. Taman, Gedangan peserta KB atifnya cenderung menggunaan alat ontrasepsi Implant, sedangan di ecamatan Buduran, Krian peserta KB atifnya cenderung menggunaan alat ontrasepsi MO, sedangan di ecamatan Porong, Krembung, Tulangan, Tanggulangi, Jabon, Balongbendo, Wonoayu, Tari, Prambon dan Suodono peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti, untu ecamatan Sedati peserta KB atifnya cenderung menggunaan alat ontrasepsi IUD. Pemilihan dalam penggunaan alat ontrasepsi emunginan dipengaruhi oleh beberapa fator antara lain mortalitas / ematian ana, jumlah penganut agama tiap ecamatan dan jenis peerjaan pendudu tiap ecamatan.sebagai beriut : Gambar Histogram Tingat ematian Bayi ab. Sidoarjo

13 Berdasaran Gambar dapat dietahui bahwa tingat ematian bayi yang paling tinggi berada di ecamatan rian yang peserta KB atifnya cenderung menggunaan alat Kon-trasepsi MO yaitu sebanya 8 asus, Sedangan untu ecamatan dengan tingat morta-litas / ematian bayi paling sediit adalah di ecamatan Balongbendo yaitu sebanya asus dimana peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti. Selain fator tersebut terdapat fator lainnya yaitu jumlah pemelu agama dan bidang peerjaan masyaraat sebagai beriut : Gambar 3 Histogram tingat penganut agama ab. Sidoarjo Berdasaran Gambar 3 dapat dietahui bahwa mayoritas pendudu di abupaten sidoarjo menganut agama islam dan tingat pendudu yang menganut agama Islam terbanya adalah di ecamatan waru sebanya 50 jiwa yang mana peserta KB atifnya cenderung menggunaan alat Kontrasepsi Kondom, untu ecamatan dengan tingat pendudu yang menganut agama Islam paling sediit adalah di ecamatan Porong yaitu sebanya jiwa dimana peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti. Selanjutnya aan dilihat mengenai bidang peerjaan masyaraat sebagai beriut : Gambar 4 Histogram bidang peerjaan masyaraat ab. Sidoarjo 3

14 Dari gambar 4 diatas dapat dietahui bahwa jenis peerjaan yang dominan di abupaten sidoarjo adalah peerjaan swasta mencapai pendudu, yang mana jumlah peerja swasta terbanya berada pada abupaten waru yaitu sebanya 5363 jiwa, yang peserta KB atifnya cenderung menggunaan ondom, sedangan untu jumlah peerja swasta yang paling sediit berada pada ecamatan Krembung yaitu sebanya 5343 jiwa dan peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti. 3. Kesimpulan Kesimpulan yang didapatan berdasaran analisis yang telah dilauan adalah :. Terdapat hubungan antara loasi tempat tinggal (ecamatan) dengan pemilihan alat ontrasepsi.. Kecenderungan penggunaan alat ontrasepsi tiap ecamatan dapat disimpulan sebagai beriut : a. IUD : Kec. Sedati. b. MO : Kec. Buduran dan Krian. c. Implant : Kec. Sidoarjo, Candi, Taman, Gedangan. d. Sunti : Kec. Porong, Krembung, Tulangan, Tanggulangin, Jabon, Balongbendo, Wonoayu, Tari, Prambon, Suodono. e. Pil : - f. Kondom : Kec. Waru. 3. Tingat ematian bayi yang paling tinggi berada di ecamatan rian yang peserta KB atifnya cenderung menggunaan alat Kontrasepsi MO yaitu sebanya 8 asus, Sedangan untu ecamatan dengan tingat mortalitas / ematian bayi paling sediit adalah di ecamatan Balongbendo yaitu sebanya asus dimana peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti. 4. Pada abupaten Sidoarjo dietahui bahwa mayoritas pendu-dunya menganut agama islam dan tingat pendudu yang menganut agama Islam terbanya adalah di ecamatan waru sebanya 50 jiwa yang mana peserta KB atifnya cenderung menggunaan alat Kontrasepsi Kondom, untu ecamatan dengan tingat pendudu yang menganut agama Islam paling sediit adalah di ecamatan Porong yaitu sebanya jiwa dimana peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti. 5. Peerjaan yang dominan di abupaten sidoarjo adalah peerjaan swasta mencapai pendudu, yang mana jumlah peerja swasta terbanya berada pada abupaten waru yaitu sebanya 5363 jiwa, yang peserta KB atifnya cenderung menggunaan ondom, sedangan untu jumlah peerja swasta yang paling sediit berada pada ecamatan Krembung yaitu sebanya 5343 jiwa dan peserta KB atifnya cenderung menggunaan alat ontrasepsi Sunti. 4

