Generalized Reduced Gradient Untuk Optimasi Amunisi Kaliber 57 mm C-60 Het

Ukuran: px
Mulai penontonan dengan halaman:

Download "Generalized Reduced Gradient Untuk Optimasi Amunisi Kaliber 57 mm C-60 Het"

Transkripsi

1 Jurnal ILMU DASAR Vol. 0 No., Juli 009 : Generalized Reduced Gradient Untuk Optimasi Amunisi Kaliber 57 mm C-60 Het Generalized Reduced Gradient Optimization for Ammunition caliber 57 mm C-60 Het Muhammad Sahid Akbar, Bambang Widanarko Otok, dan Lesti Anggraini Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember Surabaya ABSTRACT Ammunition is a tool that works to sabotage or destroy the target. Weapons Laboratory in TNI AL have ammunition caliber 57 mm C-60 Het, with more than 0 years of age. Ammunition caliber 57 mm C-60 Het has three sections, proectile, propellant, and primer. Primary part of this ammunition is not working well, so that it is necessary to repair this section. Repairing of primary part is done by changing the chemical compound AB3, DF3, and GI. The purpose of this study is to determine chemical composition of primary part, so that it can optimize the sensitivity and detonation. The results show that the optimization begins with model estimation of two response by Ordinary Least Square (OLS. Futher, model estimation for each response is tranformed into individual desirability function to form oint desirability function. Results optimization caliber ammunition 57 mm C-60 by Generalized Reduced Gradient method (GRG, obtained sensitivity of 9.93 cm and the detonation of db, with compotition AB3 compound was 48.8 grams, DF3 compound was.005 grams, and GI compound was 7 grams. Keywords : Ammunition, fungsi desirability, ordinary least square, generalized reduced. PENDAHULUAN Amunisi merupakan alat yang berfungsi untuk merusakkan atau menghancurkan sasaran. Berdasar-kan ukuran kalibernya, ukuran diameter dari amunisi dibedakan menadi 3 yaitu amunisi kaliber kecil, sedang, dan besar. Amunisi kaliber sedang menurut Astika (003 adalah amunisi dengan diameter peluru berukuran 0 mm, 5 mm, 37 mm, dan 57 mm. Bagian pokok penyusun amunisi kaliber sedang meliputi proyektil, propellant, dan primer. Proyektil berfungsi untuk perusakan sasaran, propellant ber-fungsi mendorong proyektil keluar dari laras dengan tenaga dan kecepatan tertentu, sedangkan bagian primer berfungsi sebagai penyala awal propellant amunisi. Laboratorium Induk Senata TNI AL memiliki amunisi kaliber sedang yang berusia lebih dari 0 tahun. Amu-nisi ini memiliki kualitas propellant yang masih baik, namun pada bagian primer sudah tidak berfungsi baik. Mengingat amunisi ini umlahnya ribuan dan se-penuh-nya dibeli dari luar negeri, maka perlu dilakukan per-baikan kualitas bagian primer supaya amunisi kaliber sedang bisa digunakan lagi. Perbaikan kualitas bagian primer dilakukan dengan mengganti senyawa kimia pembentuk isian primer amunisi. Senyawa kimia pembentuk primer meliputi senyawa kimia AB3, DF3, dan GI (Olsen dalam Astika, 003. Respon yang ditimbulkan dari isian primer berupa respon sensitivitas dan detonasi. Respon sensitivitas adalah suatu nilai ukur yang menyatakan se-berapa besar reaksi yang ditimbulkan dari aksi yang diper-lakukan terhadap benda. Sedangkan respon detonasi adalah besarnya ledakan yang diukur akibat adanya pem-bebasan energi dari reaksi kimia yang sangat cepat. Penelitian mengenai amunisi pernah dilakukan oleh Astika (003 yang memberikan hasil pengaturan dari ketiga senyawa kimia penyusun isian primer untuk amunisi kaliber 57 mm C-60 HET yang dapat mengoptimalkan respon sensitivitas dan detonasi. Optimasi ini dilakukan melalui pendekatan fungsi desirability dengan bantuan software Minitab sehingga diperoleh kondisi optimum untuk respon sensitivitas sebesar cm dan respon detonasi sebesar db dengan komposisi senyawa kimia AB3 sebanyak gram, senyawa DF3

2 6 Generalized Reduced (Muhammad Sahid A. dkk sebanyak gram, dan sebanyak GI sebesar gram. Penelitian ini menggunakan data yang sama dengan Astika, tetapi dengan metode yang berbeda. Metode yang digunakan untuk optimasi dalam penelitian ini adalah dengan metode Generalized Reduced Gradient (GRG. Metode GRG menurut Castillo et al (996 adalah metode yang telah digunakan dalam analisis permukaan respon dan telah banyak diaplikasikan di bidang industri. Permasalahan yang diambil dalam penelitian ini adalah bagaimana melakukan perbaikan kualitas bagian primer amunisi kaliber sedang dengan cara menentukan komposisi senyawa AB3, DF3, dan GI yang dapat mengoptimumkan respon sensitivitas dan detonasi. Sesuai dengan permasalahan maka tuuan yang ingin dicapai dalam penelitian ini adalah menen-tukan komposisi senyawa AB3, DF3, dan GI yang dapat mengoptimumkan respon sensitivitas dan detonasi. Penelitian ini diharapkan dapat memberikan solusi dalam perbaikan bagian primer amunisi kaliber 57 mm C-60 HET dan dapat menerapkan alternatif metode optimasi. Analisis hanya dibatasi untuk enis isian primer amunisi kaliber 57 mm C-60 HET. Generalized Reduced Gradient Pada Rancangan Box-Behnken Rancangan Box-Behnken adalah rancangan percobaan untuk metode permukaan respon yang di-temukan oleh George E. P. Box and Donald Behnken pada tahun 960 (Wikipedia 007. Rancangan ini untuk menyusun model full kuadratik, dimana hanya menggunakan tiga level pada setiap variabel prediktor (Box dan Behnken 960. Penggunaan faktor-faktor dalam rancangan Box-Behnken dapat dilakukan dengan dua cara yaitu.. Variabel asli: tipe faktor ini adalah level variabel dengan nilai sesungguhnya, misalnya variabel GI mempunyai level bawah 7 gr, level tengah 30 gr, dan level atas 43 gr.. Variabel koding: penggunaan variabel koding adalah untuk memudahkan perhitungan numerik dalam mencari estimasi parameter (Khuri, 996. Variabel koding diperoleh melalui persamaan sebagai berikut. xi ( xil xih xi ( xih xil ( dengan : x i = variabel koding untuk variabel asli ke-i; xi = variabel asli ke-i; xil = level rendah dari xi; x ih = level tinggi dari xi ; i = banyaknya variabel prediktor. Metode Permukaan Respon (MPR adalah kum-pulan dari teknik matematika dan metode statistika yang berguna untuk memodelkan dan menganalisa masalah-masalah yang terdapat dalam hubungan antara variabel respon dan variabel prediktor yang mempengaruhinya. Selain itu MPR bertuuan mengoptimalkan variabel respon (Myers & Carter 973. Hubungan antara variabel respon dan faktorfaktor yang mempengaruhi dapat dituliskan dalam bentuk persamaan sebagai berikut. y f ( x, x,..., xk + ( Model permukaan respon orde dua secara umum dengan k faktor adalah sebagai berikut (Montgomery, 00. k k k k y 0 ixi iixi ixix ε i i i i (3 Taksiran model orde dua adalah sebagai berikut. k k k k y b0 bixi biixi bixix, i,,, k i i i i (4 Dengan. y : variabel respon, ŷ : taksiran variabel respon, x : variabel prediktor, i =,,...,k β : parameter regresi, b : taksiran parameter regresi; ε : error Persamaan (3 untuk n serangkaian pengamatan da-pat ditulis dalam bentuk matrik y = Xβ + ε, dengan... T y y y y n ;... T n x x xk 0 x x x k X β xn xn xnk k ; dengan meminimumkan kuadrat terkecil diperoleh taksiran parameter sebagai berikut: T b ( X X T X y

