III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA

Ukuran: px
Mulai penontonan dengan halaman:

Download "III. EVALUASI METODE PENARIKAN CONTOH PADA PENDUGAAN PRODUKTIVITAS KOMODITAS HORTIKULTURA"

Transkripsi

1 4 III. VALUASI TOD PNARIKAN CONTOH PADA PNDUGAAN PRODUKTIVITAS KOODITAS HORTIKULTURA 3.. Gabaran Uu etode Penarkan Contoh Penarkan contoh atau saplng erupakan suatu proses nferens engena keseluruhan (populas berdasarkan analss seba gan (contoh dar populas tersebut (So, 996. Secara gars besar, etode penarkan contoh dgolongkan enjad dua kelopok, yatu penarkan contoh berpeluang (probablty saplng dan penarkan contoh tak berpeluang (nonprobablty saplng. Pada probablty saplng, penentuan contoh ddasarkan pada kadah peluang, sedangkan penentuan contoh pada nonprobablty saplng tdak ddasarkan pada kadah peluang (Levy & Leeshow, 999. Probablty saplng elk sfat bahwa setap unsur d dala populas dketahu, dan elk peluang yang tdak nol untuk terplh enjad contoh. Karena peluang setap unsur populas dketahu, aka penduga tak bas bag paraeter populas erupakan kobnas ln ear dar observas yang dcernkan oleh data contoh. D ss lan, standard error dar penduganya juga dapat dduga dengan catatan oen kedua dar sebaran peluang yang dketahu (Levy & Leeshow, 999. etode yang palng uu yang tergolong dala nonprobablty saplng adalah purposve atau judgeental saplng. etode n lebh banyak dterapkan pada bdangbdang sosal dan ekono dana etode probablty saplng tdak prakts bahkan tdak ungkn dgunakan. Pada nonprobablty saplng, contoh yang dabl dupayakan sejauh ungkn ewakl populas. Naun dekan, karena peluang setap unsur populas tdak dketahu, aka ketakbasan penduganya tdak dapat dnla. Oleh karena tu, untuk peneltan yang orentas utaanya pada pendugaan paraeter populas, etode probablty saplng lebh dsarankan (endenhall et al., 97. Dala probablty saplng, terdapat beberapa etode yang dapat dgunakan, dantaranya adalah: penarkan contoh acak sederhana (sple rando saplng, penarkan contoh acak berlaps (stratfed rando saplng, penarkan contoh ssteatk (ssteatc rando saplng, dan penarkan contoh gerobol (cluster saplng. Seua etode penarkan contoh kategor n (probablty saplng

2 5 ensyaratkan adanya kerangka contoh (frae saplng yang euat seua daftar objek ya ng akan dplh. Penarkan contoh acak sederhana sesua untuk keadaan dana keragaan nla unsur populas relatf kecl dan tdak terdapat pola pengelopokan atau strata tertentu. Penarkan contoh acak berlaps sesua untuk keadaan dana unsur popula s elk pola pengelopokan atau strata tertentu. etode penarkan contoh ssteatk pada uunya dterapkan pada populas yang terurut dan berukuran besar. Penarkan contoh gerobol sesua untuk konds dana baya untuk eperoleh kerangka contoh yang encakup seluruh unsur populas sangat besar atau jka baya untuk eperoleh observas akan enngkat sejalan dengan jarak unsur populas yang seakn besar (endenhall et al., 97. Dsapng keepat etode penarkan contoh d atas ash ada beberapa etode lan yang pada uunya erupakan odfkas, pengebangan, atau perpaduan dar keepatnya. Salah satu dantaranya adalah penarkan contoh ult tahap (ultstage saplng. Pada setap tahap dala ultstage saplng, dapat enerapkan etode penarkan contoh yang berbeda. ultstage saplng dgunakan pada keadaan dana kerangka contoh yang euat seluruh objek surve tdak terseda pada taraf dana kta harus elakukan pendugaan, tetap terseda pada level d bawahnya. etode penarkan contoh ana yang seharusnya dplh tentu saja yang sesua dengan kasus yang dhadap dan pada tngkat keteltan yang saa ebutuhkan baya yang palng kecl (endenhall et al., 97. Salah satu asalah yang palng pentng d dala dsan penarkan contoh adalah seberapa besar ukuran contoh yang dbutuhkan untuk eperoleh penduga yang cukup terandal (relable sesua dengan tujuan surve. Pada uunya, seakn besar ukuran contoh, seakn terandal hasl pendugannya. Sedangkan keabsahan (valdty erupakan fungs dar proses pengukuran darpada ukuran contoh. Untuk enngkatkan valdtas eerlukan perbakan dala proses pengukuran (Levy and Leeshow, 999. Jka tdak ada kesalahan pengukuran (easureent error, keterandalan suatu penduga dcernkan oleh raga atau standard error dar penduga tersebut, seakn kecl nla raga atau standard error seakn terandal penduga tersebut.