15 DAFTAR PUSTAKA Greenacre, M.J, (984), Theory and Applications of Correspondence Analysis, Academic Press, Inc, New Yor. Hair, J. F. Jr., Anderson, R. E., Tatham, R. L., Blac, W. C., (998), Multivariate Data Analysis, Fifth Edition. Prentice Hall, New Jersey. Johnson, R.A and Wichern D.W, 00, Applied Multivariate Statistical Analysis, Fifth Edition, Prentice Hall, New Jersey. Johnson, R.A and Wichern D.W, 007, Applied Multivariate Statistical Analysis, Sixth Edition, Prentice Hall, New Jersey. Walpole, R.E, (98), Pengantar Statistia, Edisi etiga, PT. Gramedia Pustaa Utama, Jaarta. Agresti, A, (007), An Introduction to Categorical Data Analysis, Secon Edition. A John Wiley & Sons, Inc, Publication, Florida Suprihastuti, D.R (000), Pengambilan Keputusan Penggunaan Alat Kontrasepsi Pria di Indonesia; Analisis Hasil SDKI 997, Tesis. Ilmu-Ilmu Kesehatan UGM, Yogyaarta. Anindita, D, (008), Analisis Korespondensi Berdasaran Jenis Alat Kontrasepsi Peserta KB Atif Di Kota Surabaya Tahun 006,Tugas Ahir, FMIPA Statistia ITS. Probosih, R.W, (007), Pengelompoan Wilayah Kabupaten / Kota Di Jawa Timur Berdasaran Alat Kontrasepsi, Tugas Ahir, FMIPA Statistia ITS. 5

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

Oleh : Fanial Farida Dosen Pembimbing : Santi Wulan Purnami, M.Si. Ph.D

Oleh : Fanial Farida Dosen Pembimbing : Santi Wulan Purnami, M.Si. Ph.D Analisis Korespondensi Pengguna Jenis Alat Kontrasepsi Peserta KB Aktif dan KB Baru Terhadap Kecamatan di Kota Surabaya Oleh : Fanial Farida 1311030064 Dosen Pembimbing : Santi Wulan Purnami, M.Si. Ph.D

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

Ukuran Pemusatan Data

Ukuran Pemusatan Data Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

ANALISIS KORESPONDENSI TERHADAP DATA KEJADIAN KRIMINALITAS DI POLSEK SIMOKERTO

ANALISIS KORESPONDENSI TERHADAP DATA KEJADIAN KRIMINALITAS DI POLSEK SIMOKERTO ANALISIS KORESPONDENSI TERHADAP DATA KEJADIAN KRIMINALITAS DI POLSEK SIMOKERTO Oleh: Putri Rintan Aryasita 308030035 Pembimbing: Ir. Dwi Atmono Agus W, M. Ikom Latar Belakang Penelitian Sebelumnya Hubungan

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan

Lebih terperinci

Pemetaan 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 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 terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA

ANALISIS 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 terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA . Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.

Lebih terperinci

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure 8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data 2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti

Lebih terperinci

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belaang Industri sepeda motor nasional merupaan industri yang masih terus mengalami pertumbuhan. Berdasaran data dari AISI (Asosiasi Industri Sepedamotor Indonesia) tingat produsi

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

EFEKTIFITAS PENGGUNAAN DANA BANTUAN OPERASIONAL SEKOLAH (BOS) JENJANG SEKOLAH DASAR (SD) DI SELURUH

EFEKTIFITAS PENGGUNAAN DANA BANTUAN OPERASIONAL SEKOLAH (BOS) JENJANG SEKOLAH DASAR (SD) DI SELURUH ANALISIS KORESPONDENSI EFEKTIFITAS PENGGUNAAN DANA BANTUAN OPERASIONAL SEKOLAH (BOS) JENJANG SEKOLAH DASAR (SD) DI SELURUH WILAYAH SURABAYA Ika Estuningtyas 1307 030 047 www.wondershare.com LOGO Pendahuluan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

Laporan Tugas Akhir D3-Statistika 2009

Laporan Tugas Akhir D3-Statistika 2009 Laporan Tugas Akhir D3-Statistika 2009 Selasa, 12 Juni 2012 ANALISIS KORESPONDENSI KECENDERUNGAN DARI FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BALITA DI JAWA TIMUR OLEH : RATNA AYU M DOSEN PEMBIMBING : IR.