3 Jurnal ILMU DASAR Vol. 0 No., Juli 009 : T T T T Var( b Var[( X X X y] Var[( X X X ( X ] Target is best T T T T Var[( X X ( X X ( X X ( X ] T ( X X dengan syarat (XTX merupakan matrik non singular (Myers 976. Penguian model meliputi penguian lack of fit dan ui signifikansi parameter baik secara serentak maupun parsial. Penguian lack of fit adalah suatu prosedur untuk mengui kesesuaian model apabila teradi pengulangan pada suatu percobaan (Draper & Herzberg 97. Penguian parameter secara serentak dilakukan ika model telah sesuai atau tidak ditemukan adanya lack of fit. Ui parameter serentak digunakan untuk mengetahui ada tidaknya pengaruh dari variabel prediktor secara keseluruhan terhadap variabel respon. Sedangkan ui parsial digunakan untuk mengetahui apakah variabel-variabel prediktor secara individu mempunyai pengaruh yang signifikan atau tidak terhadap variabel respon. Optimasi multirespon merupakan aspek yang penting pada analisis multirespon. Tuuannya adalah untuk menentukan kondisi dari variabel prediktor x,x,..., x k yang mengoptimalkan atau mendekati nilai optimal dari variabel respon y, y,..., y m (Park 996. Ada beberapa pendekatan untuk optimasi multirespon, Derringer & Suich (980 memperkenalkan konsep desirability, dimana fungsi setiap variabel respon ditransformasi ke fungsi desirability. Fungsi desirability dapat digunakan untuk menentukan prioritas yang berbeda diantara variabel respon. Tipe fungsi desirability individu d ( y ( x dikemukakan oleh Derringer & Suich (980 adalah sebagai berikut. Memaksimumkan Respon 0, ika y ( x ymin s ( min ( y x y d y ( x, ika ymin y ( x T T ymin, ika y ( x T Meminimumkan Respon (0 0, ika y ( x ymax s ymax ( y x d( y ( x, ika T y ( x ymax ymax T, ika y ( x T ( 0, ika y ( x ymax s y ( x ymin, ika ymin y ( x T T ymin ( d y ( x t ymax y ( x, ikat y ( x ymax ymax T 0, ika y y max ( dengan y min : nilai minimum yang diharapkan dari variabel respon T : nilai target yang diharapkan dari variabel respon y max : nilai minimum yang diharapkan dari variabel respon s, t : pembobot. Fungsi desirability pertamakali dikemukakan oleh Harrington (965, yaitu mendapat pengaturan faktor dengan memaksimumkan nilai D. Metode yang digunakan untuk memaksimumkan D geometric mean. Untuk setiap m variabel respon, suatu fungsi desirability bersama didefinisikan sebagai geometric mean dari fungsi desirability individu sebagai berikut. / m m m (3 D( x d ( y ( x. d ( y ( x... d ( y ( x Fungsi desirability selanutnya dikembangkan oleh Derringer dan Suich (980, yaitu mengubah suatu masalah multirespon menadi masalah single respon melalui transformasi secara matematika. Menurut Castillo et al. (996 persamaan (0, ( dan ( meskipun kontinu, memiliki titik dimana tidak ada turunannya (breakpoint, sehingga akan menyebabkan D(x tidak kontinu. Alasan ini menye-babkan optimasi menggunakan metode Generalized Reduced Gradient (GRG (metode yang telah banyak digunakan dalam analisis permukaan respon yang banyak diaplikasikan di bidang industri tidak bisa diterapkan. Supaya metode GRG tetap dapat di-terapkan, maka perlu dilakukan modifikasi fungsi desirability yang nondifferentiable, sehingga akan menghasilkan fungsi desirability yang differentiable Langkah awal dalam membentuk fungsi desirability yang differentiable adalah menentukan umlah breakpoint. Menurut Castillo et al. (996 umlah breakpoint