3 6 Pada penarkan contoh acak sederhana, raga penduga rataan V (x defnskan sebaga berkut: s N n V ( x n N dengan Nukuran populas, nukuran contoh, dan s raga contoh. Ukuran contoh nu (n yang dbutuhkan untuk enduga µ pada penarkan contoh acak sederhana dapat daproksas dengan ruus: dana: n Z V x ε Z nla tabel noral baku (Z.96 untuk selang kepercayaan 95% V x s X x ε batas perbedaan nla dugaan dengan nla sebenarnya (dtentukan oleh pengguna. (Levy & Leeshow, 999. Berdasarkan ruus penentuan ukuran contoh optu d atas terlhat bahwa besarnya ukuran contoh tergantung dar tngkat keteltan yang dngnkan yang terungkap dala nla Z atau α dan nla ε. Bentuk lan dar nla ε adalah nla RS (relatf standard error yang besarnya ddefnskan sebaga berkut: RS X s x 00 % Pada kebanyakan surve, ukuran contoh yang dabl yang danggap elk keteltan cukup tngg berpatokan pada nla α5% dan nla RS5%. 3.. Penarkan Contoh Tahap Ganda (ult Stage Saplng Penarkan contoh tahap ganda sangat uu dgunakan pada surve-surve yang sudah elebaga dan reguler, yang sangat uu dlakukan berbaga negara (Vera, 000.

4 7 Penarkan contoh dua tahap (two-stage saplng, dana pada asng-asng tahap enggunakan etode penarkan contoh acak gerobol, penduga total dan raganya adalah sebaga berkut (Levy & Leeshow, 999: n N Yˆ y j dan n V j ( ˆ N + N n Y σ dengan: σ (3. n N julah gerobol populas julah gerobol contoh N rataan julah unt senara per gerobol dala populas n rataan julah unt contoh per gerobol N N julah seluruh unt senara dala populas n n julah seluruh unt senara dala contoh y j karakterstk pada unt senara ke-j gerobol ke- σ raga antar gerobol yang ddefnskan sebaga: σ ( Y Y σ raga dala gerobol yang ddefnskan sebaga: N ( Yj Y j σ N. Secara uu, pada penarkan contoh r-tahap, raga dar penduga total dapat druuskan sebaga berkut (urthy, 967: V ( Yˆ V 3... r ( Yˆ + V 3... r ( Yˆ Vr ( Yˆ dengan nla harapan dan V varance atau raga, sedangkan ndeksnya enunjukkan urutan..

5 8 Sebaga contoh, untuk penar kan contoh dua tahap yang asng-asng tahap enggunakan penarkan contoh acak sederhana, raga bag penduga totalnya adalah: V V ( Yˆ V ( Yˆ + V V ( σ Yˆ + ( ( Yˆ ( f + N n n n ( ˆ N Y ( f + σ ( f N σ ( f σ ( f σ. (3. n dengan: f / fraks contoh pada tahap- f n/n rataan fraks contoh pada tahap Penarkan contoh ult-tahap n uu dgunakan pada pelaksanaan surveysurvey, terutaa yang satuan percontohan terkeclnya adalah ruah tangga (Vera, 000. Salah satu contoh negara yang enerapkan etode percontohan epat tahap pada survey pertanan adalah Rusa (Vaslevskaya, odel Penarkan Contoh pada Pendugaan Produktvtas Koodtas Hortkultura Berdasarkan dagra penentuan petak ubnan yang telah dbahas pada Bab, terlhat bahwa etode penarka n contoh yang dterapkan adalah etode penarkan contoh bertahap. Pada tahap pertaa, harus dlakukan pelhan terhadap kabupaten contoh untuk ewakl karakterstk propns. Penentuan kabupaten contoh dapat enggunakan penarkan contoh acak gerobol (clucter saplng atau penarkan contoh acak berlaps (stratfed rando saplng. Pada penarkan contoh acak gerobol, kabupaten-kabupaten dpandang sebaga unt-unt contoh basa yang tdak elk pola strata tertentu. Sedangkan pada penarkan contoh acak berlaps, kabupaten-kabupaten yang ada seolah-olah elk pola strata tertentu, salnya: kabupaten dapat ds trata berdasarkan kabupaten sentra dan kabupaten non sentra, dana kabupaten sentra dduga eberkan produktvtas yang lebh tngg darpada kabupaten non sentra.