Lebih terperinci

PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT

PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) UNTUK ESTIMASI POSISI PELURU KENDALI

Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) UNTUK ESTIMASI POSISI PELURU KENDALI Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER () UNTUK ESTIMASI POSISI PELURU KENDALI OLEH : Teguh Herlambang (121 21 14) DOSEN PEMBIMBING: Subchan, PhD (1971513 19972 1 1 ) Dr. Erna Apriliani, M.Si

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

PROSIDING ISSN: M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI

PROSIDING ISSN: M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI Titi Purwandari 1, Yuyun Hidayat 2 1,2) Departemen Statistika FMIPA Universitas Padjadjaran email

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

Rancangan Petak Terbagi

Rancangan Petak Terbagi Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu

Lebih terperinci

Model Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan

Model Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor

Lebih terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

Lebih terperinci

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

Lebih terperinci

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ Yogyaarta, 26 Noember 206 ISSN : 979 9X eissn : 25 528X ANALISIS PSEUDOINVERS DAN APLIKASINYA PADA REGRESI LINEAR BERGANDA Kris Suryowati Program Studi Statistia, Faultas Sains erapan, Institut Sains dan

Lebih terperinci

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH) Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya

Lebih terperinci

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL Afifah *), Indri Subeti **) *) Mahasiswa Abid Unisa **)Dosen Abid Unisa ABSTRAK

Lebih terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika

REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika ISBN : 978-979-17979-0-0 Prosiding Seminar Nasional Mahasiswa S3 Matematia REVITALISASI D A N SOSIALISASI DIRI UNTUK BERPERAN AKTIF DALAM PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA

Lebih terperinci

ANALISIS KORESPONDENSI PENYAKIT MENULAR DI KABUPATEN BANGKALAN TAHUN 2010

ANALISIS KORESPONDENSI PENYAKIT MENULAR DI KABUPATEN BANGKALAN TAHUN 2010 TUGAS AKHIR ANALISIS KORESPONDENSI PENYAKIT MENULAR DI KABUPATEN BANGKALAN TAHUN 2010 Oleh : Danang Wahyu Prasetyo (1307 030 048) Dosen Pembimbing : Dr. rer. pol. Heri Kuswanto Pendahuluan Pendahuluan

Lebih terperinci

PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR DENGAN MENGGUNAKAN ANALISIS KLASTER DUA TAHAP

PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR DENGAN MENGGUNAKAN ANALISIS KLASTER DUA TAHAP PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR DENGAN MENGGUNAKAN ANALISIS KLASTER DUA TAHAP Hazmira Yozza 1, Izzati Rahmi HG, Juliana Jurusan Matematia, Universitas Andalas,

Lebih terperinci

PENGENALAN WAJAH DENGAN METODE INTERPERSONAL DIFFERENCE BERBASIS GAUSSIAN MIXTURE MODEL DAN ANALISIS DISKRIMINAN

PENGENALAN WAJAH DENGAN METODE INTERPERSONAL DIFFERENCE BERBASIS GAUSSIAN MIXTURE MODEL DAN ANALISIS DISKRIMINAN Prosiding Seminar Nasional Manajemen Tenologi V Program Studi MMT-TS, Surabaya Agustus 008 PENGENALAN WAJAH DENGAN METODE NTERPERSONAL DFFERENCE BERBASS GAUSSAN MXTURE MODEL DAN ANALSS DSRMNAN Made a*

Lebih terperinci

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

Metode Penggerombolan Berhirarki

Metode Penggerombolan Berhirarki 4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e

Lebih terperinci

CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION

CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION UPN Veteran Yogyaarta, 30 Juni 2012 CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION Ni G.A.P Harry Saptarini 1), Rocy Yefrenes Dilla 2) 1) Politeni Negeri Bali 2)

Lebih terperinci