4 8 Generalized Reduced (Muhammad Sahid A. dkk ditentukan adalah melalui plot antara nilai desirability tiap observasi terhadap nilai taksiran dari y. Didefinisikan y ( y, ( y (,..., n, sebagai nilai-nilai dari ŷ dimana kon-disi breakpoint teradi dengan d ( d, ( d,..., (n sebagai nilai desirability yang y i d (i ( bersesuaian. Jadi dan merupakan y koordinat breakpoint. Diasumsikan bahwa ( y = min y ( dan n y = max y ( dimana i diurutkan dari terkecil (Castillo et al Fungsi desirability differentiable individu untuk variabel respon y dengan n breakpoint didefinisikan oleh Castillo et al. (996 sebagai: d(, y y a( b( y, y ( y y ( m 3 A( B( y C ( y ( 4 D y E( y (, y m y y ( p d( y a( b( y, y ( p y y ( 3m ( x 3 4 A( 3 B( 3 y C ( 3 y ( 3 ( 3, ( 3m D y E y y y y ( 3p a( n b( n y, y ( n, p y y ( n d( n, y y ( n keterangan : d i bi ( y d ( ( i y ( i ( i a d b y ( i ( i i ( i y y y ( im ( i y y y ( pm ( i y ( y y / 50 max min A d B y C y D y E y (4 3 4 ( i ( i ( i ( i ( i ( i ( i ( i ( i ( i B b C y D y E y C 3 ( i ( i- ( i ( im 3 ( i ( im 4 ( i ( im i ( D E ( i ( i 3 3 b 3 ( ( ( ( ( 4 i b i D i ( y im y ip E( i ( y ( im y ( ip ( y y H G E F H I ( i ( i ( i ( i J ( i ( i G ( i ( i ( ip ( ip 3( y ( im y( ip F ( y y y ( y y ( i ( ip ( i ( im ( ip ( i ( y y ( im ( ip 3y y y y y 3 3 ( ( im ( ip ( i ( i ( ip G ( y y y ( y y 3 3 ( y( im y( ip ( i ( ip ( i ( im ( ip ( i y ( ip y( im 4y y y y y ( im ( ( ip ( i ( i ( ip ( b b H ( y y y ( y y ( i ( i ( ( ( i ip i ( im ( ip ( i ( y ( im y( ip b ( y y a b y d ( i ( ip ( i ( i ( i ( ip ( i I ( y y y ( y y 3 3 ( y( im y( ip ( i ( im ( i ( im ( im ( i y ( im y( ip 4y y y y y ( im ( ( im ( i0 ( i ( im Fungsi desirabilty differentiable bersama dibentuk dari fungsi desirability differentiable individu melalui persamaan (3 kemudian dioptimasi dengan menggunakan metode Generalized Reduced Gradient (GRG. Metode Generalized Reduced Gradient (GRG menurut Tang & Xu (00 adalah metode untuk mendapatkan titik optimum di dalam daerah yang dibatasi (kendala. Metode GRG uga dikemukakan oleh Belegundu (999 sebagai suatu metode yang sesuai untuk menyelesaikan persamaan dengan kendala non linear. Bentuk umum dari GRG (Bricker 999 adalah sebagai berikut. Minimize f(x, x,,x n dengan kendala h(x,x,,x n =0, =,,...m αi x i β i, i =,,...,n dengan f(x, x,,x n : fungsi yang dioptimasikan h(x, x,,x n : kendala x : faktor : batas bawah dari faktor : batas atas dari faktor Teori Amunisi Amunisi merupakan alat yang berfungsi untuk merusakkan sasaran. Kera amunisi adalah gabungan antara kera kimia dan kera gerak. Berdasarkan ukuran kalibernya, ukuran diameter dari peluru, amunisi dibedakan menadi 3 yaitu amunisi kaliber kecil, sedang, dan besar. Menurut Astika (003 amunisi kaliber sedang yaitu amunisi yang berukuran 0 mm, 5 mm, 37 mm, dan 57 mm. Bagian pokok penyusun amunisi kaliber sedang ada 3 macam yaitu bagian proyektil, propellant, dan primer. Proyektil merupakan bagian dari amunisi yang berfungsi untuk perusakan sasaran, yang terdiri dari tudung balistik, ban putar, traser, dan bahan high explosive. Propellant berfungsi mendorong proyektil keluar dari laras dengan tenaga dan kecepatan tertentu. Sedangkan bagian primer berfungsi

5 Jurnal ILMU DASAR Vol. 0 No., Juli 009 : sebagai penyala awal propellant amunisi, yang terdiri dari dua bagian yaitu bagian mangkok atau tempat isian primer dan bagian isian primer. Isian primer terdiri dari campuran tiga senyawa kimia sebagai berikut. Senyawa kimia AB3 adalah suatu senyawa kimia pyroteknik yang termasuk dalam golongan senyawa Low Explosive. Senyawa ini sering digunakan untuk pembuatan isian primer dan dapat menambah sensitivitas serta berfungsi sebagai oksidator. Senyawa kimia DF3 adalah senyawa kimia Initial Explosive yang tergolong High Explosive dan digunakan untuk memberi pancaran api permulaan. Senyawa kimia GI adalah senyawa pyroteknik yang tergolong senyawa Low Explosive, senyawa ini dalam isian primer berfungsi sebagai bahan bakar dan sebagai bahan sensitivitas. Pengaruh senyawa kimia AB3, DF3, dan GI pada pengisian bagian primer amunisi berupa respon sensitivitas dan respon detonasi (Olsen dalam Astika 003. Sensitivitas adalah suatu nilai ukur yang menyatakan seberapa besar reaksi yang ditimbulkan dari aksi yang diperlakukan terhadap benda, sedangkan detonasi yaitu besarnya ledakan yang diukur akibat adanya pembebasan energi dari reaksi kimia yang sangat cepat. Level dari ketiga senyawa kimia ini diperoleh dari studi literatur dan eksperimen, dengan perbandingan prosentase senyawa AB3, DF3, dan GI harus berada diantara batas atas dan bawah untuk masing-masing senyawa. Apabila prosentase melebihi batas atas atau kurang dari batas bawah, maka campuran isian primer tidak meledak (Astika 003. Sehingga proses pencampuran ketiga senyawa pembentuk isian primer merupakan proses yang mengandung interaksi diantara ketiga senyawa. METODE Sumber data dalam penelitian ini adalah data sekunder hasil penelitian Astika (003. Data berupa hasil percobaan di Laboratorium Induk Senata TNI-AL Subsilab Amodak Probolinggo dengan menggunakan rancangan percobaan Box- Behnken. Variabel-variabel yang digunakan dalam penelitian ini meliputi : Variabel respon meliputi y = sensitivitas terhadap pukulan (cm y = besarnya detonasi (db Variabel prediktor yaitu : x = banyaknya senyawa kimia AB3 (gram x = banyaknya senyawa kimia DF3 (gram x 3 = banyaknya senyawa kimia GI (gram: Tabel. Level untuk Variabel Prediktor Variabel prediktor Level Atas Tengah Bawah AB3 (x 48.8 gram 9.4 gram 0 gram DF3 (x 5.50 gram gram gram GI (x3 43 gram 30 gram 7 gram Rancangan percobaan yang digunakan adalah rancangan Box-Behnken dengan umlah percobaan sebanyak lima belas kali, dapat dilihat pada Tabel. Tabel. Rancangan Percobaan Box-benhken Variabel asli Variabel koding x x x 3 x x x x = variabel koding untuk senyawa kimia AB3 x = variabel koding untuk senyawa kimia DF3 x 3 = variabel koding untuk senyawa kimia GI Perhitungan variabel koding untuk ketiga variabel prediktor dilakukan melalui persamaan (. Langkah-langkah analisa dalam menyelesaikan penelitian ini adalah sebagai berikut.. Pendugaan model orde dua dengan menggunakan metode OLS (Ordinary Least Square.. Mengui kesesuaian model melalui ui lack of fit, karena teradi pengulangan pada percobaan. 3. Mengui signifikansi parameter melalui ui serentak dan parsial. 4. Mengui asumsi residual meliputi ui asumsi identik, independen, dan berdistribusi normal (0, σ. 5. Transformasi model dugaan yang telah diperoleh untuk setiap respon ke dalam fungsi desirability differentiable individu d(y(x.