6 9 Tahap berkutnya adalah enentukan kecaatan contoh pada kabupaten terplh atau kabupaten contoh. Penentuan kecaatan sebenarnya tdak dlakukan secara acak tetap hanya dtentukan berdasarkan share luas tana pada asng-asng kecaatan. Dengan perkataan lan, kta hanya engalokaskan julah contoh (plot kepada kecaatan-kecaatan yang ada secara proporsonal berdasarkan luas tana pada asng-asng kecaatan. Kecaatan yang elk luas tana yang lebh besar akan eperoleh julah contoh (plot yang lebh banyak. Dengan dekan, pada tahap n sebenarnya tdak ada penerapan teknk percontohan, tetap hanya enyangkut alokas contoh (plot saja kepada setap kecaatan berdasarkan propors luas tana setap kecaatan terhadap kabupaten. Tahap selanjutnya adalah enentukan desa contoh pada kecaatan terplh. Saa dengan penentuan kecaatan contoh, penentuan desa contoh juga berdasarkan share luas tana pada asng-asng desa, sehngga pada tahap n juga tdak ada penerapan teknk percontohan tetap hanya enyangkut alokas contoh (plot saja kepada setap desa berdasarkan share luas tana setap desa terhadap kecaatan. Pada setap desa terplh selanjutnya dlakukan pendaftaran/lstng dusun atau blok lahan dan julah petan hortkultura pada setap dusun/blok lahan. Lstng n perlu dlakukan karena kta perlu kerangka contoh (frae saple untuk enentukan dusun/blok lahan contoh secara acak, sedangkan daftar dusun/blok lahan yang enana koodtas holtkultura yang daksud pada trwulan pengupulan data, uunya tdak terseda. Jad pada tahap n kta harus enerapkan etode penarkan contoh untuk enentukan dusun/blok lahan contoh. Penarkan contoh yang dapat dgunakan adalah penarkan contoh acak sederhana, atau penarkan contoh acak sederhana yang dbobot dengan julah petan pada setap dusun/blok lahan. Pada setap dusun/blok lahan terplh, selanjutnya dtentukan petan contoh secara acak. etode penarkan contoh yang dapat dterapkan adalah etode penarkan contoh acak sederhana, karena kerangka contoh yang dapat terseda hanya berupa daftar petan hortkultura yang ada pada dusun tersebut. Selanjutnya, pada petan terplh akan dapat dperoleh nforas berapa julah dan luas petakan yang dtana koodtas hortkultura yang daksud. Jka petan terplh tersebut enana lebh dar satu petak, aka harus dlakukan pelhan satu petak saja secara acak enggunakan penarkan

7 30 contoh acak sederhana. Pada petak terplh tulah keudan dlakukan pelhan petak pengaatan (pencacahan rupun yang pelhannya harus dlakukan secara acak. Apabla prosedur yang dterapkan dbatas untuk elakukan pendugaan produks/produktvtas tngkat kabupaten, aka prosedur saplng yang djelaskan d atas baru ener apkan pelhan unt contoh (saplng pada saat elakukan pelhan dusun. Dengan dekan kadah saplng sesungguhnya baru dterapkan pada saat pelhan dusun, pelhan petan, pelhan petak, dan pelhan plot. Atau dengan perkataan lan, saplng yang dterapkan sebenarnya hanya terdr dar epat tahap saja. Dengan dekan, odel produktvtas plot yang enggabarkan produktvtas desa tertentu dapat dtulskan sebaga: Y jkl µ + α + β j ( + δ k ( j + ε jkl. (3.3 dana Yjkl Produktvtas plot pada dusun ke-, petan ke-j, petak ke -k, plot ke-l á Pengaruh dusun ke- β j( Pengaruh petan ke-j pada dusun ke- δk(j Pengaruh petak ke-k pada petan ke-j dan dusun ke- ε jkl Galat pada plot ke -l, petak ke-k, petan ke-j dan dusun ke Penduga Produks dan Produktvtas Dengan enggunakan kadah yang dberkan oleh urthy (967, dperoleh penduga total produks dan raga total produks tngkat desa sebaga berkut: n N Yˆ n j dengan: luas total seluruh desa j k j k P p p Q q j k k l q y jkl luas total dusun contoh N luas dusun ke - n luas petan contoh pada dusun ke- P luas petan ke-j j p j luas petak contoh pada petan ke-j

8 3 ( Yˆ Q k luas petak ke-k q luas plot contoh pada petak ke-k y k jkl produks pada dusun ke -, petan ke-j, petak ke -k, plot ke-l V V ( Yˆ + V ( Yˆ + V ( Yˆ + dengan f f f 3 f 4 dana V V4 Y V n N p P q Q V ( Yˆ ( Yˆ ( Yˆ 3V4 ( Yˆ σ N n N n N n ( f σ P p fraks luas total dusun contoh terhadap luas desa ( f P σ p Q 3 q ( f σ 4 3 ( f 4 ( ˆ.. (3.4 σ raga produks antar dusun σ raga produks antar petan σ raga produks antar petak σ raga produks antar plot 3 Sedangkan dugaan rataan dan raga produktvtas bag suatu desa ke -t dapat dperoleh dengan ruus sebaga berkut: Y t Yˆ t (3.5 L fraks rataan luas total petan contoh terhadap rataan luas dusun fraks rataan luas total petak contoh terhadap rataan luas petan fraks rataan luas total plot contoh terhadap rataan luas petak t 4

9 3 dana dan V ( Yˆ V ( Yt. (3.6 L t t Ŷ t adalah dugaan total produks desa ke-t, ˆ L t adalah total luas panen desa ket, dan V ( Y t adalah raga bag Ŷ t. Dengan tetap berpedoan bahwa penentuan julah plot pada level kecaatan dan desa proposonal terhadap share luas panen, aka dugaan rataan dan raga produktvtas pada tngkat kabupaten dapat druuskan sebaga berkut: Y dan r w Y (3.7 V ( Y w V ( Y. (3.8 dana: w r L L Y Penduga rataan produktvtas desa ke - V ( Y Penduga raga produktvtas desa ke- L Total luas panen desa ke- r Banyaknya desa pada kabupaten tersebut D dala banyak praktek, penduga rataan dan raga produktvtas desa ke- ddekat dengan ruus sederhana sebaga berkut: Y Dana: n j y j dan n s V ( Y. (3.9 n s n j ( y j y n.

10 33 y j Produktvtas plot ke -j pada desa ke- n julah plot contoh pada desa ke- Sedangkan penduga rataan produktvtas tngkat kabupaten dhtung enggunakan persaaan (3.7 dan (3.8. Pendekatan n dapat dkatakan tdak tepat. Penduga rataannya ungkn tdak bas asalkan julah plot pada suatu desa eang proporsonal terhadap luas panen, tetap penduga raga rataannya cenderung berbas ke bawah karena tdak eperhtungkan raga pada setap tahapan (stage Sulas Koputer Sulas ddefnskan sebaga odel ateats yang enggabarkan suatu perlaku sste dala sekuens waktu tertentu. Para penelt anajeen enggunakan odel sulas dala katannya dengan percobaan-percobaan yang dlakukannya. Dengan epelajar perlaku odel tersebut, para penelt dapat ebuat kespulan tentang berbaga perlaku yang ungkn terjad d duna nyata (Watson & Blackstone, 989. Dengan ula araknya penggunaan koputer dala duna bsns pada tahun 950-an, sulas berkebang sebaga alat anajeen. Serng dengan perkebangan teknolog koputer yang dekan pesat, sulas enjad seakn udah dan banyak dgunakan d berbaga bdang. Beberapa keuntungan penggunaan sulas adalah (Render & Star, 000: ( relatf langsung ke sasaran dan fleksbel, ( dapat dgunakan untuk enganalss suatu asalah yang besar dan kopleks, yang ungkn dengan odel analss kuanttatf konvensonal tdak dapat dlakukan, (3 dapat enjawab berbaga plhan alternatf dar berbaga konds yang berbeda, (4 sulas dapat bebas terhadap pengaruh sste yang ungkn ada dala duna nyata, (5 dengan sulas eungknkan enelaah secara nteraktf pengaruh unsur atau peubah secara ndvdual sehngga dapat dketahu unsur atau peubah ana yang pentng, (6 dengan sulas jawaban dapat dperoleh dala waktu yang sangat sngkat, dan (7 sulas eungknkan easukkan berbaga faktor yang kopleks yang terjad d duna nyata, yang tdak eungknkan enggunakan odel-ode l analss konvensonal.