6 30 Generalized Reduced (Muhammad Sahid A. dkk 6. Membentuk fungsi desirability differentiable bersama (D(x dari setiap fungsi desirability differentiable individu d(y(x. 7. Menyelesaikan optimasi melalui fungsi (D(x dengan metode Generalized Reduced Gradient (GRG. HASIL DAN PEMBAHASAN Pendugaan Model Respon sensitivitas dan detonasi dihasilkan dari proses pencampuran antara senyawa AB3, DF3, dan GI. Proses ini telah dielaskan sebagai proses yang mengandung interaksi diantara ketiga senyawa. Sehingga pendugaan model untuk kedua respon dilakukan dengan menggunakan rancangan orde dua. Pendugaan Model Orde Dua untuk Respon Sensitivitas Pendugaan parameter dilakukan dengan mengguna-kan metode OLS, sehingga diperoleh model orde dua untuk respon sensitivitas sebagai berikut. ŷ( x x x x x x x3 0.3 x x 0. x x3 0. 5x x3 Penguian Model a. Pengulangan yang teradi pada percobaan menyebabkan perlu dilakukan penguian kesesuaian model dugaan melalui ui lack of fit. Hipotesis untuk ui lack of fit adalah. H0 : tidak terdapat lack of fit (model sudah sesuai H : terdapat lack of fit (model tidak sesuai Statistik ui : FLOF = MS LOF/MS PE Daerah penolakan: tolak H0 F F ika LOF 0.05(3, Tabel 3. Anova Model Orde Dua untuk y Sumber db SS MS F P Variasi Regresi Linear Kuadratik Interaksi Residual Lack of Fit Pure Error Total Tabel 3 menunukkan nilai FLOF sebesar 3.75 lebih kecil dari F0.05(3. = 9.6 sehingga keputusan terima H0. Hal ini berarti pada taraf signifikan 5% model orde dua untuk respon sensitivitas sudah sesuai. b. Penguian parameter secara serentak dilakukan pada model yang telah sesuai dengan hipotesis sebagai berikut. H0 : 9 0 H : paling tidak ada satu i 0 dengan i =,, 9 MSR Statistik ui : Fhitung MSE Daerah penolakan: tolak H0 ika Fhitung > F0.05(9,5 Tabel 3 menunukkan nilai Fhitung regresi sebesar 70.6 > F0.05(9,5=4.77 sehingga tolak H0 dan dapat dikatakan bahwa pada taraf signifikan 5 % minimal ada satu variabel prediktor yang berpengaruh secara signifikan terhadap respon sensitivitas. c. Penguian parameter secara parsial dilakukan untuk mengetahui variabel prediktor mana saa yang berpengaruh secara signifikan terhadap variabel respon. Hipotesis untuk ui parsial adalah sebagai berikut. H0 : i 0 H : i 0 dengan i =,, 9 b Statistik ui : t hitung = i var ( Daerah penolakan: tolak H0 ika thitung > t(0,05:5. Tabel 4. Ui Parsial Model Orde Dua untuk y Variabel Prediktor Koefisien SE Koefisien T P x x x x x X x x x x x x Tabel 4 menunukkan bahwa untuk semua variabel prediktor mempunyai nilai thitung > t(0,05:5 =,57, sehingga tolak H0 dan dapat dikatakan pada taraf signifikan 5%, i

7 Jurnal ILMU DASAR Vol. 0 No., Juli 009 : setiap variabel prediktor mempunyai pengaruh yang signifikan terhadap respon sensitivitas. Pemeriksaan dan Penguian Residual a. Penguian keidentikan residual dilakukan dengan tuuan untuk mengetahui kehomogenan varians residual. Penguian ini dapat dilakukan melalui ui Gleser. Tabel 5. Ui Gleser Residual untuk y Variabel SE Koefisien Prediktor Koefisien T P x x x Tabel 5 menunukkan bahwa untuk semua variabel prediktor x, x, dan x3 memiliki nilai thitung < t(0,05: =.0, adi terima H0 sehingga dapat dikatakan bahwa semua variabel prediktornya tidak signifikan. Karena semua variabel prediktor tidak signifikan, maka varians residual sudah homogen. b. Pemeriksaan keindependen residual bertuuan untuk bertuuan untuk mengetahui ada tidaknya korelasi antara residual pada pengamatan ke-i dengan residual pada pengamatan ke-(i+k. Pemeriksaan keindependenan dapat dilakukan dapat dilakukan dengan Run Test, dengan hipotesis sebagai berikut. H0 : residual independen H : residual dependen Statistik Ui : Run hitung = Daerah kritis :Run hitung run Tabel Kesimpulan : Nilai run Tabel dilihat pada Table runs test, dengan n = 8 dan n = 7, diperoleh run Tabel sebesar 4. Karena run hitung = lebih dari run Tabel = 4, maka terima H0 yang berarti bahwa residual independen. c. Penguian residual berdistribusi normal melalui ui Kolmogorov-Smirnov dengan hipotesis sebagai berikut. H0 : residual berdistribusi normal H : residual tidak berdistribusi normal Statistik Ui : D sup S(x-F 0( x = 0.57 Daerah penolakan : tolak H0 ika D> W 0.05 Kesimpulan : Nilai D= 0.57 < W 0.05 = 0.338, sehingga terima H0 yang berarti bahwa pada taraf signifikan 0.05, residual berdistribusi normal. Pendugaan Model untuk Respon Detonasi Model orde dua untuk respon detonasi sebagai berikut. y ( x x.33 x x3. 93 x x.608 x.40 x x.445 x x. x x Penguian Model a. Pengulangan yang teradi pada percobaan menyebab-kan perlu dilakukan penguian kesesuaian model dugaan melalui ui lack of fit. Hipotesis untuk ui lack of fit adalah. H0 : tidak terdapat lack of fit ( model sudah sesuai H : terdapat lack of fit (model tidak sesuai Statistik ui : FLOF = MS LOF/MS PE Daerah penolakan: tolak H0 ika F LOF F 0.05(3, Tabel 6. Anova Model Orde Dua untuk y Sumber Variasi db SS MS F P Regresi Linear Kuadratik Interaksi Residual Lack of Fit Pure Error Total Tabel 6 menunukkan nilai FLOF sebesar 4.34 < F0.05(3. = 9.6 sehingga diperoleh keputusan terima H0. Hal ini berarti pada taraf signifikan 5%, tidak terdapat lack of fit, sehingga model orde dua untuk respon detonasi sudah sesuai. b. Penguian parameter secara serentak dilakukan pada model yang telah sesuai dengan hipotesis sebagai berikut. H0 : 9 0 H : paling tidak ada satu i 0 dengan i =,, 9 Statistik Ui : MSR Fhitung MSE Daerah penolakan: Tolak H0 ika Fhitung > F0.05(9,5 Tabel 6 menunukkan nilai Fhitung regresi sebesar 6.76 > F0.05(9,5 = 4.77 sehingga tolak H0 dan dapat dikatakan bahwa pada taraf signifikan 5 %, minimal ada satu variabel 3

8 3 Generalized Reduced (Muhammad Sahid A. dkk prediktor yang berpengaruh secara signifikan terhadap respon detonasi. c. Penguian Secara Parsial Penguian parameter secara parsial dilakukan untuk mengetahui variabel prediktor mana saa yang berpengaruh secara signifikan terhadap variabel respon. Hipotesis untuk ui parsial adalah sebagai berikut. H0 : i 0 H : i 0 dengan i =,, 9 Statistik Ui : t hitung = i var ( i Daerah penolakan: tolak H0 ika thitung > t(0,05:5. Tabel 7. Ui Parsial untuk Model Orde Kedua Variabel Prediktor untuk y Koefisien SE Koefisien T P x x x x x x x x x x x x Tabel 7 menunukkan bahwa untuk semua variabel prediktor selain variabel interaksi xx3 mempunyai nilai thitung > t(0,05:5 =,57 adi H0 ditolak sehingga setiap variabel prediktor kecuali interaksi antara xx3 mempunyai pengaruh yang signifikan terhadap respon detonasi. Untuk interaksi antara xx3 yang tidak signifikan tidak dapat dibuang dari model, hal ini karena semua variabel prediktor ingin dicari kondisi optimumnya, maka variabel yang tidak signifikan tidak bisa dihilangkan dalam model. Pemeriksaan dan Penguian Residual a. Penguian keidentikan residual dilakukan dengan tuuan untuk mengetahui kehomogenan varians residual. Penguian ini dapat dilakukan melalui ui Gleser. Tabel 8. menunukkan bahwa semua variabel prediktor x, x, dan x3 memiliki nilai thitung < t(0,05: =.0, adi terima H0 sehingga sehingga dapat dikatakan bahwa semua variabel prediktornya tidak signifikan. Karena semua variabel prediktor tidak signifikan, maka varians residual sudah homogen. Tabel 8. Ui Gleser Residual untuk y Variabel Prediktor Koefisien SE Koefisien T P x x x b. Pemeriksaan independen bertuuan untuk mengetahui ada tidaknya korelasi antara residual pada pengamatan ke-i dengan residual pada pengamatan ke-(i+k. Pemeriksaan keindependenan dapat dilakukan dengan Run Test, dengan hipotesis sebagai berikut. H0 : residual independen H : residual dependen Statistik Ui : Run hitung = 7 Daerah kritis : Run hitung run Tabel Kesimpulan : Nilai run Tabel dilihat pada Table runs test, dengan n = 8 dan n = 7, diperoleh run Tabel sebesar 4. Karena run hitung = lebih dari run Tabel = 7, maka terima H0 yang berarti bahwa residual independen. c. Penguian residual berdistribusi normal melalui ui Kolmogorov-Smirnov dengan hipotesis sebagai berikut. H0 : residual berdistribusi normal H : residual tidak berdistribusi normal D sups(x - F0 ( Statistik Ui : x = 0.09 Daerah penolakan : tolak H0 ika D> Kesimpulan : Nilai D= 0.57 < 0.338, sehingga terima H0 yang berarti bahwa pada taraf signifikan 0.05, residual berdistribusi normal. Optimasi melalui Modifikasi Fungsi Desirabiliy dengan Metode Generalized Reduced Gradient (GRG Setelah diperoleh pendugaan model orde dua baik untuk respon sensitivitas maupun detonasi, maka langkah selanutnya adalah melakukan optimasi secara simultan melalui modifikasi fungsi desirability dengan metode Generalized Reduced Gradient (GRG sebagai berikut. Modifikasi Fungsi Desirability Langkah dalam modifikasi fungsi desirability adalah

9 DESIR DESIR Jurnal ILMU DASAR Vol. 0 No., Juli 009 : a. Menentukan umlah breakpoint dengan melihat plot antara nilai desirability tiap observasi terhadap nilai taksiran y. Nilai desirability tiap observasi dapat diketahui dengan menentukan batasan-batasan dari respon sensitivitas dan detonasi. Batasanbatasan untuk kedua respon dapat dilihat pada Tabel 9 sebagai berikut. Tabel 9. Batasan untuk Respon Sensitivitas dan Detonasi Respon Goal y max y min Target y Nominal cm the best cm cm y Larger the better db db db Batasan nilai untuk respon sensitivitas (y yaitu pada nilai maksimum sebesar 0.3 cm dan nilai minimum sebesar 7.5 cm (Olsen dalam Astika, 003. Nilai tengah antara nilai maksimum dan minimum yaitu sebesar 8.9 cm diadikan sebagai nilai target. Sedangkan pada respon detonasi (y nilai maksimum dan minimum diperoleh dari hasil eksperimen, masing-masing sebesar. db dan 98. db dengan nilai target sebesar. db merupakan nilai detonasi terbesar Scatterplot of DESIR vs FITS FITS Gambar. Plot Desirability untuk y Scatterplot of DESIR vs FITS FITS Gambar. Plot Desirability untuk y Gambar dan Gambar menunukkan bahwa plot desirability untuk y dan y terputus pada tiga titik, sehingga dapat dikatakan umlah breakpoint untuk respon sensitivitas (y adalah sebanyak tiga. Koordinat breakpoint untuk kedua respon teradi pada titik-titik dengan nilai dari y dan d(i sebagai berikut. ( i Tabel 0. Koordinat Breakpoint Variabel Respon y ( i d (i ŷ ( = d ( = 0.43 Sensitivitas(y ŷ = ( d ( = ŷ = (3 d (3 = 0.5 ŷ = ( d ( = Detonasi (y ŷ =.488 ( d ( = 0.0 ŷ =.350 (3 d (3 = 0.5 b. Menentukan Fungsi Desirability Differentiable dengan Tiga Breakpoint. Fungsi desirability yang differentiable untuk respon y dengan tiga breakpoint adalah sebagai berikut. d (, y y ( a( b( y, y 0 ( y y ( m 3 4 d ( ( ( ( ( ( (, ( y x A B y C y D y E y y y y m ( p a, ( ( y ( y y b y p ( 3 d y y 3 ( 3 ( Nilai y m, y p serta parameter a, b, a, b, A, B, C, D, D, dan E pada setiap respon diperoleh dari perhitungan melalui persamaan pada bagian 8 Modifikasi Fungsi Desirability. Hasil perhitungan ditunukkan pada Tabel sebagai berikut. Tabel. Nilai Batasan dan Parameter Fungsi Desirability Variabel Respon Nilai Y y y m y p A B A B C D E-06 E E-09 a b Nilai batasan dan parameter pada Tabel disubsitusikan ke persamaan (5 sehingga diperoleh fungsi desirability individu yang differentiable untuk y dan y sebagai berikut.