11 34 Tabel 4 Algorta sula Tentukan nla awal Luas panen & produktvtas kabupaten, luas asng-asng kecaatan & asngasng desa, julah plot ubnan, ukuran plot ubnan, jarak tana, rataan dan standard devas luas & produktvtas asng-asng level Tentukan julah contoh (berdasarkan share luas panen untuk setap: * Kecaatan * Desa 3 Bangktkan data produktvtas kecaatan * Prodv µp, σk (Total Produks Kec Produks Kab 4 Bangktkan data produktvtas desa * Prodv µ k, σ d (Total Produks Des Produks Kec 5 Bangktkan data dusun * Luas µl, σl (Total Luas < Luas Des * Prodv µd, σ d (Total Produks Dus < Produks Des 6 Tentukan dusun contoh pada asng-asng desa sesua dengan julah contohnya 7 Plh petan pada dusun contoh, dengan ebangktkan data: * Luas µl, σl (Luas < Luas Dusun * Prodv µ P, σ P (µ P produktvtas dusun contoh ybs. 8 Plh petak pada petan contoh, dengan ebangktkan data: * Luas µl, σl (Luas < Luas Petan * Prodv µ P, σ P (µ P produktvtas petan contoh ybs. 9 Plh plot pada petak contoh, dengan ebangktkan data: * Luas µl3, σl3 (Luas Luas Ubnan * Prodv µ P3, σ P3 (µ P produktvtas petak contoh ybs. 0 Htung produktvtas plot ubnan Lakukan noor 5-0 sebanyak julah plot ubnan yang dngnkan Htung rataan produktvtas tngkat kabupaten

12 35 Penggunaan sulas koputer dala sub bab n dtujukan untuk enggabarkan perforans dugaan yang dperoleh dar etode percontohan untuk pendugaan produktvtas hortkultura yang telah djelaskan pada sub bab sebelunya. Oleh karena tu, sulas yang dlakukan enggunakan algorta sesua prosedur percontohan tersebut (lhat Tabel 4. Supaya hasl dar sulas tersebut dapat encernkan keadaan lapang yang sebenarnya, paraeter dala sulas tersebut seyogyanya dapat enggabarkan konds rl, sehngga akan lebh bak jka paraeterparaeter tersebut dbangun berdasarkan data yang dperoleh dar lapang. tersebut dkupulkan elalu kerjasaa dengan T Ujcoba dar Pusdatn Deptan. Data Paraeter yang dbutuhkan untuk ebangktkan data dala sulas n adalah nla tengah dan raga produktvtas pada tngkat kabupaten, kecaatan, desa, dusun, petan, petak, dan plot. Besarnya luas panen dar tngkat kabupaten sapa dengan desa dtentukan secara subyektf (sesua dengan dsan etode penarkan contohnya sepert yang dsajkan pada Tabel 5. Luas panen pada tngkat dusun sapa dengan petak dbangktkan elalu sulas, sedangkan luas plot dtetapkan dan danggap saa. Tabel 5 Skenaro luas panen kecaatan dan desa Kec Luas Desa Desa Desa Catatan: Luas Panen Kabupaten 750 Pebangktan data dula pada level kecaatan, dengan ebangktkan produktvtas pada kecaatan ke - dan ke-. Sedangkan produktvtas kecaatan ke -3 dperoleh elalu persyaratan bahwa total produks dar ketga kecaatan tersebut saa dengan produks tngkat kabupaten. Tahap berkutnya adalah pebangktan data produktvtas desa yang tersarang pada kecaatannya. Paraeter produktvtas desa enggunakan produktvtas kecaatannya asng-asng, sedangkan paraeter keragaan dperoleh/dpredks dar data lapangan. Pada level dusun sapa dengan plot juga dlakukan pebangktan data luas panen dan produktvtas. Paraeter nla tengah dan raga luas panen, serta raga produktvtas enggunakan data yang dperoleh dar lapang, sedangkan paraeter nla

13 36 tengah produktvtas enggunakan produktvtas level d atasnya. Nla paraeter dar tngkat kabupaten sapa dengan plot dsajkan pada Tabel 6. Pebangktan data dlakukan sebanyak 000 kal. Paraeter Tabel 6 Nla paraeter produktvtas Tngkat Kab Kec Desa Dusun Petan Petak Plot Produktvtas Nla tengah 5 * * * * * * Std Luas Panen Nla tengah ** Std * enggunakan hasl bangktan satu tngkat d atasnya ** Dtetapkan saa dengan 5 bars x 0.5 c x 5 kolo x 0.6 c 3.75 c - Tdak ada paraeter bangktan/tdak ebangktkan data, nlanya dtetapkan d Tabel 5. Perlaku galat baku (standard error yang dhaslkan oleh suatu etode pada uunya dpengaruh oleh ukuran contoh. Oleh karena tu dala peneltan n dcoba dlakukan sulas dengan ukuran contoh (julah plot yang berbeda-beda, yatu 0, 5, 30, 60, 90, dan Hasl Sulas Nla galat baku dugaan produktvtas pada berbaga ukuran contoh dsajkan pada Gabar 3. Bedasarkan gabar tersebut terlhat bahwa seakn besar ukuran contoh aka nla galat baku enjad seakn kecl yang keudan konvergen ke suatu nla tertentu. Berdasarkan kecenderungan nla standard error yang dsajkan pada Gabar 3 dapat dperkrakan bahwa untuk endapatkan nla dugaan yang elk nla galat baku relatf (RS sebesar 5%, etode percontohan tersebut ebutuhkan ukuran contoh kra-kra sebesar 45 (nla ukuran contoh dengan galat baku.5.

14 37 Berdasarkan sebaran nla dugaan rataannya terlhat ndkas bahwa etode yang dcobakan enghaslkan nla dugaan yang tak berbas terhadap nla tengah populas. Hal n terlhat pada Gabar 4 yang enggabarkan sebaran nla dugaan rataan pada ukuran contoh 0, 5, 30, 60, 90, dan 0, dengan pebangktan data sebanyak 000 kal, enghaslkan nla dugaan rataan kra-kra saa dengan nla tengah populas (µ5. Galat Baku Ukuran Contoh Gabar 3 Nla galat baku dar rataan produktvtas pada berbaga ukuran contoh 3.7. Penerapan Pada sub bab n akan dbahas tentang penerapan terhadap data yang dperoleh dar hasl ujcoba penentuan produktvtas koodtas hortkultura yang telah dlakukan oleh Pusdatn Departeen Pertanan pada Tahun 00 d Kabupaten Brebes. Julah plot contoh adalah 40 plot yang terse bar d dua kecaatan dan la desa. Data yang dkupulkan elput luas tana, perkraan produks yang dperoleh dar wawancara dengan petan contoh, luas ubnan dan produks ubnan. Data selengkapnya dsajkan pada Tabel 7.

15 38 Hstogra of P rodv0 Noral Hstogra of Prodv5 Noral 0 00 ean S tdev.83 0 N ean 5.05 StDev.658 N 000 Fr equency Fre quency Rat aa n Rat aan (a (b Hstogra of P rodv30 Noral Hstogra of Prodv60 Noral ean 5.0 StDev.379 N ean 5.05 StDev.75 N Fre que ncy Fr equ ency Rata an Rataan (c (d Hstogra of P rodv90 Noral Hstogra of Prodv0 Noral ean S tdev.3 N ean 5.03 StDev.083 N Fre quency Frequen cy ] Rata an (e Gabar 4 Sebaran nla rataan pada berbaga ukuran contoh: (a 0, (b 5, (c 30, (d 60, (e 90, dan (f 0 Dsapng data tersebut d atas, dkupulkan juga data perkraan luas panen (SP 00. Dar data perkraan luas panen tersebut dperoleh nforas bahwa propors luas panen dar kela desa contoh tersebut sebesar untuk desa Batursar, untuk desa Dawuhan, 0.55 untuk desa Igrklanceng, untuk desa Pandansar, dan 0.7 untuk desa Wanareja. Selanjutnya, nla propors luas panen n akan dgunakan sebaga pebobot dala enentukan produktvtas tngkat kabupaten. Perkraan nla tengah produktvtas tngkat kabupaten untuk data Tabel 7 jka enggunakan persaaan (3.9 adalah sebesar ton/hektar dengan galat baku Rataan (f 7 9 3

16 39 sebesar Dengan enggunakan pendekatan sebaran noral dperoleh selang kepercayaan 95% bag nla tengah produktvtas tngkat kabupaten sebesar (4.34; Sedangkan jka enggunakan pendekatan persaaan (3.4 dperoleh rataan produktvtas sebesar dengan galat baku sebesar.083. Dengan pendekatan sebaran noral dperoleh selang kepercayaan 95% bag nla tengah produktvtas tngkat kabupaten sebesar (.695; Angka dugaan nla tengah produktvtas n jauh d atas hasl publkas Drektorat Jenderal Bna Produks Hortkultura dan BPS untuk propns Jawa Tengah, yatu ton/hektar (DrJen Bna Produks Hortkultura, 00. Angka publkas tersebut tapaknya saa dengan hasl wawancara yatu sebesar 5.84 ton/hektar. Berdasarkan data yang dsajkan pada Tabel 7 dapat dlhat bahwa secara uu produktvtas ubnan jauh lebh tngg dbandngkan produktvtas hasl wawancara. Ada beberapa hal yang dduga enyebabkan perbedaan nla n, antara lan:. Adanya perbedaan pengertan luas pada kedua hasl pengukuran tersebut, dana hasl ubnan pada dasarnya engacu pada luas efektf (luas yang benar-benar dpanen yang dcernkan oleh luas plot ubnan, sedangkan hasl wawancara pada uunya engacu pada luas lahan yang uunya lebh tngg darpada luas efektf.. Petan uunya enyapakan hasl produks kentang yang benar-benar layak jual, sedangkan kentang-kentang yang dgunakan sebaga bbt serngkal tdak asuk dala perhtungan. Hal nlah yang ebuat perkraan produksnya enjad lebh rendah dar yang sebenarnya. 3. Dala enjawab perkraan produks pada uunya petan elh berskap erendah, sehngga serngkal eberkan perkraan produks yang lebh rendah dar yang sebenarnya. 4. Dala enentukan plot ubnan td ak jarang petugas bersaa dengan petan cenderung engarahkan pada bagan lahan yang relatf eberkan produks yang lebh bak, yang berakbat eberkan hasl produks yang cenderung berbas ke atas.

17 40 Tabel 7 Data hasl ujcoba penentuan produktvtas kentang d kabupaten Brebes tahun 00 No Kecaatan Desa Dusun Luas Produks Produktvtas Produktvtas Tana Perkraan Perkraan Ubnan Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Paguyangan Pandansar Kalkdang Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Batursar Dukuh Tengah Srapog Dawuhan Pangan Srapog Dawuhan Pangan Srapog Dawuhan Pangan Srapog Dawuhan Pangan Srapog Dawuhan Pangan Srapog Dawuhan Pangan Srapog Igrklanceng Igr Tengah Srapog Igrklanceng Igr Tengah Srapog Igrklanceng Igr Tengah Srapog Igrklanceng Igr Tengah Srapog Igrklanceng Igr Tengah Srapog Igrklanceng Igr Tengah Srapog Wanareja Gronggongan Srapog Wanareja Gronggongan Srapog Wanareja Gronggongan Srapog Wanareja Gronggongan Srapog Wanareja Gronggongan Srapog Wanareja Gronggongan Srapog Wanareja Gronggongan

18 4

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS)

BAB III SAMPLING BERKELOMPOK DAN SAMPLING BERKELOMPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) BAB III SAPLING BERKELOPOK DAN SAPLING BERKELOPOK DENGAN PROBABILITY PROPORTIONAL TO SIZE (PPS) 3. Saplng Berkelopok Populas elk konds yang berbeda beda jka dlhat berdasarkan ukurannya. Pada pebahasan

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-35 (3-98X Prnt) D-95 Pengendalan Kualtas Proses Produks Tube Plastk D Pt. X Menggunakan Peta Kendal P Multvarat Ia Rdo Rarso, Luca Ardnant, dan Muhaad Mashur

Lebih terperinci

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

Lebih terperinci

2. TINJAUAN PUSTAKA. Pada model berbasis area diasumsikan bahwa peubah yang menjadi perhatian merupakan fungsi dari rata-rata peubah respon, = g( )

2. TINJAUAN PUSTAKA. Pada model berbasis area diasumsikan bahwa peubah yang menjadi perhatian merupakan fungsi dari rata-rata peubah respon, = g( ) . INJAUAN PUSAKA. Model Area Kecl Model area kecl erupakan odel dasar dala pendugaan area kecl. Model n dkelopokkan enjad dua kelopok yatu odel berbass area (basc area level odel odel berbass unt (basc

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)

MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) 1. Konse Dasar Sngle Index Model. Forula SIM untuk Sekurtas 3. SIM untuk Sekurtas Tunggal 4. SIM untuk Portofolo 5. Portofolo Otal Berdasarkan SIM Munya Alteza

Lebih terperinci

BAB IV TRIP GENERATION

BAB IV TRIP GENERATION BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

PENDEKATAN METODE BAYES UNTUK PENDUGAAN PENGARUH INTERAKSI PADA MODEL AMMI. (Bayesian Approach for Estimating Interaction Effect of AMMI Model)

PENDEKATAN METODE BAYES UNTUK PENDUGAAN PENGARUH INTERAKSI PADA MODEL AMMI. (Bayesian Approach for Estimating Interaction Effect of AMMI Model) PROSIDING ISBN: 978-979-6353-3- PENDEKATAN METODE BAYES UNTUK PENDUGAAN PENGARUH INTERAKSI PADA MODEL AMMI (Bayesan Approach for Estatng Interacton Effect of AMMI Model) Pka Slvant, Kharl A. Notodputro,

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

5.. Kekakuan Portal Bdang (Plane Frae) BAB 5 ANASS STRUKTUR PORTA BANG Struktur plane rae erupakan suatu sste struktur ang erupakan gabungan dar seulah eleen (batang) d ana pada setap ttk spulna danggap

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN 6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3

Lebih terperinci

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc.

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc. MODUL ANALISIS PENGUKURAN FISIKA Dsusun Oleh: Kuncoro Ash Nugroho, M.Pd., M.Sc. JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKAN DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA YOGYAKARTA BAB I METODE

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

PROSEDUR MENGGUNAKAN STRATIFIED RANDOM SAMPLING METHOD DALAM MENGESTIMASI PARAMETER POPULASI

PROSEDUR MENGGUNAKAN STRATIFIED RANDOM SAMPLING METHOD DALAM MENGESTIMASI PARAMETER POPULASI JEMI, Vol 1, No 1, Desember 2010 PROSEDUR MENGGUNAKAN STRATIFIED RANDOM SAMPLING METHOD DALAM MENGESTIMASI PARAMETER POPULASI Des Rahmatna, SPd, MSc (Unverstas Martm Raja Al Haj) ABSTRAKSI Peneltan n dmaksudkan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

Lebih terperinci

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

Preferensi untuk alternatif A i diberikan

Preferensi untuk alternatif A i diberikan Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdng Senar Sans dan Teknolog FMIPA Unul Perode Maret 016, Saarnda, Indonesa ISBN: 978-60-7658-1-3 Pengendalan Kualtas Produk Menggunakan Peta Kendal T Hotellng Dan Analss Keapuan Proses Untuk Data Multvarat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

BAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama

BAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama BAB V Model Bayes Pendugaan Area Kecl untuk Respon Bnomal dan Multnomal Berbass Penarkan Contoh Berpeluang Tdak Sama 5.1. Pendahuluan Pada umumnya pengembangan model SAE dan pendugaannya dlakukan dengan

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

ANALISIS KONSTRUKSI DAN SIFAT BCH CODE

ANALISIS KONSTRUKSI DAN SIFAT BCH CODE KNM XVI -6 Jul 202 UNPAD, Jatnangor ANALISIS KONSTRUKSI DAN SIFAT BCH CODE ACHMAD FAHRUROZI, M.SI,2, SRI MARDIYATI, M.KOM 2 Unverstas Gunadara Depok, achad.fahruroz@yahoo.co.d 2 Unverstas Indonesa Depok,

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN:

Jurnal Sipil Statik Vol.1 No.8, Juli 2013 ( ) ISSN: Jurnal Spl Statk Vol. No.8 Jul 3 (79-86) ISSN: 337-673 PEMILIHAN SISTEM PENGAMANAN PANTAI DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS: PANTAI WORI DI KECAMATAN WORI KABUPATEN MINAHASA

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana

Lebih terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun

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 PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

PENDUGAAN RASIO, BEDA DAN REGRESI

PENDUGAAN RASIO, BEDA DAN REGRESI TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada

Lebih terperinci

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen, BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data.

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data. BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode peneltan harus dsesuakan dengan masalah dan tujuan peneltan, hal n dlakukan untuk kepentngan perolehan dan analss data. Mengena pengertan metode peneltan,

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT. ABSTRACT 1.

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT. ABSTRACT 1. PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKAT Ryan Aresta Ral Suroso, Arsan Adnan, Rusta Efend r_yand7045@yaoo.co Maasswa Progra S Mateatka Dosen Jurusan Mateatka

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

ARUS BOLAK BALIK V R. i m

ARUS BOLAK BALIK V R. i m Modul 9 Elektroagnet KEGIATAN BEAJA A. ANDASAN TEOI AUS BOAK BAIK Arus dan tegangan lstrk bolak balk adalah arus dan tegangan lstrk yang berubah terhadap waktu atau erupakan fungs waktu. Yang berubah adalah

Lebih terperinci