10 34 Generalized Reduced (Muhammad Sahid A. dkk 0. 43, y y, y d 3 4 ( y ( x y 0. 04y y y, y , y y 05. y , y y, y. 4 d ( y ( x.. y. y x y. x y,. y y,. 56 y y Fungsi desirabilty individu yang telah diperoleh untuk setiap respon yaitu d (y ( x dan d (y ( x selanutnya dibentuk suatu fungsi desirability bersama D(x sebagai berikut. d (y ( x / D(x = ( d (y ( x Optimasi dengan Metode Generalized Reduced Gradient (GRG. Optimasi secara simultan melalui modifikasi fungsi desirability diselesaikan dengan menggunakan metode GRG dengan bantuan solver pada program paket Excell 003, dengan langkah-langkah optimasi adalah berikut. Memaksimumkan : d (y ( x / D(x = ( d (y ( dengan kendala : x x, x, x y y.35 sebagai d ( y ( x 0, d( y ( x 0 Prosedur optimasi secara lengkap bisa dilihat pada Lampiran D, dengan metode GRG diperoleh kondisi optimum secara simultan untuk kedua respon yaitu pada respon sensitivitas diperoleh nilai sebesar 9.93 cm, sedangkan untuk respon detonasi diperoleh nilai sebesar db. Kondisi optimum untuk respon sensitivitas dan detonasi diperoleh saat titik stasioner untuk x =, x = , dan x 3 =-. Titik stasioner yang diperoleh masih dalam bentuk koding, sehingga perlu dilakukan perhitungan berdasarkan persamaan (. untuk memperoleh titik stasioner yang sebenarnya. Hasil perhitungan menunukkan bahwa kondisi optimum untuk kedua respon teradi pada saat komposisi senyawa kimia AB3 (x sebanyak 48.8 gram, senyawa kimia DF3 (x sebanyak.005 gram, dan senyawa kimia GI (x 3 sebanyak 7 gram. Nilai fungsi desirability bersama pada kondisi optimum adalah sebesar , hal ini menunukkan bahwa secara rata-rata 55.87% dari target respon sensitivitas dan respon detonasi telah tercapai. KESIMPULAN Pendugaan model orde dua untuk respon sensitivitas adalah sebagai berikut : ŷ ( x x x x x x x x x 0. x x x x 3 Sedangkan model dugaan untuk detonasi adalah respon y ( x x.33 x x 3.93 x x.608 x 3.40 xx.445 xx x x 3 Optimasi dengan metode Generalized Reduced Gradient (GRG diperoleh kondisi optimum untuk respon sensitivitas (y sebesar 9.93 cm dan respon detonasi (y sebesar db. Kondisi optimum dicapai pada saat komposisi senyawa kimia AB3 (x sebanyak 48.8 gram, senyawa kimia DF3 (x sebanyak.005 gram, dan senyawa kimia GI (x3 sebanyak 7 gram. Adanya outlier pada data hasil percobaan, menyebabkan penggunaan metode OLS dalam estimasi parameter kurang tepat. Selain itu, penentuan umlah breakpoint yang kurang efektif karena dilakukan dengan trial error. Maka untuk peneliti selanutnya dilakukan dengan metode yang sifatnya robust untuk estimasi parameter dan menggunakan metode lain dalam menentukan umlah breakpoint. DAFTAR PUSTAKA Astika IMJ Optimasi Sensitivitas Campuran Isian Primer Amunisi Kaliber 57 mm C-60 Het untuk tingkat Detonasi tertentu dengan Dual Response Surface. Tesis Program Pasca Sarana (tidak dipublikasikan. Magister Managemen Teknologi Program Studi Managemen Industri. ITS. Surabaya. Belegundu AD. & Chandrupatla TR Optimization Concepts and Applications in Engineering. New Jersey: Prentice Hall. Box GEP & Behnken DW Some New Tree Level Design for Study of Quantitative Variables. Technometrics, : Bricker DL.999. Generalized Reduced Gradient Algorithm. Dept. of Industrial Engineering, University of Lowa, Lowa. Castillo ED, Montgomery DC, McCarville DR Modified Desirability Functions for Multiple Response Optimization. Journal of Quality Technology. 8:.3.

11 Jurnal ILMU DASAR Vol. 0 No., Juli 009 : Derringer G. & Suich R.980. Simultaneous Optimization of Several Response Variables. Journal of Quality Technology. :4-9. Draper NR & Herzberg AM. 99.On Lack of Fit. Technometrics 3:3-4. Harrington EC Jr The Desirability Function. Industrial Quality Control. : Jimidar M, Bourguignon B, Massart DL Application of Derringer's desirability function for the selection of optimum separation conditions in capillary zone electrophoresis. Journal of Chromatography : Kros JF & Mastrangelo CM. 00. Comparing methods for multi-response design problem Quality and Reliability Engineering International. 7:33-33 Khuri AI & Cornell JA Response Surfaces Designs and Analyses. New York: Marcel Dekker. Inc. Montgomery DC. 00. Design and Analysis of Experiments. Fifth Edition. New York: John Wiley&Sons, Inc. Myers RH.976. Response Surface Methodology. United States of America: Library of Congress. Myers RH. & Carter WH Response Surface Techniques for Dual Response Systems. Technometrics 5.: Park SH.996. Robust Design and Analysis for Quality Engineering. London : Chapman&Hall. Tang LC &Xu K. 00. A Unified Approach for Dual Response Surface Optimization. Jurnal of Quality Technology. 34: Tong L & Hsieh K A Novel Means of Applying Neural Networks to Optimize The Multiresponse Problem. Quality Engineering. 3. Issue : 8. Zaidar E. 00. Kecepatan Rambat Reaksi Ledakan. Jurusan Kimia FMIPA. Universitas Sumatera Utara. Sumatera Jenis Senata dan Amunisi. < freewebs.com/gunshot_wound/lukatembak.htm..007.box-behnken Design. < wiki /Box Behnken Design> Box-Behnken Designs. < matlab_help/toolbox/stats/ doe6.html>.

OPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE

OPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE OPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE Siswo Hadi Sumantri, Abdullah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

Lebih terperinci

Rekayasa Kualitas. Topik Khusus 1. Dual dan Multi Response Surface. 25 November 2014

Rekayasa Kualitas. Topik Khusus 1. Dual dan Multi Response Surface. 25 November 2014 Rekayasa Kualitas Topik Khusus 1 Dual dan Multi Response Surface 25 November 2014 ekop2003@yahoo.com Topik Khusus - 1 Signal-to-noise ratio perbandingan antara besar signal dengan besar noise yang mempengaruhi

Lebih terperinci

APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR

APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR Oleh : Isnia Dwimayanti (0 09 06) Pembimbing : DR Drs I Nyoman Budiantara, MS ABSTRAK Tingginya tingkat fertilitas

Lebih terperinci

DESAIN EKSPERIMEN & SIMULASI 5

DESAIN EKSPERIMEN & SIMULASI 5 DESAIN EKSPERIMEN & SIMULASI 5 (DS.1) OPTIMISASI RESPON EKSPERIMEN MENGGUNAKAN DESAIN BOX-BEHNKEN Budhi Handoko Staf Pengajar Jurusan Statistika FMIPA Unpad Email: budhihandoko@unpad.ac.id Abstrak Salah

Lebih terperinci

Rekayasa Kualitas. Topik Khusus 1. Dual dan Multi Response Surface. 07 Desember 2014

Rekayasa Kualitas. Topik Khusus 1. Dual dan Multi Response Surface. 07 Desember 2014 Rekayasa Kualitas Topik Khusus 1 Dual dan Multi Response Surface 07 Desember 2014 ekopujiyanto@ft.uns.ac.id Topik Khusus - 1 Signal-to-noise ratio perbandingan antara besar signal dengan besar noise yang

Lebih terperinci

Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika

Lebih terperinci

Analisis Model Regresi Linear Berganda dengan Metode Response Surface

Analisis Model Regresi Linear Berganda dengan Metode Response Surface Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika

Lebih terperinci

OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE

OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE JURNAL TEKNIK INDUSTRI VOL., NO., DESEEMBER 999: 8-29 OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas Kristen

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik

Lebih terperinci

OPTIMASI DENGAN METODE DAKIAN TERCURAM

OPTIMASI DENGAN METODE DAKIAN TERCURAM OPTIMASI DENGAN METODE DAKIAN TERCURAM Marwan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala, Jln. Syekh Abdur Rauf No. 3 Darussalam, Banda Aceh 23111 email:

Lebih terperinci

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

PENERAPAN 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 terperinci

(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni

(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA

Lebih terperinci

Oleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si.

Oleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si. OPTIMASI WAKTU PEMOTONGAN BAJA HSS PADA WIRE-EDM MENGGUNAKAN METODE TAGUCHI Oleh : M. Mushonnif Efendi (307 030 05) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si. Prodi D3 STATISTIKA FAKULTAS ILMU PENGETAHUAN

Lebih terperinci

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN Jurnal Ilmiah Widya Teknik Volume 6 Nomor 07 ISSN 4-750 OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Maria Agnes Octaviani, Dian Retno Sari Dewi*, Luh Juni

Lebih terperinci

Kata kunci: Taguchi method, Multirespon, Combined Array, TOPSIS

Kata kunci: Taguchi method, Multirespon, Combined Array, TOPSIS OPTIMASI PROSES INJECTION MOLDING DENGAN PENDEKATAN COMBINED ARRAY (Studi Kasus: Produk Barrel Rexona Stick 20 gram di PT. X Surabaya) Ratna Augustiny Tjahyono dan Haryono Program Studi Magister Manajemen

Lebih terperinci

1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH

1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.

Lebih terperinci

Penerapan Metode Grey Relational Analysis dan Desirability Function pada Optimasi Multi Respon Desain Taguchi

Penerapan Metode Grey Relational Analysis dan Desirability Function pada Optimasi Multi Respon Desain Taguchi Penerapan Metode Grey Relational Analysis dan Desirability Function pada Optimasi Multi Respon Desain Taguchi Sri Winarni*, Budhi Handoko, Yeny Krista Franty Departemen Statistika FMIPA Unpad *E-mail:

Lebih terperinci

Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface

Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface Moh. Muria Armansyah S. 1*, Endang Pudji Purwanti 2, dan Bayu Wiro Karuniawan

Lebih terperinci

PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS

PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA

Lebih terperinci

Oleh : Fuji Rahayu W ( )

Oleh : Fuji Rahayu W ( ) Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia

Lebih terperinci

OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK

OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK Ricky Afi Damaris (), Bobby O. P. Soepangkat () Mahasiswa MMT ITS, Staf Pengajar MMT ITS

Lebih terperinci

PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI

PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3

Lebih terperinci

Tingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen

Tingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen Tingkat Efisiensi Metode Robust dalam Menaksir Garis Jika Ragam Galat Tidak Homogen Harmi Sugiarti dan Andi Megawarni e-mail: harmi@mailutacid dan mega@mailutacid Abstract This paper aims to compare the

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN DALAM PEREKONOMIAN RUMAH TANGGA DI KOTA SEMARANG MENGGUNAKAN REGRESI TOBIT

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN DALAM PEREKONOMIAN RUMAH TANGGA DI KOTA SEMARANG MENGGUNAKAN REGRESI TOBIT Analisis Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan dalam Perekonomian Rumah Tangga di Kota Semarang Menggunakan Regresi Tobit ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN

Lebih terperinci

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika

Lebih terperinci

Model Probit Untuk Ordinal Response

Model Probit Untuk Ordinal Response SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id

Lebih terperinci

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

Model 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 terperinci

X 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min)

X 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min) Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658--3 Pemilihan Model Regresi Linier Multivariat Terbaik Dengan Kriteria Mean Square Error Dan Akaike s Information Criterion Edriani Lestari, Rito

Lebih terperinci

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan

Lebih terperinci

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb. JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.

Lebih terperinci

PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA

PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN

Lebih terperinci

BAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,

BAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi, BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi

Lebih terperinci

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA

Lebih terperinci

OPTIMASI KINERJA BTS PADA JARINGAN RADIO SELULER GSM DENGAN METODE MULTIPLE RESPONSE SURFACE DI PT. INDOSAT

OPTIMASI KINERJA BTS PADA JARINGAN RADIO SELULER GSM DENGAN METODE MULTIPLE RESPONSE SURFACE DI PT. INDOSAT OPTIMASI KINERJA BTS PADA JARINGAN RADIO SELULER GSM DENGAN METODE MULTIPLE RESPONSE SURFACE DI PT. INDOSAT Andri Aryo Tejo, Bobby Oedy P. Soepangkat, Sony Sunaryo Magister Manajemen Teknologi Institut

Lebih terperinci

ANALISIS REGRESI KUANTIL

ANALISIS REGRESI KUANTIL Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas

Lebih terperinci

III. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu

III. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk memenuhi

Lebih terperinci

PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2

PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2 PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Bertoto Eka Firmansyah dan Sutikno Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen Pembimbing, Jurusan Statistika,

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA

Lebih terperinci

Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk

Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk JURNAL TEKNIK MESIN Vol. 1, No. 2, Oktober 1999 : 170-175 Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas

Lebih terperinci

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R. REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen

Lebih terperinci

BAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan

BAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan 1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),

Lebih terperinci

APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT

APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT Ivan Aris Nugroho 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen Teknologi, Institut

Lebih terperinci

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu

Lebih terperinci

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan

Lebih terperinci

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) (R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,

Lebih terperinci

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik

Lebih terperinci

BAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada

BAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan

Lebih terperinci

Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk

Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Jurnal Rekayasa Mesin Vol.4, No.3 Tahun 3: 77-8 ISSN 6-468X Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Franscisca Gayuh Utami Dewi, Femiana Gapsari Jurusan Teknik Mesin Fakultas

Lebih terperinci

OPTIMASI KARAKTERISTIK KUALITAS LEAD-SLAG PERISAI RADIASI BETON MENGGUNAKAN METODE GREY-TAGUCHI DESIRABILITY FUNCTION

OPTIMASI KARAKTERISTIK KUALITAS LEAD-SLAG PERISAI RADIASI BETON MENGGUNAKAN METODE GREY-TAGUCHI DESIRABILITY FUNCTION OPTIMASI KARAKTERISTIK KUALITAS LEAD-SLAG PERISAI RADIASI BETON MENGGUNAKAN METODE GREY-TAGUCHI DESIRABILITY FUNCTION Sri Winarni 1,a), Budhi Handoko 2,b) 1,2 Departemen Statistika FMIPA UNPAD, Jl. Raya

Lebih terperinci

Matematika dan Statistika

Matematika dan Statistika ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN

Lebih terperinci

Pertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016

Pertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016 19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John

Lebih terperinci

PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN

PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN SIDANG LAPORAN TUGAS AKHIR PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN Oleh : Servianie Purnamasari (1310 030

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono

Lebih terperinci

Second-Order Confirmatory Factor Analysis pada Kemiskinan di Kabupaten Jombang

Second-Order Confirmatory Factor Analysis pada Kemiskinan di Kabupaten Jombang JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Print) D-78 Second-Order Confirmatory Factor Analysis pada di Kabupaten Jombang Masnatul Laili dan Bambang Widanarko Otok Jurusan Statistika,

Lebih terperinci

Analisis Regresi Spline Kuadratik

Analisis Regresi Spline Kuadratik Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline

Lebih terperinci

REGRESI LINIER BERGANDA

REGRESI LINIER BERGANDA REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal

Lebih terperinci

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge

Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 12) ISSN: 2301-928X D-1 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah

Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-157 Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah

Lebih terperinci

Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel

Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com

Lebih terperinci

BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)

BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) 3.1 Data Spasial Data spasial memuat informasi tentang atribut dan informasi lokasi. Sedangkan data bukan spasial (aspatial data) hanya memuat informasi

Lebih terperinci

PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell

PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell September 03 PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL k MELALUI METODE BISSELL IRAWATY, ANISA DAN HERDIANI, E.T. 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya

BAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya yield to maturity (YTM) dari obligasi negara seri fixed rate tenor 10 tahun

Lebih terperinci

Penentuan Setting Parameter Pembuatan Botol DK 8251 B

Penentuan Setting Parameter Pembuatan Botol DK 8251 B Penentuan Setting Parameter Pembuatan Botol DK 8251 B Penentuan Setting Parameter Pembuatan Botol DK 8251 B pada Proses Blow Moulding dengan Menggunakan RSM (Response Surface Methodology) Studi Kasus di

Lebih terperinci

BAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:

BAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana: BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh

Lebih terperinci

EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH

EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.

Lebih terperinci

Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error

Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error Ria Kumala Dewi dan Wiwiek Setya Winahju Statistika, FMIPA, Institut Teknologi

Lebih terperinci

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS Dhina Oktaviana P, I Nyoman Budiantara Mahasiswa Jurusan Statistika ITS Surabaya, Dosen Jurusan Statistika ITS Surabaya

Lebih terperinci

LEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK ( ) = ( + ) Kata kunci: regresi linear ganda, multikolinearitas, regresi gulud.

LEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK ( ) = ( + ) Kata kunci: regresi linear ganda, multikolinearitas, regresi gulud. 1 LEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK Metode kuadrat terkecil atau Ordinary Least Square (OLS) merupakan suatu metode penaksiran koefisien regresi yang paling sederhana. Jika diantara

Lebih terperinci

ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND

ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND ISBN : 9786023610020 ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND Arya Fendha Ibnu Shina 1, Setiawan 2 Mahasiswa Jurusan Statistika Institut Teknologi

Lebih terperinci

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika

Lebih terperinci

Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan

Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan Oleh: Ainul Fatwa Khoiruroh (1310100096) Pembimbing: Dr. Setiawan, M.S. JURUSAN STATISTIKA FAKULTAS

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Metode Permukaan Respon (Response Surface Methodology/RSM), pertama kali diperkenalkan oleh Box dan Wilson (1951), metode ini sering digunakan untuk mencari

Lebih terperinci

TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan

TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.

Lebih terperinci

PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA

PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi

Lebih terperinci

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip

Lebih terperinci

PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN

PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis

Lebih terperinci

STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN

STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG

Lebih terperinci

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA

Lebih terperinci

BAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data

BAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil

Lebih terperinci

Analisis Heteroskedastisitas Pada Data Cross Section dengan White Heteroscedasticity Test dan Weighted Least Squares

Analisis Heteroskedastisitas Pada Data Cross Section dengan White Heteroscedasticity Test dan Weighted Least Squares Analisis Heteroskedastisitas Pada Data Cross Section dengan White Heteroscedasticity Test dan Weighted Least Squares Christalia A. Mokosolang 1, Jantje D. Prang 2, Mans L. Mananohas 3 1 Program Studi Matematika,

Lebih terperinci

BAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear

BAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel

Lebih terperinci

PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA

PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati

Lebih terperinci

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian

Lebih terperinci

STK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi

STK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar

Lebih terperinci

Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel

Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II

Lebih terperinci

PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENDUGA-S DALAM MENGATASI DATA PENCILAN DENGAN SIMULASI DATA SKRIPSI

PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENDUGA-S DALAM MENGATASI DATA PENCILAN DENGAN SIMULASI DATA SKRIPSI PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENDUGA-S DALAM MENGATASI DATA PENCILAN DENGAN SIMULASI DATA SKRIPSI ANDOS NIKI S. M. SEMBIRING 090803032 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,

Lebih terperinci

Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas

Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)

Lebih terperinci

PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA

PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)

II. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM) II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah

Lebih terperinci

REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA

REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA SKRIPSI Disusun Oleh : SHERLY CANDRANINGTYAS J2E 008 053 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Perancangan Kualitas Kode/sks : SS141413/ (2/1/0 ) Dosen : SS Semester : V

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Perancangan Kualitas Kode/sks : SS141413/ (2/1/0 ) Dosen : SS Semester : V RP-S1-SI-06 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 8 A. CAPAIAN PEMBELAJARAN : CP 1.2 : Menentukan optimasi melalui perancangan eksperimen. CP15.2 : Mampu mengelola dan bekerja

Lebih terperinci

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( ) OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING Oleh: Rossy Susanti (1207 100 007) Dosen Pembimbing: Drs. Suharmadi S., DiplSc.,MPhil JURUSAN MATEMATIKA

Lebih terperinci

Prosiding Seminar Nasional Manajemen Teknologi XVIII Program Studi MMT-ITS, Surabaya 27 Juli 2013

Prosiding Seminar Nasional Manajemen Teknologi XVIII Program Studi MMT-ITS, Surabaya 27 Juli 2013 Prosiding Seminar Nasional Manaemen Teknologi VIII Program Studi MMT-ITS, Surabaya 7 Juli 0 OPTIMASI MULTIRESPON DENGAN MENGGUNAKAN METODE HYBRID FUY GOAL PROGRAMMING DAN GENETIC ALGORITHM (Studi Kasus

Lebih terperinci

METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER

METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER

Lebih terperinci

PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA

PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA Program Studi MMT-ITS, Surabaya 7 Juli 03 PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA Marlon Stivo Noya Van Delsen, *) dan Muhammad Mashuri ) ) Jurusan Statistika,

Lebih terperinci

Non Linear Estimation and Maximum Likelihood Estimation

Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are

Lebih terperinci

JMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP

JMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas

Lebih terperinci

ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI

ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI Oleh : IPA ROMIKA J2E004230 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci